机械故障检测方法、装置及计算机可读存储介质与流程

本发明涉及一种机械故障检测方法、装置及计算机可读存储介质。
背景技术：
：通常，为了对机械设备进行故障检测，可以在机械设备的不同部位安装传感器，并由这些传感器采集电涡流位移信号，并根据所采集的电涡流位移信号进行机械故障检测。具体地，当机械设备出现局部故障时，通过传感器测得的电涡流位移信号中将含有小部分振动特性，因此，通过分析电涡流位移信号中的振动特性即可以确定机械设备是否发生了故障。但是，由于这些振动特性容易被随机噪声和其他干扰因素淹没，因此，如何有效地从电涡流位移信号中提取机械故障特征以完成机械故障检测是一个难题。技术实现要素：为了解决上述问题，本发明提供一种机械故障检测方法、装置及计算机可读存储介质。本发明提供的机械故障检测方法包括：采集电涡流位移信号；分解所采集的电涡流位移信号，得到所述电涡流位移信号的多个窄带模式分量；从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；对所述重构电涡流位移信号进行解调；以及从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。在本发明的机械故障检测方法中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。在本发明的实施例中，上述电涡流位移信号由安装在被测机械设备关键部位的传感器采集。通过将用于采集电涡流位移信号的传感器安装在靠近被测机械设备关键部位的位置，可以采集到被测机械设备关键部位的电涡流位移信号，实现更有效地进行机械故障检测的目的。在本发明的实施例中，所述分解所采集的电涡流位移信号包括：采用变分模式分解方法或者改进的变分模式分解方法分解所采集的电涡流位移信号。其中，变分模式分解可以避免传统时频分析的缺点，具有良好的滤波器组理论基础和优良的性能，且其最终效果和模式混合比经验模式分解更轻微。此外，改进的变分模式分解算法可以自适应地选择变分模式分解中使用的参数，将收集到的电涡流位移信号分解成若干个瞬时特征具有物理意义的窄带模式分量，从而提高信号的分解精度，获得更深层次的特征信息。在本发明的实施例中，上述从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量包括：分别计算各个窄带模式分量的相关峰度积；分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。其中，相关峰度积通过如下公式确定：ckpi＝cor(imfi)*kur(imfi)其中，imfi指多个窄带模式分量中的第i个窄带模式分量；cor(imfi)代表imfi的相关系数；kur(imfi)代表imfi的峰度。上述cor(imfi)和kur(imfi)分别通过如下公式确定：其中，x(t)表示电涡流位移信号；t表示时间；μ表示平均值；σ表示标准差；e表示数学期望。其中，上述预先设定的阈值根据各个窄带模式分量中最大的相关峰度积或各个窄带模式分量平均相关峰度积设置。通过上述基于相关峰度乘积的自适应选择方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。上述对所述重构电涡流位移信号进行解调包括：计算重构电涡流位移信号的频率加强能量解调谱。此时，从解调后的信号中提取故障信息并根据提取的故障信息确定机械设备的故障状态包括：根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率中是否存在谱线，如果不存在，则机械设备处于正常工作状态；如果存在，则机械设备处于故障状态。其中，对于任意给定的信号x(t)，其频率加权能量解调频谱可以由如下公式计算得到：其中，是给定信号x(t)的一阶导数；x(t)表示电涡流位移信号；是的希尔伯特变换。上述频率加权能量解调的方法可以避免其他解调方法的缺点，能更准确地提取故障特征信息。对应上述方法，本发明还提供了一种机械故障检测装置，包括：信号采集模块401，用于采集电涡流位移信号；信号分解模块402，用于分解所采集的电涡流位移信号，得到该电涡流位移信号的多个窄带模式分量；分量选择模块403，用于从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量；重构模块404，用于根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号；以及解调模块405，用于对上述重构电涡流位移信号进行解调，从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。上述机械故障检测装置中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。在本发明的实施例中，上述信号采集模块401包括传感器，其中，所述传感器安装在被测机械设备上，用于采集所述电涡流位移信号。在本发明的实施例中，上述信号采集模块401包括与传感器连接的接口，用于从所述传感器接收由传感器采集的电涡流位移信号。在本发明的实施例中，上述分量选择模块403包括：相关峰度积确定单元，用于分别计算各个窄带模式分量的相关峰度积；比较单元，用于分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较；判断单元，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。通过上述基于相关峰度乘积的自适应选择方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。在本发明的实施例中，上述解调模块405包括：频率加强能量解调谱计算单元，用于计算重构电涡流位移信号的频率加强能量解调谱；以及检测单元，用于根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率中是否存在谱线，如果不存在，则机械设备处于正常工作状态；如果存在，则机械设备处于故障状态。通过上述频率加权能量解调的方法，可以避免其他现有解调方法的缺点，能更准确地提取故障特征信息。对应上述方法，本发明还提供了一种机械故障检测装置，包括：至少一个存储器510和至少一个处理器520，其中：所述至少一个存储器510用于存储计算机程序；所述至少一个处理器520用于调用所述至少一个存储器510中存储的计算机程序，以执行上述的机械故障检测方法。本发明还提供一种计算机可读存储介质，其上存储有计算机程序，在处理器执行计算机程序时可实现上述机械故障检测方法。综上，在本发明中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。附图说明下面将通过参照附图详细描述本申请的优选实施例，使本领域的普通技术人员更清楚本申请的上述及其它特征和优点，附图中：图1是本发明一个实施例所述的机械故障检测方法流程示意图；图2是本发明一个实施例所述的从多个窄带模式分量中选择包含故障特征信息的窄带模式分量的方法流程示意图；图3是本发明一个实施例所述的基于频率加权能量解调提取故障信息的方法流程示意图；图4是本发明一个实施例所述的机械故障检测装置内部结构示意图；以及图5是本发明一个实施例所述的机械故障检测装置硬件结构示意图。其中，附图标记如下：101～105步骤201～204步骤301～304步骤401信号采集模块402信号分解模块403分量选择模块404重构模块405解调模块510存储器520处理器具体实施方式为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。本发明的说明书和权利要求书中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。如前所述，虽然通过分析由传感器采集的电涡流位移信号中的振动特性可以进行机械故障检测，但是，由于电涡流位移信号中的振动特性容易被随机噪声和其他干扰因素淹没，因此，如何有效地从电涡流位移信号中提取机械故障特征以完成机械故障检测是机械故障检测的一个难题。为此，本申请的实施例提供了一种机械故障检测方法。下面将结合附图详细进行说明。图1显示了本申请实施例提供的机械故障检测方法流程示意图。如图1所示，在本实施例中，机械故障检测方法可以包括以下步骤：步骤101，采集电涡流位移信号。在本申请的实施例中，上述电涡流位移信号可以是由安装在被测机械设备不同部位的传感器采集的。为了更有效地进行机械故障检测，在本申请的实施例中，可以将传感器安装在靠近被测机械设备关键部位的位置，从而可以采集到被测机械设备关键部位的电涡流位移信号。步骤102，分解所采集的电涡流位移信号，得到该电涡流位移信号的多个窄带模式分量(nmc)。在本申请的实施例中，可以采用变分模式分解方法(vmd)或者改进的变分模式分解方法(ivmd)分解所采集的电涡流位移信号，得到该电涡流位移信号的多个nmc。变分模式分解(vmd)是一种自适应信号处理算法，是一种新的自适应时频分析技术，通过该自适应信号处理方法可以将非线性和非平稳时间序列分解为一系列窄带模式分量，从而可以提取电涡流位移信号的详细信息。变分模式分解可以避免传统时频分析的缺点。即变分模式分解不需要选择小波基，具有良好的滤波器组理论基础和优良的性能。更重要的是，变分模式分解的最终效果和模式混合比经验模式分解(emd)更轻微。因此，在本申请的实施例中可以采用vmd方法分解所采集的电涡流位移信号。更进一步，为了进一步提高分解精度，在vmd的基础之上提出了一种改进的变分模式分解算法(ivmd)。因而，在本申请的另一个实施例中可以采用改进的变分模式分解算法分解所采集的电涡流位移信号。这种改进的变分模式分解算法基于混合蛙跳算法(sfla)的优化性能，可以自适应地选择变分模式分解中使用的参数，将收集到的电涡流位移信号分解成若干个瞬时特征具有物理意义的窄带模式分量，从而提高信号的分解精度，获得更深层次的特征信息。步骤103，从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量。本申请的实施例通过比较不同分量选择方法之间的性能，在灵敏度分析的基础上，提出了一种自适应选择策略。该自适应选择策略可以根据各个窄带模式分量的相关峰度积(ckp)从所述多个窄带模式分量中选择包含故障特征信息的窄带模式分量，因此，可以称该自适应选择策略为相关峰度积(ckp)选择方法。该方法主要可以用于自适应地选择包含主要故障特征信号的窄带模式分量nmc以进行原始信号的重构。具体来说，图2显示了本发明一个实施例所述的应用相关峰度积选择方法从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量的方法流程示意图。如图2所示，该相关峰度积选择方法主要包括如下步骤：步骤201，分别计算各个窄带模式分量的相关峰度积(ckp)。在本申请的实施例中，相关峰度积可以通过如下公式(1)确定。ckpi＝cor(imfi)*kur(imfi)(1)其中，imfi具体指多个窄带模式分量中的第i个窄带模式分量；cor(imfi)代表imfi的相关系数；kur(imfi)代表imfi的峰度。其中，cor(imfi)和kur(imfi)可分别通过如下公式(2)和(3)确定。其中，x(t)表示电涡流位移信号；t表示时间；μ表示平均值；σ表示标准差；e表示数学期望。步骤202，分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则执行步骤203；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则执行步骤204。步骤203，确定所述窄带模式分量为干扰分量。步骤204，确定所述窄带模式分量为包含故障特征信息的窄带模式分量。根据相关峰度积准则，如果一个窄带模式分量的相关峰度积大于预先给定阈值α，则该窄带模式分量可被认为包含故障特征信息，也即该窄带模式分量可用于重建原始电涡流位移信号；否则，该窄带模式分量可被视为干扰分量。其中，预先设定的阈值α可以设置为与各个窄带模式分量的相关峰度积有关。具体而言，在本申请的实施例中，可以根据各个窄带模式分量中最大的相关峰度积或各个窄带模式分量平均相关峰度积设置阈值α。例如，在本申请的实施例中，上述预先设定的阈值α可以设置为最大相关峰度积的n分之一，其中n为自然数，如设置n等于10。通过上述图2所示的方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。除了上述相关峰度积选择方法之外，在本申请中还可以通过其他方法从分解得到的多个窄带模式分量中选择出包含故障特征信息的窄带模式分量。接下来，在从分解得到的多个窄带模式分量中选择出包含故障特征信息的窄带模式分量之后，可以继续执行如下步骤104从而完成机械故障检测。步骤104，根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号。在本申请的实施例中，根据窄带模式分量重构电涡流位移信号的方法本质上是上述分解方法的逆运算，例如，可以依据信号分解时使用的上述变分模式分解算法或改进的变分模式分解算法将确定选择出的包含故障特征信息的窄带模式分量重构为新的电涡流位移信号，称为重构电涡流位移信号。步骤105，对上述重构电涡流位移信号进行解调，从解调后的信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。在机械故障监测过程中，可以利用包络解调，形态解调或共振解调技术等解调技术，从电涡流位移信号中提取故障信息。因此，在本申请的实施例中，在将包含故障特征信息的窄带模式分量重构为电涡流位移信号之后，可以通过包络解调，形态解调或共振解调技术等解调技术从重构电涡流位移信号中提取故障信息，并根据提取的故障信息确定机械设备的故障状态。然而，包络解调会引起信号两端的调制现象，并增加由于采用希尔伯特变换导致的解调误差。而形态解调需要选择合适的结构元素，其能力受结构元素尺度的影响较大。而共振解调技术的带宽和中心频率与解调性能的好坏直接相关，且这两个参数难以准确选择。受到上述这些限制的影响，隐藏在电涡流位移信号中的一些振动特性不能被充分挖掘。因此，如何有效地获取电涡流位移信号中的故障特征也是提高机械故障检测的检测精度的一个关键。为了解决上述问题，在本申请的实施例中通过引入频率加权能量解调来进一步提高解调精度。在本申请的实施例中，可以首先计算重构的电涡流位移信号的频率加权能量解调频谱，然后再从该频率加权能量解调频谱中提取与机械设备故障相关的特征频率。具体而言，图3是本发明一个实施例所述的基于频率加权能量解调提取故障信息的方法流程示意图。如图3所示，该方法包括如下步骤：步骤301：计算重构电涡流位移信号的频率加强能量解调谱。在本申请的实施例中，频率加权能量解调频谱可以被定义为频率加权能量波形的快速傅里叶变换(fft)频谱。也即，对于任意给定的信号x(t)，其频率加权能量解调频谱可以由下面的公式(4)计算得到：其中，是给定信号x(t)的一阶导数；x(t)表示电涡流位移信号；是的希尔伯特变换。步骤302，根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率处是否存在谱线，如果不存在，则执行步骤303；如果存在，则执行步骤304。在上述步骤中，可以通过线性差值方法确定故障特征频率处是否存在突出或者明显的谱线。步骤303，机械设备处于正常工作状态；步骤304，机械设备处于故障状态。通过上述步骤301-304，可以观察解调结果的突出特征，从而实现对机械故障的判别。也即，可以根据提取的故障特征信息来估计机械设备的运行状况。上述频率加权能量解调的方法可以避免现有解调器算法，例如包络解调，形态解调和解调谐振技术的缺点，从而能更准确地提取故障特征信息。由此可以看出，在上述机械故障检测方法中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。更进一步，在本申请的实施例中，通过联合应用改进的变分模式分解算法和频率加权能量解调可以进一步提高故障检测的准确性。对应上述机械故障检测方法，本申请的实施例还提供了一种机械故障检测装置。下面将结合附图详细说明该机械故障检测装置的内部结构。图4显示了本申请实施例提供的机械故障检测装置内部结构示意图。如图4所示，在本实施例中，该机械故障检测装置可以包括以下部件：信号采集模块401，用于采集电涡流位移信号。在本申请的实施例中，上述信号采集模块401可以包括安装在被测机械设备不同部位的传感器，上述电涡流位移信号就是由这些传感器采集的。为了更有效地进行机械故障检测，在本申请的实施例中，可以将上述传感器安装在靠近被测机械设备关键部位的位置，从而可以采集到被测机械设备关键部位的电涡流位移信号。在本申请的实施例中，上述信号采集模块401可以不包括传感器，而仅包括与传感器连接的接口。也即，传感器外置于本申请实施例所述的机械故障检测装置。上述信号采集模块401可以从外置的传感器接收由传感器采集的电涡流位移信号。信号分解模块402，用于分解所采集的电涡流位移信号，得到该电涡流位移信号的多个窄带模式分量(nmc)。在本申请的实施例中，信号分解模块402可以采用变分模式分解方法(vmd)或者改进的变分模式分解方法(ivmd)分解所采集的电涡流位移信号，得到该电涡流位移信号的多个nmc。如前所述，变分模式分解不需要选择小波基，具有良好的滤波器组理论基础和优良的性能，因而可以避免传统时频分析的缺点。更进一步，改进的变分模式分解算法可以自适应地选择变分模式分解中使用的参数，将收集到的电涡流位移信号分解成若干个瞬时特征具有物理意义的窄带模式分量，进一步提高信号的分解精度，获得更深层次的特征信息。分量选择模块403，用于从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量。在本申请的实施例中，分量选择模块403可以采用相关峰度积(ckp)选择方法从分解得到的多个窄带模式分量中选择包含故障特征信息的窄带模式分量。具体来说，分量选择模块403可以包括如下单元：相关峰度积确定单元，用于分别计算各个窄带模式分量的相关峰度积(ckp)。在本申请的实施例中，相关峰度积确定单元可以通过上述公式(1)确定各个窄带模式分量的相关峰度积。比较单元，用于分别将各个窄带模式分量的相关峰度积与预先设定的阈值进行比较。判断单元，如果某个窄带模式分量的相关峰度积小于或等于预先设定的阈值，则确定所述窄带模式分量为干扰分量；如果某个窄带模式分量的相关峰度积大于预先设定的阈值，则确定所述窄带模式分量为包含故障特征信息的窄带模式分量。根据相关峰度积准则，如果一个窄带模式分量的相关峰度积大于预先给定阈值α，则该窄带模式分量可被认为包含故障特征信息，也即该窄带模式分量可用于重建原始电涡流位移信号；否则，该窄带模式分量可被视为干扰分量。如前所述，阈值α可以设置为与各个窄带模式分量的相关峰度积有关，例如，可以根据各个窄带模式分量中最大的相关峰度积或各个窄带模式分量平均相关峰度积设置阈值α。通过上述ckp选择方法可以从多个窄带模式分量中找到包含故障特征信息的窄带模式分量，并去除电涡流位移信号中的干扰分量，从而降低随机噪声和其他干扰因素对机械故障检测的干扰。并且这种基于相关峰度乘积的自适应选择策略，能够解决因不正确的元件选择引起的误诊问题，消除妨碍机械设备检测的干扰元件。除了上述信号采集模块401、信号分解模块402以及分量选择模块403之外，上述机械故障检测装置还包括以下部件：重构模块404，用于根据选择出的包含故障特征信息的窄带模式分量重构电涡流位移信号，得到重构电涡流位移信号。在本申请的实施例中，重构模块404可以依据信号分解时使用的上述变分模式分解算法或者改进的变分模式分解算法将确定选择出的包含故障特征信息的窄带模式分量重构为新的电涡流位移信号。解调模块405，用于对上述重构电涡流位移信号进行解调，提取故障信息，并根据提取的故障信息确定机械设备的故障状态。在本申请的实施例中，上述解调模块405可以利用包络解调，形态解调或共振解调技术等解调技术，从电涡流位移信号中提取故障信息。此外，在本申请的实施例中，上述解调模块405还可以利用频率加权能量解调来进一步提高解调精度。具体而言，上述解调模块405可以包括如下单元：频率加强能量解调谱计算单元，用于计算重构电涡流位移信号的频率加强能量解调谱。在本申请的实施例中，对于任意给定的信号，频率加强能量解调谱计算单元可以通过上述公式(4)计算得到其频率加权能量解调频谱。检测单元，用于根据重构电涡流信号的频率加强能量解调谱，通过线性差值方法确定故障特征频率中是否存在谱线，如果不存在，则机械设备处于正常工作状态；如果存在，则机械设备处于故障状态。上述频率加权能量解调的方法可以避免现有解调器算法，例如包络解调，形态解调和解调谐振技术的缺点，从而能更准确地提取故障特征信息。由此可以看出，在上述机械故障检测装置中，通过先将采集的电涡流位移信号分解为多个窄带模式分量，再从分解得到的多个窄带模式分量选择出包含故障特征信息的窄带模式分量，去除干扰分量，然后再重构得到新的电涡流位移信号，从而可以有效去除电涡流位移信号中的随机噪声和其他干扰因素，提高故障检测的准确度。本发明还提供一种机械故障检测装置，如图5所示，该机械故障检测装置包括：至少一个存储器510和至少一个处理器520，其中：所述至少一个存储器510用于存储计算机程序；所述至少一个处理器520用于调用所述至少一个存储器中存储的计算机程序，以执行上述机械故障检测方法。当然，该检测装置还可包括一些其他的组件，例如通信端口等，用于接收外置的传感器采集的电涡流位移信号。这些组件可通过总线进行通信。或者该检测装置还可直接包括多个传感器，用于采集待测机械设备不同部位的电涡流位移信号。其中，至少一个存储器510用于存储计算机程序。该计算机程序可以被所述至少一个处理器520执行以实现图1～图3所述的机械故障检测方法。或者，该计算机程序也可以理解为包括图4所示的处理装置的各个模块，即采集模块401、信号分解模块402、分量选择模块403、重构模块404和解调模块405。此外，至少一个存储器510还可存储操作系统等。操作系统包括但不限于：android操作系统、symbian操作系统、windows操作系统、linux操作系统等等。至少一个处理器520用于调用至少一个存储器510中存储的计算机程序，以基于至少一个端口接收数据的功能执行本发明实施例中所述的检测方法。处理器520可以为cpu，处理单元/模块，asic，逻辑模块或可编程门阵列等。需要说明的是，图1～图3所示流程和图4所示结构图中不是所有的步骤和模块都是必须的，可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的，可以根据需要进行调整。各模块的划分仅仅是为了便于描述采用的功能上的划分，实际实现时，一个模块可以分由多个模块实现，多个模块的功能也可以由同一个模块实现，这些模块可以位于同一个设备中，也可以位于不同的设备中。各实施方式中的硬件模块可以以机械方式或电子方式实现。例如，一个硬件模块可以包括专门设计的永久性电路或逻辑器件(如专用处理器，如fpga或asic)用于完成特定的操作。硬件模块也可以包括由软件临时配置的可编程逻辑器件或电路(如包括通用处理器或其它可编程处理器)用于执行特定操作。至于具体采用机械方式，或是采用专用的永久性电路，或是采用临时配置的电路(如由软件进行配置)来实现硬件模块，可以根据成本和时间上的考虑来决定。本发明还提供了一种机器可读的存储介质(例如，计算机可读存储介质)，存储用于使一机器执行如本申请所述的检测方法的指令。具体地，可以提供配有存储介质的系统或者装置，在该存储介质上存储着实现上述实施例中任一实施方式的功能的软件程序代码，且使该系统或者装置的计算机(或cpu或mpu)读出并执行存储在存储介质中的程序代码。此外，还可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作。还可以将从存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中，随后基于程序代码的指令使安装在扩展板或者扩展单元上的cpu等来执行部分和全部实际操作，从而实现上述实施方式中任一实施方式的功能。用于提供程序代码的存储介质实施方式包括软盘、硬盘、磁光盘、光盘(如cd-rom、cd-r、cd-rw、dvd-rom、dvd-ram、dvd-rw、dvd+rw)、磁带、非易失性存储卡和rom。可选择地，可以由通信网络从服务器计算机上下载程序代码。应当理解，虽然本说明书是按照各个实施例描述的，但并非每个实施例仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施例的具体说明，它们并非用以限制本发明的保护范围，凡未脱离本发明技艺精神所作的等效实施方案或变更，如特征的组合、分割或重复，均应包含在本发明的保护范围之内。当前第1页12