自动驾驶车辆制动系统的建模方法和车辆制动系统与流程

本发明属于自动驾驶控制系统技术领域,具体涉及一种自动驾驶车辆制动系统的建模方法和车辆制动系统。

背景技术：

近一个多世纪来，汽车的出现取代了传统交通运输方式，使得人们的生活更为便捷。近些年来，随着科技的发展，尤其是智能计算机的飞速发展，自动驾驶汽车的技术研究成为各行业聚焦的热点。

麦肯锡发布的“决定未来经济的12项前沿技术”报告探讨了12项前沿技术对未来经济、社会的影响程度，分析估测了2025年12项技术各自的经济与社会影响力，其中自动驾驶汽车技术排在第6位，其2025年影响力估测为：经济效益每年约0.2-1.9万亿美元，社会效益每年可挽回3-15万个生命。

通常，自动驾驶汽车的系统一般分为三个模块：一是感知模块，相当于人的眼睛，通过摄像头、毫米波雷达、激光雷达等传感器实时采集周边环境状态；二是决策模块，相当于人的大脑，根据车辆动力学模型规划出驾驶决策路径，并将规划路径转化为可执行的油门、刹车、转向命令；三是执行模块，相当于人的手与脚，用于执行决策命令，进行油门、刹车、转向等相应的驾驶操作。

在决策模块中，动力学模型建立是最为关键的环节，如果建立的动力学模型不准确，往往会造成实际路径与规划路径不符。

不同车辆的动力学模型也不尽相同，相比于汽车，半挂卡车的动力学模型更为复杂，非线性和耦合特性更强，而且还容易出现侧翻，剪刀效应等严重威胁公共安全；在自动驾驶卡车的设计中，为了设计和验证控制算法的稳定性，必须建立完整的卡车动力学模型。尤其是高度自动驾驶，控制算法必须保证系统存在不确定性或者一些极端工况下依然具备足够的稳定性和可靠性。自动驾驶必须为乘客的安全负责，因而控制系统对卡车动力学模型提出了更高的要求。

现有的自适应巡航控制、辅助紧急制动系统、车轮防抱死系统、整车稳定性控制系统等主要是底层的一些稳定性控制系统，这些系统均是一种辅助手段，即使控制效果不好，依旧可以由驾驶员来接管或者不用负系统失效的责任。因而一般通过实测测试或者对部分分系统进行建模便可以达到性能需求，但是却无法满足对未来高级自动驾驶设计的需求。

在卡车的高级自动驾驶中，需要在提供车道保持等正常工况下的良好横向稳定性能的同时，由于紧急蔽障引起卡车的侧翻以及甩尾，引起的交通事故屡见不鲜，也需要横向紧急蔽障性能，横向紧急蔽障性能等在特殊工况下的安全性也极为重要。即使经验丰富的卡车自动驾驶，也很难及时地进行有效控制，因而特殊工况下的卡车的稳定控制显得极为重要，而且这种工况很难进行实车测试。因而必须在算法设计之初就考虑类似这种特殊工况下安全控制的需求，而控制算法的设计对卡车建模提出了更高的要求。

现有技术中的建模方法为了尽可能使建立的制动系统模型接近实际物理模型，将制动系统中的制动踏板深度-制动气阀开度-制动气压-制动力-制动减速度，依据实际的物理规律建立相应的对应关系，从而建立制动系统模型，然而这种建模方法存在以下几个技术问题：

该建模方法由于贴近实际物理模型，因此需要获取车辆的各组成部分的诸多数据，才可以对上述数据的参数进行辨识，而参数辨识的算法较为复杂；

另外，这种建模方法需要获取基于对制动鼓等可能包含非线性元件特性，但获取该特性也较为困难，并且获取的过程复杂、时间较长，因此想要建立自动驾驶车辆制动系统非常费时。

技术实现要素：

本发明提供一种自动驾驶车辆的制动系统建模方法和车辆制动系统，以解决现有技术中的至少一个技术问题。

第一方面，本发明实施例提供一种自动驾驶车辆的制动系统建模方法，该建模方法包括以下步骤：采集自动驾驶车辆的车辆信息，对所述车辆信息进行分析获得测试数据；

根据所述测试数据建立第一对应关系；其中，所述第一对应关系用于表示自动驾驶车辆制动系统中的命令响应延迟、制动气室压力信号的上升时间、制动气压稳态值和制动减速度命令稳态值之间的对应关系；

根据车辆的制动气压稳态值和制动减速度稳态值建立第二对应关系；

根据所述第一对应关系和第二对应关系，生成自动驾驶车辆制动系统模型。

进一步的，对所述车辆信息进行分析获得测试数据后，该建模方法还包括对所述测试数据进行数据完整性校验和时间对齐。

进一步的，所述第一对应关系是通过以下子步骤建立的：

根据车辆的制动减速度指令信号和制动气室压力信号的变化时间得到第一时间差，对多个所述第一时间差进行平均获得第一平均值，将所述第一平均值作为所述自动驾驶车辆制动系统的命令响应延迟；

比较制动气室压力信号的超调量与预设的超调阈值的大小，并基于比较结果获得制动气室压力信号的上升时间；

根据自动驾驶车辆制动系统的命令响应延迟、上升时间、制动减速度命令的稳态值和制动气室压力的稳态值，以建立所述第一对应关系。

进一步的，所述获得制动气室压力信号的上升时间是通过以下子步骤获得的：

若制动气室压力信号的超调量小于预设的超调阈值时，将自动驾驶车辆的制动系统等效为一阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第二时间差；对多个所述第二时间差进行平均获得所述制动气室压力信号的上升时间；

若制动气室压力信号的超调量不小于预设的超调阈值时，将自动驾驶车辆制动系统等效为二阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第三时间差；对多个第三时间差进行平均获得所述制动气室压力信号的上升时间。

进一步的，若制动气室压力信号的超调量不小于预设的超调阈值时，基于每组测试数据的制动气室压力信号变化时间获得第四时间差，所述第四时间差为制动气室压力信号开始产生变化的时刻到达到峰值时刻的时间差；

对多个第四时间差进行平均获得制动气室压力信号的峰值时间。

进一步的，所述将自动驾驶车辆制动系统等效为二阶系统是通过以下步骤实现的：

根据制动气室压力信号的超调量得到二阶系统的阻尼比；

根据制动气室压力信号的峰值时间得到二阶系统的固有频率；

基于所述二阶系统的阻尼比和固有频率获得所述二阶系统。

第二方面，本发明实施例提供一种自动驾驶车辆制动系统，该制动系统包括采集模块、第一建立模块、第二建立模块和生成模块；其中，

所述采集模块用于采集自动驾驶车辆的车辆信息，对所述车辆信息进行分析获得测试数据；

所述第一建立模块用于根据所述测试数据建立第一对应关系；其中，所述第一对应关系用于表示自动驾驶车辆制动系统中的命令响应延迟、制动气室压力信号的上升时间、制动气压稳态值和制动减速度命令稳态值之间的对应关系；

所述第二建立模块用于根据车辆的制动气压稳态值和制动减速度稳态值建立第二对应关系；

所述生成模块用于根据所述第一对应关系和第二对应关系，生成自动驾驶车辆制动系统模型。

进一步的，所述第一建立模块执行以下操作：

根据车辆的制动减速度指令信号和制动气室压力信号的变化时间得到第一时间差，对多个所述第一时间差进行平均获得第一平均值，将所述第一平均值作为所述自动驾驶车辆制动系统的命令响应延迟；

比较制动气室压力信号的超调量与预设的超调阈值的大小，并基于比较结果获得制动气室压力信号的上升时间；

根据自动驾驶车辆制动系统的命令响应延迟、上升时间、制动减速度命令的稳态值和制动气室压力的稳态值，以建立所述第一对应关系。

进一步的，所述第一建立模块通过执行以下操作获得所述制动气室压力信号的上升时间是：

若制动气室压力信号的超调量小于预设的超调阈值时，将自动驾驶车辆的制动系统等效为一阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第二时间差；对多个所述第二时间差进行平均获得所述制动气室压力信号的上升时间；

若制动气室压力信号的超调量不小于预设的超调阈值时，将自动驾驶车辆制动系统等效为二阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第三时间差；对多个第三时间差进行平均获得所述制动气室压力信号的上升时间。

进一步的，所述第一建立模块还执行以下操作：

若制动气室压力信号的超调量不小于预设的超调阈值时，基于每组测试数据的制动气室压力信号变化时间获得第四时间差，所述第四时间差为制动气室压力信号开始产生变化的时刻到达到峰值时刻的时间差；

对多个第四时间差进行平均获得制动气室压力信号的峰值时间。

进一步的，所述第一建立模块将自动驾驶车辆制动系统等效为二阶系统是通过执行以下操作获得的：

根据制动气室压力信号的超调量得到二阶系统的阻尼比；

根据制动气室压力信号的峰值时间得到二阶系统的固有频率；

基于所述二阶系统的阻尼比和固有频率获得所述二阶系统。

本发明在无法探知制动系统参数、结构和线控系统设置的条件下，针对制动命令输入接口为制动减速度命令的自动驾驶车辆，快速地获得一个能够较为精准地反映自动驾驶车辆的制动系统特性的模型，从而提高了制动系统模型的精准程度，进而更好地服务于自动驾驶车辆离线仿真搭建、基于动力学的路径规划设计、自动驾驶车辆的控制系统等环节。

附图说明

图1为本发明的实施例提供的一种自动驾驶车辆制动系统的建模方法的流程示意图；

图2为本发明的实施例提供的一种建立自动驾驶车辆制动系统模型的流程示意图；

图3为本发明的实施例提供的一种自动驾驶车辆的制动系统的结构示意图；

图4为本发明的实施例提供的一种电子设备的结构示意图。

具体实施方式

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

实施例一自动驾驶车辆制动系统的建模方法

本实施例中，将以卡车为例来具体描述本自动驾驶车辆的制动系统建模方法中的各步骤的实现过程。

图1为本发明的实施例提供的一种自动驾驶车辆制动系统的建模方法的流程示意图，图2为本发明的实施例提供的一种建立自动驾驶车辆制动系统模型的流程示意图；参见图1和2，该方法包括以下几个步骤：

s100:采集自动驾驶卡车的车辆信息，对所述车辆信息进行分析获得测试数据；其中，所述车辆信息包括：制动减速度指令信号、轮速信号、惯性导航装置输出信号、gps信号和制动气室压力信号等；

在规定的工况下，采集并处理自动驾驶卡车的制动减速度指令信号，为体现出不同制动减速度指令信号的制动效果，将获得的制动减速度指令信号进行多组测试，每组测试在完全平直的平整路面上进行；

首先，将自动驾驶卡车加速至预设的车速范围内，例如车速可以在[60km/h-80km/h]范围内；

然后，输入制动减速度指令直到卡车减速至完全停止，采集制动减速度响应信号、轮速信号、惯性导航装置输出信号、gps信号、制动气室压力等，以利于后续分析；其中，所述制动减速度指令信号为一恒定的减速度，该减速度的范围为0.2m/s2到5m/s2

接着，选取多个(例如，不少于10个)制动减速度指令信号作为测试数据；优选的，选取相等时长间隔的多个所述制动减速度指令信号作为测试数据。在实际测试中，所述制动减速度指令信号包括：恒定制动减速度、连续阶跃信号等。

进一步的，对获取的测试数据进行数据完整性校验和时间对齐；

优选的，对惯性导航装置输出信号进行预处理获得预处理后的惯性导航装置输出信号，例如可以对惯性导航装置输出信号进行滤波获得滤波后的对惯性导航装置输出信号；以gps信号为可信真值，对轮速信号和预处理后的惯性导航装置输出信号做交叉验证，从而保证所采集的测试数据可信、无误且完整，且每组试验中所采集的各传感器信号(即制动减速度指令信号、轮速信号、惯性导航装置输出信号、gps信号和制动气室压力等。)在时间上无错位现象。

可以理解的是，本实施例中的初始制动车速、制动距离、制动强度(即制动减速度指令)等参数的大小均可根据实际测试情况进行调整。

s200:根据所述测试数据建立第一对应关系，所述第一对应关系用于表示自动驾驶卡车制动系统中的命令响应延迟、制动气室压力信号的上升时间、制动气压稳态值和制动减速度命令稳态值的对应关系。

s210:根据车辆的制动减速度指令信号和制动气室压力信号的变化时间，得到第一时间差，对多个所述第一时间差进行平均获得第一平均值，将所述第一平均值作为自动驾驶卡车制动系统的命令响应延迟。

本实施例中需要针对s100中的每组测试数据中的制动减速度指令信号和制动气室压力信号的变化时间来获得多个所述第一时间差，将多个所述第一时间差进行平均获得所述第一平均值，将所述第一平均值作为自动驾驶卡车制动系统的命令响应延迟。需要说明的是，该命令响应延迟包括了线控系统的延迟和制动气压传递到制动气室过程的延迟，但在该测试结果中集中体现为一个响应延迟。

s220:判断制动气室压力信号是否有超调现象，以获得制动气室压力信号的上升时间；即比较制动气室压力信号的超调量与预设的超调阈值的大小，并基于比较结果获得制动气室压力信号的上升时间；

若制动气室压力信号没有明显的超调现象，所述获得制动气室压力信号的上升时间包括以下子步骤：

s221:若制动气室压力信号的超调量小于预设的超调阈值时，可将自动驾驶卡车的制动系统等效为一个一阶系统；

s222:基于每组测试数据获得制动气室压力信号变化时间获得第二时间差，所述第二时间差为制动气室压力信号在预设的稳态值范围内的时间差；例如，第二时间差可以为制动气室压力信号开始产生变化并达到稳态值的10％的时刻到该信号上升到稳态值的90％的时刻的时间差；

s223:对多个第一时间差进行平均获得所述制动气室压力信号的上升时间，即对全部测试数据中所取得的第一时间差进行平均，将获得的平均数作为制动气室压力信号的上升时间。

若有较为明显的超调现象，所述获得制动气室压力信号的上升时间包括以下子步骤：

s221′:制动气室压力信号的超调量不小于预设的超调阈值时，可将自动驾驶卡车的制动系统等效为一个二阶系统；

s222′：基于每组测试数据获得制动气室压力信号变化的第三时间差，所述第三时间差为制动气室压力信号开始产生变化的时刻到首次达到稳态值的时刻的时间差；

s223′：对多个第三时间差进行平均获得所述制动气室压力信号的上升时间，即对全部测试数据中所取得的第三时间差取平均，将获得的平均数作为制动气室压力信号的上升时间；

进一步的，在制动气室压力信号的超调量不小于预设的超调阈值时，所述获得制动气室压力信号的上升时间包括子步骤s224′；

s224′：基于每组测试数据获得第四时间差，所述第四时间差为制动气室压力信号开始产生变化的时刻到达到峰值时刻的时间差；

对多个第四时间差进行平均获得制动气室压力信号的峰值时间，即对根据全部测试数据所取得的第四时间差取平均，将获得的平均数作为制动气室压力信号的峰值时间。

具体的，上述自动驾驶车辆制动系统等效后的二阶系统是通过以下子步骤获得的：

根据制动气室压力信号的超调量得到二阶系统的阻尼比ζ，该阻尼比ζ是以下公式获得的，

其中mp为制动气室压力信号的超调量，ζ为阻尼比。

根据制动气室压力信号的峰值时间得到二阶系统的固有频率ωd；该固有频率ωd是通过以下公式获得的：

ωd＝πtp，其中，tp为制动气室压力信号的峰值时间，ωd为二阶系统的固有频率。

基于所述二阶系统的阻尼比和固有频率并利用二阶系统的传递函数获得自动驾驶车辆制动系统的二阶系统。

因此，本实施例在有较为明显的超调现象，通过将自动驾驶卡车的制动系统等效为一个二阶系统，可以在不了解自动驾驶卡车底层线控架构的条件下对制动系统响应进行较好的建模。

s230:根据自动驾驶卡车制动系统的命令响应延迟、上升时间、制动减速度命令的稳态值和制动气室压力的稳态值，建立制动减速度命令稳态值与制动气室压力稳态值的对应关系。

具体的，读取每组测试数据的制动减速度命令的稳态值和制动气室压力的稳态值，并基于读取的制动减速度命令的稳态值、制动气室压力的稳态值、自动驾驶卡车制动系统命令响应延迟和上升时间建立所述制动减速度命令稳态值和制动气室压力稳态值的对应关系，该对应关系的形式包括但不限于：查表、线性插值、函数关系等。

s300:根据车辆的制动气压稳态值和制动减速度稳态值，建立第二对应关系，所述第二对应关系用于表示卡车的制动气压稳态值和车辆减速度稳态值的响应关系。

具体的，读取每组测试数据的制动气压稳态值和车辆减速度稳态值，基于制动气压稳态值和车辆减速度稳态值建立制动减速度命令->制动气压稳态值的对应关系，所述对应关系包括：查表、线性插值、函数关系等。

s400:根据所述第一对应关系和第二对应关系，建立自动驾驶卡车制动系统模型。

参见图2，将制动减速度指令信号分别输入第一对应关系、第二对应关系中，从而可以获取制动减速度响应值，依据所述制动减速度响应值建立所述自动驾驶卡车制动模型。在本实施例中，可以自行编程或利用simulink等建模软件等建立所述动驾驶卡车制动系统模型。

本实施例基于所采集到的车辆信息来获得测试数据，并基于这些测试数据建立了第一和第二对应关系，并基于这两层关系最终得到自动给驾驶卡车制动系统模型，该模型可以在无法探知制动系统参数、结构和线控系统设置的条件下，将制动命令输入自动驾驶卡车，快速获得一个能够较为精准地反映该自动驾驶卡车制动系统特性的模型，从而提高卡车模型的精准程度，进而更好地应用于自动驾驶卡车离线仿真搭建、基于动力学的路径规划设计、自动驾驶卡车的控制系统设计等环节中。

实施例二自动驾驶车辆制动系统

参见图3，本实施例提供一种自动驾驶车辆制动系统，该制动系统包括采集模块、第一建立模块、第二建立模块和生成模块；其中，

所述采集模块用于采集自动驾驶车辆的车辆信息，对所述车辆信息进行分析获得测试数据；

所述第一建立模块用于根据所述测试数据建立第一对应关系，其中，所述第一对应关系用于表示自动驾驶车辆制动系统中的命令响应延迟、制动气室压力信号的上升时间、制动气压稳态值和制动减速度命令稳态值之间的对应关系；

所述第二建立模块用于根据车辆的制动气压稳态值和制动减速度稳态值建立第二对应关系，其中，所述第二对应关系用于表示车辆的制动气压稳态值和车辆减速度稳态值的响应关系；

所述生成模块用于根据所述第一对应关系和第二对应关系，生成自动驾驶车辆制动系统模型。

进一步的，所述制动系统还包括校验模块，该校验模块对所述测试数据进行数据完整性校验和时间对齐。

进一步的，所述第一建立模块执行以下操作：

根据车辆的制动减速度指令信号和制动气室压力信号的变化时间，得到第一时间差，对多个所述第一时间差进行平均获得第一平均值，将所述第一平均值作为所述自动驾驶车辆制动系统的命令响应延迟；

比较制动气室压力信号的超调量与预设的超调阈值的大小，并基于比较结果获得制动气室压力信号的上升时间；

根据自动驾驶车辆制动系统的命令响应延迟、上升时间、制动减速度命令的稳态值和制动气室压力的稳态值，建立所述第一对应关系。

进一步的，所述第一建立模块通过执行以下操作获得比所述制动气室压力信号的上升时间：

若制动气室压力信号的超调量小于预设的超调阈值时，将自动驾驶车辆的制动系统等效为一阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第二时间差；对多个所述第二时间差进行平均获得所述制动气室压力信号的上升时间；

若制动气室压力信号的超调量不小于预设的超调阈值时，将自动驾驶车辆制动系统等效为二阶系统；基于每组所述测试数据的制动气室压力信号变化时间获得第三时间差；对多个第三时间差进行平均获得所述制动气室压力信号的上升时间。

进一步的，所述第一建立模块还执行以下操作：

若制动气室压力信号的超调量不小于预设的超调阈值时，基于每组测试数据的制动气室压力信号变化时间获得第四时间差，所述第四时间差为制动气室压力信号开始产生变化的时刻到达到峰值时刻的时间差；

对多个第四时间差进行平均获得制动气室压力信号的峰值时间。

进一步的，所述第一建立模块将自动驾驶车辆制动系统等效为二阶系统是通过执行以下操作获得的：

根据制动气室压力信号的超调量得到二阶系统的阻尼比；

根据制动气室压力信号的峰值时间得到二阶系统的固有频率；

基于所述二阶系统的阻尼比和固有频率获得所述二阶系统。

本发明在无法探知制动系统参数、结构和线控系统设置的条件下，针对制动命令输入接口为制动减速度命令的自动驾驶车辆，快速地获得一个能够较为精准地反映自动驾驶车辆的制动系统特性的模型，从而提高了制动系统模型的精准程度，进而更好地服务于自动驾驶车辆离线仿真搭建、基于动力学的路径规划设计、自动驾驶车辆的控制系统等环节。

本实施例的制动系统的具体实现过程与实施例一的各个方法步骤的具体实施方式一致，在此不再赘述。

实施例三电子设备

图4为本发明的一种电子设备的一个实施例的结构示意图，参见图4，在本实施例中，提供一种电子设备，包括但不限于智能手机、固定电话、平板电脑、笔记本电脑、穿戴式设备等电子设备，所述电子设备包括：处理器和存储器，所述存储器存储有计算机可读指令，所述计算机可读指令在被所述处理器执行时实现上述本发明的建模方法。

实施例四计算机可读存储介质

在本实施例中，提供一种计算机可读存储介质，可以为rom(例如只读存储器、flash存储器、转移装置等)、光学存储介质(例如，cd-rom、dvd-rom、纸卡等)、磁存储介质(例如，磁带、磁盘驱动器等)或其他类型的程序存储器；所述计算机可读存储介质上存储有计算机程序，所述计算机程序在被处理器或计算机运行时执行上述本发明的建模方法。

本发明具有以下优点：

1.本发明的建模方法可以十分快速地获得自动驾驶车辆制动系统模型，测试过程简单、易行且无需拆解车辆，分析过程标准化，很容易生成自动化的制动系统模型；

2.本发明中的建模方法相比于将制动系统假设为线性模型的建模方法，本实施例可以较好地表现制动系统中的信号延迟、执行器响应延迟等非线性特性。

3.本发明建立的自动驾驶车辆制动系统模型简单，可以减少仿真计算时间和内存，有利于自动驾驶卡车离线仿真系统的运行。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。