面向智能塔吊起升运动状态的分阶段优化控制方法及装置与流程

1.本发明涉及智能塔吊技术领域，更为具体来说，本发明涉及一种面向智能塔吊起升运动状态的分阶段优化控制方法及装置。


背景技术：

2.塔吊是建筑工地上最常用的一种起重设备。塔吊是通过一节一节的接长（简称“标准节”）吊起施工用的钢筋、木楞、混凝土和钢管等施工原材料的。
3.塔吊作为工地上一种必不可少的设备，其生产效能、操作简便、保养简单和运行可靠等方面均有所提高，但是塔机的运行技术并无根本性改变。塔机结构的运输与塔机搭建需要耗费大量的人力与时间成本，并且塔吊的工作位置几乎无法变动，这些问题的存在使得塔机作业具有一定的局限性。


技术实现要素：

4.本技术实施例提供了一种面向智能塔吊起升运动状态的分阶段优化控制方法及装置。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
5.第一方面，本技术实施例提供了一种面向智能塔吊起升运动状态的分阶段优化控制方法，该方法包括：采集塔吊机器人的运动状态；根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段；根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人。
6.可选的，所述采集塔吊机器人的运动状态，包括：采集塔吊机器人的实时位姿状态；将所述实时位姿状态作为所述塔吊机器人的运动状态。
7.可选的，所述根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段，包括：根据所述运动状态和所述规划路径中的预设运动状态，计算所述塔吊机器人的运动误差矢量；根据所述运动误差矢量，确定所述塔吊机器人所处的运动阶段。
8.可选的，所述运动轨迹修正模型的建立过程为：根据运行空间环境参数，形成所述塔吊机器人的理想运动轨迹；在所述运动阶段内，设定所述理想运动轨迹与所述塔吊机器人的实际运行轨迹不一致时，提取所述塔吊机器人的运行控制参数。
9.可选的，所述能量优化模型的建立过程为：
在所述运动阶段内，根据所述理想运动轨迹，对所述实际运动轨迹进行最短路径优化、最佳运行速度优化和电机平稳运行优化操作，从而形成所述能量优化模型。
10.可选的，所述模型预测控制模型的建立过程为：根据所述运动轨迹修正模型和所述能量优化模型的运行数据，总结所述塔吊机器人的控制规律；通过机器学习方法优化所述控制规律，得到所述塔吊机器人的最快修正方式。
11.可选的，所述根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人，包括：当所述运动阶段为运动初期时，选用所述运动轨迹修正模型的所述轨迹跟踪控制策略控制所述塔吊机器人；当所述运动阶段为运动中期时，选用所述能量优化模型的所述轨迹跟踪控制策略控制所述塔吊机器人；当所述运动阶段为运动后期时，选用所述模型预测控制模型的所述轨迹跟踪控制策略控制所述塔吊机器人。
12.可选的，所述轨迹跟踪控制器包括：非完整约束性轨迹跟踪控制器。
13.第二方面，本技术实施例提供了一种面向智能塔吊起升运动状态的分阶段优化控制装置，该装置包括：运动状态获取模块，用于采集塔吊机器人的运动状态；运动阶段确定模块，用于根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段；运动控制模块，用于根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人。
14.第三方面，本技术实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
15.第四方面，本技术实施例提供一种终端，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
16.本技术实施例提供的技术方案可以包括以下有益效果：在本技术实施例中，所述面向智能塔吊起升运动状态的分阶段优化控制方法，首先采集塔吊机器人的运动状态，然后根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段，最后根据所述运动阶段和轨迹跟踪控制器，控制所述塔吊机器人。本技术能够通过轨迹跟踪控制器实现对塔吊机器人的最佳控制，轨迹跟踪控制器在进行精确轨迹跟踪的同时能够实现鲁棒性、节能性和稳定性。
17.在本技术实施例中，所述面向智能塔吊起升运动状态的分阶段优化控制方法，在所述运动阶段为运动初期时，选用所述运动轨迹修正模型的所述轨迹跟踪控制策略控制所述塔吊机器人；在所述运动阶段为运动中期时，选用所述能量优化模型的所述轨迹跟踪控制策略控制所述塔吊机器人；在所述运动阶段为运动后期时，选用所述模型预测控制模型的所述轨迹跟踪控制策略控制所述塔吊机器人。本技术采用了多控制理论，能够在塔吊机器人的不同运动阶段采用不同的轨迹跟踪控制策略，不仅节省了运输空间、缩短了塔吊机器人上升和下降的时间，而且使得塔吊机器人能够平稳运行。
18.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
20.图1是本技术实施例提供的一种面向智能塔吊起升运动状态的分阶段优化控制方法的流程示意图；图2是本技术实施例提供的一种面向智能塔吊起升运动状态的分阶段优化控制方法的实际运动轨迹与理想运动轨迹的对比示意图；图3是本技术实施例提供的一种面向智能塔吊起升运动状态的分阶段优化控制装置的装置示意图；图4是本技术实施例提供的一种终端示意图。
具体实施方式
21.以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
22.应当明确，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
23.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的系统和方法的例子。
24.在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
25.请参见图1和图2，为本技术实施例提供了一种面向智能塔吊起升运动状态的分阶段优化控制方法的流程示意图。如图1和图2所示，本技术实施例的方法可以包括以下步骤：本技术实施例对塔吊机器人的实际运动轨迹控制是塔吊机器人系统研究和协调工作的基础。
26.s100,采集塔吊机器人的运动状态。所述塔吊机器人是建筑工地上常用的一种起重设备，又可称之为智能化的塔式起重机、轮式移动机器人等。
27.其中，s100包括：s110,采集塔吊机器人的实时位姿状态。通过塔吊机器人实时反馈自身实际位姿的方式，采集塔吊机器人的实时位姿状态。s120,将所述实时位姿状态作为所述塔吊机器人的运动状态。
28.s200,根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段。具体地，s200包括：s210,根据所述运动状态和所述规划路径中的预设运动状态，计算所述塔吊机器人的运动误差矢量。可预先根据路径规划算法对塔吊机器人的运行轨迹进行规划，形成规划路径；所述规划路径包括理想运动轨迹和预设运动状态等。
29.在本技术实施例中，根据实际运动状态的反馈参数和预设运动状态参数进行计算，对比实际运动状态的反馈参数和预设运动状态参数的曲线拟合情况获得运动误差状态参数，即为运动误差矢量。
30.当所述运动状态为实时位姿状态时，所述预设运动状态为规划路径中规划的实时位姿状态，所述运动误差矢量为位姿误差矢量。
31.s220,根据所述运动误差矢量，确定所述塔吊机器人所处的运动阶段。
32.在本技术实施例中，运动误差矢量和塔吊机器人的运动阶段存在映射关系。比如，可以预先设置有第一误差矢量范围值、第二误差矢量范围值和第三误差矢量范围值等，预先设置的运动阶段有运动初级、运动中级和运动后期。当所述运动误差矢量满足第一误差矢量范围值时，所述塔吊机器人所处的运动阶段为运动初级；当所述运动误差矢量满足第二误差矢量范围值时，所述塔吊机器人所处的运动阶段为运动中期；当所述运动误差矢量满足第三误差矢量范围值时，所述塔吊机器人所处的运动阶段为运动后期。
33.s300,根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人；所述轨迹跟踪控制器可以为非完整约束性轨迹跟踪控制器。
34.所述运动轨迹修正模型、能量优化模型和模型预测控制模型均可通过卷积神经网络构建。
35.运动轨迹修正模型的建立过程可以为：采用路径规划算法，根据塔吊机器人的运行空间环境参数，获取机器人的空间通过能力，并根据空间通过能力对塔吊机器人的运行轨迹进行分阶段规划，形成塔吊机器人的理想运动轨迹；设定所述理想运动轨迹中运动初期的运动误差矢量以及判定条件；所述运动轨迹修正模型中设定有在所述判定条件不成立时，从运动误差矢量中提取出正确的运行控制参数。
36.所述判定条件为判定理想运动轨迹与实际运动轨迹是否一致，所述判定条件不成立即为理想运动轨迹与实际运动轨迹不一致。
37.在本技术实施例中，可根据轨迹跟踪控制器控制塔吊机器人运行的历史实际运动轨迹和历史理想运动轨迹，以及本次实际运动轨迹和本次理想运动轨迹对所述运动轨迹修正模型进行训练和更新。
38.能量优化模型的建立过程可以为：根据运动轨迹修正模型内的理想运动轨迹，对运动中期的塔吊机器人的实际运动轨迹进行最短路径优化、最佳运行速度优化和电机平稳运行优化操作，形成能量优化模型。
39.在本技术实施例中，可根据轨迹跟踪控制器控制塔吊机器人运行的历史实际运动轨迹和历史理想运动轨迹，以及本次实际运动轨迹和本次理想运动轨迹对所述能量优化模型进行训练和更新。
40.模型预测控制模型的建立过程可以为：通过运动轨迹修正模型和能量优化模型的运行数据，总结控制规律，并通过机器学习方法进一步优化所述控制规律，得到最快修正方式。所述控制规律可以为塔吊机器人运行时上下移动的力、速度和加速度的力、回转的力；优化所述控制规律可以为塔吊机器人作出的向下运动；所述最快修正方式即为通过塔吊机器人向下运动的力分解塔吊机器人上下移动的力、速度和加速度的力以及回转的力；通过模型预测控制模型能够合理的控制塔吊机器人的运动，使得塔吊机器人在运动后期能够平稳停止。
41.在本技术实施例中，也可通过更新后的运动轨迹修正模型和能量优化模型的运行数据对所述模型预测控制模型进行训练和更新。
42.在本技术实施例中，s300包括：分别确定所述运动轨迹修正模型、所述能量优化模型和/或所述模型预测控制模型的轨迹跟踪控制策略，再根据所述运动轨迹修正模型、所述能量优化模型和/或所述模型预测控制模型的所述轨迹跟踪控制策略控制所述塔吊机器人。
43.具体地，在所述塔吊机器人的运动初期，通过运动轨迹修正模型判断出实际运动轨迹与理想运动轨迹不一致时，从所述运动误差状态参数中提取出正确的运行控制参数，修正塔吊机器人运行中的实际运动轨迹，使得塔吊机器人的实际运动轨迹可以近似符合规划路径中的理想运动轨迹。
44.当所述运动阶段为运动初期时，选用所述运动轨迹修正模型的所述轨迹跟踪控制策略控制所述塔吊机器人，具体实施过程为:基于静态物料的惯性，轨迹跟踪控制器能够在物料刚吊起时，控制塔吊机器人垂直运动：先缓慢向上提升，再加速向上提升。
45.当塔吊机器人提升到一定高度时，进入到动态运动过程。由于动态运动过程中增加了其他方向的力，导致了塔吊机器人的运动波动范围较大。所以，在本技术实施例中为了尽量减少塔吊机器人运动的波动范围，可利用电机和回转对塔吊机器人进行运动增稳预控；通过控制三个电机来分解上升的力调整塔吊机器人的实际运动轨迹，使得塔吊机器人的实际运动轨迹曲线与理想运动轨迹曲线相近，塔吊机器人加速时能够保持平稳和连续性，起到平稳起步和高速运行的前期预定目标。
46.当所述运动阶段为运动中期时，选用所述能量优化模型的所述轨迹跟踪控制策略控制所述塔吊机器人。具体实施过程为:在塔吊机器人的运动中期，除突发事件外，在基于塔吊机器人正常稳定运行的状态下，轨迹跟踪控制器控制塔吊机器人按照优化的最佳运行速度运行，避免发生瞬间加速或减速的情况，使得塔吊机器人保持平稳运行。轨迹跟踪控制器控制塔吊机器人按照优化的电机速度平稳运行，使得所述电机处于省电状态；轨迹跟踪控制器控制塔吊机器人按照优化的最短路径进行运动；达到了节能的目的。
47.在本技术实施例中，所述塔吊机器人的运动后期会产生惯性力，所述惯性力是通过模型预测控制模型自身的三个动力单元产生的力的大小、方向和加速度，并结合物体的重量产生的力所形成的。其中，所述三个动力单元的第一动力单元产生的是塔吊机器人上下移动的力、第二动力单元产生的是塔吊机器人的速度和加速度的力、第三动力单元产生的是塔吊机器人回转的力，即塔吊机器人往左转、往右转，以及转动角度的力。
48.模型预测控制模型根据所述惯性力预测塔吊机器人自身向下运动的力，并将所述向下运动的力与所述惯性力进行高频率对比，逐渐修正所述向下运动的力。
49.当所述运动阶段为运动后期时，选用所述模型预测控制模型的所述轨迹跟踪控制策略控制所述塔吊机器人。具体实施过程可以为：在本技术实施例中，预先设置有塔吊机器人结束运动时的规定位置点。在塔吊机器人即将到达规定位置点时，轨迹跟踪控制器控制塔吊机器人持续作向下运动的辅助动作，并在到达规定位置点的附近位置时停止所述辅助动作，使得向下运动的辅助动作分解塔吊机器人运动产生的惯性力。保证了塔吊机器人运行到规定位置点时能够平稳停止，保持运动曲线平滑。
50.图2为通过轨迹跟踪控制器控制塔吊机器人运行的实际运动轨迹与理想运动轨迹的对比图。
51.在本技术实施例中，所述面向智能塔吊起升运动状态的分阶段优化控制方法，首先采集塔吊机器人的运动状态，然后根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段，最后根据所述运动阶段和轨迹跟踪控制器，控制所述塔吊机器人。本技术能够通过轨迹跟踪控制器实现对塔吊机器人的最佳控制，轨迹跟踪控制器在进行精确轨迹跟踪的同时能够实现鲁棒性、节能性和稳定性。
52.下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。
53.请参见图3，其示出了本发明一个示例性实施例提供的一种面向智能塔吊起升运动状态的分阶段优化控制装置的结构示意图。该装置包括：运动状态获取模块10、运动阶段确定模块20和运动控制模块30。
54.运动状态获取模块10，用于采集塔吊机器人的运动状态；运动阶段确定模块20，用于根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段；运动控制模块30，用于根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人。
55.需要说明的是，上述实施例提供的面向智能塔吊起升运动状态的分阶段优化控制装置在执行面向智能塔吊起升运动状态的分阶段优化控制方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的面向智能塔吊起升运动状态的分阶段优化控制装置与面向智能塔吊起升运动状态的分阶段优化控制方法实施例属于同一构思，其体现实现过程详见方法实施例，这里不再赘述。
56.上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
57.在本技术实施例中，所述面向智能塔吊起升运动状态的分阶段优化控制装置，首先采集塔吊机器人的运动状态，然后根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段，最后根据所述运动阶段和轨迹跟踪控制器，控制所述塔吊机器人。本技术能够通过轨迹跟踪控制器实现对塔吊机器人的最佳控制，轨迹跟踪控制器在进行精确轨迹
跟踪的同时能够实现鲁棒性、节能性和稳定性。
58.本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的面向智能塔吊起升运动状态的分阶段优化控制方法。
59.本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的面向智能塔吊起升运动状态的分阶段优化控制方法。
60.请参见图4，为本技术实施例提供了一种终端的结构示意图。如图4所示，终端1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
61.其中，通信总线1002用于实现这些组件之间的连接通信。
62.其中，用户接口1003可以包括显示屏(display)、摄像头(camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
63.其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如wi-fi接口)。
64.其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种借口和线路连接整个电子设备1000内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行电子设备1000的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(digital signal processing，dsp)、现场可编程门阵列(field-programmable gate array，fpga)、可编程逻辑阵列(programmable logic array，pla)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(central processing unit，cpu)、图像处理器(graphics processing unit，gpu)和调制解调器等中的一种或几种的组合。其中，cpu主要处理操作系统、用户界面和应用程序等；gpu用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
65.其中，存储器1005可以包括随机存储器(random access memory，ram)，也可以包括只读存储器(read-only memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图4所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆运行轨迹数据的可用度分析应用程序。
66.在图4所示的终端1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储的面向智能塔吊起升运动状态的分阶段优化控制应用程序，并具体执行以下操作：采集塔吊机器人的运动状态；根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段；根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模
型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人；其中，所述轨迹跟踪控制器包括：非完整约束性轨迹跟踪控制器。
67.在一个实施例中，处理器1001在执行所述采集塔吊机器人的运动状态时，具体执行以下操作：采集塔吊机器人的实时位姿状态；将所述实时位姿状态作为所述塔吊机器人的运动状态。
68.在一个实施例中，处理器1001在执行所述根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段时，具体执行以下操作：根据所述运动状态和所述规划路径中的预设运动状态，计算所述塔吊机器人的运动误差矢量；根据所述运动误差矢量，确定所述塔吊机器人所处的运动阶段。
69.在一个实施例中，处理器1001在执行所述运动轨迹修正模型的建立过程时，具体执行以下操作：根据运行空间环境参数，形成所述塔吊机器人的理想运动轨迹；在所述运动阶段内，设定所述理想运动轨迹与所述塔吊机器人的实际运行轨迹不一致时，提取所述塔吊机器人的运行控制参数。
70.在一个实施例中，处理器1001在执行所述能量优化模型的建立过程时，具体执行以下操作：在所述运动阶段内，根据所述理想运动轨迹，对所述实际运动轨迹进行最短路径优化、最佳运行速度优化和电机平稳运行优化操作，从而形成所述能量优化模型。
71.在一个实施例中，处理器1001在执行所述模型预测控制模型的建立过程时，具体执行以下操作：根据所述运动轨迹修正模型和所述能量优化模型的运行数据，总结所述塔吊机器人的控制规律；通过机器学习方法优化所述控制规律，得到所述塔吊机器人的最快修正方式。
72.在一个实施例中，处理器1001在执行所述根据所述运动阶段，选用轨迹跟踪控制器包括的运动轨迹修正模型、能量优化模型和/或模型预测控制模型的轨迹跟踪控制策略控制所述塔吊机器人时，具体执行以下操作：当所述运动阶段为运动初期时，选用所述运动轨迹修正模型的所述轨迹跟踪控制策略控制所述塔吊机器人；当所述运动阶段为运动中期时，选用所述能量优化模型的所述轨迹跟踪控制策略控制所述塔吊机器人；当所述运动阶段为运动后期时，选用所述模型预测控制模型的所述轨迹跟踪控制策略控制所述塔吊机器人。
73.在本技术实施例中，所述面向智能塔吊起升运动状态的分阶段优化控制方法，首先采集塔吊机器人的运动状态，然后根据所述运动状态和规划路径，确定所述塔吊机器人所处的运动阶段，最后根据所述运动阶段和轨迹跟踪控制器，控制所述塔吊机器人。本技术能够通过轨迹跟踪控制器实现对塔吊机器人的最佳控制，轨迹跟踪控制器在进行精确轨迹跟踪的同时能够实现鲁棒性、节能性和稳定性。
74.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
75.以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。