称量装置故障诊断方法、装置、设备、存储介质和系统与流程

1.本技术涉及电梯故障诊断技术领域，特别是涉及一种称量装置故障诊断方法、装置、设备、存储介质和系统。


背景技术：

2.随着电梯技术的发展，电梯中的称量装置作为电梯的重要安全装置，对于称量装置的校准就显得尤为重要了。
3.目前，针对电梯中类弹簧的称量装置的老化所导致的称量准确性降低的问题，多采用基于电梯启动时的称量值和转矩电流值进行修正或者通过电梯内的二维摄像头拍摄的二维画面，人工评估电梯内的实际重量从而进行修正，然而，目前的称量装置的校准方法仍存在校准不准确的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高称量装置校准精度的称量装置方故障诊断方法、装置、设备、存储介质和系统。
5.第一方面，本技术提供了一种称量装置故障诊断方法，包括：
6.获取目标检测范围内的若干目标物体的点云数据和称量重量，目标检测范围是指称量装置对应的容纳装置的容置空间；
7.根据若干目标物体的点云数据和预设重量估计模型，确定若干目标物体的预估重量，其中，预设重量估计模型用于表征点云数据和预估重量的映射关系；
8.根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
9.在其中一个实施例中，获取目标检测范围内的若干目标物体的点云数据和称量重量，包括：
10.获取飞行时间测距传感器采集的目标检测范围内的若干目标物体的点云数据。
11.在其中一个实施例中，根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果，包括：
12.计算若干目标物体的预估重量和若干目标物体的称量重量之间的均方差；
13.根据均方差，确定称量装置的故障诊断结果。
14.在其中一个实施例中，根据均方差，确定称量装置的故障诊断结果，包括：
15.在均方差大于偏差阈值的情况下，判定称量装置异常。
16.在其中一个实施例中，计算若干目标物体的预估重量和若干目标物体的称量重量之间的均方差，包括：
17.根据若干目标物体的预估重量和若干目标物体的称量重量，以及以下表达式确定均方差：
[0018][0019]
其中，σ为均方差；i＝1、2、
…
、n，n为若干目标物体的总数量，wi为若干目标物体中的第i个目标物体的预估重量；mi为若干目标物体中的第i个目标物体的称量重量。
[0020]
在其中一个实施例中，该称量装置故障诊断方法还包括：
[0021]
在判定称量装置异常的情况下，生成并发送告警信息至终端。
[0022]
第二方面，本技术还提供了一种称量装置故障诊断装置，包括：
[0023]
信息获取模块，用于获取目标检测范围内的若干目标物体的点云数据和若干目标物体的称量重量；
[0024]
重量确定模块，用于根据若干目标物体的点云数据和预设重量估计模型确定若干目标物体的预估重量，其中，预设重量估计模型用于表征点云数据和预估重量的映射关系；
[0025]
故障诊断模块，用于根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
[0026]
第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
[0027]
获取目标检测范围内的若干目标物体的点云数据和称量重量，目标检测范围是指称量装置对应的容纳装置容置空间；
[0028]
根据若干目标物体的点云数据和预设重量估计模型，确定若干目标物体的预估重量，其中，预设重量估计模型用于表征点云数据和预估重量的映射关系；
[0029]
根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
[0030]
第四方面，本技术还提供了一种计算机可读存储介质。计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0031]
获取目标检测范围内的若干目标物体的点云数据和称量重量，目标检测范围是指称量装置对应的容纳装置容置空间；
[0032]
根据若干目标物体的点云数据和预设重量估计模型，确定若干目标物体的预估重量，其中，预设重量估计模型用于表征点云数据和预估重量的映射关系；
[0033]
根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
[0034]
第五方面，本技术还提供了一种称量装置故障诊断系统，包括：
[0035]
飞行时间测距传感器，安装在容纳装置上，用于采集目标检测范围内的若干目标物体的点云数据；所述目标检测范围为所述容纳装置的容纳空间；
[0036]
称量装置，用于获取若干目标物体的称量重量；
[0037]
上述的计算机设备，计算机设备分别与飞行时间测距传感器和称量装置通信。
[0038]
本技术至少具有以下有益效果：上述称量装置故障诊断方法、装置、设备、存储介质和系统，通过飞行时间测距传感器等方式在目标检测范围内获取目标物体的点云数据，根据获取的点云数据可以确定目标物体的预估重量。同时通过称量装置获取目标物体的称量重量，根据预估重量和称量重量的偏差情况，可以判断称量装置的称量状态是否正常，为
称量装置的故障诊断和校准提供更为精确的参考标准，进一步保证称量装置的称量准确性。
附图说明
[0039]
图1为一个实施例中称量装置故障诊断方法的应用环境示意图；
[0040]
图2为一个实施例中称量装置故障诊断方法的流程示意图；
[0041]
图3为另一个实施例中称量装置故障诊断方法的流程示意图；
[0042]
图4为又一个实施例中称量装置故障诊断方法的流程示意图；
[0043]
图5为再一个实施例中称量装置故障诊断方法的流程示意图；
[0044]
图6为一个实施例中称量装置故障诊断装置的结构框图；
[0045]
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
[0046]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0047]
本技术实施例提供的称量装置故障诊断方法，可以应用于如图1所示的应用环境中。其中，tof(time of flight，飞行时间)测距传感器104安装于电梯102轿厢内部，称量装置106安装于电梯102轿厢底部或顶部，终端110通过网络与服务器108进行通信。数据存储系统可以存储服务器108需要处理的数据。数据存储系统可以集成在服务器108上，也可以放在云上或其他网络服务器上。服务器108通过获取电梯102轿厢内tof测距传感器104获取的若干目标物体的点云数据，并根据点云数据和预设重量估计模型确定若干目标物体的预估重量。同时通过称量装置106获取若干目标物体的称量重量。最终，根据上述得到的预估重量和称量重量的偏差情况，确定称量装置106的故障诊断结果。服务器108可以将故障诊断结果发送至终端110，用户可通过终端110查看该故障诊断结果，并在称量装置106故障时及时进行维护工作。
[0048]
其中，终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器108可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0049]
在一个实施例中，如图2所示，提供了一种称量装置的故障诊断方法，以该方法应用于图1中的服务器108为例进行说明，包括以下步骤：
[0050]
步骤s202，获取目标检测范围内的若干目标物体的点云数据和称量重量，目标检测范围是指称量装置对应的容纳装置的容置空间。
[0051]
其中，若干目标物体可以是指人或动物等有生命物品，也可以是指货物等无生命物品；点云数据是指通过测量仪器得到的物体外观表面的点数据集合，用于表征目标物体表面特性，点云数据携带目标物体的方位和距离等信息。其中，测量仪器可以为三维坐标测量机或三维激光扫描仪或照相式扫描仪等，例如，可以是tof测距传感器。点云数据可以由点数量比较少、点与点的间距比较大的稀疏点云构成，或者也可以由点数量比较大并且比
较密集的密集点云构成，点云数据的疏密程度可根据计算精度要求和计算速度进行配置。例如，在一个具体实施例中，在以称量装置应用在电梯的应用场景中，若干目标物体具体可以为若干个人，其中点云数据具体指的是若干个人中每个人各自的人体三维点数据的集合，可以包括表征人体头部特征、躯干特征以及四肢特征的三维点云数据。称量重量为容纳装置中内置的压力传感器等称量装置所测量的目标物体的重量数据。其中称量重量可以为多个目标物体的重量的总和，也可以包括各个目标物体的重量。称量装置可以为电子秤或地磅等具有称量功能的设备或装置。
[0052]
具体地，点云数据的获取可在目标物体进入到目标检测范围内时，通过测量仪器实时获取，也可通过数据存储系统获取历史采集的点云数据。同样，称量重量的获取也可在目标物体进入到目标检测范围内时，通过安装于容纳装置内的称量装置实时获取，也可通过数据存储系统中获取历史采集的称量重量的数据。例如，在一个具体实施例中，以称量装置应用在电梯的应用场景，若干目标物体为人时为例，在人们陆陆续续进入电梯轿厢时，安装在电梯轿厢内部的测量仪器发出激光照射到目标物体表面，目标物体所反射的激光会携带方位、距离等激光点信息。再将激光光束按照某种轨迹进行扫描，便会边扫描边记录到反射的激光点信息，从而得到目标物体对应的点云数据。同时，在采集完上述点云数据后，可将其存储于数据存储系统中作为历史数据用作后续的计算使用，也可进行实时计算处理。同理，称量重量也可采用类似上述的方式获得，在此不再赘述。
[0053]
步骤s204，根据若干目标物体的点云数据和预设重量估计模型，确定若干目标物体的预估重量。
[0054]
其中，预设重量估计模型用于表征点云数据和预估重量的映射关系。具体地，根据大量的数据实验可知，对于同一类型的物体而言，例如对于人体而言，不同的体积大小对应不同的重量，而根据目标物体的点云数据确定目标物体的体积大小，从而确定目标物体的重量。预估重量是指在获取目标物体的点云数据后，将该点云数据代入上述预估重量估计模型得出的一个关于目标物体重量的计算值。该预估重量估计模型可提前训练得到。通过预估重量估计模型确定预估重量，该预估重量作为参考标准，用于评价称量装置的称量重量的准确度。
[0055]
具体地，在某一时间段内，进入目标检测范围内的若干目标物体只有一个的情况下，此时的预估重量为由点云数据和预估重量估计模型所确定的单个目标物体的预估重量；在同一时间内，进入目标检测范围内的若干目标物体为多个的情况下，此时的预估重量为由点云数据和预估重量估计模型所确定的以多个目标物体为集合的整体预估重量。例如，在一个具体实施例中，以称量装置应用在电梯的应用场景为例，此时认为在某一时间段内的预估重量为由点云数据和预估重量估计模型所确定的单个目标物体的重量。例如，在电梯轿厢门打开到关闭的这段时间内进入轿厢内的若干人的总预估重量。
[0056]
步骤s206，根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
[0057]
其中，偏差情况是指用于表征上述预估重量和称量重量之间的数据离散情况，具体可以为两者之间的均方差或方差等可用于表征数据之间误差的度量值。
[0058]
具体地，在获取若干目标物体的预估重量和若干目标物体的称量重量等数据后，为保证故障诊断的时效性，可实时进行偏差情况的计算；或者，为了避免在进行偏差情况的
计算时占用资源过多导致服务器过热而影响电梯在运行过程中的安全性，可将上述获取的数据先存入数据库中，在电梯处于空闲时间，如晚间时，再进行偏差情况的计算，以减小对服务器的性能要求，降低成本。
[0059]
上述称量装置故障诊断方法中，通过在目标检测范围内获取若干目标物体的点云数据，并根据上述点云数据结合基于点云数据建立的预设重量估计模型得到若干目标物体的预估体重，基于该预估体重作为称量装置的标准值，为称量装置的称量准确性提供高精度的参考标准。并将该标准值和通过称量装置获取的称量重量进行比较，进一步在称量装置出现称量准确性故障时，实现对称量装置的高精度校准。
[0060]
在一个实施例中，如图3所示，获取目标检测范围内的若干目标物体的点云数据和称量重量，包括：
[0061]
步骤s302，获取飞行时间测距传感器采集的目标检测范围内若干目标物体的点云数据。
[0062]
具体地，飞行时间测距传感器通过使用微小的发射器发射红外光或者激光，其中产生的光会从任何物体反弹并返回到传感器。根据光的发射与被物体反射后返回传感器之间的时间差，传感器可以测量物体与传感器之间的距离，从而获取目标物体的点云数据。还可以确定各点云的方向。例如，在以称量装置应用在电梯的应用场景中，飞行测距传感器可设置于电梯轿厢内部，在某一时间段内，乘客陆陆续续进入电梯轿厢，飞行测距传感器通过发射光线，通过计算光线从物体表面的返回时间，确定目标物体和传感器之间的距离以及目标物体的位置信息，从而确定目标物体的点云数据。可以通过提前定义一个坐标系，例如，以飞行时间测距传感器所在位置为原点，过该原点，确定一x轴和y轴，x轴和y轴确定的平面平行于水平面，过该原点确定一垂直于水平面向上的轴为z轴。基于该坐标系下，可确定目标物体上各点的坐标，上述点云数据可以为坐标数据。
[0063]
上述实施例中，通过使用飞行时间长测距传感器获取目标物体的点云数据，相较于现有技术中采用普通摄像头仅从二维角度获取目标物体在平面上的点云数据的方式，能更全面精准的从三维结构上去确定目标物体的实际体积，进一步保证预估重量的获取的准确性。
[0064]
在一个实施例中，如图3所示，根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果，包括：
[0065]
步骤s304，计算若干目标物体的预估重量和若干目标物体的称量重量之间。的均方差。
[0066]
步骤s306，根据均方差，确定称量装置的故障诊断结果。
[0067]
具体地，均方差的计算按以下公式进行计算：
[0068][0069]
其中，σ为均方差；i＝1、2、
…
、n，n为若干目标物体的总数量，wi为若干目标物体中的第i个目标物体的预估重量；mi为若干目标物体中的第i个目标物体的称量重量。
[0070]
上述实施例中，在计算预估重量和称量重量之间的偏差情况时，通过计算预估重量和称量重量之间的均方差能更精准地反映两组数据之间的离散程度，即能更直观地呈现
称量装置的称量准确性，从而直观地判断称量装置是否故障。
[0071]
在其中一个实施例中，如图4所示，根据均方差，确定称量装置的故障诊断结果，包括：
[0072]
步骤s402，在均方差大于偏差阈值的情况下，判定称量装置异常。
[0073]
其中，偏差阈值是指称量装置的称量重量与预估重量所确定的均方差满足称量准确度要求时的值，用于评估实际使用过程中称量装置的称量重量是否准确。在以称量装置应用于电梯时的场景为例，偏差阈值可以为10％，在上述均方差大于该偏差阈值时，则判定此时电梯的称量装置的称量准确性异常，需要进行校准。
[0074]
上述实施例中，通过设置一定偏差阈值衡量称量装置的异常状况，保证称量装置的称量状况异常的判断更精准。
[0075]
在其中一个实施例中，如图5所示，该称量装置故障诊断方法还包括：
[0076]
步骤s502，在判定称量装置异常的情况下，生成并发送告警信息至终端。其中，告警信息为表征称量装置称量准确性异常的提示信息。
[0077]
上述实施例中，在判定称量装置异常的情况下，及时生成告警信息并将告警信息发送给终端提醒维修人员进行检修，从而保证称量装置发生故障时能得到及时维护，保证称量装置的正常运行。具体地，在称量装置应用在电梯的应用场景时，通过及时校准电梯的称量装置的称量准确性，保证电梯基于电梯启动时，避免由于称量装置的称量误差而导致启动力过大出现的启动冲击，提高乘客乘坐电梯时的用户体验。
[0078]
为了进一步阐述本技术的方案，下面结合一个具体示例予以说明，该示例以应用在电梯场景为了例。在该种情况下，目标检测范围指的是电梯轿厢的内部容置空间；若干目标物体具体指的是人；预设重量估计模型为由人体点云数据得到人体体重的体重估计模型。其中点云数据的获取可通过安装在电梯轿厢内部的一个或者多个tof传感器获取，称量重量的获取可通过安装在电梯轿厢底部或顶部的称量装置获取。
[0079]
具体地，tof传感器通过发出一束光照射到物体表面，物体所反射的光会携带方位和距离等信息。在将光束按照某种轨迹进行扫描，便会边扫描边记录到反射的光点信息，同时根据人头位置结合投影图，获取乘客3d点云数据，具体可以包含人体头部特征、躯干特征以及四肢特征的3d点云数据。由人体的3d点云数据，可以根据事先采集分析的体重估计模型得出乘客重量。具体的体重估计模型，通过采集的大量数据样本，确定头部特征、躯干特征以及四肢特征所占据的体积大小与人体重量的比重关系计算得出。具体点云数据的采集方式如下：
[0080]
在第一个乘客进入轿厢后，由tof传感器获取乘客3d点云数据，根据人体体重估计模型，计算得到第一个乘客的预估体重w1；由称量装置得到乘客体重m1。第二个乘客进入后，由tof传感器计算获取得到第二个乘客的预估体重w2。此时称量装置的总称量重量为m，第二个乘客的称量重量为m2＝m-m1，以此类推tof获取的第n个乘客重量wn，称量装置获取的第n个乘客的重量为mn＝m-m
1-m2‑…mn-1
，这n个乘客的由tof传感器计算的总预估重量w与由称量装置获取的总称量重量m的均方差为：
[0081]
[0082]
其中，σ为上述均方差，偏差阈值为10％，在上述均方差大于偏差阈值时，判定此时电梯的称量装置的称量准确性出现异常，此时生成告警信息并将告警信息发送到终端，用于通知维修人员对电梯进行维护，重新磅机以校正称量偏差，减少电梯启动冲击，提高运行舒适度；在上述均方差小于或等于偏差阈值时，判定此时电梯的称量准确性正常，此时，无需生成并发送告警信息至终端。
[0083]
通过在电梯轿厢中设置tof传感器，并基于tof传感器获取的点云数据和体重估计模型得出人体的预估重量，从全新的角度为电梯的称量准确性的校准提供一个新的校准标准，保证电梯的称量准确性，减少电梯启动冲击，提高运行舒适度。
[0084]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0085]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的称量装置故障诊断方法的称量装置故障诊断装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个称量装置故障诊断装置实施例中的具体限定可以参见上文中对于称量装置故障诊断方法的限定，在此不再赘述。
[0086]
在一个实施例中，如图6所示，提供了一种称量装置故障诊断装置，包括：信息获取模块602、重量确定模块604和故障诊断模块606，其中：
[0087]
信息获取模块602，用于获取目标检测范围内的若干目标物体的点云数据和若干目标物体的称量重量。
[0088]
重量确定模块604，用于根据若干目标物体的点云数据和预设重量估计模型确定若干目标物体的预估重量，其中，预设重量估计模型用于表征点云数据和预估重量的映射关系。
[0089]
故障诊断模块606，用于根据若干目标物体的预估重量和若干目标物体的称量重量的偏差情况，确定称量装置的故障诊断结果。
[0090]
在一个实施例中，上述信息获取模块602包括：
[0091]
点云数据获取单元，用于获取目标检测范围内飞行时间测距传感器采集的若干目标物体的点云数据。
[0092]
在一个实施例中，上述故障诊断模块606包括：
[0093]
均方差确定单元，用于计算若干目标物体的预估重量和若干目标物体的称量重量之间的均方差；
[0094]
诊断结果确定单元，用于根据均方差，确定称量装置的故障诊断结果。
[0095]
在一个实施例中，上述诊断结果确定单元包括：
[0096]
称重异常判定单元，用于在均方差大于偏差阈值的情况下，判定称量装置异常。
[0097]
在一个实施例中，均方差确定单元包括：
[0098]
均方差计算单元，用于根据若干目标物体的预估重量和若干目标物体的称量重
量，以及以下表达式确定均方差：
[0099][0100]
其中，σ为均方差；i＝1、2、
…
、n，n为若干目标物体的总数量，wi为若干目标物体中的第i个目标物体的预估重量；mi为若干目标物体中的第i个目标物体的称量重量。
[0101]
在一个实施例中，上述称量装置故障诊断装置还包括：
[0102]
告警模块，用于在判定称量装置异常的情况下，生成并发送告警信息至终端。
[0103]
上述称量装置故障诊断装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0104]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于预估称量和称量重量的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种称量装置故障诊断方法。
[0105]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0106]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0107]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0108]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述个方法实施例中的步骤。
[0109]
在一个实施例中，提供一种称量装置故障诊断系统，包括飞行时间测距传感器、称量装置和计算机设备，其中：
[0110]
飞行时间测距传感器，安装在容纳装置上，用于采集目标检测范围内的若干目标物体的点云数据；所述目标检测范围为所述容纳装置的容纳空间；
[0111]
称量装置，用于获取若干目标物体的称量重量；
[0112]
计算机设备，计算机设备分别与飞行时间测距传感器和称量装置通信。
[0113]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0114]
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，所述的计算机程序可存储于一非易失性计算机
可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0115]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0116]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。