基于介质的智能温度控制数据管理系统及方法与流程

本发明涉及智能温度控制领域，更具体地说，涉及一种基于介质的智能温度控制数据管理系统及方法。

背景技术：

高混凝土坝施工具有仓面面积大、浇筑工序复杂、内部散热困难、最高温度控制难等特性，容易产生温度裂缝。这些温度裂缝，在外界因素作用下易扩展成深层裂缝甚至是贯穿性裂缝，危及坝体的安全。对于高坝，施工期的主要防裂挑战是混凝土温度控制。

目前，通水冷却或加热的监控主要通过人工球阀、水银温度计和传统水表采用人工记录，然后根据记录数据进行人工现场调控流量。人工调整通水流量间隔长，人工采集温度和流量数据工作量大、且受主观因素以及设备运行状况影响较大,导致巨大的水资源浪费。人工控制混凝土大坝温度时，也难实现大坝多坝段整体温度协调地控制，不同坝段仓号混凝土温度控制难以精细化、个性化控温。

混凝土温度和通水流量环境等现场数据共享和利用不充分，往往停留在一些手工记录或者电脑中的电子化的表格，工程现场参建各方与后方管理单位或者科研部门专家队伍不容易获得实时数据，从而辅助决策和支持。因此，需要一种基于介质的智能温度控制数据管理系统及方法，实时获取系统中各个设备的数据，并能够从多个维度进行系统控制，从而保证对大坝多仓的精准温度控制。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于介质的智能温度控制数据管理系统及方法，解决了传统温控方法对人力的要求较高、具有较大滞后性、准确度不够的问题，基于多点实时的数据采集对系统中所有的数据进行管理，进行统计分析后能够从多维度展示给操作人员，从而实现对大坝精确、实时、自动的通水温度控制。

为了解决上述技术问题，现提出的方案如下：

一种基于介质的智能温度控制数据管理系统，包括：

硬件装置、前端数据采集反馈单元、云端服务单元、操作控制装置。

所述硬件装置，与所述前端数据采集反馈单元有线或无线连接，用于调整和反馈对象状态参数和对象属性信息。

所述前端数据采集反馈单元，与所述云端服务单元无线连接，用于实时采集所述硬件装置发送的对象状态参数，并实时获取网络连接状态参数和对象属性信息，将所述对象状态参数、所述网络连接状态参数和所述对象属性信息向所述云端服务单元传输。

所述操作控制装置，与所述云端服务单元连接，用于接收操作人员输入的操作命令，并向操作人员显示所述云端服务单元反馈的信息，所述操作命令包括操作人员对对象状态的操作修改。

所述云端服务单元，与所述操作控制装置和所述前端数据采集反馈单元连接，用于从所述操作控制装置接收用户操作命令，从所述前端数据采集反馈单元接收所述对象状态参数和所述网络连接状态参数。

所述云端服务单元包括对象信息数据库、数据分析单元和对比显示单元，其中。

所述对象信息数据库，用于存储所述操作控制装置发送的用户操作命令，所述硬件装置和所述前端数据采集反馈单元的所述对象状态参数、所述对象属性信息，以及所述网络连接状态参数。

所述数据分析单元，用于根据预设的控制策略信息分析实时接收的所述对象状态参数、所述网络连接状态参数，以及用户操作命令，确定状态变更的硬件设备，向所述对比显示单元发送对象状态变更信息；并进一步判断状态变更的硬件设备是否正处在正常工作状态，如果没有处于正常工作状态，向所述对比显示单元发送对象状态异常信息。

所述对比显示单元，用于按照所述对象属性信息构建系统中所有的所述硬件设备和所述前端数据采集反馈单元拓扑图；从至少一个维度对大坝各仓的数据进行对比和展示。

优选地，所述预设的控制策略采用深度强化学习算法，具体包含如下步骤：

s1：训练数据集，收集真实场景历史数据；

s2：建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有智能体对应动作的价值参数，根据上述度量值决定最佳动作；

s3：利用训练集对仿真模型进行训练和学习，得到典型模型；

s4：利用所述典型模型进行实时决策。

优选地，所述步骤s2具体包含如下步骤：

定义第一状态集合s＝(混凝土温度，通水流速，水压，水量，冷水机布置，进出口温差，气温，日降温速率，换流率，换热率)；

定义动作空间ai∈{开度值1,开度值2，......，开度值i}，其中所述开度值为离散值，i为大于0的整数；

根据所述第一状态集合s，做出决策，选择动作ak；将所述动作ak存储在第二状态集合s′中，形成状态转移函数t；

选定预设控温曲线与实测曲线的距离为奖惩函数的度量，当偏差太大的时候会给出一个惩罚值；

选定实际控温曲线与实测曲线的偏差作为loss函数。

优选地，所述至少一个维度包括以下维度之一：度量值、坐标值、质量评定、进度、和/或成本。

优选地，所述系统包括一个或多个所述前端数据采集反馈单元和所述硬件装置，每个所述前端数据采集反馈单元至少与一个或多个所述硬件装置连接。

优选地，所述预设的控制策略信息至少包括下述信息之一：通水系统的网络拓扑结构、历史温度演变规律参数、系统正常工作时各硬件的常规状态、硬件状态变化时长统计、深度强化学习算法。

优选地，所述度量值包括至少以下之一：混凝土温度、通水流量、进出口温差、气温、日降温速率、换流率、换热率；所述坐标值包括至少以下之一：时间、空间关系。

优选地，所述硬件装置包括一体流温控制装置、和/或传感器。

优选地，所述传感器至少包括以下之一：温度传感器、流量传感器、风速传感器、湿度传感器、横缝测缝计、应变传感器。

优选地，所述硬件装置发送的对象状态参数包括传感器数据，和/或网络连接状态信息。

优选地，所述云端服务单元还包括报警单元，当所述报警单元接收到所述对象状态异常信息时，向管理人员提示报警信息。

优选地，所述操作控制装置包括移动操作控制装置、和/或远程操作控制装置。

一种基于介质的智能温度控制数据管理的方法，包括：

云端服务单元实时获取所述系统中所有硬件装置和前端数据采集反馈单元的对象状态参数、网络连接状态参数和对象属性信息，从操作控制装置接收用户操作命令；

所述云端服务单元的对象信息数据库存储所述用户操作命令，所述对象状态参数、网络连接状态参数和对象属性信息，并发送给数据分析单元；

所述数据分析单元根据预设的控制策略信息分析实时接收的所述对象状态参数、所述网络连接状态参数，以及用户操作命令，确定状态变更的硬件设备，向所述对比显示单元发送对象状态变更信息；

所述数据分析单元进一步判断状态变更的硬件设备是否正处在正常工作状态，如果没有处于正常工作状态，向所述对比显示单元发送对象状态异常信息；

所述对比显示单元按照所述对象属性信息构建系统中所有的所述硬件设备和所述前端数据采集反馈单元拓扑图，从至少一个维度对大坝各仓的数据进行对比和展示。

优选地，所述至少一个维度包括以下维度之一：度量值、坐标值、质量评定、进度、和/或成本。

优选地，所述系统包括一个或多个所述前端数据采集反馈单元和所述硬件装置，每个所述前端数据采集反馈单元至少与一个或多个所述硬件装置连接。

优选地，所述预设的控制策略信息至少包括下述信息之一：通水系统的网络拓扑结构、历史温度演变规律参数、系统正常工作时各硬件的常规状态、硬件状态变化时长统计、深度强化学习算法。

优选地，所述预设的控制策略采用深度强化学习算法，具体包含如下步骤：

s1：训练数据集，收集真实场景历史数据；

s2：建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有智能体对应动作的价值参数，根据上述度量值决定最佳动作；

s3：利用训练集对仿真模型进行训练和学习，得到典型模型；

s4：利用所述典型模型进行实时决策。

优选地，所述步骤s2具体包含如下步骤：

定义第一状态集合s＝(混凝土温度，通水流速，水压，水量，冷水机布置，进出口温差，气温，日降温速率，换流率，换热率)；

定义动作空间ai∈{开度值1,开度值2，......，开度值i}，其中所述开度值为离散值，i为大于0的整数；

根据所述第一状态集合s，做出决策，选择动作ak；将所述动作ak存储在第二状态集合s′中，形成状态转移函数t；

选定预设控温曲线与实测曲线的距离为奖惩函数的度量，当偏差太大的时候会给出一个惩罚值；

选定实际控温曲线与实测曲线的偏差作为loss函数。

优选地，所述数据分析单元进一步判断状态变更的硬件设备是否正处在正常工作状态，如果处于正常工作状态，则更新所述对象信息数据库中的所述硬件设备的状态信息。

从上述的技术方案可以看出，本申请实施例提供的基于介质的智能温度控制数据管理系统及方法，能够根据对象属性对系统中所有对象进行排序，实时根据对象状态参数、网络连接状态参数以及操作命令更新对象状态，判断状态变更的对象是否正常工作，异常的时候提示告警；同时，从多个维度对多仓进行数据对比和展示，解决了现有技术中无法实时精准获取大坝温度控制设备，无法全方位对所有设备进行控制分析的问题，提高了系统的数据管理的时效性，节约了人力物力，实现了精确、实时、自动的控制通水系统设备和温度功能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本发明的基于介质的智能温度控制数据管理系统的结构示意图。

图2是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之一。

图3是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图图之二。

图4是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之三。

图5是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之四。

图6是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之五。

图7是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之六。

图8是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之七。

图9是本发明的基于介质的智能温度控制数据管理系统的对比显示单元的界面图之八。

图10是本发明的基于介质的智能温度控制数据管理方法的流程图。

图11是本发明的深度强化学习算法的流程图。

具体实施方式

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做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。

现有技术中，智能温度控制系统通常包括如下几个部分：1、传感器层；2、模块层；3、本地数据管理(工控机)；4、云端数据管理；5、数据挖掘与利用方法；6、数据多维度对比方法。

这里所说的介质包括但不限于：水、气体等。

对智能温度控制数据进行管理，目前通常的做法是：

对收集来的数据进行存储和展示，包括列表形式和各种图形。常规的做法是用表格形式来显示的，对于具有准确坐标的系统，一般用gis来展现，本发明着重在于基于智能通水系统的特点设计的比较创新的交互方式，采用介于二者之间的，既考虑真实的位置关系，也考虑逻辑关系。

如图1所示，本发明提供的一种基于介质的智能温度控制数据管理系统，包括：硬件装置(101，102，103，104)、前端数据采集反馈单元(201，202)、云端服务单元300、操作控制装置400。

硬件装置(101，102，103，104)，分别与前端数据采集反馈单元(201，202)有线或无线连接，用于调整和反馈对象状态参数和对象属性信息。

硬件装置包括一体流温控制装置、和/或传感器。传感器至少包括以下之一：温度传感器、流量传感器、风速传感器、湿度传感器、横缝测缝计、应变传感器。

硬件装置发送的对象状态参数包括传感器数据，和/或网络连接状态信息。

前端数据采集反馈单元(201，202)，与云端服务单元300无线连接，用于实时采集硬件装置发送的对象状态参数，并实时获取网络连接状态参数和对象属性信息，将对象状态参数、网络连接状态参数和对象属性信息向云端服务单元300传输。

系统包括一个或多个前端数据采集反馈单元和硬件装置，每个前端数据采集反馈单元至少与一个或多个硬件装置无线连接。无线连接是指下述无线连接方式之一：802.11、802.16、蓝牙、zigbee、uwb、cdma、gsm。

操作控制装置400与所述云端服务单元300连接，用于接收操作人员输入的操作命令，并向操作人员显示云端服务单元300反馈的信息，其中操作命令包括操作人员对对象状态的操作修改。

操作控制装置400可以是移动操作控制装置，也可以是远程操作控制装置。系统的构架可以是基于浏览器/服务器(b/s)构架，也可以是基于客户端/服务器(c/s)构架。

云端服务单元300，与操作控制装置400和前端数据采集反馈单元(201，202)连接，用于从操作控制装置400接收用户操作命令，从前端数据采集反馈单元(201，202)接收对象状态参数和网络连接状态参数。

云端服务单元包括对象信息数据库301、数据分析单元302、对比显示单元303和报警单元304。

对象信息数据库301，用于存储操作控制装置发送的用户操作命令，硬件装置和前端数据采集反馈单元的对象状态参数、对象属性信息，以及所述网络连接状态参数。

数据分析单元302，用于根据预设的控制策略信息分析实时接收的对象状态参数、网络连接状态参数，以及用户操作命令，确定状态变更的硬件设备，向对比显示单元303发送对象状态变更信息，并更新对象信息数据库301中的硬件设备的状态信息。

数据分析单元302进一步判断状态变更的硬件设备是否正处在正常工作状态，如果没有处于正常工作状态，向对比显示单元303发送对象状态异常信息。如果处于正常工作状态，则更新对象信息数据库301中的硬件设备的状态信息。

其中，预设的控制策略信息至少包括下述信息之一：通水系统的网络拓扑结构、历史温度演变规律参数、系统正常工作时各硬件的常规状态、硬件状态变化时长统计、深度强化学习算法。

其中预设的控制策略选用深度强化学习算法，具体来讲是一种actor-critic算法，包含如下步骤：

s1：训练数据集，收集过往真实场景信息。

s2：建立仿真模型，确定奖惩值和状态转移信息，确定策略的动作空间，所有智能体对应动作的价值参数，根据上述度量值决定最佳动作。

步骤s2具体包含如下步骤：

定义第一状态集合s＝(混凝土温度，通水流速，水压，水量，冷水机布置，进出口温差，气温，日降温速率，换流率，换热率)；

定义动作空间ai∈{开度值1,开度值2，......，开度值i}，其中所述开度值为离散值，i为大于0的整数；

根据所述第一状态集合s，做出决策，选择动作ak；将所述动作ak存储在第二状态集合s′中，形成状态转移函数t；

选定预设控温曲线与实测曲线的距离为奖惩函数的度量，当偏差太大的时候会给出一个惩罚值；

选定实际控温曲线与实测曲线的偏差作为loss函数。

s3：利用训练集对仿真模型进行训练和学习，得到典型模型。

s4：利用上述训练好的模型进行实时决策。

其代码描述如下：

输入：迭代轮数t，状态特征维度n，动作集a，步长α、β，衰减因子γ，探索率∈，critic网络和actor网络。

输出：actor网络参数θ，critic网络参数w。

执行：

1、随机初始化所有的状态和动作对应的价值q。

2、迭代循环i从1到t。

a)初始化s为当前状态序列的第一个状态，得到其特征向量φ(s)；

b)在actor网络中使用φ(s)作为输入，输出动作a，基于动作a得到新的状态s′，反馈r；

c)在critic网络中分别使用φ(s)、φ(s′)作为输入，得到q值输出v(s)、v(s′)；

d)计算时序差分td误差δ＝r+γv(s′)-v(s)；

e)critic网络参数w的梯度更新：使用均方差损失函数∑(r+v(s′)-v(s,w))²；

f)td误差为δ(t)＝rt+1+γq(st+1，at+1)-q(st，at)，更新actor网络参数θ：

数据库保存状态，一个来自于物联网传感器上传数据的实时刷新，另一方面来自于现场施工操作人员对单元状态的操作修改。也就是说，这个状态是实时刷新和人工设定共同影响的。考虑到庞大物联网采集数据各种复杂情况，系统设计了一定的容错能力。物联网实时刷新状态这一步骤中，考虑到有时候信号会出现异常，或者现场有接错线的情况，只有符合一定判定准则的数据才认为是真实可信的，这种规则是在深度学习的基础上形成的。比如一种情况，现场有工人偶尔打开阀门，引起现场通水，传感器捕捉到这种情况，但是在设定时间t内，这种通水状态不被认为是通水状态。

基于以上数据一方面可以挖掘的信息包括：

(1)数据服务于系统本身的安装、运行状态与维护状况。基于异常数据评价判断硬件装置工作状态，即系统故障自我诊断；例如可依据流量数据判断冷却水管通水状态是否正常，是否存在堵塞、被打断、供水不足等情况；可基于温度传感器上传数据情况判断温度传感器施工质量，是否存在线路被打断、温度传感器埋设位置有偏差等；基于实际提供水温与流量数据及预设水温流量数据评定坝后供水管网内供水的质量，反馈冷却机组供水的温度、流量、压力等是否满足要求，从而界定系统正常运行所需的条件与边界。即通过评价系统硬件的工作状态进一步评价了与系统相关的冷却机组及供水管网、仓内埋设监测仪器等环节的施工质量。

(2)数据服务于系统操控人员的工作评定。基于异常数据评价判断操作人员工作状态，即操作员是否存在错误操作等，即人机交互过程中基于数据对人员操作进行诊断与评价。例如，可通过将操作人员对系统的人工干预记录来判断是否存在因操作人员操作失误导致温控异常的状态；可通过对比传感器采集的数据异常信息与操控人员的数据信息上传记录来评价系统操控人员是否及时记录上报了断电、断水等突发情况。

(3)数据服务于系统的服务对象状态评估，例如智能通水系统的服务对象是混凝土坝块。基于数据评价监控对象的工作性态，例如可以基于温度数据，进一步求解温度梯度、温度应力，从而评估混凝土的施工质量和开裂风险等；可依据温度数据判断该区域混凝土的级配信息、水化热、散热边界等信息。

对比显示单元303，用于按照对象属性信息构建系统中所有的硬件设备和前端数据采集反馈单元拓扑图，从至少一个维度对大坝各仓的数据进行对比和展示。

如图2和图3所示，在显示端，对比显示单元提供了大坝各个仓位的拓扑图，界面是围绕着2d图来进行的。这里的2d图就类似一个行业图谱，而每一个浇筑单元就是一个企业。以这个“检查停止温控仓”为例，首先根据每一个仓的位置信息和系统的网络结构拓扑关系，确定每一个仓显示的位置。

然后，能通过显示不同的标识和颜色来区分哪些仓已经停止了通水，哪些仓还在通水。根据不同的状态显示不同的颜色，这些操作不是人为设定的，是根据现场实时互联的物联网来侦测的最终状态，是客观的。因为现场的水网管路，比如阀门有可能存在人为开启，错误操作的过程，如果用操作人员来设置状态的传统做法，就不能真实的反应出现场的实际情况。

对比显示单元能够从多个维度对大坝各仓的数据进行对比和展示，例如度量值、坐标值、质量评定、进度、和/或成本。

度量值：混凝土温度，通水流量，进出口温差，气温，日降温速率，换流率，换热率等。

坐标值：时空，时间(同时间，同龄期)及各空间关系(坝段，灌区等)。

还可以包括依据数据对混凝土进行分级，质量维度、进度维度等多维度对比。

通过对比多企业/行业间的信息可以评价该企业/行业的发展状态，为管理人员提供参考。

如图4所示，在我们的系统中，展示界面分为三个区域，待选择的仓，操作操作命令区，结果显示区，可提供一个对比多个监控对象工作性态的方法，如下图。

这里对比的维度是监控对象的多种属性特征，可依据工程需要进行自定义。包括但不限于混凝土坝块同龄期或同时刻的温度、流量、进出口水温差、进出口水温、气温、日降温速率等。同时可在图中选择查看小时、日、周、月、年等不同时间维度的度量指标，可滑动查看。

数据价值的体现：一方面通过该对比方法可以实现对多个监测对象工作状态的快速对比和评估，便于管理者实时精准评估监测对象的工作性态并精准施策。

另一方面也可基于监控对象多维度的数据信息进而评价监控对象的工作状态，从而生成质量评价鉴定表，使混凝土单元工程的数据更加全面和真实，便于如实反映监控对象状态。

图5和图6所示的是一个同龄期的两仓温度，这样就可以显示两仓的温度对比情况，如果我们变换一个操作选项，如图7所示，按照时间来，这样就可以显示两仓在同一时间的温度变化情况。

更进一步的，数据的展示可以叠加，也就是同时展示多个数据指标。比如同时选取温度和流量，如图8和图9所示，这样能直观的显示温度和流量的互相作用。

云端服务单元300还包括报警单元304，当接收到对象状态异常信息时，向管理人员提示报警信息。报警信息可以是声音信息，也可以是屏幕上的弹屏等提示。

如图10所示，本发明提供的一种基于介质的智能温度控制数据管理方法，包括：

步骤101，云端服务单元实时获取系统中所有硬件装置和前端数据采集反馈单元的对象状态参数、网络连接状态参数和对象位置信息，从操作控制装置接收用户操作命令。

步骤102，云端服务单元的对象信息数据库存储用户操作命令，对象状态参数、网络连接状态参数和对象位置信息，并发送给数据分析单元。

步骤103，数据分析单元根据预设的控制策略信息分析实时接收的所述对象状态参数所述网络连接状态参数，以及用户操作命令，确定状态变更的硬件设备，向所述对比显示单元发送对象状态变更信息。

步骤104，数据分析单元进一步判断状态变更的硬件设备是否正处在正常工作状态。

步骤105，如果处于非正常工作状态，向所操作控制装置发送对象状态异常信息。

步骤106，如果处于正常工作状态，则更新所述对象信息数据库中的所述硬件设备的状态信息。

步骤107，对比显示单元按照对象位置信息构建系统中所有的硬件设备和前端数据采集反馈单元拓扑图，从至少一个维度对大坝各仓的数据进行对比和展示。

步骤108，当所述报警单元接收到所述对象状态异常信息时，向管理人员提示报警信息。

最后，还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

附图中的流程图和框图显示了根据本发明的多个实施例的方法、装置和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图和框图中的每个方框可以代表一个模块、程序段或代码的一部分，包含一个或多个用于实现逻辑功能的计算机可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。也要注意的是，框图和流程图中的每个方框或方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。