基于分布式模型预测控制的重载机车粘着控制方法及装置与流程

本发明涉及机车牵引控制领域，尤指一种基于分布式模型预测控制的重载机车粘着控制方法及装置。

背景技术：

重载铁路运输是提升铁路货运能力、实现货运降本增效的有效途径。重载铁路具有列车总重大、车辆轴重大、行车密度高和运量大等特点。重载铁路安全和高效的运营需要重载机车发挥更大的牵引力，而机车牵引力的发挥依赖于轮轨间的粘着，若牵引力大于轮轨间可用最大粘着力，多余牵引力将加速车轮形成空转，可用粘着力迅速降低，产生诸如钢轨面过度磨损、轮箍发热损坏、甚至爆裂造成脱轨事故等一系列严重问题。因此重载机车的粘着控制技术是保障牵引力发挥的关键，粘着控制可以减少或抑制机车空转，降低牵引力损失，提高粘着利用率。

在通常意义下粘着力是指两个接触物体之间的附着力，而在铁路系统中粘着力的定义为：在车轮和轨道保持接触状态同时不发生空转和滑行的情况下，轮轨之间所能提供的最大牵引力。如图1所示，在轮荷重p的作用下,轮轨接触部位发生弹性变形，形成椭圆形接触区。当车轮在驱动力矩m作用下向前滚动时，轮轨材料在接触区附近发生弹性变形，从而在接触面上产生切向力f使车轮滚动前进，轮轨接触的这种既有滚动又有滑动的状态被称为粘着。只有轮轨间处于粘着状态，才能产生粘着力，进而形成使机车车辆前进的最终动力。粘着的不确定性是通过粘着系数的变化来体现的。大量的研究和试验表明，粘着特性通常可由如图2的干燥/潮湿轨面粘着特性曲线来表示，能够通过该粘着特性曲线找到最优粘着点，如图2中a点是干燥轨面下的最优粘着点，b是潮湿轨面状态下的最优粘着点。在驱动力矩不是很大时，蠕滑率很小，这时粘着系数与蠕滑速度近似为线性关系，此部分被称为微滑区；当驱动力矩大到一定程度后，蠕滑率增大较快，此段称为大滑区。当驱动力矩再增加时，车轮相对于钢轨产生很大的滑动，即蠕滑速度很大，但是轮轨接触面的粘着系数却迅速下降，这就是车轮的空转。在微滑区和大滑区轮轨都处于粘着状态，机车可以提供正常的牵引力或制动力；当机车运行于最优粘着点的右侧时，轮对就进入了不稳定区域，如果牵引力和制动力超过轮轨之间的最大粘着力，随时可能发生空转或滑行。

现代控制理论的基础是精确的对象参数模型，而轮轨间的粘着具有非线性、时变性、强耦合和不确定性等特点，难以得到精确的数学模型，因而面对粘着控制问题控制效果大大降低。目前国内机车粘着控制方法主要有组合校正法(如图3所示)、正交相关法和智能粘着控制法；其中，组合校正法中的参数需要大量轨道实验来确定，当轨道情况复杂，组合校正法无法调整参数，适应性较差。所以在没有进行大量实验的基础上，设定的参数可能无法有效识别空转趋势，甚至会影响机车牵引传动性能的正常发挥；而正交相关法是将电力机车的模型线性化，观察频率的工作范围十分有限，所以具有一定的局限性；智能粘着控制法需要大量数据来训练模型和参数，而且实际应用中的实时性问题需要解决。

技术实现要素：

本发明目的在于从轮轨之间的粘着状态出发，提供一种基于分布式模型预测控制的重载机车粘着控制方法及装置，保证列车发挥良好的牵引性能和粘着控制性能。

为达上述目的，本发明所提供的基于分布式模型预测控制的重载机车粘着控制方法具体包含：获取机车运行过程中的运行参数，根据所述运行参数建立机车动力学模型；根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型；通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型；通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩，根据实时牵引转矩通过分布式状态空间模型和预设的代价函数计算获得预测牵引转矩值和预测蠕滑率值；将所述预测蠕滑率值与预设的蠕滑率值比较，当所述预测蠕滑率值等于预设的蠕滑率值时，根据预测牵引转矩值调整各轴的牵引转矩。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩还包含：根据所述实时牵引转矩计算获得实时蠕滑率；将所述实时牵引转矩和所述实时蠕滑率分别于预设牵引转矩阈值和预设的蠕滑率阈值比较；根据比较结果获取预设的代价函数。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，所述预设的蠕滑率值为所述预设的蠕滑率阈值的最大值。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，根据所述运行参数建立机车动力学模型包含机车纵向运动方程和轮对的旋转运动方程；其中：

所述机车纵向运动方程如下：

上式中，m表示机车轮对上所受质量，vt为机车运行速度，fμ为粘着力，fd(vt)为机车运行中所受阻力。

所述旋转运动方程如下：

上式中，j为车轮的转动惯量，ωi为各车轮角速度，ti为各车轮的电机输出转矩，fμi为各车轮的粘着力，ri为各车轮半径。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型包含：

上式中，δ为常数；si为各车轮的蠕滑率，vt为机车运行速度，ωi为车轮角速度，ri为各车轮半径。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型包含：

上式中，i＝1,2,3,4分别表示四个轴，fμ＝fμ1+fμ2+fμ3+fμ4。

在上述基于分布式模型预测控制的重载机车粘着控制方法中，优选的，所述预设的代价函数包含第一函数、第二函数、第三函数、第四函数和第五函数中一个或多个的组合；

其中，第一函数如下：

第二函数如下：

第三函数如下：

第四函数如下：

第五函数如下：

在上式中，ji1为第一函数，ji2为第二函数，ji3为第三函数，ji4为第四函数，ji5为第五函数，ti为车轮转矩，k为采样时刻，δ、j为常数，qi为调节机车四个控制轴性能的权重因子，si为各车轮的蠕滑率，soi(k)为车轮最佳蠕滑率，η为松弛变量的重要性权重矩阵，w为调整节能的权重矩阵，p为车轮转矩权重。

本发明还提供一种基于分布式模型预测控制的重载机车粘着控制装置，所述装置包含数据采集模块、模型构建模块、计算模块和控制模块；所述数据采集模块用于获取机车运行过程中的运行参数；所述模型构建模块用于根据所述运行参数建立机车动力学模型；根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型；通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型；所述计算模块用于通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩，根据实时牵引转矩通过分布式状态空间模型和预设的代价函数计算获得预测牵引转矩值和预测蠕滑率值；所述控制模块用于将所述预测蠕滑率值与预设的蠕滑率值比较，当所述预测蠕滑率值等于预设的蠕滑率值时，根据预测牵引转矩值调整各轴的牵引转矩。

本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本发明的有益技术效果在于：从机车动力学模型出发，构建粘着控制的分布式mpc状态空间模型，每个轴设置一个mpc粘着控制器，且设置蠕滑率和牵引转矩最大值约束，添加mpc代价函数，实时预测当前运行环境的最优牵引转矩，使粘着系数保持在峰值附近，实现最佳粘着利用。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：

图1为现有技术中轮轨间粘着力的产生示意图；

图2为现有技术中粘着特性曲线示意图；

图3为现有技术中组合粘着控制方法示意图；

图4为本发明一实施例所提供的基于分布式模型预测控制的重载机车粘着控制方法的流程示意图；

图5为本发明一实施例所提供的基于分布式模型预测控制的重载机车粘着控制方法的流程示意图；

图6为本发明一实施例所提供的不同轨面粘着特性曲线示意图；

图7为本发明一实施例所提供的粘着系数与蠕滑率示意图；

图8为本发明一实施例所提供的粘着控制方法的应用原理示意图；

图9为本发明一实施例所提供的基于分布式模型预测控制的重载机车粘着控制方法的流程示意图；

图10为本发明一实施例所提供的基于分布式模型预测控制的重载机车粘着控制装置的结构示意图；

图11为本发明一实施例所提供的电子设备的结构示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

随着铁路运输技术的快速发展，要求重载机车在实际线路运行中有着良好的牵引性能，由于运行线路复杂多变，轮轨之间的粘着特性受到诸多因素的影响。因此，本发明从轮轨之间的粘着状态出发，设计了一种基于分布式模型预测控制的粘着控制方法，保证列车发挥良好的牵引性能和粘着控制性能。重载机车在实际线路运行过程中，轮轨之间的粘着特性不断变化，粘着控制的作用是在粘着特性不断变化过程中，通过改变牵引转矩使得粘着系数趋于最大值，达到最佳粘着的效果。但是目前的粘着控制方法都是在粘着特性已经破坏后才改变牵引转矩，为此，本发明提供一种基于分布式模型预测控制的重载机车粘着控制方法，根据当前的粘着状态预测未来的粘着状态，通过预测值提前改变牵引转矩，以此达到最优粘着的效果。具体请参考图4所示，本发明所提供的基于分布式模型预测控制的重载机车粘着控制方法包含：s401获取机车运行过程中的运行参数，根据所述运行参数建立机车动力学模型；s402根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型；s403通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型；s404通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩，根据实时牵引转矩通过分布式状态空间模型和预设的代价函数计算获得预测牵引转矩值和预测蠕滑率值；s405将所述预测蠕滑率值与预设的蠕滑率值比较，当所述预测蠕滑率值等于预设的蠕滑率值时，根据预测牵引转矩值调整各轴的牵引转矩。在该实施例中，为了分析重载机车的粘着控制规律，本发明主要基于车辆动力学的分布式mpc模型，该模型主要由机车车辆动力学，蠕滑率计算模型、轮轨接触模型和分布式mpc模型组成。

请参考图5所示，在本发明一实施例中，通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩还包含：s501根据所述实时牵引转矩计算获得实时蠕滑率；s502将所述实时牵引转矩和所述实时蠕滑率分别与预设牵引转矩阈值和预设的蠕滑率阈值比较；s503根据比较结果获取预设的代价函数；在实际工作中，所述预设的蠕滑率值可为所述预设的蠕滑率阈值的最大值；该蠕滑率阈值的最大值通常情况即为蠕滑率值的最优设定值。

在上述实施例中，根据所述运行参数建立机车动力学模型包含机车纵向运动方程和轮对的旋转运动方程；其中：

所述机车纵向运动方程如下：

上式中，m表示机车轮对上所受质量，vt为机车运行速度，fμ为粘着力，fd(vt)为机车运行中所受阻力。

所述旋转运动方程如下：

上式中，j为车轮的转动惯量，ωi为各车轮角速度，ti为各车轮的电机输出转矩，fμi为各车轮的粘着力，ri为各车轮半径。

根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型包含：

上式中，δ为常数；si为各车轮的蠕滑率，vt为机车运行速度，ωi为车轮角速度，ri为各车轮半径，i＝1,2,3,4分别表示四个轴。

通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型包含：

上式中，i＝1,2,3,4分别表示四个轴，fμ＝fμ1+fμ2+fμ3+fμ4。

所述预设的代价函数包含第一函数、第二函数、第三函数、第四函数和第五函数中一个或多个的组合；

其中，第一函数、第二函数、第三函数、第四函数和第五函数分别如下：

在上式中，ji1为第一函数，ji2为第二函数，ji3为第三函数，ji4为第四函数，ji5为第五函数，ti为车轮转矩，k为采样时刻，δ、j为常数，qi为调节机车四个控制轴性能的权重因子，si为各车轮的蠕滑率，soi(k)为车轮最佳蠕滑率，η为松弛变量的系数矩阵，w为调整节能的权重矩阵，p为车轮转矩权重。

为便于更清楚的获知本发明所提供的上述实施例的各步骤实现方法，以下以实际工作中具体流程为例，对上述各步骤做整体说明；本领域相关技术人员当可知，以下实例仅为便于理解本发明所提供的控制方法的使用流程，并不对其做进一步限定。

(1)机车车辆动力学模型

机车车辆的纵向运动方程如下：

上式中，m表示机车轮对上所受质量，vt为机车运行速度，fμ为粘着力，fd(vt)为机车运行中所受阻力，计算公式如下:

上式中，a,b,c为空气阻力系数。

轮对的旋转运动方程如下：

上式中，j为车轮的转动惯量，ωi为车轮角速度，ti为电机输出转矩，ri为各车轮半径。

(2)蠕滑率计算模型

轮轨之间的蠕滑率是计算粘着力的关键因素，蠕滑率、车轮角速度和车速之间的关系可以表示如下：

上式中，δ为很小的常数，以避免零分母。当机车处于瞬态起动时，速度非常小，并且在没有δ的情况下可能发生si→∞的数值问题，这显然不符合粘着特性。

(3)轮轨模型

轮轨接触模型采用日本学者提出的经验公式：

上式中，参数a,b,c,d的大小根据轮轨表面状态选取，粘着特性曲线如图6所示。

从图6中三种不同状态轨面(dry干燥、wet湿润和ice冰面)的粘着特性曲线可以看出，粘着系数都有一个饱和值；随着蠕滑速度不断增大，粘着系数达到饱和值之后开始逐渐下降，最后趋近于零。

(4)分布式mpc模型

一般来说，要求车轮纵向蠕滑较小以减少传动系统及能耗损失，这需要将轮轨蠕滑率约束在大约5％以内。可以将每个轮对的粘着力线性近似用于控制器设计，公式如下所示：

fμi＝kisi(6)

上式中，ki为纵向蠕滑刚度，由车轮垂向载荷n决定。

假设ωi＞0,vt＞0，对公式(11)进行微分，并且带入(5)、(6)可得蠕滑率变化率为：

上式中，i＝1,2,3,4，分别表示四个轴，控制变量为牵引电机输出转矩，状态变量为四个轴上车轮的蠕滑率，输出变量为蠕滑率。

fμ＝fμ1+fμ2+fμ3+fμ4(9)

(5)控制目标

根据重载机车粘着控制系统的特点，在设计粘着控制器的过程中应考虑以下控制目标：a.在保证车辆运行安全、稳定的前提下，即使在可变粘着系数μ条件下，也必须可靠地避免车轮在牵引过程中发生空转，或在制动过程中发生滑行；b.即使在较差轨面状态下，也能获得良好的牵引和制动性能；c.保持列车运行的舒适性，即机车的平稳牵引和制动；d.在电力机车牵引或制动期间降低功耗；e.确保约束不会导致不可行的情况。

(6)mpc粘着控制器设计

粘着系数和蠕滑率的关系如图7所示，s0是最佳纵向蠕滑率，对应的纵向粘着系数最大。对于粘着控制系统来说，要实现精确控制，在车轮滑动区(|si|＞s0)中，蠕滑力处于非线性区域，并且容易导致轮轨系统不稳定。因此，车轮的纵向蠕滑率应限制在粘着区内(|si|＜s0)，以使车轮保持在线性区域内，从而确保列车运行稳定，并防止车轮在低粘着状态下旋转或锁死。因此，列车的稳定性约束可以转化为蠕滑率稳定区约束，主要由控制策略决定，可以认为是系统的硬约束。

粘着控制的目的是为了获得最大粘着利用，也就是让蠕滑率接近于最佳蠕滑率。

-smax≤s≤smax,smax＝so(10)

另外，还需要考虑到牵引传动系统，由于牵引电机的物理限制，作为控制输入的电机转矩指令t是有界的，它不能超过电机最大输出转矩tmax，该最大电动机输出转矩可以被认为是系统的物理约束，如下所示：

-tmax≤t≤tmax(11)

基于分布式mpc的粘着控制系统的控制框图如图8所示。根据轮轨特性和轨面粘着条件，最优蠕滑率计算模块通过查看车轮的最佳纵向蠕滑率-粘着系数图，从而确定车轮的粘着区，并且基于当前状态信息通过电机最大转矩计算模块获得车轮的最大转矩。然后，nmpc粘着控制器在明确考虑控制和输出变量的时域约束条件下，解决了约束优化控制问题，最终使电机输出的最优化转矩命令，控制稳定区内车轮的纵向蠕滑，它实现良好的纵向加速和制动性能。

以四轴重载机车为例(六轴机车，八轴机车类似)分布式mpc粘着控制系统中包含4个mpc，分别控制机车四个轴上的牵引电机输出转矩，单个mpc粘着控制流程如图9所示。模型预测控制是一种使用模型来预测控制设备未来动态的算法，它通过问题来确定满足目标函数的输入序列，在当前系统状态变量和先前系统输入量的情况下，对指定控制时域在每个控制时间步骤上的约束。在找到最佳输入序列之后，将第一个输入序列应用于控制系统，再寻找另一个最佳输入序列并应用于控制系统，反复这个过程。保证机车稳定运行是通过轮轨粘着区约束来实现的，其他方面通过增加额外条件来实现。另外，还会增加对松弛变量的约束，以确保状态约束(轮轨粘着)的可行性问题。

基于上述重载机车的分布式mpc粘着控制模型，mpc的状态空间模型如下：

为便于问题求解，将模型转化为有限维优化控制问题，故采用欧拉方法离散化状态空间模型。离散时间模型描述非线性系统动力学表达式如下：

x(k+1)＝f^k(x(k),u(k))δt+x(k)(13)

y(k)＝cyx(k)(14)

上式中，x＝[s1,s2,s3,s4]^t是控制状态变量，u＝[t1,t2,t3,t4]^t是系统输入，y＝[s1,s2,s3,s4]^t是系统输出。f^k表示在时间k的状态变化梯度，输出矩阵cy＝e。因此，mpc状态空间离散模型如下：

yi(k)＝cyxi(k),i＝1,2,3,4(16)

定义np和nc分别为预测时域和控制时域，且np≥nc≥1。在采样时刻k，系统控制量u(k)和输出量y(k)表达式如下：

定义r(k)为输出参考量，也就是最佳蠕滑率so，矩阵r(k)中的元素r(k)为采样时间k时机车四个轴上车轮的最佳蠕滑率，即r(k)＝[so1(k),so2(k),so3(k),so4(k)]^t。控制输入量变化率δu(k)＝u(k)-u(k-1)，当k值超出控制范围时δu(k)＝0，表达式如下：

在采样时刻k，x(k)作为x(k|k)的预测起点，则预测状态和预测输出为：

xi(k+j|k)＝f^k(x(k+j-1|k),u(k+j-1|k))δt+x(k+j-1|k),j＝1,2,…,nc(19)

yi(k+j|k)＝cy(f^k(x(k+j-1|k),u(k+j-1|k))δt+x(k+j-1|k)),j＝1,2,…,np(20)

基于分布式mpc粘着控制是通过控制车轴上车轮的力矩来确保其蠕滑率在稳定区间内，保证车辆行驶安全且实现最佳粘着利用，以及降低能耗。设计控制器的时候需要考虑牵引电机的最大力矩的时变约束以及蠕滑率的最优区间约束。对于目标函数优化设计主要是围绕蠕滑率控制保证其粘着性能，实现最优粘着利用、降低能耗和机车运行稳定的目标。根据前文提出的控制目标带约束的多目标化函数，本文设计的模型预测控制代价函数如下所示。

(1)通过对蠕滑率的控制，将蠕滑率控制在最优区间内，使得车轮能够获得最大轨面粘着系数，以得到最大粘着力。为了避免机车纵向力过大导致其运行不稳定，确保机车实际蠕滑率能跟随最优蠕滑率,设置代价函数ji1：

上式中，r(k+j)＝soi(k)为车轮最佳蠕滑率，可通过调节加权因子si来使得重载机车获得良好的运行稳定性。

(2)在前文所述蠕滑率公式(7)中，避免分母为零导致出现si趋于无穷的数值问题，设置代价函数ji2：

上式中，δ是一个小常数，为避免零分母，此处可取δ＝0.001，qi为调节机车四个控制轴性能的权重因子。

(3)为了防止控制动作过大导致转矩波动太大，设置代价函数ji3：

上式中，ti为车轮转矩，权重矩阵p＝diag(p.p.p.p)，随着权重p的增加，转矩波动越来越小。

(4)为了降低能耗，保证控制器的良好性能，设置代价函数j4：

上式中，w是调整节能的权重矩阵，w＝diag(w.w.w.w)，ti(k+j|k)≤tmax。

(5)为了防止在求解过程中存在变量不可解的问题，需加入松弛变量λi(opt)，并设置相应的代价函数ji5：

-soi-λi(opt)≤si(k+i|k)≤soi+λi(opt)(26)

上式中，η是决定松弛变量重要程度的系数矩阵，λi(opt)≥0。

在模型预测控制中，可将多个目标函数整合到同一表达式中。因此，基于模型预测控制对蠕滑率控制的目标函数为：

minji(x(k),u(k))＝ji1+ji2+ji3+ji4+ji5(27)

使得：

-simax≤si(k+i|k)≤simax(28)

-timax≤ti(k+i|k)≤timax(29)

通过添加以上代价函数，mpc粘着控制器实时优化轮轨之间的粘着水平，达到最佳粘着利用的效果。

请参考图10所示，本发明还提供一种基于分布式模型预测控制的重载机车粘着控制装置，所述装置包含数据采集模块、模型构建模块、计算模块和控制模块；所述数据采集模块用于获取机车运行过程中的运行参数；所述模型构建模块用于根据所述运行参数建立机车动力学模型；根据机车的蠕滑率、车轮角速度和车速之间的关系构建蠕滑率计算模型；通过机车动力学模型、蠕滑率计算模型和车轨模型结合获得的分布式状态空间模型；所述计算模块用于通过设置于机车各轴处的mpc粘着控制器采集对应轴的实时牵引转矩，根据实时牵引转矩通过分布式状态空间模型和预设的代价函数计算获得预测牵引转矩值和预测蠕滑率值；所述控制模块用于将所述预测蠕滑率值与预设的蠕滑率值比较，当所述预测蠕滑率值等于预设的蠕滑率值时，根据预测牵引转矩值调整各轴的牵引转矩。

本发明还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本发明的有益技术效果在于：从机车动力学模型出发，构建粘着控制的分布式mpc状态空间模型，每个轴设置一个mpc粘着控制器，且设置蠕滑率和牵引转矩最大值约束，添加mpc代价函数，实时预测当前运行环境的最优牵引转矩，使粘着系数保持在峰值附近，实现最佳粘着利用。

如图11所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图11中所示的所有部件；此外，电子设备600还可以包括图11中没有示出的部件，可以参考现有技术。

如图11所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。

其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种，可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。

输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。

该存储器140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。

存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、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。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。