一种提升齿轮有限元仿真准确性的方法及装置

1.本发明涉及仿真模拟数据处理领域，具体而言，涉及一种提升齿轮有限元仿真准确性的方法及装置。


背景技术：

2.随着智能化科技的不断发展，人们的生活、工作、学习之中越来越多地用到了智能化设备，使用智能化科技手段，提高了人们生活的质量，增加了人们学习和工作的效率。
3.目前，现有技术中的齿轮在啮合过程中存在振动、载荷分布不均等现象，可能导致齿轮易磨损甚至齿根断裂，为了解决这些问题，许多学者对齿轮进行齿轮修形方面的研究，常用方法是设计出三维模型，并通过有限元分析验证齿轮轮廓形状设计是否能够满足强度要求。然而有限元分析过程中涉及到网格划分，边界条件设置，求解器选择等操作，都会影响到有限元分析的准确性，传统中，往往依据经验进行选取，缺乏量化手段。因此为了提高有限元分析的准确度，本项目提出一种基于人工智能的提升齿轮有限元仿真准确性的方法。
4.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种提升齿轮有限元仿真准确性的方法及装置，以至少解决现有技术中在进行有限元仿真后的结果与实际实验结果偏差较大，从而导致了需要多次试生产才能得到最终的生产期望效果，浪费了大量的人力和财力的技术问题。
6.根据本发明实施例的一个方面，提供了一种提升齿轮有限元仿真准确性的方法，包括：获取第一仿真实验对象信息；根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。
7.可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。
8.可选的，所述根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差包括：根据所述第一仿真实验对象信息，建立齿轮三维模型；根据所述齿轮三维模型随机生成预设向量；根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。
9.可选的，所述根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型包括：构建五层神经网络模型；通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
10.根据本发明实施例的另一方面，还提供了一种提升齿轮有限元仿真准确性的装置，包括：获取模块，用于获取第一仿真实验对象信息；仿真模块，用于根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；模型模块，用于根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；应用模块，用于将第二仿真实验对象输入至所
述神经网络仿真模型中，得到第二仿真强度。
11.可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。
12.可选的，所述仿真模块包括：建立单元，用于根据所述第一仿真实验对象信息，建立齿轮三维模型；生成单元，用于根据所述齿轮三维模型随机生成预设向量；仿真单元，用于根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。
13.可选的，所述应用模块包括：构建单元，用于构建五层神经网络模型；训练单元，用于通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
14.根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种提升齿轮有限元仿真准确性的方法。
15.根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种提升齿轮有限元仿真准确性的方法。
16.在本发明实施例中，采用获取第一仿真实验对象信息；根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度的方式，解决了现有技术中在进行有限元仿真后的结果与实际实验结果偏差较大，从而导致了需要多次试生产才能得到最终的生产期望效果，浪费了大量的人力和财力的技术问题。
附图说明
17.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
18.图1是根据本发明实施例的一种提升齿轮有限元仿真准确性的方法的流程图；
19.图2是根据本发明实施例的一种提升齿轮有限元仿真准确性的装置的结构框图；
20.图3是根据本发明实施例的用于执行根据本发明的方法的终端设备的框图；
21.图4是根据本发明实施例的用于保持或者携带实现根据本发明的方法的程序代码的存储单元。
具体实施方式
22.为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
23.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
24.根据本发明实施例，提供了一种提升齿轮有限元仿真准确性的方法的方法实施例，需要说明的是，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。
25.实施例一
26.图1是根据本发明实施例的一种提升齿轮有限元仿真准确性的方法的流程图，如图1所示，该方法包括如下步骤：
27.步骤s102，获取第一仿真实验对象信息。
28.步骤s104，根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差。
29.步骤s106，根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型。
30.步骤s108，将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。
31.可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。
32.可选的，所述根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差包括：根据所述第一仿真实验对象信息，建立齿轮三维模型；根据所述齿轮三维模型随机生成预设向量；根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。
33.可选的，所述根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型包括：构建五层神经网络模型；通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
34.具体的，本发明实施例实施仿真的据步骤可以是：
35.1.设定仿真和实验对象
36.选取不同特征的齿轮作为实验对象，模数选择标准模数值：m＝1mm，m＝1.25mm，m＝1.5mm，m＝1.75mm，m＝2mm。为了研究方便，根据模数值，选取分度圆直径为60mm、75mm、80mm、90mm、100mm、105mm、110mm、120mm所对应的齿轮作为参数。压力角选用标准压力角α＝20
°
，齿厚选择1mm～10mm的整数。选择铸铁作为实验材料。
37.2.仿真
38.对该齿轮，通过改变有限元参数设置进行仿真，具体包括：
39.第一步：建立齿轮三维模型，导入到ansys仿真软件中。
40.第二步：导入齿轮所需要的材料参数，铸铁的弹性模量为2.1*1011mpa，泊松比为0.3，密度为7.83*103kg/m3。
41.第三步：随机生成一个各元素都在取值范围内的向量x＝[x1,x2,x3,
…
,x10]，其中x1,x2∈{0,1,2}，10《x3《1000，10《x4《1000，x5∈{0,1,2,3,4,5,6,7,8}，x6,x7,x8,x9,x10∈{0,1}。
[0042]
第四步：通过解析向量x得到的网格划分、求解器类型、边界条件等对该类型齿轮进行仿真，得到其仿真齿根弯曲强度。
[0043]
其中x1＝0,x1＝1,x1＝2分别表示齿轮轮齿部分划分的网格形状类型分别为四面体网格、六面体网格和金字塔网格；x2＝0,x2＝1,x2＝2分别表示齿轮其余部分划分的网格形状类型分别为四面体网格、六面体网格和金字塔网格；x3＝a表示齿轮轮齿部分的网格数为a*v，其中，v表示齿轮轮齿部分的体积，单位为立方毫米；x4＝a表示齿轮其余部分的网格数为a*v；x5＝0,x5＝1,x5＝2,
…
,x5＝8分别表示选用稀疏矩阵求解器，波前求解器，预条件求解器，雅可比共轭梯度求解器，非完全共轭梯度求解器，amg求解器，dpsrse求解器，dpcg求解器，djcg求解器进行求解；x6-x10表示边界条件，x6＝1表示添加几何参数边界约束(为0则不添加，下同)，x7＝1表示添加压力角约束，x8＝1表示添加接触强度约束，x9＝1表示添加几何空间约束，x10＝1表示添加防干涉约束。
[0044]
第五步：生产加工取得实物后通过电测法测得其每个齿根的弯曲强度。电测法是将应变片粘贴在齿根的危险截面，在负载下同轮齿一起受力变形从而根据应变片电阻变化得出齿根弯曲强度的方法。单个齿轮的齿根弯曲强度由其所有齿根取平均弯曲强度得到。分别将仿真值与其真实值相减得到仿真误差。
[0045]
第六步：将单次仿真向量作为输入，其仿真误差作为输出值，重复第三、四、五三个步骤，得到多次结果作为后期模型学习样本。
[0046]
3.建立模型
[0047]
第一步构建模型：构建5层神经网络：输入层，第一隐藏层，第二隐藏层，第三隐藏层，输出层。其中，输入层包含10个神经元，每个隐藏层都包含30个神经元，输出层为一个神经元。中间隐藏层的输出激活函数都选择relu函数，输出层输出结果激活函数选择tanh函数。
[0048]
第二步训练模型：以步骤2仿真与实际的误差为输出，以步骤2仿真随机产生的向量为输入，训练步骤3.1提出的模型，训练算法可以为：随机梯度下降算法、adam算法、rmsprop算法、adagrad算法、adadelta算法、adamax算法等。
[0049]
4.应用模型
[0050]
当需要对新的设计进行仿真时：
[0051]
第一步：确定齿轮的模数、齿数等结构参数，建立三维模型，将模型输入仿真软件；
[0052]
第二步：随机生成向量，输入步骤3训练好的模型中，判断输出是否小于阈值r；
[0053]
第三步：如果输出小于r，则解析向量，按照向量表示的网格划分方法、求解器类型、边界条件设置仿真参数，对齿轮齿根弯曲强度进行仿真；
[0054]
第四步：求解仿真结果；得到仿真强度。
[0055]
通过上述实施例，解决了现有技术中在进行有限元仿真后的结果与实际实验结果偏差较大，从而导致了需要多次试生产才能得到最终的生产期望效果，浪费了大量的人力和财力的技术问题。
[0056]
实施例二
[0057]
图2是根据本发明实施例的一种提升齿轮有限元仿真准确性的装置的结构框图，如图2所示，该装置包括：
[0058]
获取模块20，用于获取第一仿真实验对象信息。
[0059]
仿真模块22，用于根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差。
[0060]
模型模块24，用于根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型。
[0061]
应用模块26，用于将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。
[0062]
可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。
[0063]
可选的，所述仿真模块包括：建立单元，用于根据所述第一仿真实验对象信息，建立齿轮三维模型；生成单元，用于根据所述齿轮三维模型随机生成预设向量；仿真单元，用于根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。
[0064]
可选的，所述应用模块包括：构建单元，用于构建五层神经网络模型；训练单元，用于通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
[0065]
具体的，本发明实施例实施仿真的据步骤可以是：
[0066]
1.设定仿真和实验对象
[0067]
选取不同特征的齿轮作为实验对象，模数选择标准模数值：m＝1mm，m＝1.25mm，m＝1.5mm，m＝1.75mm，m＝2mm。为了研究方便，根据模数值，选取分度圆直径为60mm、75mm、80mm、90mm、100mm、105mm、110mm、120mm所对应的齿轮作为参数。压力角选用标准压力角α＝20
°
，齿厚选择1mm～10mm的整数。选择铸铁作为实验材料。
[0068]
2.仿真
[0069]
对该齿轮，通过改变有限元参数设置进行仿真，具体包括：
[0070]
第一步：建立齿轮三维模型，导入到ansys仿真软件中。
[0071]
第二步：导入齿轮所需要的材料参数，铸铁的弹性模量为2.1*1011mpa，泊松比为0.3，密度为7.83*103kg/m3。
[0072]
第三步：随机生成一个各元素都在取值范围内的向量x＝[x1,x2,x3,
…
,x10]，其中x1,x2∈{0,1,2}，10《x3《1000，10《x4《1000，x5∈{0,1,2,3,4,5,6,7,8}，x6,x7,x8,x9,x10∈{0,1}。
[0073]
第四步：通过解析向量x得到的网格划分、求解器类型、边界条件等对该类型齿轮进行仿真，得到其仿真齿根弯曲强度。
[0074]
其中x1＝0,x1＝1,x1＝2分别表示齿轮轮齿部分划分的网格形状类型分别为四面体网格、六面体网格和金字塔网格；x2＝0,x2＝1,x2＝2分别表示齿轮其余部分划分的网格形状类型分别为四面体网格、六面体网格和金字塔网格；x3＝a表示齿轮轮齿部分的网格数为a*v，其中，v表示齿轮轮齿部分的体积，单位为立方毫米；x4＝a表示齿轮其余部分的网格数为a*v；x5＝0,x5＝1,x5＝2,
…
,x5＝8分别表示选用稀疏矩阵求解器，波前求解器，预条件求解器，雅可比共轭梯度求解器，非完全共轭梯度求解器，amg求解器，dpsrse求解器，dpcg求解器，djcg求解器进行求解；x6-x10表示边界条件，x6＝1表示添加几何参数边界约束(为0则不添加，下同)，x7＝1表示添加压力角约束，x8＝1表示添加接触强度约束，x9＝1表示添加几何空间约束，x10＝1表示添加防干涉约束。
[0075]
第五步：生产加工取得实物后通过电测法测得其每个齿根的弯曲强度。电测法是
将应变片粘贴在齿根的危险截面，在负载下同轮齿一起受力变形从而根据应变片电阻变化得出齿根弯曲强度的方法。单个齿轮的齿根弯曲强度由其所有齿根取平均弯曲强度得到。分别将仿真值与其真实值相减得到仿真误差。
[0076]
第六步：将单次仿真向量作为输入，其仿真误差作为输出值，重复第三、四、五三个步骤，得到多次结果作为后期模型学习样本。
[0077]
3.建立模型
[0078]
第一步构建模型：构建5层神经网络：输入层，第一隐藏层，第二隐藏层，第三隐藏层，输出层。其中，输入层包含10个神经元，每个隐藏层都包含30个神经元，输出层为一个神经元。中间隐藏层的输出激活函数都选择relu函数，输出层输出结果激活函数选择tanh函数。
[0079]
第二步训练模型：以步骤2仿真与实际的误差为输出，以步骤2仿真随机产生的向量为输入，训练步骤3.1提出的模型，训练算法可以为：随机梯度下降算法、adam算法、rmsprop算法、adagrad算法、adadelta算法、adamax算法等。
[0080]
4.应用模型
[0081]
当需要对新的设计进行仿真时：
[0082]
第一步：确定齿轮的模数、齿数等结构参数，建立三维模型，将模型输入仿真软件；
[0083]
第二步：随机生成向量，输入步骤3训练好的模型中，判断输出是否小于阈值r；
[0084]
第三步：如果输出小于r，则解析向量，按照向量表示的网格划分方法、求解器类型、边界条件设置仿真参数，对齿轮齿根弯曲强度进行仿真；
[0085]
第四步：求解仿真结果；得到仿真强度。
[0086]
通过上述实施例，解决了现有技术中在进行有限元仿真后的结果与实际实验结果偏差较大，从而导致了需要多次试生产才能得到最终的生产期望效果，浪费了大量的人力和财力的技术问题。
[0087]
根据本发明实施例的另一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行一种提升齿轮有限元仿真准确性的方法。
[0088]
具体的，上述方法包括：获取第一仿真实验对象信息；根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。可选的，所述根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差包括：根据所述第一仿真实验对象信息，建立齿轮三维模型；根据所述齿轮三维模型随机生成预设向量；根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。可选的，所述根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型包括：构建五层神经网络模型；通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
[0089]
根据本发明实施例的另一方面，还提供了一种电子装置，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行一种提升齿轮有限元仿真准确性的方法。
[0090]
具体的，上述方法包括：获取第一仿真实验对象信息；根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差；根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型；将第二仿真实验对象输入至所述神经网络仿真模型中，得到第二仿真强度。可选的，所述第一仿真实验对象信息包括：特征参数、材料参数。可选的，所述根据所述第一仿真实验对象信息进行仿真，得到第一仿真强度和仿真误差包括：根据所述第一仿真实验对象信息，建立齿轮三维模型；根据所述齿轮三维模型随机生成预设向量；根据所述预设向量对所述齿轮三维模型进行仿真，得到所述第一仿真强度和仿真误差。可选的，所述根据所述第一仿真强度和所述仿真误差建立神经网络仿真模型包括：构建五层神经网络模型；通过所述第一仿真强度和所述仿真误差，训练所述五层神经网络模型，生成所述神经网络仿真模型。
[0091]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0092]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0093]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0094]
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。
[0095]
另外，图3为本技术一实施例提供的终端设备的硬件结构示意图。如图3所示，该终端设备可以包括输入设备30、处理器31、输出设备32、存储器33和至少一个通信总线34。通信总线34用于实现元件之间的通信连接。存储器33可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器，存储器33中可以存储各种程序，用于完成各种处理功能以及实现本实施例的方法步骤。
[0096]
可选的，上述处理器31例如可以为中央处理器(central processing unit，简称cpu)、应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，该处理器31通过有线或无线连接耦合到上述输入设备30和输出设备32。
[0097]
可选的，上述输入设备30可以包括多种输入设备，例如可以包括面向用户的用户接口、面向设备的设备接口、软件的可编程接口、摄像头、传感器中至少一种。可选的，该面向设备的设备接口可以是用于设备与设备之间进行数据传输的有线接口、还可以是用于设备与设备之间进行数据传输的硬件插入接口(例如usb接口、串口等)；可选的，该面向用户的用户接口例如可以是面向用户的控制按键、用于接收语音输入的语音输入设备以及用户接收用户触摸输入的触摸感知设备(例如具有触摸感应功能的触摸屏、触控板等)；可选的，上述软件的可编程接口例如可以是供用户编辑或者修改程序的入口，例如芯片的输入引脚接口或者输入接口等；可选的，上述收发信机可以是具有通信功能的射频收发芯片、基带处
理芯片以及收发天线等。麦克风等音频输入设备可以接收语音数据。输出设备32可以包括显示器、音响等输出设备。
[0098]
在本实施例中，该终端设备的处理器包括用于执行各设备中数据处理装置各模块的功能，具体功能和技术效果参照上述实施例即可，此处不再赘述。
[0099]
图4为本技术另一实施例提供的终端设备的硬件结构示意图。图4是对图3在实现过程中的一个具体的实施例。如图4所示，本实施例的终端设备包括处理器41以及存储器42。
[0100]
处理器41执行存储器42所存放的计算机程序代码，实现上述实施例中的方法。
[0101]
存储器42被配置为存储各种类型的数据以支持在终端设备的操作。这些数据的示例包括用于在终端设备上操作的任何应用程序或方法的指令，例如消息，图片，视频等。存储器42可能包含随机存取存储器(random access memory，简称ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0102]
可选地，处理器41设置在处理组件40中。该终端设备还可以包括：通信组件43，电源组件44，多媒体组件45，音频组件46，输入/输出接口47和/或传感器组件48。终端设备具体所包含的组件等依据实际需求设定，本实施例对此不作限定。
[0103]
处理组件40通常控制终端设备的整体操作。处理组件40可以包括一个或多个处理器41来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件40可以包括一个或多个模块，便于处理组件40和其他组件之间的交互。例如，处理组件40可以包括多媒体模块，以方便多媒体组件45和处理组件40之间的交互。
[0104]
电源组件44为终端设备的各种组件提供电力。电源组件44可以包括电源管理系统，一个或多个电源，及其他与为终端设备生成、管理和分配电力相关联的组件。
[0105]
多媒体组件45包括在终端设备和用户之间的提供一个输出接口的显示屏。在一些实施例中，显示屏可以包括液晶显示器(lcd)和触摸面板(tp)。如果显示屏包括触摸面板，显示屏可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。
[0106]
音频组件46被配置为输出和/或输入音频信号。例如，音频组件46包括一个麦克风(mic)，当终端设备处于操作模式，如语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器42或经由通信组件43发送。在一些实施例中，音频组件46还包括一个扬声器，用于输出音频信号。
[0107]
输入/输出接口47为处理组件40和外围接口模块之间提供接口，上述外围接口模块可以是点击轮，按钮等。这些按钮可包括但不限于：音量按钮、启动按钮和锁定按钮。
[0108]
传感器组件48包括一个或多个传感器，用于为终端设备提供各个方面的状态评估。例如，传感器组件48可以检测到终端设备的打开/关闭状态，组件的相对定位，用户与终端设备接触的存在或不存在。传感器组件48可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在，包括检测用户与终端设备间的距离。在一些实施例中，该传感器组件48还可以包括摄像头等。
[0109]
通信组件43被配置为便于终端设备和其他设备之间有线或无线方式的通信。终端设备可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个实施例中，
该终端设备中可以包括sim卡插槽，该sim卡插槽用于插入sim卡，使得终端设备可以登录gprs网络，通过互联网与服务端建立通信。
[0110]
由上可知，在图4实施例中所涉及的通信组件43、音频组件46以及输入/输出接口47、传感器组件48均可以作为图3实施例中的输入设备的实现方式。
[0111]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0112]
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。
[0113]
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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0114]
所述集成的单元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全部或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(可为个人计算机、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、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0115]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。