基于物联网的轧机轧辊状态智能监测方法、系统

技术领域

本申请涉及计算机技术领域，具体而言，涉及一种基于物联网的轧机轧辊状态智能监测方法、系统。

背景技术

随着工业制造和生产信息化程度的不断提高，逐渐形成了复杂的工业制造系统。但是，在工业制造过程中，即使是高端的设备也无法避免其在运行过程中，因部分模块异常引发的系统运行异常问题，在现有技术中，轧机轧辊状态在随着轧机轧辊的工作而进行动态调整，并且传统的异常监测方法无法及时地做出预测。

发明内容

本申请的实施例提供了一种基于物联网的轧机轧辊状态智能监测方法、系统，进而至少在一定程度上实现了通过多个不同类型的传感器对轧机轧辊设备进行数据采集，并且输出轧机轧辊设备的基本生产环境及状态信息，以便于将轧机轧辊设备的基本生产环境及状态信息转化数字信号，并根据数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警，从而实现对轧机轧辊状态的智能监测，并且及时对异常状态进行预警，保证了基于物联网对轧机轧辊状态的智能监测。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种基于物联网的轧机轧辊状态智能监测方法，包括：

在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息；

所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号；

将数字信号传输至物联网云平台或本地服务器；

基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警；

将预警信息实时展现给管理人员和决策人员。

在本申请的一些实施例中，所述在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息，包括：

基于温度传感器测量轧辊的温度数据；

基于压力传感器测量油气管路液压供给数据；

基于位移传感器测量轧机主轴运行过程中的位移量数据；

基于振动传感器测量轧机X、Y、Z三轴的振动数据；

根据温度数据、油气管路液压供给数据、位移量数据和振动数据监控轧机轧辊设备的状态，并且采集轧机轧辊设备的基本生产环境及状态信息。

在本申请的一些实施例中，所述所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号，包括：

基于工业级传感器数据采集终端对所采集到的轧机轧辊设备的基本生产环境及状态信息进行信号转化；

将基本生产环境及状态信息转化为数字信号，并根据数字信号在物联网中进行输送。

在本申请的一些实施例中，所述将数字信号传输至物联网云平台或本地服务器，包括：

获取数字信号；

物联网云平台或本地服务器基于阿里云物联网平台进行搭载；

将数字信号基于MQTT协议/4G网络上传至阿里云物联网平台或本地服务器。

在本申请的一些实施例中，所述基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警，包括：

物联网云平台或本地服务器收集到的数字信号；

根据数字信号遍历对应的学习实体的行为、对历史数据；

基于机器学习和人工智能方法分析数字信号、学习实体的行为、历史数据；

针对数字信号、学习实体的行为、历史数据进行异常监测；

根据历史数据对未来进行预测，以对异常状态进行预警。

在本申请的一些实施例中，所述方法还包括：

机器学习和人工智能方法可采用基于Transformer网络的时间序列异常检测与预测模型；

Transformer网络能够利用分布式GPU进行并行计算。

在本申请的一些实施例中，所述方法还包括：

采用Transformer的改进版本Autoformer网络架构为基础的，时间序列会首先输入到一个一维卷积中，利用卷积提取每个节点周围的信息，然后再使用多头注意力机制学习节点之间的关系。

在本申请的一些实施例中，所述将预警信息实时展现给管理人员和决策人员，包括：

将异常与预警信息实时展现给管理人员和决策人员；

由管理人员和决策人员及时将异常信息汇总集中、整理、分类、整合成终判依据，并将预警信息实时展现给管理人员和决策人员。

根据本申请实施例的一个方面，提供了一种基于物联网的轧机轧辊状态智能监测系统，包括：

获取模块，用于在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息；

采集模块，用于所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号；

传输模块，用于将数字信号传输至物联网云平台或本地服务器；

预警模块，用于基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警；

展现模块，用于将预警信息实时展现给管理人员和决策人员。

根据本申请实施例的一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述实施例中所述的基于物联网的轧机轧辊状态智能监测方法。

根据本申请实施例的一个方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中所述的基于物联网的轧机轧辊状态智能监测方法。

根据本申请实施例的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中提供的基于物联网的轧机轧辊状态智能监测方法。

在本申请的一些实施例所提供的技术方案中，在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息；所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号；将数字信号传输至物联网云平台或本地服务器；基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警；将预警信息实时展现给管理人员和决策人员，其中，通过多个不同类型的传感器对轧机轧辊设备进行数据采集，并且输出轧机轧辊设备的基本生产环境及状态信息，以便于将轧机轧辊设备的基本生产环境及状态信息转化数字信号，并根据数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警，从而实现对轧机轧辊状态的智能监测，并且及时对异常状态进行预警，保证了基于物联网对轧机轧辊状态的智能监测，避免了工业制造系统异常问题无法及时监测和预警而导致的时间和经济上的损失。

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，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示出了根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测方法的流程示意图；

图2示出了图1中S110的流程示意图；

图3示出了图1中S120的流程示意图；

图4示出了图1中S130的流程示意图；

图5示出了图1中S140的流程示意图；

图6示出了图1中S150的流程示意图；

图7示出了根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测方法的装置示意图；

图8示出了根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测系统的框图；

图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本申请将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。

此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。

附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1示出了根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测方法的流程示意图。该方法可以应用于轧机中。

请参考图1至图7，该基于物联网的轧机轧辊状态智能监测方法至少包括步骤S110至步骤S150，详细介绍如下(以下以该方法应用于终端设备为例进行说明)：

在步骤S110中，在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息。

具体的步骤如下：

步骤S111、基于温度传感器测量轧辊的温度数据；

步骤S112、基于压力传感器测量油气管路液压供给数据；

步骤S113、基于位移传感器测量轧机主轴运行过程中的位移量数据；

步骤S114、基于振动传感器测量轧机X、Y、Z三轴的振动数据；

步骤S115、根据温度数据、油气管路液压供给数据、位移量数据和振动数据监控轧机轧辊设备的状态，并且采集轧机轧辊设备的基本生产环境及状态信息；

其中，在工厂里的各轧机轧辊设备设置工业传感器模块、传感器数据采集终端和传感器数据上传终端，并且所述工业传感器模块包括温度传感器、压力传感器、位移传感器、振动传感器，安装于轧机设备相应位置，用于初步采集设备的基本信息。温度传感器用于测量轧辊的温度变化范围，非接触式安装到轧辊一侧；压力传感器用于测量油气管路液压供给是否正常，安装方式为并联到输油管路和输气管路；位移传感器采用超声波测距仪用于测量轧机主轴运行过程中的位移量，安装位置和被测物垂直，螺钉安装或者黏贴安装；振动传感器用于测量轧机X、Y、Z三轴的振动速度和振动位移数据，螺纹安装于轧机底座附件；

此时，基于温度传感器测量轧辊的温度数据；基于压力传感器测量油气管路液压供给数据；基于位移传感器测量轧机主轴运行过程中的位移量数据；基于振动传感器测量轧机X、Y、Z三轴的振动数据，以便于根据温度数据、油气管路液压供给数据、位移量数据和振动数据监控轧机轧辊设备的状态，通过多个传感器的不同类型的数据对工厂里的各轧机轧辊设备进行状态监控，并且在适用各轧机轧辊设备的不同应用场景，以便于采集轧机轧辊设备的基本生产环境及状态信息。

在步骤S120中，所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号。

具体的步骤如下：

步骤S121、基于工业级传感器数据采集终端对所采集到的轧机轧辊设备的基本生产环境及状态信息进行信号转化；

步骤S122、将基本生产环境及状态信息转化为数字信号，并根据数字信号在物联网中进行输送。

其中，基于工业级传感器数据采集终端对所采集到的轧机轧辊设备的基本生产环境及状态信息进行信号转化，并且将基本生产环境及状态信息转化为数字信号，此时，所述传感器数据采集终端在每套设备上配备一个工业级传感器数据采集装置，用于采集传感器的信息并转化为数字信号，所述传感器数据上传终端在每套设备上配备一个工业级传感器数据上传装置，负责采集传感器的信息上传至云平台服务器，以便于根据数字信号在物联网中进行输送，从而保证基本生产环境及状态信息进行稳定的输送，并且进行后续的具体分析。

在步骤S130中，将数字信号传输至物联网云平台或本地服务器。

具体的步骤如下：

步骤S131、获取数字信号；

步骤S132、物联网云平台或本地服务器基于阿里云物联网平台进行搭载。

步骤S133、将数字信号基于MQTT协议/4G网络上传至阿里云物联网平台或本地服务器。

其中，物联网云平台或本地服务器基于阿里云物联网平台进行搭载，并且对数字信号进行输送，以便于将数字信号基于MQTT协议/4G网络上传至阿里云物联网平台或本地服务器，从而保证了数字信号的稳定输送，此时，所述基于深度学习的智能化数据分析模块包括云平台服务器和数据分析平台；其中，云平台服务器基于阿里云物联网平台，提供数据的存储，及时查看，历史数据回顾。各个设备的传感器数据将通过MQTT协议/4G网络上传至阿里云物联网平台；数据分析平台搭建在企业服务器上实时获取数据并做算法分析预测。

在步骤S140中，基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警。

具体的步骤如下：

步骤S141、物联网云平台或本地服务器收集到的数字信号；

步骤S142、根据数字信号遍历对应的学习实体的行为、对历史数据；

步骤S143、基于机器学习和人工智能方法分析数字信号、学习实体的行为、历史数据；

步骤S144、针对数字信号、学习实体的行为、历史数据进行异常监测；

步骤S145、根据历史数据对未来进行预测，以对异常状态进行预警；

其中，根据数字信号遍历对应的学习实体的行为、对历史数据，以便于根据数字信号、学习实体的行为、历史数据进行具体的分析，此时，基于机器学习和人工智能方法分析数字信号、学习实体的行为、历史数据；针对数字信号、学习实体的行为、历史数据进行异常监测；根据历史数据对未来进行预测，以对异常状态进行预警。

另外，机器学习和人工智能方法可采用基于Transformer网络的时间序列异常检测与预测模型；Transformer网络能够利用分布式GPU进行并行计算。其中，采用Transformer的改进版本Autoformer网络架构为基础的，时间序列会首先输入到一个一维卷积中，利用卷积提取每个节点周围的信息，然后再使用多头注意力机制学习节点之间的关系。

具体的，所述机器学习和人工智能方法可采用基于Transformer网络的时间序列异常检测与预测模型。相比之前占领市场的LSTM和GRU模型，Transformer有两个显著的优势：(1)Transformer能够利用分布式GPU进行并行计算，提升模型训练效率；(2)在分析预测更长的文本时，捕捉间隔较长的语义关联效果更好。工业时间序列具有高耦合，采样时间间隔小，对具体设备物理特性具有依赖等特点。针对工业时间序列的特性，本专利实施例拟采用Transformer的改进版本Autoformer网络架构为基础的，时间序列会首先输入到一个一维卷积中，利用卷积提取每个节点周围的信息，然后再使用多头注意力机制学习节点之间的关系。这样就能让Attention不仅考虑每个点的值，也能考虑每个点的上下文信息，将具有相似形状的区域建立起联系，以期望可以有效提升工业时间序列异常检测和未来预测的性能。

在步骤S150中，将预警信息实时展现给管理人员和决策人员。

具体的步骤如下：

步骤S151、将异常与预警信息实时展现给管理人员和决策人员；

步骤S152、由管理人员和决策人员及时将异常信息汇总集中、整理、分类、整合成终判依据，并将预警信息实时展现给管理人员和决策人员。

此时，将异常与预警信息实时展现给管理人员和决策人员，由管理人员和决策人员及时将异常信息汇总集中、整理、分类、整合成终判依据，以避免工业制造系统异常问题无法及时监测和预警而导致的时间和经济上的损失。

在本申请的一些实施例所提供的技术方案中，在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息；所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号；将数字信号传输至物联网云平台或本地服务器；基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警；将预警信息实时展现给管理人员和决策人员，其中，通过多个不同类型的传感器对轧机轧辊设备进行数据采集，并且输出轧机轧辊设备的基本生产环境及状态信息，以便于将轧机轧辊设备的基本生产环境及状态信息转化数字信号，并根据数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警，从而实现对轧机轧辊状态的智能监测，并且及时对异常状态进行预警，保证了基于物联网对轧机轧辊状态的智能监测，避免了工业制造系统异常问题无法及时监测和预警而导致的时间和经济上的损失。

以下介绍本申请的装置实施例，可以用于执行本申请上述实施例中的基于物联网的轧机轧辊状态智能监测方法。对于本申请装置实施例中未披露的细节，请参照本申请上述的基于物联网的轧机轧辊状态智能监测方法的实施例。

图8示出了根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测系统的框图。

参照图8所示，根据本申请的一个实施例的基于物联网的轧机轧辊状态智能监测系统，包括：

获取模块210，用于在工厂里的各轧机轧辊设备上安装温度传感器、压力传感器、位移传感器、振动传感器，并采集轧机轧辊设备的基本生产环境及状态信息；

采集模块220，用于所采集到的轧机轧辊设备的基本生产环境及状态信息通过工业级传感器数据采集终端将信号转化为数字信号；

传输模块230，用于将数字信号传输至物联网云平台或本地服务器；

预警模块240，用于基于机器学习和人工智能方法分析物联网云平台或本地服务器收集到的数字信号、学习实体的行为、对历史数据进行异常监测以及根据历史数据对未来进行预测，以对异常状态进行预警；

展现模块250，用于将预警信息实时展现给管理人员和决策人员。

在本申请的一个实施例中，还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前述实施例所述的基于物联网的轧机轧辊状态智能监测方法。

在一示例中，图9示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图9示出的电子设备的计算机系统仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统包括中央处理单元(Central Processing Unit，CPU)301(即如前所述的处理器)，其可以根据存储在只读存储器(Read-Only Memory，ROM)302中的程序或者从储存部分308加载到随机访问存储器(Random Access Memory，RAM)303中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。应该理解的，RAM303和ROM302即如前所述的存储装置。在RAM 303中，还存储有系统操作所需的各种程序和数据。CPU 301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(Input/Output，I/O)接口305也连接至总线304。

以下部件连接至I/O接口305：包括键盘、鼠标等的输入部分306；包括诸如阴极射线管(Cathode Ray Tube，CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分307；包括硬盘等的储存部分308；以及包括诸如LAN(Local Area Network，局域网)卡、调制解调器等的网络接口卡的通信部分309。通信部分309经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器310上，以便于从其上读出的计算机程序根据需要被安装入储存部分308。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分309从网络上被下载和安装，和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或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，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。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。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现，所描述的单元也可以设置在处理器中。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该电子设备执行时，使得该电子设备实现上述实施例中所述的方法。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本申请实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的实施方式后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。