基于数据分析的印刷机设备生产过程监测管理系统

技术领域

本发明涉及印刷过程监测领域，更具体地说，本发明涉及基于数据分析的印刷机设备生产过程监测管理系统。

背景技术

印刷设备是指用于印刷各类纸张、纺织品、金属板等材料的机械设备，包括平版印刷机、胶印机、柔性版印刷机等。在印刷工业中，生产过程的监测至关重要。首先，印刷设备通常需要在高速运转和高频率操作下完成印刷任务，因此生产过程中可能存在各种隐患和异常，如机械磨损、墨水供给不均等，这些问题可能导致产品质量下降或设备损坏。通过对生产过程进行监测，可以及时发现和解决这些问题，提高生产效率和产品质量。其次，印刷产品通常具有较高的质量要求，如印刷精度、颜色一致性等，而生产过程中的微小变化都可能对产品质量产生影响。因此，监测生产过程可以帮助及时调整设备参数，保证产品质量的稳定性和一致性。综上所述，对印刷设备生产过程进行监测是确保生产质量和设备稳定运行的重要手段。

现有印刷机设备的生产过程监测存在一些不足之处。首先，目前通常只依赖于单方面的分析，主要集中在日志或监测数据上，缺乏对两者数据同步异常程度的综合考量。这导致无法全面评估印刷设备的状态自反馈异常情况，限制了对生产过程的全面理解。其次，当前监测系统在处理生产过程中的潜在问题时，未优先考虑最关键部件的异常情况。这可能引发错误的诊断和处理，延误问题的解决时机，从而影响设备的稳定运行和产品质量。

为了解决上述问题，现提供一种技术方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供基于数据分析的印刷机设备生产过程监测管理系统，通过对设备运行日志和监测数据的对齐、预处理和异常检测，确保数据质量，准确识别和标记异常事件，进而揭示异常事件之间的关联性和时序关系。通过评估自检与监测数据之间的一致性，发现设备诊断能力与监测数据之间的不一致情况，警示设备自反馈的可靠性和稳定性情况。并进一步根据监测数据提取关键特征，分析主要部件的可控情况，计算印刷过程隐患系数，及时识别生产风险和质量隐患。结合运行日志和监测数据的差异，深入分析自检故障与主要部件异常的关联性，准确判断印刷设备的生产异常情况，以保障生产质量和设备稳定运行，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：包括数据采集模块、对齐验证模块、异常判断模块、关键特征提取模块和异常综合判定模块；

数据采集模块通过管理平台获取印刷机设备的运行日志，并利用传感器实时监测生产过程数据，将获取的数据发送至对齐验证模块；

对齐验证模块对设备运行日志和监测数据进行时间对齐，并进行预处理和异常检测，以验证自检与监测之间的一致性，识别异常情况，将识别结果发送至异常判断模块；

异常判断模块根据异常情况判断是否需要进行进一步分析，将判断结果发送至关键特征提取模块；

关键特征提取模块在获得确认结果后，从监测数据中提取关键特征，综合分析印刷机设备主要部件生产过程的可控情况，将可控情况发送至异常综合判定模块；

异常综合判定模块综合考虑异常监测和印刷机设备主要部件生产情况，判断自检故障与主要部件异常是否相关，最终确定印刷设备的生产异常情况。

在一个优选的实施方式中，对齐验证模块包括以下内容：

步骤S2-11，将设备运行日志和监测数据按照时间对齐后，对数据进行预处理；

步骤S2-12，通过异常检测算法，从监测数据中提取出异常数据以及对应时间点；

步骤S2-13，对标记为异常的运行日志和监测数据进行统计，分别标记为异常日志和异常数据，针对异常日志和异常数据中的每个异常事件，检查是否存在对应的异常对，若某个异常数据的时间点与异常日志中的事件时间之差在设定的阈值区间内，则认定存在匹配关系，形成异常对，随后，根据异常对的获取时间进行排序，生成第一排序表；

步骤S2-14，计算每个异常对之间的相关系数，在排序过程中，比较相邻的异常对的相关系数差值，若差值大于或等于设定的排序分类标准值，则重新调整排序位置，直至所有异常对的排序完成，形成第二排序表；

步骤S2-15，比较每个异常对在第一排序表和第二排序表中的排序位置，计算每个异常对的排序差异性，将每个异常对的排序差异性平方，并求和得到总和，利用总和计算Spearman等级相关系数。

在一个优选的实施方式中，异常判断模块包括以下内容：

将Spearman等级相关系数的绝对值和分类阈值进行比较；

若Spearman等级相关系数的绝对值大于或等于分类阈值，生成监测一致信号；反之，若Spearman等级相关系数的绝对值小于分类阈值，生成监测不一致信号。

在一个优选的实施方式中，关键特征提取模块包括以下内容：

在获得监测不一致信号后，表示印刷机设备和监测传感器之间的监测结果有出入，需要进一步明确印刷生产过程的问题，基于传感器监测到的数据，提取关键特征，获得墨辊压力时空分布指数、套印精度无序扩张指数和油墨传递一致性指数。

在一个优选的实施方式中，墨辊压力时空分布指数的获取过程为：

步骤一，将墨辊划分为多个单位位置，对于墨辊的每个位置，在额定时间段内采集压力传感器数据；

步骤二，对于每个位置的压力数据，找到其中的峰值和谷值；

步骤三，将每个位置的压力峰值和谷值记录下来，形成峰数据集和谷数据集；

步骤四，对峰数据集和谷数据集进行合并，形成一个完整的数据集；

计算所有位置的压力峰值和所有位置的压力谷值的平均值，用压力峰值的最大值减去压力谷值的最小值，并将结果除以压力峰值的平均值减去压力谷值的平均值，得到计算结果值，统计所有墨辊的计算结果值，选取其中最小的计算结果值标记为墨辊压力时空分布指数。

在一个优选的实施方式中，套印精度无序扩张指数的获取过程如下：

步骤一，收集每次印刷作业中的套印误差值，记录为

步骤二，对于相邻的套印误差值

步骤三，利用线性拟合，对误差距离随时间变化的数据进行趋势线拟合，拟合后得到的趋势线方程表示了误差距离随时间变化的趋势；

步骤四，将线性拟合后的斜率标记为套印精度无序扩张指数。

在一个优选的实施方式中，油墨传递一致性指数的获取过程为：

步骤一，收集油墨传递过程中的关键参数数据；

步骤二，对于每次油墨传递过程，将关键参数数据转换为特征向量表示；

步骤三，利用特征向量之间的相似度计算方法，对每次传递过程之间的相似度进行计算；

步骤四，基于相似度计算结果，使用聚类算法将传递过程进行聚类；

步骤五，根据聚类结果，使用簇间相似度的均值除以簇内差异度的均值得到油墨传递一致性指数。

在一个优选的实施方式中，将墨辊压力时空分布指数、套印精度无序扩张指数和油墨传递一致性指数无量纲化后归一化处理计算得出印刷过程隐患系数；

将印刷过程隐患系数和隐患阈值进行比较，如果印刷过程隐患系数大于或等于隐患阈值，生成预警信号；反之，如果印刷过程隐患系数小于隐患阈值，生成可靠信号。

在一个优选的实施方式中，异常综合判定模块包括以下内容：

若同时获得监测不一致信号和预警信号，生成高等级维护信号；而若同时获得监测不一致信号和可靠信号，生成次等级维护信号。

本发明基于数据分析的印刷机设备生产过程监测管理系统的技术效果和优点：

1.本发明首先，通过对齐设备运行日志和监测数据，并对数据进行预处理，可以确保数据质量，为后续分析提供可靠的基础。其次，通过异常检测算法提取出监测数据中的异常确切时间点，实现了对异常事件的准确识别和标记。接着，对标记为异常的运行日志和监测数据进行统计和匹配，形成异常对，并进行排序，进一步揭示了异常事件之间的关联性和时序关系。最后，通过计算Spearman等级相关系数，评估了印刷机设备的自检与传感器监测之间的一致性，从而能够及时发现设备诊断能力与监测数据之间的不一致情况，为设备运行隐匿问题提供寻找方向。有助于提高印刷机设备自反馈的可靠性和稳定性。

2.本发明在明确运行日志和监测数据之间的不一致情况后，依据监测数据提取关键特征，深入分析印刷机设备的主要部件的可控情况，通过综合关键特征数据计算得出印刷过程隐患系数，以便于能够及时识别可能的生产风险和质量隐患。此外结合运行日志和监测数据的差异，深入分析自检故障与主要部件异常之间的关联性，进而准确判断印刷设备的生产异常情况，从而确保全面而准确地识别印刷设备生产过程中存在的任何异常情况，以便及时采取必要的措施进行修复和调整，保障生产质量和设备稳定运行。

附图说明

图1为本发明基于数据分析的印刷机设备生产过程监测管理系统的结构示意图；

图2为本发明基于数据分析的印刷机设备生产过程监测管理系统的对齐验证模块的流程示意图。

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、完整的描述，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。

实施例1

图1给出了本发明基于数据分析的印刷机设备生产过程监测管理系统，包括数据采集模块、对齐验证模块、异常判断模块、关键特征提取模块和异常综合判定模块；

数据采集模块通过管理平台获取印刷机设备的运行日志，并利用传感器实时监测生产过程数据，将获取的数据发送至对齐验证模块；

对齐验证模块对设备运行日志和监测数据进行时间对齐，并进行预处理和异常检测，以验证自检与监测之间的一致性，识别异常情况，将识别结果发送至异常判断模块；

异常判断模块根据异常情况判断是否需要进行进一步分析，将判断结果发送至关键特征提取模块；

关键特征提取模块在获得确认结果后，从监测数据中提取关键特征，综合分析印刷机设备主要部件生产过程的可控情况，将可控情况发送至异常综合判定模块；

异常综合判定模块综合考虑异常监测和印刷机设备主要部件生产情况，判断自检故障与主要部件异常是否相关，最终确定印刷设备的生产异常情况。

数据采集模块包括以下内容：

步骤S1-11，从印刷机管理平台中获取设备运行日志，记录设备在生产过程中的各种操作、状态和事件信息；

步骤S1-12，利用传感器实时监测印刷机的运行状态和生产过程中的关键参数，如温度、压力、速度等；

步骤S1-13，根据设备运行日志中记录的操作和事件，首先将其按照时间顺序划分为不同的步骤，例如准备阶段、印刷阶段、清洗阶段等。接下来，根据印刷机生产流程的步骤，将实时监测数据与相应的步骤进行对应和整理，这个过程包括将监测数据按照时间和监测对象对齐到各个步骤。具体来说，需要确保监测数据与设备运行日志中记录的操作和事件在时间上对应，并且将不同监测对象（如温度、压力、速度等）的数据与相应的步骤关联起来。这样的对齐过程可以帮助更好地理解每个步骤中各种监测数据的变化情况，为后续的数据分析和监测提供准确的基础。

分析印刷机系统的运行日志与传感器监测数据之间的关系是为了确保印刷机设备的稳定运行。通过比较运行日志和传感器监测数据，可以评估印刷机设备的自检能力与传感器监测的准确性之间的一致性，发现异常或故障的迹象，及时采取预防或修复措施。这样做的必要性在于能够提高印刷机设备的可靠性和生产效率，减少生产中断和质量问题，从而保障印刷品的稳定品质，提升生产效率和客户满意度。

如图2所示，对齐验证模块包括以下内容：

步骤S2-11，将设备运行日志和监测数据按照时间对齐后，对数据进行预处理，如去除缺失值、平滑处理等，以确保数据质量。

步骤S2-12，通过异常检测算法，从监测数据中提取出异常数据以及对应时间点；

假设要检测温度监测数据中的异常确切时间点：

首先，计算监测数据的平均值和标准差：

对于每个数据点，计算其Z-score值；

如果Z-score的绝对值大于异常阈值，则将其对应的获取时间点标记为异常确切时间点。

步骤S2-13，对标记为异常的运行日志和监测数据进行统计，分别标记为异常日志和异常数据，针对异常日志和异常数据中的每个异常事件，检查是否存在对应的异常对，若某个异常数据的时间点与异常日志中的事件时间之差在设定的阈值区间内，则认定存在匹配关系，形成异常对，随后，根据异常对的获取时间进行排序，生成第一排序表；

步骤S2-14，计算每个异常对之间的相关系数，在排序过程中，比较相邻的异常对的相关系数差值，若差值大于或等于设定的排序分类标准值，则重新调整排序位置，直至所有异常对的排序完成，形成第二排序表；

步骤S2-15，比较每个异常对在第一排序表和第二排序表中的排序位置，每个异常对的排序差异性，将每个异常对的排序差异性平方，并求和得到总和，利用总和计算Spearman等级相关系数。

绝对值较小的Spearman等级相关系数暗示着印刷机设备的自检与传感器监测之间存在检查出入较大的情况。具体而言，印刷机设备的自检结果和传感器监测数据的排序顺序之间的一致性较低，即它们检测到的异常事件或运行状态的排序关系差异较大。这表明印刷机设备自身的诊断能力与传感器监测的结果之间存在不一致，或者传感器监测数据无法完全反映印刷机设备的实际状态。这种情况下，需要进一步分析和调查，以确定造成检查出入较大的原因，并采取相应的措施进行修复或调整，以确保印刷机设备的正常运行和生产质量。

异常判断模块包括以下内容：

将Spearman等级相关系数的绝对值和分类阈值进行比较；

若Spearman等级相关系数的绝对值大于或等于分类阈值，则表示印刷机设备的自检与传感器监测之间存在较高程度的一致性，即它们检测到的异常事件或运行状态的排序关系较为一致。这表明印刷机设备自身的诊断能力与传感器监测的结果之间存在较好的一致性，传感器监测数据能够较准确地反映印刷机设备的实际状态，生成监测一致信号。

反之，若Spearman等级相关系数的绝对值小于分类阈值，则表示印刷机设备的自检与传感器监测之间存在较低程度的一致性，即它们检测到的异常事件或运行状态的排序关系差异较大。这可能暗示着印刷机设备自身的诊断能力与传感器监测的结果之间存在不一致，或者传感器监测数据无法完全反映印刷机设备的实际状态，生成监测不一致信号。

本发明首先，通过对齐设备运行日志和监测数据，并对数据进行预处理，可以确保数据质量，为后续分析提供可靠的基础。其次，通过异常检测算法提取出监测数据中的异常确切时间点，实现了对异常事件的准确识别和标记。接着，对标记为异常的运行日志和监测数据进行统计和匹配，形成异常对，并进行排序，进一步揭示了异常事件之间的关联性和时序关系。最后，通过计算Spearman等级相关系数，评估了印刷机设备的自检与传感器监测之间的一致性，从而能够及时发现设备诊断能力与监测数据之间的不一致情况，为设备运行隐匿问题提供寻找方向。有助于提高印刷机设备自反馈的可靠性和稳定性。

关键特征提取模块包括以下内容：

在获得监测不一致信号后，说明印刷机设备和监测传感器之间的监测结果有出入，需要进一步明确印刷生产过程的问题，基于传感器监测到的数据，提取关键特征，获得墨辊压力时空分布指数、套印精度无序扩张指数和油墨传递一致性指数。

通过获取墨辊压力分布指数、套印精度指数和油墨传递一致性指数，可以进一步明确印刷机设备生产过程的主要问题。墨辊压力分布指数可以帮助评估墨辊系统的均匀性和稳定性，从而揭示墨辊调整或磨损不均匀等问题；套印精度指数可以反映印刷品的定位准确性，揭示套印系统的精度问题，如机械部件磨损或调整不当等；油墨传递一致性指数则可以评估油墨供给和墨辊系统的稳定性，反映油墨传递的均匀性和稳定性，进而揭示油墨供给不均或墨辊磨损等问题。通过这些指数的综合分析，可以全面了解印刷机设备生产过程中可能存在的问题，从而有针对性地进行调整和改进，提高印刷品的质量和生产效率。

墨辊压力时空分布指数的获取过程为：

步骤一，将墨辊划分为多个单位位置，对于墨辊的每个位置，在额定时间段内采集压力传感器数据；

步骤二，对于每个位置的压力数据，找到其中的峰值和谷值；

步骤三，将每个位置的压力峰值和谷值记录下来，形成峰数据集和谷数据集；

步骤四，对峰数据集和谷数据集进行合并，形成一个完整的数据集；

计算所有位置的压力峰值和所有位置的压力谷值的平均值，用压力峰值的最大值减去压力谷值的最小值，并将结果除以压力峰值的平均值减去压力谷值的平均值，得到计算结果值，统计所有墨辊的计算结果值，选取其中最小的计算结果值标记为墨辊压力时空分布指数。

墨辊压力时空分布指数用于表示墨辊在时间和空间上压力分布的稳定性和均匀性。指数越大表示墨辊压力分布的波动范围相对较小，压力分布相对稳定且均匀；而指数越小则表示墨辊压力分布的波动范围较大，压力分布不稳定且不均匀。因此，通过这个指数可以评估墨辊系统的工作状态和性能，进而指导调整和优化印刷生产过程，提高印刷品质量和生产效率。

套印精度无序扩张指数的获取过程如下：

步骤一，收集每次印刷作业中的套印误差值，记录为

步骤二，对于相邻的套印误差值

步骤三，利用线性拟合，对误差距离随时间变化的数据进行趋势线拟合，拟合后得到的趋势线方程表示了误差距离随时间变化的趋势；

步骤四，将线性拟合后的斜率标记为套印精度无序扩张指数。

套印精度无序扩张指数用于表示套印误差随时间的变化趋势。具体而言，该指数通过线性拟合得到的斜率来衡量套印误差的变化速度，从而反映了套印精度的无序扩张程度。若套印精度无序扩张指数越大，则表示套印误差随时间呈现出更快的增长趋势，套印精度的不稳定性和无序性更高；反之，若套印精度无序扩张指数越小，则表示套印误差的增长速度较慢，套印精度的稳定性和一致性较好。因此，通过套印精度无序扩张指数的大小，可以评估套印过程的稳定性和精度变化情况，进而指导调整和优化印刷机设备的运行参数，提高印刷品质量和生产效率。

油墨传递一致性指数的获取过程为：

步骤一，收集油墨传递过程中的关键参数数据，如油墨厚度、颜色浓度、油墨粘度、油墨流速、油墨温度、印刷速度和油墨湿度等；

油墨厚度：油墨传递过程中油墨的平均厚度，以毫米或微米为单位。

颜色浓度：油墨的颜色深浅程度或浓度，可以用百分比表示。

油墨粘度：油墨的黏度指数，描述油墨的流动性，通常以厘泊（cP）或其他适当的单位表示。

油墨流速：油墨在传递过程中的流动速度，以毫米/秒或其他适当的单位表示。

油墨温度：油墨的温度，以摄氏度或华氏度表示。

印刷速度：印刷过程中的速度，即印刷机的工作速度，以页/分钟或其他适当的单位表示。

油墨湿度：油墨中的水分含量，以百分比表示。

步骤二，对于每次油墨传递过程，将关键参数数据转换为特征向量表示；

步骤三，利用特征向量之间的相似度计算方法，如余弦相似度或者欧氏距离等，对每次传递过程之间的相似度进行计算；

步骤四，基于相似度计算结果，使用聚类算法将传递过程进行聚类。包括K均值聚类、层次聚类等，基于预先选择的聚类数目，将传递过程划分为若干个簇；

步骤五，根据聚类结果，使用簇间相似度的均值除以簇内差异度的均值得到油墨传递一致性指数。

油墨传递一致性指数用于表示每次油墨传递过程的稳定性和一致性。通过收集油墨传递过程中的关键参数数据，并将其转换为特征向量表示，可以量化描述每次传递过程之间的相似度。通过相似度计算和聚类分析，可以将传递过程分组为若干个簇，每个簇代表了具有相似特征的传递过程集合。油墨传递一致性指数是根据这些簇的特征而计算得出的，它反映了整个油墨传递过程的一致性程度。当油墨传递一致性指数较大时，表示传递过程之间的一致性较高，油墨传递过程比较稳定；反之，当油墨传递一致性指数较小时，表示传递过程之间的一致性较低，油墨传递过程存在较大的不稳定性和波动性。

将墨辊压力时空分布指数、套印精度无序扩张指数和油墨传递一致性指数无量纲化后归一化处理计算得出印刷过程隐患系数，例如，可以采用以下计算公式得出：

其中，

印刷过程隐患系数表示印刷机生产过程中存在潜在故障和质量问题的程度。随着印刷过程隐患系数的增加，意味着印刷机生产过程中的潜在故障和质量问题越严重，生产过程的稳定性和可靠性越低。相反，随着印刷过程隐患系数的减小，表示印刷机生产过程中的潜在故障和质量问题越少，生产过程的稳定性和可靠性越高。因此，印刷过程隐患系数越小越好，而越大则表示存在较大的生产风险和质量隐患。

将印刷过程隐患系数和隐患阈值进行比较，如果印刷过程隐患系数大于或等于隐患阈值，表示印刷机生产过程中主要部件存在严重的潜在故障和质量问题，超出了预先设定的安全范围，需要引起重视并采取相应措施进行调整和修复，生成预警信号；反之，如果印刷过程隐患系数小于隐患阈值，则表示印刷机生产过程中主要部件的潜在故障和质量问题处于可接受的范围内，生产过程相对稳定和可靠，生成可靠信号。

异常综合判定模块包括以下内容：

若同时获得监测不一致信号和预警信号，这意味着在印刷机设备的生产过程中，自检故障和主要部件运行异常的风险是同步发生的。换句话说，监测数据不一致与主要部件的异常信号出现在同一时间段内，这表明设备运行受到主要部件异常的直接影响，存在较高的风险和不稳定性，需要立即采取措施进行修复或调整，以避免可能的立马生产故障和质量问题，生成高等级维护信号。

而若同时获得监测不一致信号和可靠信号，则意味着在印刷机设备的生产过程中，自检故障和主要部件运行异常的风险是异步发生的。这表明监测数据不一致与设备的可靠性信号出现在不同的时间段内，设备运行的异常主要是由非主要部件的运行异常导致的。在这种情况下，需要进一步分析非主要部件的异常情况，以确定造成异常的根本原因，并采取相应的措施加以解决，以确保设备的稳定运行和生产质量，生成次等级维护信号。

本发明在明确运行日志和监测数据之间的不一致情况后，依据监测数据提取关键特征，深入分析印刷机设备的主要部件的可控情况，通过综合关键特征数据计算得出印刷过程隐患系数，以便于能够及时识别可能的生产风险和质量隐患。此外结合运行日志和监测数据的差异，深入分析自检故障与主要部件异常之间的关联性，进而准确判断印刷设备的生产异常情况，从而确保全面而准确地识别印刷设备生产过程中存在的任何异常情况，以便及时采取必要的措施进行修复和调整，保障生产质量和设备稳定运行。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD），或者半导体介质。半导体介质可以是固态硬盘。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和装置，可以通过其他的方式实现。例如，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，仅仅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，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

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网络单元上。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。

另外，在本申请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。

所述功能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，本申请的技术方案本质上或者说对现有技术作出贡献的部分或者该技术方案的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（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-onlymemory，ROM）、随机存取存储器（randomaccessmemory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，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。