方向盘控制方法、装置、设备及存储介质

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种方向盘控制方法、装置、设备及存储介质。

背景技术

方向盘闭环控制是自动驾驶、辅助驾驶系统中不可缺少的一环，其控制性能直接影响到车辆的横向控制以及轨迹跟踪的性能。由于被控对象(方向盘)存在非常强的非线性，比如不同路况下轮胎与地面摩擦力存在较大区别，因此一般做法是建立一系列相关量到方向盘扭矩的映射表格，如速度到扭矩的映射表格、方向盘角度到扭矩的映射表格、方向盘角速度到扭矩的映射表格等，基于这些映射表格即可对方向盘进行自动控制。这些表格虽然带来了调试的灵活性，但是也大大增加了调试的工作量，且由于都是对扭矩做调整，并且各变量之间直接存在耦合关系，因而对调试人员的专业性和调试经验有比较高的要求，这种方式不仅运维成本高，同时还存在控制精度不高的问题。

发明内容

本发明的主要目的在于提供一种方向盘控制方法、装置、设备及存储介质，旨在解决如何在降低运维成本的同时提升控制精度的技术问题。

本发明第一方面提供了一种方向盘控制方法，所述方向盘控制方法包括：

构建方向盘角度到方向盘扭矩的逆向控制模型；

获取所述逆向控制模型的输入参数，所述输入参数包括当前时刻方向盘角度以及当前时刻期望方向盘角度；

将所述输入参数输入所述逆向控制模型进行处理，输出与当前时刻期望方向盘角度对应的当前时刻方向盘扭矩；

基于当前时刻方向盘扭矩，控制方向盘转动，并将转动后的方向盘角度作为下一轮方向盘控制的输入参数。

在本发明第一方面的第一种实现方式中，所述构建方向盘角度到方向盘扭矩的逆向控制模型包括：

构建方向盘扭矩到方向盘角度的正向关系模型及表征所述正向关系模型的第一数据集；

基于所述正向关系模型及所述第一数据集，构建方向盘角度到方向盘扭矩的逆向关系模型及表征所述逆向关系模型的第二数据集；

构建所述逆向关系模型的训练网络，并采用所述第二数据集对所述训练网络进行训练，得到方向盘角度到方向盘扭矩的逆向控制模型。

在本发明第一方面的第二种实现方式中，所述正向关系模型如下：

θ(k+1)＝f(v(k),θ(k-1),θ(k),τ(k))；

其中，f表示函数，v(k)表示第k时刻的车速，τ(k)表示第k时刻的方向盘扭矩，θ(k)、θ(k-1)分别对应表示第k时刻、第k-1时刻的方向盘角度，θ(k+1)表示第k+1时刻输出的方向盘角度。

在本发明第一方面的第三种实现方式中，采用以下方式构建表征所述正向关系模型的第一数据集：

在不同车速下，采用不同形式、不同频率的激励信号作为方向盘扭矩信号，分别对方向盘进行连续激励，并连续记录各时刻对应的车速、方向盘角度及方向盘扭矩，得到表征方向盘的正向关系模型的N组数据：

其中，x1表示正向关系模型的输入数据，y1表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在本发明第一方面的第四种实现方式中，所述逆向关系模型如下：

τ(k)＝g

所述第二数据集如下：

其中，g1表示函数，x2表示逆向关系模型的输入数据，y2表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在本发明第一方面的第五种实现方式中，所述逆向控制模型如下：

τ(k)＝g

其中，θ

τ(k)＝w

其中，w

在本发明第一方面的第六种实现方式中，所述方向盘控制方法还包括：

将当前时刻方向盘角度以及当前时刻期望方向盘角度输入自适应器重进行误差处理，输出当前时刻方向盘误差角度对应的方向盘微调扭矩；

基于当前时刻方向盘微调扭矩，对所述逆向控制模型输出的当前时刻方向盘扭矩进行修正；

所述基于当前时刻方向盘扭矩，控制方向盘转动包括：基于修正后的当前时刻方向盘扭矩，控制方向盘转动。

本发明第二方面提供一种方向盘控制装置，所述方向盘控制装置包括：

构建模块，用于构建方向盘角度到方向盘扭矩的逆向控制模型；

获取模块，用于获取所述逆向控制模型的输入参数，所述输入参数包括当前时刻方向盘角度以及当前时刻期望方向盘角度；

处理模块，用于将所述输入参数输入所述逆向控制模型进行处理，输出与当前时刻期望方向盘角度对应的当前时刻方向盘扭矩；

控制模块，用于基于当前时刻方向盘扭矩，控制方向盘转动，并将转动后的方向盘角度作为下一轮方向盘控制的输入参数。

在本发明第二方面的第一种实现方式中，所述构建模块具体用于：

构建方向盘扭矩到方向盘角度的正向关系模型及表征所述正向关系模型的第一数据集；

基于所述正向关系模型及所述第一数据集，构建方向盘角度到方向盘扭矩的逆向关系模型及表征所述逆向关系模型的第二数据集；

构建所述逆向关系模型的训练网络，并采用所述第二数据集对所述训练网络进行训练，得到方向盘角度到方向盘扭矩的逆向控制模型。

在本发明第二方面的第二种实现方式中，所述正向关系模型如下：

θ(k+1)＝f(v(k),θ(k-1),θ(k),τ(k))；

其中，f表示函数，v(k)表示第k时刻的车速，τ(k)表示第k时刻的方向盘扭矩，θ(k)、θ(k-1)分别对应表示第k时刻、第k-1时刻的方向盘角度，θ(k+1)表示第k+1时刻输出的方向盘角度。

在本发明第二方面的第三种实现方式中，采用以下方式构建表征所述正向关系模型的第一数据集：

在不同车速下，采用不同形式、不同频率的激励信号作为方向盘扭矩信号，分别对方向盘进行连续激励，并连续记录各时刻对应的车速、方向盘角度及方向盘扭矩，得到表征方向盘的正向关系模型的N组数据：

其中，x1表示正向关系模型的输入数据，y1表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在本发明第二方面的第四种实现方式中，所述逆向关系模型如下：

τ(k)＝g

所述第二数据集如下：

其中，g1表示函数，x2表示逆向关系模型的输入数据，y2表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在本发明第二方面的第五种实现方式中，所述逆向控制模型如下：

τ(k)＝g

其中，θ

τ(k)＝w

其中，w

在本发明第二方面的第六种实现方式中，所述方向盘控制装置还包括：

微调模块，用于将当前时刻方向盘角度以及当前时刻期望方向盘角度输入自适应器重进行误差处理，输出当前时刻方向盘误差角度对应的方向盘微调扭矩；基于当前时刻方向盘微调扭矩，对所述逆向控制模型输出的当前时刻方向盘扭矩进行修正；

所述控制模块还用于：基于修正后的当前时刻方向盘扭矩，控制方向盘转动。

本发明第三方面提供了一种计算机设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述计算机设备执行上述第一方面及其任一种实现方式的方向盘控制方法。

本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面及其任一种实现方式的方向盘控制方法。

本发明提供的技术方案中，提出了一种基于数据驱动的动态逆控制方法，通过构建方向盘角度到方向盘扭矩的逆向控制模型，从而将逆向控制模型当前时刻的输出数据作为方向盘当前时刻的输入数据，将方向盘当前时刻的输出数据作为逆向控制模型下一时刻的输入数据，进而实现对方向盘的闭环控制。本发明通过数据驱动的方式建立动态逆向控制模型，减小了人为建立各参数表的工作，进而大大降低了调参工作量。此外，本发明基于数据驱动的方向盘闭环控制方法还可以在性能上提高方向盘闭环控制精度，从而提升产品的整体性能。

附图说明

图1为本发明实施例中方向盘控制方法一实施例的流程示意图；

图2为本发明实施例中方向盘控制方法一实施例的实现原理示意图；

图3为本发明实施例中构建逆向控制模型一实施例的流程示意图；

图4为本发明实施例中方向盘控制方法另一实施例的实现原理示意图；

图5为本发明实施例中方向盘控制装置的一个实施例功能模块示意图

图6为本发明实施例中计算机设备的一个实施例示意图。

具体实施方式

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。

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”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

另外，为了更好地说明本发明，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本发明同样能够实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本发明的主旨。

方向盘闭环控制是自动驾驶、辅助驾驶系统中不可缺少的一环，其控制性能直接影响到车辆的横向控制以及轨迹跟踪的性能。由于被控对象存在非常强的非线性，因此一般做法是建立一系列相关量到方向盘扭矩的映射表格，如速度到扭矩的映射表格、方向盘角度到扭矩的映射表格、方向盘角速度到扭矩的映射表格等，每个表格的大小随着精度提升而扩大。基于这些映射表格即可对方向盘进行自动控制。这些表格虽然带来了调试的灵活性，但是也大大增加了调试的工作量，且由于都是对扭矩做调整，并且各变量之间直接存在耦合关系，因而对调试人员的专业性和调试经验有比较高的要求，这种方式不仅运维成本高，同时还存在控制精度不高的问题。针对上述问题，本申请提出了一种基于数据驱动的方向盘控制方法对方向盘进行闭环控制。

为便于理解，下面对本发明实施例的具体实现方式进行描述，请参阅图1，图1为本发明实施例中方向盘控制方法一实施例的流程示意图。本实施例中，方向盘控制方法包括：

101、构建方向盘角度到方向盘扭矩的逆向控制模型；

本实施例中，控制方向盘转动的输入参数为方向盘扭矩，方向盘转动后的输出参数为方向盘角度。为实现基于数据驱动的方向盘控制，因此构建了方向盘角度到方向盘扭矩的逆向控制模型。

如图2所示，将方向盘角度作为逆向控制模型的输入参数，而将方向盘扭矩作为逆向控制模型的输出参数，然后将逆向控制模型的输出参数作为控制方向盘转动的输入参数，而将方向盘转动后的输出参数作为下一次方向盘控制的输入参数，进而实现了对方向盘的闭环控制。

如图3所示，在一实施例中，采用以下方式构建逆向控制模型：

1011、构建方向盘扭矩到方向盘角度的正向关系模型及表征正向关系模型的第一数据集；

根据方向盘的输入、输出关系，构建方向盘扭矩到方向盘角度的正向关系模型，在一实施例中，正向关系模型如下：

θ(k+1)＝f(v(k),θ(k-1),θ(k),τ(k))；

其中，f表示函数，v(k)表示第k时刻的车速，τ(k)表示第k时刻的方向盘扭矩，θ(k)、θ(k-1)分别对应表示第k时刻、第k-1时刻的方向盘角度，θ(k+1)表示第k+1时刻输出的方向盘角度。

除正向关系模型外，本实施例还需要构建表征正向关系模型的第一数据集，在一实施例中，采用以下方式构建第一数据集：

在不同车速下，采用不同形式、不同频率的激励信号作为方向盘扭矩信号，分别对方向盘进行连续激励，并连续记录各时刻对应的车速、方向盘角度及方向盘扭矩，得到表征方向盘的正向关系模型的N组数据：

其中，x1表示正向关系模型的输入数据，y1表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

本实施例中，考虑到数据采样过程中存在多次分段采集的情况，因此需要对多段数据进行有效拼接，去除拼接出无效数据。例如在进行拼接时，第i段数据和第i+1段数据不是连续采集的，因此，第i段数据的最后一帧是无效数据，因此需要剔除。对于方向盘长时间不动作的数据，也应该剔除，避免长时间不动作时，方向盘角度、方向盘角速度测量有误差。总之，数据形式上不满足正向关系模型，或者状态测量存在误差、噪声的数据都应该剔除。此外，进一步对方向盘扭矩、方向盘角度信号进行低通滤波，从而滤除高频噪声，避免噪声对后续网络训练造成影响，同时还对停车、超低速等情形下的异常信号进行滤除。

1012、基于正向关系模型及第一数据集，构建方向盘角度到方向盘扭矩的逆向关系模型及表征逆向关系模型的第二数据集；

本实施例中，逆向关系模型与正向关系模型的区别在于：正向关系模型中是以方向盘扭矩为输入，以方向盘角度信号为输出，而逆向关系模型相反，逆向关系模型以方向盘角度信号为输入，而以方向盘扭矩为输出。

因此，基于二者的区别，在一实施例中，逆向关系模型如下：

τ(k)＝g

其中，g1表示函数，v(k)表示第k时刻的车速，τ(k)表示第k时刻的方向盘扭矩，θ(k)、θ(k-1)分别对应表示第k时刻、第k-1时刻的方向盘角度，θ(k+1)表示第k+1时刻输出的方向盘角度。

同样，参考正向关系模型的第一数据集，可以得到对应逆向关系模型的第二数据集，在一实施例中，第二数据集如下：

其中，x2表示逆向关系模型的输入数据，y2表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。其他参数的含义同上。

1013、构建逆向关系模型的训练网络，并采用第二数据集对训练网络进行训练，得到方向盘角度到方向盘扭矩的逆向控制模型。

本实施例中，在获得逆向关系模型的数据集后，需要通过训练方式找出逆向关系模型的输入数据与输出数据之间的函数关系g1，本实施例对于逆向关系模型采用的模型训练算法不限，例如采用BP神经网络等可以应用于数据回归的网络进行训练。

在一实施例中，优选使用BP(Back Propagation，方向传播)神经网络，构建逆向关系模型的训练网络，并将第二数据集划分为训练集与测试集。

根据逆向关系模型的输入输出形式，使用BP神经网络构建一个4*10*1的逆模型训练网络，其中，4*10*1分别表示网络输入层、隐含层和输出层节点个数。输入层和输出层节点个数由逆向关系模型的输入(4个参数)、输出(1个参数)维数确定。隐含层则根据经验公式确定，可根据实际情况做调整。

在训练前，还需设置BP神经网络参数，并使用训练集训练网络权重。设置BP神经网络参数，包括训练方法、训练步长停止迭代精度、最大停止迭代步数等。使用训练集对网络权重进行训练，同时通过不断调整隐含层节点个数、初始权重等，以反复训练网络，直到训练误差达到设定精度为止。最后再使用测试集对训练好的网络进行网络泛化能力验证，如果泛化能力不足，则调整隐含层节点个数、初始权重等，直到泛化能力达到设定精度为止，此时得到的模型即为训练好的逆向控制模型。

在一实施例中，逆向控制模型如下：

τ(k)＝g

其中，θ

τ(k)＝w

其中，w

102、获取逆向控制模型的输入参数，输入参数包括当前时刻方向盘角度以及当前时刻期望方向盘角度；

本实施例中，在完成逆向控制模型的训练后即可基于逆向控制模型实现方向盘控制。逆向控制模型的输入主要包括两部分：一部分是当前时刻方向盘转动后的方向盘角度，另一部分是前端给定的当前时刻期望方向盘角度，该期望方向盘角度即为期望方向盘在下一次转动的角度。

本实施例中，当采用上述实施例中的逆向控制模型时，输入参数包括：当前时刻方向盘角度、当前时刻期望方向盘角度、当前车速以及上一时刻方向盘角度。

103、将输入参数输入逆向控制模型进行处理，输出与当前时刻期望方向盘角度对应的当前时刻方向盘扭矩；

本实施例中，将输入参数输入逆向控制模型，逆向控制模型经过训练号的网络计算，输出对应的方向盘扭矩，进而可用于控制当前时刻方向盘转动。

104、基于当前时刻方向盘扭矩，控制方向盘转动，并将转动后的方向盘角度作为下一轮方向盘控制的输入参数。

本实施例中，逆向控制模型输出当前时刻方向盘扭矩，进而控制方向盘转动，同时将转动后的方向盘角度作为下一轮方向盘控制的输入参数，也即作为下一时刻逆向控制模型的输入参数，从而通过基于数据驱动的动态逆控制方法，实现对方向盘的闭环控制。

本实施例的基于数据驱动的动态逆控制方法，通过构建方向盘角度到方向盘扭矩的逆向控制模型，从而将逆向控制模型当前时刻的输出数据作为方向盘当前时刻的输入数据，将方向盘当前时刻的输出数据作为逆向控制模型下一时刻的输入数据，进而实现对方向盘的闭环控制。本发明通过数据驱动的方式建立动态逆向控制模型，减小了人为建立各参数表的工作，进而大大降低了调参工作量。此外，本发明基于数据驱动的方向盘闭环控制方法还可以在性能上提高方向盘闭环控制精度，从而提升产品的整体性能。

在一实施例中，为提高由于逆向控制模型建模误差、外部干扰等因素带来扰动时的控制系统鲁棒性，因此本实施例中进一步构建自适应器。自适应器可以采用PID控制器、非线性PID控制器或高增益控制器等。

如图4所示，在图2的基础上引入了自适应器，该方向盘控制方法还包括以下流程：

将当前时刻方向盘角度以及当前时刻期望方向盘角度输入自适应器重进行误差处理，输出当前时刻方向盘误差角度对应的方向盘微调扭矩；

基于当前时刻方向盘微调扭矩，对逆向控制模型输出的当前时刻方向盘扭矩进行修正；

基于当前时刻方向盘扭矩，控制方向盘转动包括：基于修正后的当前时刻方向盘扭矩，控制方向盘转动。

本实施例中，基于绝对不变性原理，构建自适应器，以提高由于逆向控制模型建模误差、外部干扰等带来扰动时的控制系统鲁棒性，提升方向盘控制精度。

参照图5，图5为本发明方向盘控制装置一实施例的功能模块示意图。本实施例中，方向盘控制装置包括：

构建模块501，用于构建方向盘角度到方向盘扭矩的逆向控制模型；

获取模块502，用于获取逆向控制模型的输入参数，输入参数包括当前时刻方向盘角度以及当前时刻期望方向盘角度；

处理模块503，用于将输入参数输入逆向控制模型进行处理，输出与当前时刻期望方向盘角度对应的当前时刻方向盘扭矩；

控制模块504，用于基于当前时刻方向盘扭矩，控制方向盘转动，并将转动后的方向盘角度作为下一轮方向盘控制的输入参数。

在一实施例中，所述构建模块501具体用于：

构建方向盘扭矩到方向盘角度的正向关系模型及表征所述正向关系模型的第一数据集；

基于所述正向关系模型及所述第一数据集，构建方向盘角度到方向盘扭矩的逆向关系模型及表征所述逆向关系模型的第二数据集；

构建所述逆向关系模型的训练网络，并采用所述第二数据集对所述训练网络进行训练，得到方向盘角度到方向盘扭矩的逆向控制模型。

在一实施例中，所述正向关系模型如下：

θ(k+1)＝f(v(k),θ(k-1),θ(k),τ(k))；

其中，f表示函数，v(k)表示第k时刻的车速，τ(k)表示第k时刻的方向盘扭矩，θ(k)、θ(k-1)分别对应表示第k时刻、第k-1时刻的方向盘角度，θ(k+1)表示第k+1时刻输出的方向盘角度。

在一实施例中，采用以下方式构建表征所述正向关系模型的第一数据集：

在不同车速下，采用不同形式、不同频率的激励信号作为方向盘扭矩信号，分别对方向盘进行连续激励，并连续记录各时刻对应的车速、方向盘角度及方向盘扭矩，得到表征方向盘的正向关系模型的N组数据：

其中，x1表示正向关系模型的输入数据，y1表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在一实施例中，所述逆向关系模型如下：

τ(k)＝g

所述第二数据集如下：

其中，g1表示函数，x2表示逆向关系模型的输入数据，y2表示正向关系模型的输出数据，k表示第k时刻，N表示数据的组数。

在一实施例中，所述逆向控制模型如下：

τ(k)＝g

其中，θ

τ(k)＝w

其中，w

在一实施例中,所述方向盘控制装置还包括：

微调模块505，用于将当前时刻方向盘角度以及当前时刻期望方向盘角度输入自适应器重进行误差处理，输出当前时刻方向盘误差角度对应的方向盘微调扭矩；基于当前时刻方向盘微调扭矩，对所述逆向控制模型输出的当前时刻方向盘扭矩进行修正；

所述控制模块504还用于：基于修正后的当前时刻方向盘扭矩，控制方向盘转动。

本实施例的基于数据驱动的动态逆控制方法，通过构建方向盘角度到方向盘扭矩的逆向控制模型，从而将逆向控制模型当前时刻的输出数据作为方向盘当前时刻的输入数据，将方向盘当前时刻的输出数据作为逆向控制模型下一时刻的输入数据，进而实现对方向盘的闭环控制。本发明通过数据驱动的方式建立动态逆向控制模型，减小了人为建立各参数表的工作，进而大大降低了调参工作量。此外，本发明基于数据驱动的方向盘闭环控制方法还可以在性能上提高方向盘闭环控制精度，从而提升产品的整体性能。

图6是本发明实施例提供的一种计算机设备的结构示意图，该计算机设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对计算机设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在计算机设备500上执行存储介质530中的一系列指令操作。

计算机设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图6示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

本发明还提供一种计算机设备，计算机设备包括存储器和处理器，存储器中存储有计算机可读指令，计算机可读指令被处理器执行时，使得处理器执行上述实施例中的方向盘控制方法的步骤。

本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，计算机可读存储介质中存储有指令，当指令在计算机上运行时，使得计算机执行上述实施例中的方向盘控制方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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(可以是个人计算机，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、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，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，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。