制粉系统故障诊断数据处理方法及装置

技术领域

本发明涉及制粉系统技术领域，尤指一种制粉系统故障诊断数据处理方法及装置。

背景技术

在进行制粉系统故障诊断时，一般使用历史记忆矩阵进行训练，与实际数据运算后得到当前参数的预测值。历史记忆矩阵内样本数据的品质直接影响着预测值是否准确，记忆矩阵来源于大量历史工业数据，不仅包括设备正常运行的数据、还包含了设备非正常运行、设备停运、测点故障等数据，若这些异常数据进入训练样本，可能导致训练后的模型预测值失真，从而无法准确对正常工况进行预测，以及对异常故障进行诊断。

发明内容

针对现有技术中存在的问题，本发明实施例的主要目的在于提供一种制粉系统故障诊断数据处理方法及装置，将异常数据从数据库中筛选掉，正常运行工况的数据得以保留作为训练样本数据。

为了实现上述目的，本发明实施例提供一种制粉系统故障诊断数据处理方法，方法包括：

从数据库中获取历史运行数据，并对历史运行数据进行异常数据剔除处理，得到第一筛选数据；

利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据，并根据预设的压力分布范围，对所述第二筛选数据进行数据筛选处理，得到第三筛选数据；

根据预设的电流偏差阈值及给煤量偏差阈值，对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据；其中，故障诊断训练样本数据用于建立制粉系统故障诊断模型。

可选的，在本发明一实施例中，历史运行数据包括磨煤机电流、入口风量、入口压力、出口压力、出入口差压、出口温度及给煤量。

可选的，在本发明一实施例中，利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据包括：

根据历史运行数据中的入口压力及出口压力，确定入口压力与出口压力之间的压力差值；

将压力差值与所述历史运行数据中的出入口差压作差，并将得到的差值对应的绝对值与预设的差压阈值进行比较，得到比较结果；

根据比较结果，对第一筛选数据进行数据筛选处理，得到第二筛选数据。

可选的，在本发明一实施例中，根据预设的压力分布范围，对第二筛选数据进行数据筛选处理，得到第三筛选数据包括：

将历史运行数据中的出入口压差按照给煤量进行分段处理，确定出入口压差分布数据；

将出入口压差分布数据与预设的压力分布范围进行比较，并根据比较得到的结果对第二筛选数据进行数据筛选处理，得到第三筛选数据。

可选的，在本发明一实施例中，根据预设的电流偏差阈值及给煤量偏差阈值，对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据包括：

利用预设的滑动窗口长度，对历史运行数据中的磨煤机电流及给煤量进行标准偏差计算，得到电流标准偏差及给煤量标准偏差；

将电流标准偏差与预设的电流偏差阈值进行比较，以及将给煤量标准偏差与预设的给煤量偏差阈值进行比较，并根据比较得到的结果对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据。

本发明实施例还提供一种制粉系统故障诊断数据处理装置，装置包括：

数据剔除模块，用于从数据库中获取历史运行数据，并对历史运行数据进行异常数据剔除处理，得到第一筛选数据；

数据筛选模块，用于利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据，并根据预设的压力分布范围，对第二筛选数据进行数据筛选处理，得到第三筛选数据；

训练数据模块，用于根据预设的电流偏差阈值及给煤量偏差阈值，对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据；其中，故障诊断训练样本数据用于建立制粉系统故障诊断模型。

可选的，在本发明一实施例中，历史运行数据包括磨煤机电流、入口风量、入口压力、出口压力、出入口差压、出口温度及给煤量。

可选的，在本发明一实施例中，数据筛选模块包括：

压力差值单元，用于根据历史运行数据中的入口压力及出口压力，确定入口压力与出口压力之间的压力差值；

比较结果单元，用于将压力差值与历史运行数据中的出入口差压作差，并将得到的差值对应的绝对值与预设的差压阈值进行比较，得到比较结果；

第一数据筛选单元，用于根据比较结果，对第一筛选数据进行数据筛选处理，得到第二筛选数据。

可选的，在本发明一实施例中，数据筛选模块还包括：

压差分布单元，用于将历史运行数据中的出入口压差按照给煤量进行分段处理，确定出入口压差分布数据；

第二数据筛选单元，用于将出入口压差分布数据与预设的压力分布范围进行比较，并根据比较得到的结果对第二筛选数据进行数据筛选处理，得到第三筛选数据。

可选的，在本发明一实施例中，训练数据模块包括：

标准偏差单元，用于利用预设的滑动窗口长度，对历史运行数据中的磨煤机电流及给煤量进行标准偏差计算，得到电流标准偏差及给煤量标准偏差；

训练数据单元，用于将所述电流标准偏差与预设的电流偏差阈值进行比较，以及将给煤量标准偏差与预设的给煤量偏差阈值进行比较，并根据比较得到的结果对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据。

本发明还提供一种电子设备，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，处理器执行所述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，计算机可读存储介质存储有由计算机执行上述方法的计算机程序。

本发明还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述方法的步骤。

本发明通过对制粉系统的历史运行数据进行多重数据筛选，将制粉系统异常工况、非稳态工况的数据从数据库中筛除，正常运行工况的数据得以保留作为训练样本数据，从而保证了样本数据的真实性，为后续制粉系统故障诊断模型的精准预测提供必要条件。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。

图1为本发明实施例一种制粉系统故障诊断数据处理方法的流程图；

图2为本发明实施例中得到第二筛选数据的流程图；

图3为本发明实施例中得到第三筛选数据的流程图；

图4为本发明实施例中得到故障诊断训练样本数据的流程图；

图5为本发明实施例中不同煤量分段的磨煤机差压分布示意图；

图6为本发明一具体实施例中故障诊断数据处理的流程图；

图7为本发明实施例一种制粉系统故障诊断数据处理装置的结构示意图；

图8为本发明实施例中数据筛选模块的结构示意图；

图9为本发明另一实施例中数据筛选模块的结构示意图；

图10为本发明实施例中训练数据模块的结构示意图；

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

本发明实施例提供一种制粉系统故障诊断数据处理方法及装置。

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作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。

目前，已有的大数据处理方法通常包括：缺失值，坏点，制粉系统的缺陷日期数据，电机停机、故障阶段数据及异常值(单变量或多变量离群监测)等，但是此种通用方法未考虑制粉运行机理，关键参数的分布规律等，无法有效剔除异常数据样本，从而影响模型的精准性。本发明通过建立多条筛选规则对数据进行预处理，将异常工况、非稳态工况的参数从数据库中筛选掉，正常运行工况的数据得以保留作为样本聚类之后获得记忆矩阵，从而为模型的精准预测提供必要条件。

如图1所示为本发明实施例一种制粉系统故障诊断数据处理方法的流程图，本发明实施例提供的制粉系统故障诊断数据处理方法的执行主体包括但不限于计算机。本发明通过对制粉系统的历史运行数据进行多重数据筛选，将制粉系统异常工况、非稳态工况的数据从数据库中筛除，正常运行工况的数据得以保留作为训练样本数据，从而保证了样本数据的真实性，为后续制粉系统故障诊断模型的精准预测提供必要条件。图中所示方法包括：

步骤S1，从数据库中获取历史运行数据，并对历史运行数据进行异常数据剔除处理，得到第一筛选数据；

步骤S2，利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据，并根据预设的压力分布范围，对第二筛选数据进行数据筛选处理，得到第三筛选数据；

步骤S3，根据预设的电流偏差阈值及给煤量偏差阈值，对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据；其中，故障诊断训练样本数据用于建立制粉系统故障诊断模型。

其中，从历史数据库中取出单台制粉系统一个检修周期内的所有历史运行数据，即DCS(分散控制系统)运行参数，包括但不限于磨煤机电流，入口风量，入口压力，出口压力，出入口差压，出口温度，给煤量等。由于历史运行数据的采样周期一般为1～3S，考虑到制粉系统参数变化时间，每隔5S取一组数据。具体的，可将数据建立为样本矩阵，矩阵的行为时间序列，列为运行参数，便于后续处理。

进一步的，对历史运行数据进行异常数据剔除处理，具体的，将运行参数中任一参数出现部分缺失或坏点、停运以及故障等阶段的本行数据剔除，由此得到第一筛选数据。

进一步的，确定历史运行数据中入口压力、出口压力及出入口差压差值的绝对值，将预设的差压阈值与该差值的绝对值进行比较，得到的值作为比较结果。根据该比较结果进行数据筛选，得到第二筛选数据。具体的，计算入口压力与出口压力之间的压力差值，再计算该压力差值与出入口差压之间的差值，再将该差值的绝对值与预设的差压阈值作差，由此得到比较结果。

具体的，预设的差压阈值可以为经验值，具体可以为0.3，则比较结果大于0的数据被筛除。具体的，将第一筛选数据中(入口压力-出口压力-出入口差压)的绝对值>0.3的数据筛除，即可得到第二筛选数据。

进一步的，将磨煤机电流、差压等参数按煤量分段，分析进出口差压分布规律，得到出入口压差分布数据。按照正态分布曲线的概率统计，落在(μ-3σ,μ+3σ)以外的概率小于0.3％为小概率事件，因此，预设的压力分布范围可以为3％到97％，即差压分布累计小于3％和大于97％的数据筛除，只保留3％-97％的部分作为第三筛选数据。

进一步的，相对标准偏差RSD反映了数据集的相对离散程度，当设备处于稳定工况时，获得信号数据偏差较小，RSD也偏小。通过对制粉系统数据的分析，在预设的长度的滑动窗口中计算给煤量和磨煤机电流的RSD，即电流标准偏差及给煤量标准偏差；若计算得到RSD小于预先设定的电流偏差阈值及给煤量偏差阈值，则记录该段数据为稳定工况数据。滑动窗口不断向前移动，不断计算新滑动窗口中的数据，直至数据记录结束点。

具体的，预设的电流偏差阈值及给煤量偏差阈值为经验值，例如电流偏差阈值为0.03，给煤量偏差阈值为0.016。将相对标准差大于电流偏差阈值或给煤量偏差阈值的数据筛除，由此得到故障诊断训练样本数据。其中，故障诊断训练样本数据用于建立制粉系统故障诊断模型，利用经过多重数据筛选之后得到的故障诊断训练样本数据建立的制粉系统故障诊断模型，可以及时且准确地判断出制粉系统的故障发生与故障类型，提高了模型预测精度。

作为本发明的一个实施例，历史运行数据包括磨煤机电流、入口风量、入口压力、出口压力、出入口差压、出口温度及给煤量。

在本实施例中，如图2所示，利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据包括：

步骤S21，根据历史运行数据中的入口压力及出口压力，确定入口压力与出口压力之间的压力差值；

步骤S22，将压力差值与历史运行数据中的出入口差压作差，并将得到的差值对应的绝对值与预设的差压阈值进行比较，得到比较结果；

步骤S23，根据比较结果，对第一筛选数据进行数据筛选处理，得到第二筛选数据。

其中，确定历史运行数据中入口压力、出口压力及出入口差压差值的绝对值，将预设的差压阈值与该差值的绝对值进行比较，得到的值作为比较结果。根据该比较结果进行数据筛选，得到第二筛选数据。

进一步的，计算入口压力与出口压力之间的压力差值，再计算该压力差值与出入口差压之间的差值，再将该差值的绝对值与预设的差压阈值作差，由此得到比较结果。

具体的，预设的差压阈值可以为经验值，具体可以为0.3，则比较结果大于0的数据被筛除。具体的，将第一筛选数据中(入口压力-出口压力-出入口差压)的绝对值>0.3的数据筛除，即可得到第二筛选数据。

在本实施例中，如图3所示，根据预设的压力分布范围，对第二筛选数据进行数据筛选处理，得到第三筛选数据包括：

步骤S24，将历史运行数据中的出入口压差按照给煤量进行分段处理，确定出入口压差分布数据；

步骤S25，将出入口压差分布数据与预设的压力分布范围进行比较，并根据比较得到的结果对第二筛选数据进行数据筛选处理，得到第三筛选数据。

其中，将磨煤机电流、差压等参数按煤量分段，分析进出口差压分布规律，得到出入口压差分布数据。

进一步的，按照正态分布曲线的概率统计，落在(μ-3σ,μ+3σ)以外的概率小于0.3％为小概率事件，因此，预设的压力分布范围可以为3％到97％，即差压分布累计小于3％和大于97％的数据筛除，只保留3％-97％的部分作为第三筛选数据。

在本实施例中，如图4所示，根据预设的电流偏差阈值及给煤量偏差阈值，对所述第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据包括：

步骤S31，利用预设的滑动窗口长度，对历史运行数据中的磨煤机电流及给煤量进行标准偏差计算，得到电流标准偏差及给煤量标准偏差；

步骤S32，将电流标准偏差与预设的电流偏差阈值进行比较，以及将给煤量标准偏差与预设的给煤量偏差阈值进行比较，并根据比较得到的结果对所述第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据。

其中，相对标准偏差RSD反映了数据集的相对离散程度，当设备处于稳定工况时，获得信号数据偏差较小，RSD也偏小。通过对制粉系统数据的分析，在预设的长度的滑动窗口中计算给煤量和磨煤机电流的RSD，即电流标准偏差及给煤量标准偏差；若计算得到RSD小于预先设定的电流偏差阈值及给煤量偏差阈值，则记录该段数据为稳定工况数据。滑动窗口不断向前移动，不断计算新滑动窗口中的数据，直至数据记录结束点。

具体的，预设的电流偏差阈值及给煤量偏差阈值为经验值，例如电流偏差阈值为0.03，给煤量偏差阈值为0.016。将相对标准差大于电流偏差阈值或给煤量偏差阈值的数据筛除，由此得到故障诊断训练样本数据。

通过本发明中的数据筛选方法，可以获取制粉系统煤量与差压的分布规律，结合制粉系统运行机理，制定合理的筛选规则。可将制粉系统异常工况、非稳态工况数据筛除，从而保证样本的真实性，为后续模型的精准预测提供必要条件。

在本发明一具体实施例中，本发明通过分析制粉系统差压、煤量等关键参数的分布规律，提出了基于运行机理的大数据处理方法，建立多重筛选规则，可有效删除异常工况数据，提高模型的精准预测。如图6所示，具体的数据筛选过程如下：

1)从历史数据库中取出单台制粉系统一个检修周期内的所有DCS运行参数，包括但不限于电流，入口风量，入口压力，出口压力，差压，出口温度，给煤量等。由于DCS历史数据的采样周期一般为1～3S，考虑到制粉系统参数变化时间，每隔5S取一组数据，建立样本矩阵，矩阵的行为时间序列，列为运行参数。

2)执行筛选规则1：将历史运行数据中任一数据出现部分缺失或坏点、停运以及故障等阶段的本行数据剔除。

3)执行筛选规则2：将(入口压力-出口压力-出入口差压)的绝对值>0.3的数据筛除。由于出入口差压为实际测量，理论上出入口差压＝入口压力-出口压力，但据运行数据，出口压力部分时候偏低(测点容易堵)，为此根据运行机理将入口压力、出口压力和出入口差压不合理的数据去除。

4)将磨煤机电流、差压等参数按煤量分段，分析进出口差压分布规律。执行筛选规则3。

具体的，以某1000MW机组磨煤机为例，历史数据给煤量范围为34t/h～90t/h，每2t/h作为一个分组，建立差压的分布图，如图5所示。图中横坐标为差压3.2-6.9kPa，间隔0.1kPa，纵坐标为该差压范围内样本数据的占比(％)。可以看出煤量分布范围为34-90t/h，基本覆盖了磨煤机从启动煤量到最大出力的工况；除了部分煤量段(34-38，86-90)，因为样本数据偏少而差压分布比较稀疏之外，差压分布基本上满足正态分布的规律。

其中，按照正态分布曲线的概率统计，落在(μ-3σ,μ+3σ)以外的概率小于0.3％为小概率事件(“小概率事件”通常指发生的概率小于5％的事件，认为在一次试验中该事件是几乎不可能发生的)，在实际问题中常认为相应的事件不会发生；基本上可以把区间(μ-3σ,μ+3σ)看作是随机变量X实际可能的取值区间，这称之为正态分布的“3σ”原则。根据制粉系统运行参数分布规律，将每个煤量段差压分布在-3σ、3σ之外的数据筛掉。

执行筛选规则3：对每台磨煤机的历史数据，按煤量分段、统计差压分布→各个分段煤量、差压分布累计小于3％和大于97％的数据筛除，只保留3％-97％的部分。

5)根据制粉系统运行机理，制定稳态工况筛选规则4。制粉系统是个动态系统，其内部的工作状态变化主要是由于给煤量的变化而引起的。同时由于磨煤机系统存在一定的响应时间，当磨煤机由一个稳定工况变化至另一个稳定工况时，期间系统各参数之间会产生数据波动。只有稳定运行一段时间后，才能消除由于系统响应引起的数据波动，磨煤机各项性能评价一般都要求稳定运行25min以上。给煤量和电流是磨煤机最重要的控制指标，通过算法分析两者在一段时间内是否稳定，可以判断磨煤机当前的运行状态。

其中，如公式(1)所示，相对标准偏差RSD反映了数据集的相对离散程度，当设备处于稳定工况时，获得信号数据偏差较小，RSD也偏小。

其中

其中，样本的算术平均值如下式所示：

由此，通过对制粉系统数据的分析，在预设长度的滑动窗口中计算给煤量和磨煤机电流的RSD；若计算得到RSD小于预先设定的对应的阈值，则记录该段数据为稳定工况数据。滑动窗口不断向前移动，不断计算新滑动窗口中的数据，直至数据记录结束点。

筛选规则4：对电流、给煤量两个重要参数做限制，磨煤机电流在滑动窗口的变化比较平缓，相对偏差RSD1限制为0.03；给煤量波动限制在±1t/h，相对偏差RSD2确定为0.016。

由此，通过上述建立的4条筛选规则对数据进行数据筛选处理，将异常工况、非稳态工况的参数从数据库中筛选掉，得以保留正常运行工况的数据作为训练样本数据。

本发明通过制粉系统进出口压力和差压的运行规律，制粉系统给煤量和差压的分布规律，制定符合制粉系统运行机理的数据筛选规则。选取磨煤机电流、给煤量两个重要参数，通过分析滑动窗口的数据相对标准偏差，制定稳态工况数据筛选规则。通过依次进行筛选规则，将制粉系统异常工况、非稳态工况数据筛除，从而获取符合制粉系统运行机理的典型工况稳态数据。

本发明通过对制粉系统的历史运行数据进行多重数据筛选，将制粉系统异常工况、非稳态工况的数据从数据库中筛除，正常运行工况的数据得以保留作为训练样本数据，从而保证了样本数据的真实性，为后续制粉系统故障诊断模型的精准预测提供必要条件。

如图7所示为本发明实施例一种制粉系统故障诊断数据处理装置的结构示意图，图中所示装置包括：

数据剔除模块10，用于从数据库中获取历史运行数据，并对历史运行数据进行异常数据剔除处理，得到第一筛选数据；

数据筛选模块20，用于利用预设的差压阈值，对第一筛选数据进行数据筛选处理，得到第二筛选数据，并根据预设的压力分布范围，对第二筛选数据进行数据筛选处理，得到第三筛选数据；

训练数据模块30，用于根据预设的电流偏差阈值及给煤量偏差阈值，对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据；其中，故障诊断训练样本数据用于建立制粉系统故障诊断模型。

作为本发明的一个实施例，历史运行数据包括磨煤机电流、入口风量、入口压力、出口压力、出入口差压、出口温度及给煤量。

在本实施例中，如图8所示，数据筛选模块20包括：

压力差值单元21，用于根据历史运行数据中的入口压力及出口压力，确定入口压力与出口压力之间的压力差值；

比较结果单元22，用于将压力差值与历史运行数据中的出入口差压作差，并将得到的差值对应的绝对值与预设的差压阈值进行比较，得到比较结果；

第一数据筛选单元23，用于根据比较结果，对第一筛选数据进行数据筛选处理，得到第二筛选数据。

在本实施例中，如图9所示，数据筛选模块20还包括：

压差分布单元24，用于将历史运行数据中的出入口压差按照给煤量进行分段处理，确定出入口压差分布数据；

第二数据筛选单元25，用于将出入口压差分布数据与预设的压力分布范围进行比较，并根据比较得到的结果对所述第二筛选数据进行数据筛选处理，得到第三筛选数据。

在本实施例中，如图10所示，训练数据模块30包括：

标准偏差单元31，用于利用预设的滑动窗口长度，对历史运行数据中的磨煤机电流及给煤量进行标准偏差计算，得到电流标准偏差及给煤量标准偏差；

训练数据单元32，用于将电流标准偏差与预设的电流偏差阈值进行比较，以及将给煤量标准偏差与预设的给煤量偏差阈值进行比较，并根据比较得到的结果对第三筛选数据进行数据筛选处理，得到故障诊断训练样本数据。

基于与上述一种制粉系统故障诊断数据处理方法相同的申请构思，本发明还提供了上述一种制粉系统故障诊断数据处理装置。由于该一种制粉系统故障诊断数据处理装置解决问题的原理与一种制粉系统故障诊断数据处理方法相似，因此该一种制粉系统故障诊断数据处理装置的实施可以参见一种制粉系统故障诊断数据处理方法的实施，重复之处不再赘述。

本发明通过对制粉系统的历史运行数据进行多重数据筛选，将制粉系统异常工况、非稳态工况的数据从数据库中筛除，正常运行工况的数据得以保留作为训练样本数据，从而保证了样本数据的真实性，为后续制粉系统故障诊断模型的精准预测提供必要条件。

本发明还提供一种电子设备，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，处理器执行所述程序时实现上述方法。

本发明还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述方法的步骤。

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

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、音频处理器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。

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。