本發(fā)明涉及機車運動控制技術(shù)領(lǐng)域，尤其涉及一種加速度估計方法及裝置，以及采用該加速度估計方法的機車。

背景技術(shù)：

在物體的運動控制中，加速度是一個重要的控制量，如軌道機車車輛的車體加速度、輪對加速度等，控制系統(tǒng)中加速度信號的獲取主要通過軟件計算?，F(xiàn)有技術(shù)中加速度的計算方法主要有直接微分計算法、高精度一階數(shù)值微分算法，但是這些方法的對噪聲非常敏感，計算所得的加速度的噪聲很大，不能直接參與控制。通常做法是在計算加速度前對原始信號進(jìn)行濾波處理，然而，濾波后的信號存在時滯，影響控制性能。

以下是現(xiàn)有技術(shù)中采用微分計算法計算加/減速度信號的具體步驟：

加/減速度信號在數(shù)學(xué)上是速度信號的一階導(dǎo)數(shù)，即

式中，v(t)為實時輸入的速度信號，a(t)為對應(yīng)的加速度信號。

由于實時輸入的速度信號v(t)本身并不具有規(guī)律性，沒有精確的函數(shù)表達(dá)式，因此不能基于理論微分公式計算a(t)，而必須基于數(shù)值微分算法計算。

已知一段時間內(nèi)的速度信號值v(t)在n+1個點上的對應(yīng)函數(shù)值v(k)(k＝0,1,2…,n)，則采用數(shù)值微分算法計算加速度信號的公式為

式中，T為信號采樣周期。

為提高計算精度，可采用誤差階次更低的高精度數(shù)值一階微分計算方法。例如，采用三點后差公式計算一階微分：

從公式(2)、(3)可以看到，采用常規(guī)的數(shù)值微分法，加速度是通過不同采樣時刻的速度差值直接除以采樣周期T而得到，如果速度信號帶有較大噪聲，由于采樣周期T很小，噪聲將進(jìn)一步被放大，那么，計算得到的加速度必然具有很大的噪聲。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明提供一種加速度估計方法，通過系統(tǒng)參數(shù)的估計得到的加速度的實時估計值能夠保證與真實的加速度信號不斷逼近，實時性高，可直接參與控制，并且由于沒有微分運算，可極大降低速度噪聲的影響，提高控制的性能。

本發(fā)明實施例提供了一種加速度估計方法，所述方法包括：將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以得到所述物體的系統(tǒng)數(shù)學(xué)模型；將所述物體的系統(tǒng)數(shù)學(xué)模型進(jìn)行遞推最小二乘法處理得到遞推最小二乘模型；按照采樣周期采集所述物體的速度，以得到所述物體在所述采樣周期內(nèi)的速度變化量；根據(jù)所述采樣周期與所述速度變化量對所述遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值；以及根據(jù)所述系統(tǒng)參數(shù)的實時估計值輸出所述物體的加速度的實時估計值。

具體地，所述遞推最小二乘法包含遺忘因子。

具體地，所述根據(jù)所述采樣周期與所述速度變化量對所述遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值的步驟之前，還包括：獲取所述遞推最小二乘模型中的第一中間變量矩陣的初始值；根據(jù)所述第一中間變量矩陣的初始值及所述采樣周期得到所述遞推最小二乘模型的第二中間變量矩陣。

具體地，所述根據(jù)所述采樣周期與所述速度變化量對所述遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值的步驟，包括：獲取所述遞推最小二乘模型中的系統(tǒng)參數(shù)的初始值；根據(jù)所述系統(tǒng)參數(shù)的初始值、所述采樣周期、所述速度變化量及所述第二中間變量矩陣對所述遞推最小二乘模型進(jìn)行運算，以得到所述系統(tǒng)參數(shù)的實時估計值。

本發(fā)明實施例還提供一種機車運動控制方法，所述控制方法包括如上所述的加速度估計方法。

本發(fā)明實施例還提供一種加速度估計裝置，所述裝置包括：建立模塊，用于將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以得到所述物體的系統(tǒng)數(shù)學(xué)模型；轉(zhuǎn)化模塊，用于將所述系統(tǒng)數(shù)學(xué)模型進(jìn)行遞推最小二乘法處理得到遞推最小二乘模型；第一處理模塊，用于按照采樣周期采集所述物體的速度，以得到所述物體在所述采樣周期內(nèi)的速度變化量；第二處理模塊，用于根據(jù)所述采樣周期與所述速度變化量對所述遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值；以及輸出模塊，用于根據(jù)所述系統(tǒng)參數(shù)的實時估計值輸出所述物體的加速度的實時估計值。

具體地，所述遞推最小二乘法包含遺忘因子。

具體地，所述裝置還包括：獲取模塊，用于獲取所述遞推最小二乘模型中的第一中間變量矩陣的初始值；第三處理模塊，用于根據(jù)所述第一中間變量矩陣的初始值及所述采樣周期得到所述遞推最小二乘模型的第二中間變量矩陣。

具體地，所述第二處理模塊包括：獲取單元，用于獲取所述遞推最小二乘模型中的系統(tǒng)參數(shù)的初始值；處理單元，用于根據(jù)所述系統(tǒng)參數(shù)的初始值、所述采樣周期、所述速度變化量及所述第二中間變量矩陣對所述遞推最小二乘模型進(jìn)行運算，以得到所述系統(tǒng)參數(shù)的實時估計值。

本發(fā)明實施例還提供一種機車，所述機車包括如上所述的加速度估計裝置。

本發(fā)明實施例提供的加速度估計方法、裝置、機車運動控制方法及機車，通過將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以構(gòu)建系統(tǒng)數(shù)學(xué)模型，從而將加速度計算轉(zhuǎn)化為系統(tǒng)參數(shù)的估計，并采用遞推最小二乘法對系統(tǒng)數(shù)學(xué)模型進(jìn)行轉(zhuǎn)化及計算，由于遞推最小二乘法本身具有估計的無偏性和一致性，因此，通過系統(tǒng)參數(shù)的估計得到的加速度的實時估計值能夠保證與真實的加速度信號不斷逼近，實時性高，可直接參與控制，并且由于沒有微分運算，可極大降低速度噪聲的影響，提高控制的性能。

為讓本發(fā)明的上述和其他目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附圖式，作詳細(xì)說明如下。

附圖說明

圖1為本發(fā)明第一實施例提供的加速度估計方法流程圖；

圖2為第一實施例提供的加速度估計方法中加速度估計的流程圖；

圖3為本發(fā)明第二實施例提供的加速度估計裝置的結(jié)構(gòu)框圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1為本發(fā)明第一實施例提供的加速度估計方法的流程圖，圖2為第一實施例提供的加速度估計方法中加速度估計的流程圖。本實施例的加速度估計方法可以運行于加速度估計裝置內(nèi)。其中，加速度估計裝置可以但不限于位于機車內(nèi)，機車可以但不限于為電力機車、內(nèi)燃機車等等。如圖1與圖2所示，本實施例的加速度估計方法可包括以下步驟：

步驟S11，將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以得到物體的系統(tǒng)數(shù)學(xué)模型。

具體地，加速度估計裝置獲取物體(或質(zhì)點)的運動方程，并將物體的運動轉(zhuǎn)化成單輸入單輸出(Single Input Single Output，SISO)線性離散動態(tài)系統(tǒng)，從而根據(jù)時不變SISO線性離散動態(tài)系統(tǒng)的數(shù)學(xué)模型將物體的運動方程進(jìn)行轉(zhuǎn)化，以得到物體的系統(tǒng)數(shù)學(xué)模型，由此，可將物體的加速度的計算轉(zhuǎn)化為系統(tǒng)參數(shù)的估計。

在本實施例中，加速度估計裝置先獲取物體(或質(zhì)點)的運動方程為：

V(k)＝V(k-1)+a(k)*T (4)

式中，V(k)為速度，a(k)為加速度，T為信號采樣周期，k為采樣次數(shù)。然后設(shè)一個時不變SISO線性離散動態(tài)系統(tǒng)的數(shù)學(xué)模型為：

式中，u(k)為系統(tǒng)激勵信號，z(k)為系統(tǒng)輸出，e(k)為模型噪聲，k為采樣次數(shù)，為參數(shù)。從而可將物體的運動仿照時不變SISO線性離散動態(tài)系統(tǒng)的數(shù)學(xué)模型進(jìn)行轉(zhuǎn)化，以得到物體的系統(tǒng)數(shù)學(xué)模型，也就是說，將上述公式(4)仿照時不變SISO線性離散動態(tài)系統(tǒng)的數(shù)學(xué)模型進(jìn)行變型得到：

V(k)-V(k-1)＝a(k)*T+e(k) (6)

式中，V(k)為系統(tǒng)輸出，T為系統(tǒng)激勵信號，e(k)為系統(tǒng)噪聲(可以是白噪聲或有色噪聲)，a(k)為系統(tǒng)參數(shù)，k為采樣次數(shù)。

具體地，在本實施例中，系統(tǒng)輸出V(k)相當(dāng)于公式(5)中的系統(tǒng)輸出z(k)，系統(tǒng)激勵信號T相當(dāng)于公式(5)中的系統(tǒng)激勵信號u(k)，系統(tǒng)參數(shù)a(k)相當(dāng)于公式(5)中的參數(shù)進(jìn)而，可將物體的加速度的計算轉(zhuǎn)化為對系統(tǒng)參數(shù)a(k)的估計，但并不限于此。

步驟S12，將物體的系統(tǒng)數(shù)學(xué)模型進(jìn)行遞推最小二乘法處理得到遞推最小二乘模型。

具體地，加速度估計裝置將得到的物體的系統(tǒng)數(shù)學(xué)模型進(jìn)行遞推最小二乘法處理，從而將系統(tǒng)數(shù)學(xué)模型轉(zhuǎn)化成遞推最小二乘形式，以得到遞推最小二乘模型，進(jìn)而通過遞推最小二乘法進(jìn)行系統(tǒng)參數(shù)的估計，但并不限于此。

其中，遞推最小二乘法包含遺忘因子。具體地，遺忘因子是誤差測度函數(shù)中的加權(quán)因子，在遞推最小二乘法中引入遺忘因子的目的是為了賦予原來數(shù)據(jù)與新數(shù)據(jù)以不同的權(quán)值，以使該方法具有對輸入過程特性變化的快速反應(yīng)能力。

在本實施例中，加速度估計裝置為了采用帶遺忘因子的遞推最小二乘法進(jìn)行加速度估計，需要先將物體的系統(tǒng)數(shù)學(xué)模型寫成最小二乘形式，即將公式(6)寫成最小二乘形式，從而得到系統(tǒng)最小二乘模型為：

z(k)＝φ^T(k)θ+e(k) (7)

式中：

具體地，z(k)為輸出向量，φ(k)為測量矩陣，θ為系統(tǒng)參數(shù)，e(k)為系統(tǒng)噪聲(可以是白噪聲或有色噪聲)。

進(jìn)一步地，為了減少計算量，減少數(shù)據(jù)在計算機中占用的內(nèi)存，并實時辨識出系統(tǒng)動態(tài)特性，通常利用最小二乘法的遞推形式。遞推最小二乘法的基本思想可以概括成：

加速度估計裝置根據(jù)遞推最小二乘法將系統(tǒng)最小二乘模型轉(zhuǎn)化，也就是說，將公式(7)進(jìn)行轉(zhuǎn)化以得到物體的遞推最小二乘模型為：

式中，為系統(tǒng)參數(shù)，P(k)為第一中間變量矩陣，K(k)為第二中間變量矩陣，k為采樣次數(shù)，z(k)為輸出向量，φ(k)為測量矩陣，I為單位矩陣，T為采樣周期。

然而，在遞推最小二乘法中，隨著時間的推移及采集次數(shù)不斷增加，采集到的數(shù)據(jù)越來越多，新數(shù)據(jù)所提供的信息與舊數(shù)據(jù)共同存儲在數(shù)據(jù)庫中。如果遞推最小二乘法的算法對新舊數(shù)據(jù)均給以同樣的可信度，那么隨著由新數(shù)據(jù)中獲得的信息量增加，新數(shù)據(jù)的可信度就會相對下降，算法逐漸失去了修正能力，這就稱為“數(shù)據(jù)飽和”現(xiàn)象。這時系統(tǒng)參數(shù)估計值可能偏離真值較遠(yuǎn)就無法更新了，對時變過程來說，遞推最小二乘法又將導(dǎo)致系統(tǒng)參數(shù)估計值不能跟蹤時變參數(shù)的變化。因此，針對“數(shù)據(jù)飽和”現(xiàn)象，提出了一種辨識方法——遺忘因子法。遺忘因子法的基本思想是對舊數(shù)據(jù)加上遺忘因子，以降低舊數(shù)據(jù)所提供的信息量，并增加新數(shù)據(jù)的信息量。加速度估計裝置將遺忘因子法加入到遞推最小二乘模型中，從而得到帶遺忘因子的遞推最小二乘模型為：

式中，λ為遺忘因子，其中0<λ<1，為系統(tǒng)參數(shù)，P(k)為第一中間變量矩陣，K(k)為第二中間變量矩陣，k為采樣次數(shù)，z(k)為輸出向量，φ(k)為測量矩陣，I為單位矩陣，T為采樣周期。

步驟S13，按照采樣周期采集物體的速度，以得到物體在采樣周期內(nèi)的速度變化量。

具體地，加速度估計裝置按照預(yù)設(shè)的采樣周期T通過速度傳感器采集物體的速度V(k)，從而能夠獲取物體的實時速度，并將當(dāng)前采樣周期內(nèi)采集到的物體的速度V(k)與前一次采樣周期內(nèi)采集到前一次的物體的速度V(k-1)進(jìn)行處理，以得到物體在采樣周期內(nèi)的速度變化量ΔV(k)。

具體地，在本實施例中，可以將加速度估計裝置采集到的相鄰兩次的物體的速度進(jìn)行作差處理，以得到兩次速度之間的速度變化量ΔV(k)＝V(k)-V(k-1)，但并不限于此。

進(jìn)一步地，加速度估計裝置還將獲取遞推最小二乘模型中的第一中間變量矩陣的初始值，并根據(jù)第一中間變量矩陣的初始值及采樣周期得到遞推最小二乘模型的第二中間變量矩陣。

具體地，在本實施例中，加速度估計裝置從數(shù)據(jù)庫中獲取上一采樣周期內(nèi)計算得到第一中間變量矩陣的數(shù)據(jù)，即獲取第一中間變量矩陣的初始值P(k-1)，但并不限于此，例如在加速度估計裝置當(dāng)前采樣周期為第一次采集時，第一中間變量矩陣的初始值P(0)＝C,且C為充分大的常數(shù)，加速度估計裝置將獲取到的第一中間變量矩陣的初始值及采樣周期代入遞推最小二乘模型中，從而計算得到當(dāng)前采樣周期內(nèi)的第二中間變量矩陣。

步驟S14，根據(jù)采樣周期與速度變化量對遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值。

具體地，加速度估計裝置還將獲取遞推最小二乘模型中的系統(tǒng)參數(shù)的初始值，根據(jù)系統(tǒng)參數(shù)的初始值、采樣周期、速度變化量及第二中間變量矩陣對遞推最小二乘模型進(jìn)行運算，以得到系統(tǒng)參數(shù)的實時估計值。在本實施例中，加速度估計裝置將得到系統(tǒng)參數(shù)的初始值、采樣周期、速度變化量及第二中間變量矩陣代入到帶遺忘因子的遞推最小二乘模型，以對遞推最小二乘模型進(jìn)行運算得到系統(tǒng)參數(shù)的實時估計值。

具體地，在本實施例中，加速度估計裝置對帶遺忘因子的遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值的具體步驟為：

步驟一：計算第二中間變量矩陣K(k)。

具體地，加速度估計裝置通過帶遺忘因子的遞推最小二乘模型的公式(10)可知第二中間變量矩陣為：

K(k)＝P(k-1)φ(k)[λ+φ^T(k)P(k-1)φ(k)]^-1 (11)

加速度估計裝置將獲取得到第一中間變量矩陣的初始值P(k-1)、測量矩陣φ(k)＝T代入公式(11)，從而得到第二中間變量矩陣：

步驟二，計算第一中間變量矩陣P(k)。

具體地，加速度估計裝置通過帶遺忘因子的遞推最小二乘模型的公式(10)可知第一中間變量矩陣為：

由于K(k)為標(biāo)量，將φ(k)＝T代入公式(13)，從而得到第一中間變量矩陣：

步驟三，計算系統(tǒng)參數(shù)

具體地，加速度估計裝置通過帶遺忘因子的遞推最小二乘模型的公式(10)可知系統(tǒng)參數(shù)為：

加速度估計裝置將輸出向量z(k)＝ΔV(k)，測量矩陣φ(k)＝T代入公式(15)，從而得到系統(tǒng)參數(shù)：

加速度估計裝置再將獲取的系統(tǒng)參數(shù)的初始值第一中間變量矩陣的初始值P(0)＝C，C是充分大的數(shù)，并且設(shè)置λ＝λ₀，λ₀∈(0,1)，及公式(12)和公式(14)代入公式(16)，即可得到系統(tǒng)參數(shù)的實時估計值

步驟S15，根據(jù)系統(tǒng)參數(shù)的實時估計值輸出物體的加速度的實時估計值。

具體地，加速度估計裝置根據(jù)加速度得到物體的加速度的實時估計值，并將獲取的加速度的實時估計值用于控制機車的運行。

進(jìn)一步地，本發(fā)明實施例提供的一種機車運動控制方法，包括采用上述加速度估計方法得到的加速度信號，并將該加速度信號直接參與控制，以控制機車的穩(wěn)定運行，提高控制性能。

具體地，在一實施例中，加速度估計裝置將得到的物體的加速度的實時估計值發(fā)送至機車的控制裝置，以將加速度的實時估計值轉(zhuǎn)化成加速度信號并對機車進(jìn)行控制，減小機車的橫向加速度，因為機車橫向加速度超過一定量時，機車會側(cè)翻，但并不限于此。在物體的運動控制中，加速度信號是一個重要的控制量，例如在其他實施例中，控制裝置還可根據(jù)加速度信號對機車的車體加速度、輪對加速度及縱向加速度等進(jìn)行控制，從而增加機車的穩(wěn)定性。

本發(fā)明實施例提供的加速度估計方法，通過將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以構(gòu)建系統(tǒng)數(shù)學(xué)模型，從而將加速度計算轉(zhuǎn)化為系統(tǒng)參數(shù)的估計，并采用遞推最小二乘法對系統(tǒng)數(shù)學(xué)模型進(jìn)行轉(zhuǎn)化及計算，由于遞推最小二乘法本身具有估計的無偏性和一致性，因此，通過系統(tǒng)參數(shù)的估計得到的加速度的實時估計值能夠保證與真實的加速度信號不斷逼近，實時性高，可直接參與控制，并且由于沒有微分運算，可極大降低速度噪聲的影響，提高控制的性能。

圖3為本發(fā)明第二實施例提供的加速度估計裝置30的結(jié)構(gòu)框圖。本實施例提供的加速度估計裝置30可以用于實現(xiàn)第一實施例中的加速度估計方法。如圖3所示，加速度估計裝置30包括建立模塊31、轉(zhuǎn)化模塊32、第一處理模塊33、第二處理模塊34及輸出模塊35。

建立模塊31用于將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以得到物體的系統(tǒng)數(shù)學(xué)模型。轉(zhuǎn)化模塊32用于將系統(tǒng)數(shù)學(xué)模型進(jìn)行遞推最小二乘法處理得到遞推最小二乘模型。第一處理模塊33用于按照采樣周期采集物體的速度，以得到物體在采樣周期內(nèi)的速度變化量。第二處理模塊34用于根據(jù)采樣周期與速度變化量對遞推最小二乘模型進(jìn)行處理得到系統(tǒng)參數(shù)的實時估計值。輸出模塊35用于根據(jù)系統(tǒng)參數(shù)的實時估計值輸出物體的加速度的實時估計值。

進(jìn)一步地，在一實施例中，加速度估計裝置30還包括還包括獲取模塊與第三處理模塊。進(jìn)一步地，第二處理模塊34包括獲取單元與處理單元。

其中，獲取模塊用于獲取遞推最小二乘模型中的第一中間變量矩陣的初始值。第三處理模塊用于根據(jù)第一中間變量矩陣的初始值及采樣周期得到遞推最小二乘模型的第二中間變量矩陣。獲取單元用于獲取遞推最小二乘模型中的系統(tǒng)參數(shù)的初始值。處理單元用于根據(jù)系統(tǒng)參數(shù)的初始值、采樣周期、速度變化量及第二中間變量矩陣對遞推最小二乘模型進(jìn)行運算，以得到系統(tǒng)參數(shù)的實時估計值。

其中，遞推最小二乘法還包含遺忘因子，遺忘因子的取值為0到1之間。具體地，遺忘因子是誤差測度函數(shù)中的加權(quán)因子，在遞推最小二乘法中引入遺忘因子的目的是為了賦予原來數(shù)據(jù)與新數(shù)據(jù)以不同的權(quán)值，以使該方法具有對輸入過程特性變化的快速反應(yīng)能力。

進(jìn)一步地，本發(fā)明實施例還提供的一種機車，其包括上述加速度估計裝置30，從而采用加速度估計裝置30獲取機車的加速度的實時估計值，以輸出加速度信號，并將該加速度信號直接參與控制，以控制機車的穩(wěn)定運行，提高控制性能。

具體地，在本實施例中，加速度估計裝置30將得到的物體的加速度的實時估計值發(fā)送至機車的控制裝置，以將加速度的實時估計值轉(zhuǎn)化成加速度信號并對機車進(jìn)行控制，減小機車的橫向加速度，因為機車橫向加速度超過一定量時，機車會側(cè)翻，但并不限于此，在物體的運動控制中，加速度信號是一個重要的控制量，例如在其他實施例中，控制裝置還可根據(jù)加速度信號對機車的車體加速度、輪對加速度及縱向加速度等進(jìn)行控制，從而增加機車的穩(wěn)定性。

本實施例中在加速度估計裝置30的各模塊實現(xiàn)功能的具體過程請參閱圖1與圖2對應(yīng)的實施例的描述，在此不再贅述。

本發(fā)明實施例提供的加速度估計裝置30，通過將物體的運動轉(zhuǎn)化成SISO線性離散動態(tài)系統(tǒng)，以構(gòu)建系統(tǒng)數(shù)學(xué)模型，從而將加速度計算轉(zhuǎn)化為系統(tǒng)參數(shù)的估計，并采用遞推最小二乘法對系統(tǒng)數(shù)學(xué)模型進(jìn)行轉(zhuǎn)化及計算，由于遞推最小二乘法本身具有估計的無偏性和一致性，因此，通過系統(tǒng)參數(shù)的估計得到的加速度的實時估計值能夠保證與真實的加速度信號不斷逼近，實時性高，可直接參與控制，并且由于沒有微分運算，可極大降低速度噪聲的影響，提高控制的性能。

需要說明的是，本說明書中的各個實施例均采用遞進(jìn)的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于裝置類實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。

需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括要素的過程、方法、物品或者裝置中還存在另外的相同要素。

本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，的程序可以存儲于一種計算機可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。

以上，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明作任何形式上的限制，雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。