CN112346468A

CN112346468A - 一种自动引导运输车运动监控方法、系统及电子设备

Info

Publication number: CN112346468A
Application number: CN202011044771.2A
Authority: CN
Inventors: 马骁
Original assignee: CASIC Defense Technology Research and Test Center
Current assignee: CASIC Defense Technology Research and Test Center
Priority date: 2020-09-28
Filing date: 2020-09-28
Publication date: 2021-02-09

Abstract

本申请中一个或多个实施例提供一种自动引导运输车运动监控方法、系统及电子设备，包括：采集自动引导运输车的运动数据；根据运动数据确定倾角预测值X_(k|k)；比较倾角预测值X_(k|k)和预设倾角阈值以得到比较结果；根据比较结果控制自动引导运输车的运动状态。通过在自动引导运输车设置加速度计和陀螺仪，采集小车倾斜角度信息，并通过与预设倾角阈值的判定结果，控制自动引导运输车的运动状态，并在预测到自动引导运输车倾斜角超出阈值后，及时停止自动引导运输车的运行，并发出告警信息，达到在自动引导运输车行进过程中的安全预警的效果。

Description

一种自动引导运输车运动监控方法、系统及电子设备

技术领域

本申请中一个或多个实施例涉及状态监控技术领域，尤其涉及一种自动引导运输车运动监控方法、系统及电子设备。

背景技术

现有技术中，电子元器件在进行可靠性筛选试验时，传统方法是需要通过人工使用专用托盘运输电子元器件在不同作业区域之间转运，而随着自动化和智能化检测运输装置的普及，现有技术引入自动引导运输车进行电子元器件的运输。自动引导运输车需要保证按照预定路径到指定区域按照指定指令传递使用专用托盘承装的不同大小和封装的电子元器件，这就对该自动引导运输车的运动控制系统的平衡控制性能提出了更高的要求，若自动引导运输车在移动过程中发生冲击会发生器件堆叠，甚至掉落的状态，严重影响电子元器件的性能测试结果。而现有技术中无法保证实时监控自动引导运输车在行进过程中的倾斜角度，无法通过对自动引导运输车行进过程中的倾斜角度的预测进行安全预警。

发明内容

有鉴于此，本申请中一个或多个实施例的目的在于提出一种自动引导运输车运动监控方法、系统及电子设备，以解决现有技术无法实时监控并预测自动引导运输车行进过程中的倾斜角度进行安全预警的问题。

基于上述目的，本申请中一个或多个实施例提供了一种自动引导运输车运动监控方法，包括：

采集自动引导运输车的运动数据；

根据所述运动数据确定倾角预测值X_(k|k)；

比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果；

根据所述比较结果控制所述自动引导运输车的运动状态。

可选的，所述采集自动引导运输车的运动数据，包括：

所述运动数据，包括：运动倾角

和运动倾角角速度ω_gyro；

根据所述自动引导运输车的加速度计采集所述运动倾角

根据所述自动引导运输车的陀螺仪确定所述运动倾角角速度ω_gyro。

可选的，所述根据所述运动数据确定倾角预测值，包括：

根据所述运动数据，建立运动系统模型，所述运动系统模型表示为

其中，

表示所述自动引导运输车的真实倾斜角度，

表示所述陀螺仪的常值偏差，w_g表示所述陀螺仪的测量噪声，w_q表示所述加速度计的测量噪声。

可选的，还包括：

根据所述运动数据确定k时刻倾角预测变量X_(k|k-1)，所述k时刻倾角预测变量X_(k|k-1)表示为

X_(k|k-1)＝AX_(k-1|k-1)+Bω_gyro+w_(k)

其中，A表示状态转移矩阵，

T_s表示采样周期，B表示控制输入矩阵，

X_(k-1|k-1)表示k-1时刻倾角预测变量，

w_(k)表示过程噪声。

可选的，在确定所述k时刻倾角预测变量X_(k|k-1)后，利用k时刻先验误差协方差矩阵P_(k|k-1)验证所述k时刻倾角预测变量X_(k|k-1)准确度；所述k时刻先验误差协方差矩阵P_(k|k-1)表示为

P_(k|k-1)＝AP_(k-1|k-1)A^T+Q_k

其中，P_(k-1|k-1)表示k-1时刻先验误差协方差矩阵，A^T表示状态转移矩阵的转置矩阵，Q_k表示所述加速度计和陀螺仪偏差的状态估计协方差矩阵。

可选的，还包括：

基于卡尔曼滤波算法确定所述k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)以评价所述k时刻先验误差协方差矩阵P_(k|k-1)的可信度；所述k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)表示为

K_g(k)＝P_(k|k-1)H^TS_K(k) ^-1

其中，H^T表示观测矩阵H的转置矩阵，S_K(k)表示k时刻新息协方差。

可选的，还包括：

基于所述k时刻倾角预测变量X_(k|k-1)和k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)确定所述倾角预测值X_(k|k)，所述倾角预测值X_(k|k)表示为

X_(k|k)＝X_(k|k-1)+K_g(k)y_k(k)

其中，y_k(k)表示k时刻新息。

可选的，所述比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果，包括：

所述比较结果，包括：正常状态和告警状态；

判断所述倾角预测值X_(k|k)是否超过所述预设倾角阈值；

若超过，则所述自动引导运输车处于所述告警状态，更改所述自动引导运输车的运动状态；

若不超过，则所述自动引导运输车处于所述正常状态，保持所述自动引导运输车的运动状态。

基于同一发明构思，本申请一个或多个实施例还提出了一种自动引导运输车运动监控系统，包括：

采集模块，被配置为采集自动引导运输车的运动数据；

预测模块，被配置为根据所述运动数据确定倾角预测值X_(k|k)；

比较模块，被配置为比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果；

控制模块，被配置为根据所述比较结果控制所述自动引导运输车的运动状态。

基于同一发明构思，本申请一个或多个实施例还提出了一种电子设备，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，其特征在于，所述处理器执行所述程序时实现如上任意一种所述的方法。

从上面所述可以看出，本申请中一个或多个实施例提供的一种自动引导运输车运动监控方法、系统及电子设备，包括：采集自动引导运输车的运动数据，利用加速度计和陀螺仪采集自动引导运输车在行进过程中的运动数据，实时监测自动引导运输车上承载电子元器件的专用托盘在自动引导运输车行进过程中的倾斜角度；根据所述运动数据确定倾角预测值X_(k|k)，通过采集到的运动数据，得到一个基于加速度计和陀螺仪组成的组合传感器的数据融合角度值来估算自动引导运输车在转送电子元器件的运动过程中的倾斜角度预测值；比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果，通过比较得到的倾角预测值X_(k|k)和预设倾角阈值，如果倾角预测值X_(k|k)超过预设倾角阈值，则证明自动引导运输车在运动过程中的倾斜角度超过电子元器件可承受的倾斜角度，需要对自动引导运输车的运动状态进行控制；根据所述比较结果控制所述自动引导运输车的运动状态，通过比较结果判定自动引导运输车处于倾斜角度正常的正常状态还是倾斜角度超出极限的告警状态，进一步控制自动引导运输车的运动状态，达到在自动引导运输车行进过程中的安全预警的效果。

附图说明

为了更清楚地说明本申请中一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请中一个或多个实施例，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为本申请中一个或多个实施例中自动引导运输车运动监控方法的流程图；

图2为本申请中一个或多个实施例中运动系统的结构示意图；

图3为本申请中一个或多个实施例中一种自动引导运输车运动监控系统的结构示意图；

图4为本申请中一个或多个实施例中电子设备示意图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本申请中一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本申请中一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

本申请中一个或多个实施例提供了一种自动引导运输车运动监控方法、系统及电子设备。

发明人通过研究发现当使用自动引导运输车进行电子元器件的转运时，自动引导运输车需要保证按照预定路径到指定区域按照指定指令传递使用专用托盘承装的不同大小和封装的电子元器件，这就对该自动引导运输车的运动控制系统的平衡控制性能提出了更高的要求，否则由于器件大小不一，管腿密度也不同，若自动引导运输车在移动过程中发生冲击会发生器件堆叠，甚至掉落的状态，严重影响电子元器件的性能测试结果。所以在转运过程中需要对自动引导运输车的稳定性进行严格监督，在托盘发生倾斜的时候，需要通过运动控制系统对自动引导运输车行进过程中的倾斜角度进行监控，在发生威胁到器件安全的角度对行进状态进行改变，同时产生预警。所以现有技术存在无法实时监控并预测自动引导运输车行进过程中的倾斜角度进行安全预警的问题。

参考图1，因此本申请中一个或多个实施例提供的一种自动引导运输车运动监控方法，包括：

S101采集自动引导运输车的运动数据。

本实施例中，自动引导运输车的运动数据，包括：运动倾角

和运动倾角角速度ω_gyro。通过在自动引导运输车中设置倾角采集子系统和陀螺仪，利用倾角采集子系统中的加速度计采集自动引导运输车的运动倾角

利用陀螺仪采集自动引导运输车的运动倾角角速度ω_gyro，通过陀螺仪对自动引导运输车实现自动引导的同时加入加速度计对运输托盘相对于自动引导运输车的倾斜角度进行实时监控的组合传感器构成运动系统，能够准确的采集自动引导运输车的运动数据。当安装于承载电子元器件的专用托盘上的倾角采集子系统放置于自动引导运输车车体上时，加速度计能够获得静态输出的水平倾角

和垂直滚动角θ_y，二者组合得到运动倾角

但此时的运动倾角

中存在固定偏差；当自动引导运输车开始运动后，动态响应较好的陀螺仪会直接输出相对于灵敏轴的角速度，即运动倾角角速度ω_gyro，运动倾角角速度ω_gyro对时间积分能够得到围绕灵敏轴旋转过的角度值，但是由于温度变化、摩擦力、不稳定力矩等因素，陀螺仪会产生漂移误差，且运动倾角角速度ω_gyro中也存在固有偏差，而无论多么小的偏差通过积分后都会得到无限大的角度误差，所以需要对运动倾角

和运动倾角角速度ω_gyro进行进一步的数据处理。

S102根据所述运动数据确定倾角预测值X_(k|k)。

本实施例中，参考图2，根据安装于自动引导运输车的倾角采集子系统和陀螺仪进行运动系统的构建，包括：含上位控制器的车体、倾角采集子系统、托盘、陀螺仪、编码器及车轮。其中φ表示航向偏角，正值表示由x轴方向转向y轴方向，即向右偏转，θ表示滚动角，正值表示由y轴方向转向z轴方向，即车体左侧抬高，ψ表示倾斜角，正值表示由x轴方向转向z轴方向，即坡度角，ω_x表示自动引导运输车的滚动角速率，ω_z表示自动引导运输车的摇动角速率，a_L表示自动引导运输车的横向加速度，a_y表示自动引导运输车的垂向加速度。在运动系统中，首先建立运动系统模型，由于运动倾角

和运动倾角角速度ω_gyro之间存在导数关系，自动引导运输车的真实倾斜角度

可以看做一个状态向量，在运动系统中采用加速度计估计陀螺仪的常值偏差为

陀螺仪的常值偏差

也是陀螺仪漂移的大小，将陀螺仪的常值偏差

可以看做另一个状态向量，从而根据自动引导运输车的真实倾斜角度

和陀螺仪的常值偏差

得到运动系统模型，表示为

其中，w_g表示陀螺仪的测量噪声，w_q表示加速度计的测量噪声，w_g和w_q相互独立，假设w_g和w_q均为满足正态分布的白色噪声，w_g的方差为Q，w_g～(0，Q)，w_q的方差为R，w_q～(0，R)。

作为一个可选的实施例，对于自动引导运输车行进过程中的运动倾角

采用卡尔曼滤波方法来融合陀螺仪输出的运动倾角角速度ω_gyro，补偿陀螺仪的偏移误差和加速度计的动态误差，得到一个基于加速度计和陀螺仪组合的传感器的数据融合角度值来估算自动引导运输车在转送电子元器件在运动过程中的倾角预测值，具体地，根据运动数据确定k时刻倾角预测变量X_(k|k-1)，k时刻倾角预测变量X_(k|k-1)表示为

X_(k|k-1)＝AX_(k-1|k-1)+Bω_gyro+w_(k)

其中，A表示状态转移矩阵，

T_s表示采样周期，B表示控制输入矩阵，

X_(k-1|k-1)表示k-1时刻倾角预测变量，

w_(k)表示过程噪声，w_(k)～N(0,Q_k)，其中Q_k是加速度计和陀螺仪偏差的状态估计协方差矩阵，它的表达式是：

q_q表示加速度计测量时的置信度，q_g表示陀螺仪测量时的置信度，q_q和q_g的数值分别代表卡尔曼滤波器对于加速度计和陀螺仪的数据的信任程度，数值越小，则信任程度越高，在本申请中的运动系统中，陀螺仪的值更加接近准确值，因此q_g的值小于q_q的值。传统的自动引导运输车在运动过程中的角度信息，仅仅是对通过陀螺仪输出的角速度进行计算后得到，但是在本申请提供的运动系统中，则是融合了倾角采集子系统的运动倾角

和陀螺仪的运动倾角角速度ω_gyro，通过k-1时刻的倾角状态量，预测出k时刻倾角预测变量X_(k|k-1)。

作为一个可选的实施例，在确定k时刻倾角预测变量X_(k|k-1)后，利用k时刻先验误差协方差矩阵P_(k|k-1)验证k时刻倾角预测变量X_(k|k-1)准确度；k时刻先验误差协方差矩阵P_(k|k-1)表示为

P_(k|k-1)＝AP_(k-1|k-1)A^T+Q_k

其中，P_(k-1|k-1)表示k-1时刻先验误差协方差矩阵，A^T表示状态转移矩阵A的转置矩阵。

作为一个可选的实施例，为了得到倾角预测值X_(k|k)的最优值，可以利用加速度计和陀螺仪组合传感器预测状态在k时刻的新息反算出k时刻的理论测量值，再分析组合传感器在k时刻的实际测量值与k时刻的理论测量值，评价预测得到的理论测量值的准确度。首先，根据运动系统模型计算组合传感器在k时刻的测量值的预测值Z_(k|k-1)，具体表示为

Z_(k|k-1)＝HX_(k|k-1)

其中，Z_(k|k-1)是运动倾角

排除加速度计测量噪声w_q后的加速度计得到的倾角角度值，代入H和X_(k|k-1)的值代入后，得到

然后，根据加速度计实际测量的测量值Z_(k)和组合传感器在k时刻的测量值的预测值Z_(k|k-1)确定k时刻的新息y_k(k)，具体表示为

y_k(k)＝Z_(k)-Z_(k|k-1)。

再通过计算k时刻的新息y_k(k)的协方差S_K(k)，对k时刻的新息y_k(k)进行评价，k时刻的新息y_k(k)的协方差S_K(k)具体表示为

S_K(k)＝HP_(k|k-1)H^T+R

其中，H^T表示观测矩阵H的转置矩阵。

作为一个可选的实施例，基于卡尔曼滤波算法确定k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)以评价k时刻先验误差协方差矩阵P_(k|k-1)的可信度；k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)表示为

K_g(k)＝P_(k|k-1)H^TS_K(k) ^-1。

根据计算得到的卡尔曼增益K_g(k)调整组合传感器的测量值和预测值在计算倾角预测值X_(k|k)过程中的权重，如果组合传感器的测量值的置信度更高，在计算倾角预测值X_(k|k)过程中组合传感器的测量值的比重就会更高。

作为一个可选的实施例，基于k时刻倾角预测变量X_(k|k-1)和k时刻先验误差协方差矩阵P_(k|k-1)的卡尔曼增益K_g(k)确定倾角预测值X_(k|k)，倾角预测值X_(k|k)表示为

X_(k|k)＝X_(k|k-1)+K_g(k)y_k(k)。

倾角预测值X_(k|k)是k时刻的倾角的最优估计值，但是为了使卡尔曼滤波不断的运行直到找到最优的倾角的角度值，还需要更新倾角预测值X_(k|k)的协方差P_(k|k)，具体表示为

P_(k|k)＝(I-K_g(k)H)P_(k|k-1)

其中，I表示单位矩阵。

S103比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果。

本实施例中，在基于运动系统模型采用卡尔曼滤波方式对加速度计和陀螺仪组合传感器采集的数据进行融合后，得到了基于组合传感器的自动引导运输车的最优的倾角预测值X_(k|k)，相比于单独根据加速度计或陀螺仪得到的角度信息值更优，此时需要将得到的倾角预测值X_(k|k)与预设倾角阈值进行比较，确定比较结果，根据比较结果进一步确定自动引导运输车的运动状态，以及是否需要对自动引导运输车的运动状态进行控制操作。参考表1，根据自动引导运输车运输的电子元器件种类的不同，以及封装形式的不同，设置不同的预设倾角阈值。具体地，比较结果，包括：正常状态和告警状态，判断倾角预测值X_(k|k)是否超过所述预设倾角阈值，若超过，则自动引导运输车处于告警状态；若不超过，则自动引导运输车处于正常状态。

表1

S104根据所述比较结果控制所述自动引导运输车的运动状态。

本实施例中，根据步骤S103中比较倾角预测值X_(k|k)和预设倾角阈值后得到的比较结果，对自动引导运输车的运动状态进行控制，具体包括：

当倾角预测值X_(k|k)超过预设倾角阈值时，则自动引导运输车处于所述告警状态，更改自动引导运输车的运动状态，如果自动引导运输车处于行进的运动状态，需要发出报警信息，自动引导运输车警示灯闪烁并响起警示音，通过控制自动引导运输车内部编码器停止转动以控制自动引导运输车停止，如果自动引导运输车处于停止状态，则自动引导运输车继续保持停止状态，直至放置在自动引导运输车上的运输托盘的角度经过校正并达到可以行进状态的要求后，自动引导运输车方可继续执行运输工作；

当倾角预测值X_(k|k)不超过预设倾角阈值时，则自动引导运输车处于正常状态，保持自动引导运输车的运动状态，不对自动引导运输车的运动状态进行改变，保持自动引导运输车继续运行。

从上面所述可以看出，本申请中一个或多个实施例提供的一种自动引导运输车运动监控方法、系统及电子设备，包括：采集自动引导运输车的运动数据，利用加速度计和陀螺仪采集自动引导运输车在行进过程中的运动数据，实时监测自动引导运输车上承载电子元器件的专用托盘在自动引导运输车行进过程中的倾斜角度；根据所述运动数据确定倾角预测值X_(k|k)，通过采集到的运动数据，得到一个基于加速度计和陀螺仪组成的组合传感器的数据融合角度值来估算自动引导运输车在转送电子元器件的运动过程中的倾斜角度预测值；比较所述倾角预测值X_(k|k)和预设倾角阈值以得到比较结果，通过比较得到的倾角预测值X_(k|k)和预设倾角阈值，如果倾角预测值X_(k|k)超过预设倾角阈值，则证明自动引导运输车在运动过程中的倾斜角度超过电子元器件可承受的倾斜角度，需要对自动引导运输车的运动状态进行控制；根据所述比较结果控制所述自动引导运输车的运动状态，通过比较结果判定自动引导运输车处于倾斜角度正常的正常状态还是倾斜角度超出极限的告警状态，进一步控制自动引导运输车的运动状态，达到在自动引导运输车行进过程中的安全预警的效果。根据实际运输电子元器件的运输过程中的角度限制，具体对应设置预设倾角阈值，通过加速度计和陀螺仪的组合传感器的数据处理，使得自动引导运输车在移动过程中运动倾角

和运动倾角角速度ω_gyro信息获取的精度有所提高，并通过卡尔曼滤波算法的核心思想和本申请一个或多个实施例提供的方法中的运动系统模型确定倾角预测值X_(k|k)，实时监控电子元器件在转运过程中的运动情况，对处于告警状态的自动引导运输车进行报警，有效预防自动引导运输车自动传送电子元器件过程中的冲击对器件造成的伤害，同时能够提高自动引导运输车的运输效率，提高了自动引导运输车运动过程中的稳定性和可靠性。

上述对本申请中特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，本说明书一个或多个实施例还提供了一种自动引导运输车运动监控系统，包括：采集模块、预测模块、比较模块和控制模块。

参考图3，本系统中包括：

采集模块，被配置为采集自动引导运输车的运动数据；

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。

上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。

基于同一发明构思，本说明书一个或多个实施例还提供了一种电子设备，该电子设备，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，所述处理器执行所述程序时实现如上任意一实施例所述的方法。

图4示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器401、存储器402、输入/输出接口403、通信接口404和总线405。其中处理器401、存储器402、输入/输出接口403和通信接口404通过总线405实现彼此之间在设备内部的通信连接。

处理器401可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。

存储器402可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器402可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器402中，并由处理器401来调用执行。

输入/输出接口403用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

通信接口404用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。

总线405包括一通路，在设备的各个组件(例如处理器401、存储器402、输入/输出接口403和通信接口404)之间传输信息。

需要说明的是，尽管上述设备仅示出了处理器401、存储器402、输入/输出接口403、通信接口404以及总线405，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本申请中一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

本申请中一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本申请中一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。