CN113359434A

CN113359434A - 针对电动平衡车的有限时间跟踪控制方法及系统

Info

Publication number: CN113359434A
Application number: CN202110407108.2A
Authority: CN
Inventors: 朱强强; 王晓梅; 陈文娣; 牛奔; 李圣涛
Original assignee: Shandong Normal University
Current assignee: Shandong Normal University
Priority date: 2021-04-15
Filing date: 2021-04-15
Publication date: 2021-09-07

Abstract

本发明公开了针对电动平衡车的有限时间跟踪控制方法及系统，包括：针对电动平衡车，建立动力学方程；使用解耦方式对动力学方程的未知非线性函数进行处理，得到虚拟控制器和自适应律；根据虚拟控制器和自适应律，确定有限时间自适应跟踪控制器；获取待控制电动平衡车当前时刻的摆角，并得到当前时刻的转矩；根据设计的有限时间自适应跟踪控制器和当前时刻的转矩，得到输出摆角，使得平衡车的摆角复位，实现对电动平衡车的控制从而达到平衡驾驶。不仅能确保系统状态变量在有限的时间内快速收敛到平衡，而且还能提高系统的鲁棒性并且减少近似误差的影响。

Description

针对电动平衡车的有限时间跟踪控制方法及系统

技术领域

本发明涉及非线性系统控制技术领域，特别是涉及针对电动平衡车的有限时间跟踪控制方法及系统。

背景技术

本部分的陈述仅仅是提到了与本发明相关的背景技术，并不必然构成现有技术。

纯反馈非线性系统是具有非仿射特性的一类较严格反馈非线性系统更一般的下三角型非线性系统，在实际应用中广泛存在，比如机械系统，化学系统和飞行器系统等。同时，由于系统的非仿射结构，使得适合于严格反馈非线性系统的控制器设计方法很难直接用于纯反馈非线性系统控制。在过去的几十年的研究中，已针对严格反馈非线性系统报道了许多自适应反推设计方案，而对于纯反馈非线性系统的有限时间控制的研究还不够全面，无法达到本发明期望的结果。在最近几年来，有限时间自适应控制方案已经开发。但是大部分学者提出的有限时间控制策略是仅适用于严格反馈系统，而不适用于纯反馈系统。也有部分学者开始研究纯反馈系统的有限时间跟踪控制，但是都是基于利用微分中值定理将系统从纯反馈形式转换为严格反馈形式，然后采用模糊逻辑系统对未知函数进行建模。

为了简化纯反馈系统的设计控制输入，以前的研究中常使用差分中值定理来处理未知的非仿射非线性函数。这要求本发明对非仿射函数的偏导数必须进行限制性假设。不幸的是，众所周知，非光滑非线性存在于广泛的实际控制系统中，这导致非仿射函数

的不可微性。然而，非仿射函数必须是可微的这一假设对于实际系统而言过于严格，以致于无法在实际应用中轻松获得。

当前关于非线性系统的结果已经有渐近稳定的研究，但是与渐近稳定不同，有限时间稳定可以确保系统状态变量在有限的时间内迅速收敛到平衡。显然，有限时间控制方案将使系统具有更好的瞬态响应。从理论上讲，非有限时间控制策略可以保证系统输出的性能。然而，在实际工程中，控制目标有望达到在有限的时间内实现。无限时间控制方案无法完成这样的控制目标，因为它们导致长瞬态响应。

电动平衡车，又叫体感车、思维车、摄位车等。其运作原理主要是建立一种非线性系统动态稳定。利用车体内部的陀螺仪和加速度传感器，来检测车体姿态的变化，并利用伺服控制，精确地驱动电机进行相应的调整，以保持系统的平衡。两轮电动平衡车采用两个轮子支撑，蓄电池供电，无刷电机驱动，加上单片机控制，姿态传感器采集角速度和角度信号，共同协调控制车体的平衡，仅仅依靠人体重心的改变便可以实现车辆的启动、加速、减速、停止等动作。电动平衡车的小巧方便，代步环保等特点使其在控制领域成为一个热点话题。

发明人发现，现有的电动平衡车的平衡控制方面不够精准，不能快速准确的实现电动平衡车的平衡角度恢复。

发明内容

为了解决现有技术的不足，本发明提供了针对电动平衡车的有限时间跟踪控制方法及系统；考虑一类具有死区输入以及外部干扰的纯反馈非线性系统。设计了一种基于解耦技术的有限时间自适应控制方法，使系统具有较好的瞬态响应。

第一方面，本发明提供了针对电动平衡车的有限时间跟踪控制方法；

针对电动平衡车的有限时间跟踪控制方法，包括：

针对电动平衡车，建立动力学方程；

使用解耦方式对动力学方程的未知非线性函数进行处理，得到虚拟控制器和自适应律；

根据虚拟控制器和自适应律，确定有限时间自适应跟踪控制器；

获取待控制电动平衡车当前时刻的摆角，并得到当前时刻的转矩；根据设计的有限时间自适应跟踪控制器和当前时刻的转矩，得到输出摆角，使得平衡车的摆角复位，实现对电动平衡车的控制从而达到平衡驾驶。

第二方面，本发明提供了针对电动平衡车的有限时间跟踪控制系统；

针对电动平衡车的有限时间跟踪控制系统，包括：

方程建立模块，其被配置为：针对电动平衡车，建立动力学方程；

虚拟控制器和自适应律获取模块，其被配置为：使用解耦方式对动力学方程的未知非线性函数进行处理，得到虚拟控制器和自适应律；

自适应跟踪控制器确定模块，其被配置为：根据虚拟控制器和自适应律，确定有限时间自适应跟踪控制器；

输出模块，其被配置为：获取待控制电动平衡车当前时刻的摆角，并得到当前时刻的转矩；根据设计的有限时间自适应跟踪控制器和当前时刻的转矩，得到输出摆角，使得平衡车的摆角复位，实现对电动平衡车的控制从而达到平衡驾驶。

第三方面，本发明还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。

第四方面，本发明还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。

与现有技术相比，本发明的有益效果是：

(1)考虑一类具有非仿射非线性函数的纯反馈系统，它们的系统函数可能不可微。对此提出一种方法消除在研究纯反馈系统中使用微分中值定理的局限性，使本发明的方法能够比现有方法更广泛和实际地应用于工业或控制系统。

(2)构造一个合适的控制器以在有限的时间内稳定系统，这不仅能确保系统状态变量在有限的时间内快速收敛到平衡，而且还能提高系统的鲁棒性并且减少近似误差的影响。

(3)在控制器的设计过程中，采用适当的缩放技术来减少自适应参数的数量，从而使开发的结果更适合实际的操作过程，这也降低了设计过程的复杂性。最后，即使系统的控制方向未知，本发明的方法仍然可以使闭环系统中的所有信号均为半全局一致最终有界的。

(4)获取待控制电动平衡车当前时刻的摆角，并得到当前时刻的转矩；根据设计的有限时间自适应跟踪控制器和当前时刻的转矩，得到输出摆角，使得平衡车的摆角复位，实现对电动平衡车的控制从而达到平衡驾驶；本发明能够实现电动平衡车发生倾斜后，能够快速恢复平衡。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本申请实施例一设计的控制器系统的算法原理示意图；

图2是本申请实施例一设计的控制器系统的跟踪性能曲线图；

图3是本申请实施例一设计的控制器系统的跟踪误差曲线图；

图4是本申请实施例一系统状态变量曲线图；

图5是本申请实施例一自适应律1的曲线；

图6是本申请实施例一控制器输入曲线图；

图7是本申请实施例一自适应律2曲线图；

图8是本申请实施例一的平衡车系统。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

本实施例提供了针对电动平衡车的有限时间跟踪控制方法；

如图1和图8所示，针对电动平衡车的有限时间跟踪控制方法，包括：

S101：针对电动平衡车，建立动力学方程；

S102：使用解耦方式对动力学方程的未知非线性函数进行处理，得到虚拟控制器和自适应律；

S103：根据虚拟控制器和自适应律，确定有限时间自适应跟踪控制器；

S104：获取待控制电动平衡车当前时刻的摆角，并得到当前时刻的转矩；根据设计的有限时间自适应跟踪控制器和当前时刻的转矩，得到输出摆角，使得平衡车的摆角复位，实现对电动平衡车的控制从而达到平衡驾驶。

进一步地，所述S101：针对电动平衡车，建立动力学方程；具体包括：

其中，

是系统状态，y∈R是系统输出，系统输出是指电动平衡车的摆角，u∈R是系统输入，系统输入是指电动平衡车的转矩；r_i(t)和r_n(t)是系统的外部扰动，系统的外部扰动包括但不限于外部空气阻力或地面摩擦力，

是局部Lipschitz条件的参数未知光滑非仿射非线性系统函数。

进一步地，所述S102：使用解耦方式对动力学方程的未知非线性函数进行处理，得到虚拟控制器和自适应律；具体包括：

虚拟控制器α₁：

自适应律

其中，设计常数a₁,k₁>0,0<η<1，γ₁>0，γ₁>0。Ξ₁是系统误差。

是自适应参数，ξ₁为神经网络基向量。

虚拟控制器α_i：

自适应律

其中，设计常数a_i,k_i>0,0<η<1，γ_i>0，γ_i>0。Ξ_i是系统误差。

是自适应参数，ξ_i为神经网络基向量。

进一步地，所述S103：根据虚拟控制器和自适应律，确定有限时间自适应跟踪控制器；具体包括：

其中，设计常数a_n,k_n>0,0<η<1，γ_n>0，γ_n>0。Ξ_n是系统误差。

是自适应参数，ξ_n为神经网络基向量。

本发明公开了一种针对电动平衡车的有限时间自适应跟踪控制算法。本发明针对一类非仿射函数不可微的纯反馈非线性系统，解决了有限时间自适应跟踪控制问题。通过对非仿射函数进行正确建模，可以在不使用中值定理的情况下克服纯反馈结构的设计难题。在本发明的设计过程中，首先使用解耦技术开发了一种自适应神经网络控制器，该控制器消除了对非仿射函数偏导数的限制假设。然后，构造的控制器可以在有限时间内使系统稳定，从而使闭环系统中的所有信号成为半全局一致有限时间有界(SGUFB：semi-globallyuniformly finite-time bounded)。最后，仿真结果证明了该方法的有效性。

本发明公开了一种针对电动平衡车的有限时间自适应跟踪控制算法。通过引入一种新颖的解耦技术，首次针对考虑的系统提出了一种有限时间自适应跟踪控制算法，解决了一类具有不可微非仿射函数的纯反馈非线性系统的有限时间自适应跟踪控制问题。包括如下步骤：首先考虑了一类非仿射系统函数不可微的纯反馈非线性系统，利用解耦技术对系统进行了适当的建模。采用具有自适应律的径向基函数(RBF：radial basis function)神经网络处理系统中含有的未知非线性函数，接着将共同的Lyapunov函数与自适应反步技术相结合，设计了新颖的有限时间自适应跟踪控制器。本发明首次利用解耦技术针对纯反馈系统提出了一种新的自适应有限时间跟踪控制器，考虑了系统非仿射函数的导数不存在或者非正定的情况。

本发明的控制目标是设计一个自适应神经跟踪控制器，通过适当选择设计参数，可以将生成的跟踪误差收敛到原点的较小邻域，以便系统输出遵循所需的轨迹。与现有结果相比，本发明考虑了具有可能不可微的非仿射非线性函数且更为通用的纯反馈系统。而且在实际控制中本发明还要解决外部扰动和死区输入对系统的影响，本发明设计的有限时间控制器可以更合理地将跟踪误差收敛到零附近，并在有限时间T≥T_finite后保持在零附近，从而使系统快速稳定。因此设计一套基于解耦技术的有限时间自适应跟踪控制算法具有重要的现实意义和理论意义。

针对电动平衡车的有限时间自适应跟踪控制算法，优选地，考虑纯反馈非线性系统：

其中，

是系统状态，y∈R是系统输出，u∈R是系统输入。

是局部Lipschitz条件的参数未知光滑非仿射非线性函数。

引理1.考虑系统

如果系统的状态变量到达集合Ω_ζ的时间是有界的，那么，则说系统的解是在有限时间内有界的。并且，这个非线性系统是半全局一致最终有界的，只要存在光滑正定的函数V(ζ)满足下式：

其中，设计参数κ>0,0<η<1，ρ>0。

证明：对任意的0<θ≤1，从(2)有：

让Ω_ζ＝{ζ|V^η(ζ)≤ρ/(1-θ)κ},

如果

可以得到

通过求解此微分不等式进一步得出：

所以，对任意的时间T≥T_reach，都有ζ(t)∈Ω_ζ。考虑另一种情况，如果ζ(t)∈Ω_ζ，那么他将始终在里面出不来，如此一来，系统

的解就是在有限时间内有界的。

引理2.对任意的变量z和

存在正常数β,μ和ι使得下式成立:

引理3.对任意的z_i∈R,i＝1,...,n,0≤p≤1，下式成立:

假设1：理想的跟踪信号y_d是足够平滑的函数，并且存在一个正常数B₀使得

这表明参考信号y_d及其导数

是连续且有界的。

假设2：出于现实考虑，假设存在未知的正常数r_i ^*,使得|r_i(t)|≤r_i ^*,i＝1,...,n

优选地，为了更好地设计系统的控制输入，本发明使用解耦技术来处理非仿射项。

经过一系列处理后，可以建模非仿射函数如下：

其中，

和

是有界的非负定函数。

首先本发明定义一个函数：

其中τ_n+1＝u,

函数

满足：

其中G _i,

G’,

未知的正常数,Δ_1i,Δ_2i,Δ_3i,Δ_4i,i＝1,...,n未知的常数。(6)可以被巧妙的转化为下式：

为了简化控制器设计，本发明定义了以下简化符号：

其中，G _i,

G’,

为正常数，Δ_1i,Δ_2i,Δ_3i,Δ_4i,i＝1,...,n为常数，

和

在闭集[0，1]中取值。

是解耦后的部分系统函数。

然后本发明可以建模

如下：

为了有效地设计系统的控制输入，使用解耦技术来处理非仿射项。经过一系列处理，可以将系统(1)建模为：

假设3：假设函数

和

满足：

其中

{|Δ_1i|+|Δ_2i|,|Δ_3i|+|Δ_4i|}。

在本发明的设计中，以下径向基函数神经网络(RBFNN)用于近似连续函数h(Z):Rⁿ→R

h_nn(Z)＝W^Tξ(Z) (14)

其中W＝[W₁,W₂,...,W_l]∈R^l是权重向量，神经网络节点数l>1；基向量为ξ(Z)，输入向量为

ξ(Z)＝[ξ₁(Z),...,ξ_l(Z)]^T被选为常用的高斯函数，其形式为

μ_i＝[μ_i1,...,μ_iq]^T是相应场的中心，κ是高斯函数的宽度。神经网络可以将紧凑集

上的任何连续函数近似为任何所需的精度ε^*，如下所示

W^*是理想的权重向量，并且ε(Z)是逼近误差，满足|ε(Z)|≤ε^*其中ε^*>0是一个非常小的常数。

定义系统误差并进行误差转换，具体为：

Ξ_i＝τ_i-α_i-1,i＝1,2,3,...,n(17)

其中，α_i-1是在第i步构造的虚拟控制信号，并且α₀＝y_d。y_d是参考信号。

Step 1:优选地，通过(11)对Ξ₁求导:

步骤4.1，给出自适应反步技术的控制设计过程，设计Lyapunov函数：

其中，设计参数

是ψ的估计，ψ为神经网络权值参数；

通过前面提供的条件，得出

针对所考虑的系统，定义一个新的函数：

其中

(20)可以被重写为：

接下来，根据(13)和young不等式，在假设2和3下，本发明可以得到

由于未知函数不能用于控制设计，因此本发明可以从(15)中看到存在神经网络系统g’₁＝W₁ ^*Tξ₁(τ’₁)+ε₁(τ’₁),

其中

接下来，为了符号简化，本发明使用ξ₁,ε₁代替ξ₁(τ’₁),ε₁(τ’₁)。

定义

是参数估计误差，然后使用Young不等式，基于假设1，

其中a₁>0是设计的正常数。代(24)～(26)到(22)有

其中c₁＝k₁(1+P_m),

接下来，构造虚拟控制器α₁：

其中，设计常数a₁,k₁>0,0<η<1。Ξ₁是系统误差。

是自适应参数，ξ₁为神经网络基向量。

将(28)代入到(27)有

接下来，本发明构建自适应律

为

其中γ₁>0，γ₁>0，a₁>0是设计常数，Ξ₁是系统误差。

是自适应参数，ξ₁为神经网络基向量。结果，可以得到下式

Step i(i＝2,…,n-1):优选地，通过求导，Ξ_i的动态方程式构造如下：

其中

设计表述这一类系统的Lyapunov函数V_i(i＝2,...,n-1)：

通过前面提供的条件，推导得出V_i的时间导数为：

针对所考虑的系统，定义一个新的函数为

其中k_i>0是设计常数。然后(35)可以改写为：

现在，基于假设2，本发明可以继续将其代入公式(36)，继而得到下式：

选择神经网络如下：

其中

通过神经网络的逼近能力和young不等式，在假设2和3下，可以得到：

本发明将(39)～(41)代入(37)，使得以下不等式成立：

其中c_i＝k_i(1+P_m),

构造虚拟控制器α_i和自适应律

是自适应参数，ξ_i为神经网络基向量。

将(44)和(43)代入(42)，可以得到以下公式：

本发明可以从(31)到(45)，通过数学归纳方法得到以下公式

Step n:设计表述这一类系统的Lyapunov函数V_n：

通过前面提供的条件，推导得出V_n的时间导数为：

Ξ_n的动态方程设计如下：

其中

从(47)可以得到V_n的时间导数：

通过定义新函数

重写上式：

构建实际控制器u和自适应律

如上所述，本发明设计了实际的控制器和适应律。其中，设计常数a_n,k_n>0,0<η<1，γ_n>0，γ_n>0。Ξ_n是系统误差。

是自适应参数，ξ_n为神经网络基向量。

与上述步骤中的(36)至(46)类似，本发明可以轻松地得到：

其中c_j＝k_j(1+P_m),

稳定性分析：

定理1总结了本发明得到的主要结果。

定理1.考虑满足假设3的系统(1)，构建自适应控制器(43)和(53)以及自适应定律(44)和(54)。只要适当地选择设计参数η,k,a,γ，γ，就可以确保跟踪误差收敛到原点附近。此外，本发明没有直接使用微分中值定理，

就可以使得纯反馈非线性系统中的所有信号都是半全局一致最终有界的。

证明：对于Lyapunov候选函数V＝V_n,

定义c＝min{c_j,γ_j,j＝1,2,...,n}.然后从(55)得出

从

的定义可以得到

进一步重写(56)为

对于引理2，本发明选择适当的参数：

μ＝1-η,β＝η,

可以得到

代(58)到(57)，并使用(4),有：

应用引理3可以进一步简化

为

其中，

κ＝min{2^ηc,c}

现在定义

其中Ξ(0)＝(Ξ₁(0),Ξ₂(0),...,Ξ_n(0))^T,Φ(0)＝(ψ₁(0),ψ₂(0),...,ψ_n(0))^T.

基于引理1，本发明可以获得

V^η(ζ)≤ρ/(1-θ)κ.

综上所述，

的解在有限的时间内是有界的，并且该非线性系统中的所有信号都是SGPFS。本发明的控制目标是设计一个自适应跟踪控制器，并通过适当地选择设计参数，所生成的跟踪误差可以收敛到原点的较小的邻域，从而使系统输出y跟随期望信号y_d的轨迹。更精确地说，本发明设计的有限时间控制器可以更合理地将跟踪误差收敛到零附近，并在有限时间T≥T*后保持在零附近，从而使系统快速稳定。为了更加直观，本发明将通过仿真实验来证明所提出方法的有效性。

本发明提供一种针对电动平衡车的有限时间自适应跟踪控制算法，算法原理如图1所示。

该算法包括以下步骤：

(1)为了验证提出方法的有效性，首先考虑一个系统模型描述如下：

其中，

是系统状态，y∈R是系统输出，u∈R是系统输入。

死区模型如下：

其中，b_r＝2.5,b_l＝-2

(2)给定参考信号y_d(t)＝0.5cos(t)。

控制器参数选取如下：

k₁＝15,k₂＝8,a₁＝1,a₂＝1,γ₁＝10,γ₂＝10,γ₁＝0.5,γ₂＝0.5

仿真参数初始化如下：

τ₁(0)＝0,τ₂(0)＝1,

(3)设计自适应律，虚拟控制器和实际控制器分别如下：

仿真结果如图2至图7所示。图2是系统的跟踪性能曲线。从图2可以看出，与现有的结果相比，本发明设计的控制器是系统具有更好的跟踪性能。图3表示系统的跟踪误差曲线，从图4可以看出本发明设计的控制器能够保证跟踪误差在有限的时间内到达指定区域，并且具有较小的超调量。图5是自适应律1曲线图。图6是自适应律2曲线图。图7是系统控制输入曲线图，此方法具有良好的跟踪性能。从图2-7可以看出本发明设计的控制器能够保证所有信号在有限时间内稳定。

本发明公开了一种针对电动平衡车的有限时间自适应跟踪控制算法。提出了一种新型的有限时间自适应神经控制器。与现有结果相比，所开发的方法解决了一类非仿射函数可能不可微的纯反馈系统的有限时间自适应跟踪控制问题。值得注意的是，本发明构造的有限时间控制器不仅可以确保系统状态变量在有限的时间内快速收敛到平衡，而且使系统可以在有限时间内达到稳定状态而提高了系统的鲁棒性。本发明方法的优点是使用解耦技术开发了自适应神经网络控制器，消除了非仿射函数偏导数的局限性假设,从而使系统在实际控制中具有更好的瞬态响应并且所开发的方法在实际智能控制中具有较好的通用性。此外，证明了构造的控制器可以确保闭环系统中的所有信号都是半全局一致有限时间收敛的。最后，仿真结果说明了该方法的有效性。

实施例二

本实施例提供了针对电动平衡车的有限时间跟踪控制系统；

针对电动平衡车的有限时间跟踪控制系统，包括：

此处需要说明的是，上述方程建立模块、虚拟控制器和自适应律获取模块、自适应跟踪控制器确定模块和输出模块对应于实施例一中的步骤S101至S104，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

上述实施例中对各个实施例的描述各有侧重，某个实施例中没有详述的部分可以参见其他实施例的相关描述。

所提出的系统，可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的，例如上述模块的划分，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，例如多个模块可以结合或者可以集成到另外一个系统，或一些特征可以忽略，或不执行。

实施例三

本实施例还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述实施例一所述的方法。

应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。

在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。

实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。

本领域普通技术人员可以意识到，结合本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发明的范围。

实施例四

本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一所述的方法。

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，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。