權(quán)利要求書： 1.一種行星齒輪箱齒面磨損故障診斷方法，其特征在于，包括以下步驟：

1)采用FSWT對原始振動信號進行頻帶選取，并進行信號重構(gòu)；

2)將重構(gòu)信號進行Hilbert變換，得到低頻調(diào)制信號；

3)采用MOMEDA算法提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號；

4)對故障信號進行平方包絡(luò)譜分析，突出故障信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率；

5)對故障信號進行HEI量化處理，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。

2.如權(quán)利要求1所述故障診斷方法，其特征在于，采用所述FSWT對原始振動信號進行頻帶選取，包括以下步驟：

1.1)對原始振動信號進行FSWT分析，提取包含瞬態(tài)脈沖豐富的頻帶作為故障頻帶；

1.2)采用FSWT逆變換對故障頻帶內(nèi)的信號進行重構(gòu)，重構(gòu)信號z′(t)為：t1為起點時間,t2為終止點時間；ω1起點頻率,ω2為終止點頻率；W(t,ω,k)為原始振動信號z(t)的頻率切片小波變換，t和ω為觀測時間和觀測頻率，τ為時間自變量，k為頻域上的尺度參數(shù)。

3.如權(quán)利要求1所述故障診斷方法，其特征在于，采用所述MOMEDA算法進行故障脈沖提取，包括以下步驟：

3.1)利用解卷積獲取故障脈沖信號y(n)；

3.2)確定故障脈沖信號的故障脈沖周期，根據(jù)該故障脈沖周期選擇周期區(qū)間；

3.3)在多點峭度譜中選擇在周期區(qū)間峭度最大值處對應的周期，將該周期與理論脈沖周期結(jié)合計算誤差率，若誤差率在預設(shè)范圍內(nèi)，則該周期為故障脈沖周期；

3.4)利用MOMDEA準確提取故障脈沖周期的故障脈沖信號，得到所需要包含故障信息的故障信號。

4.如權(quán)利要求3所述故障診斷方法，其特征在于，所述步驟3.1)中，解卷積過程為：式中，n表示采樣點個數(shù)，x(n)為原始振動信號，y(n)為故障脈沖信號，f為濾波器參數(shù)，k＝1,2,…,N?L,其中N表示解卷積范圍，L代表濾波器階數(shù)。

5.如權(quán)利要求4所述故障診斷方法，其特征在于，引入了多點D范數(shù)：式中，i為目標向量；當目標向量i與脈沖信號y(n)完全契合時，解卷積效果達到最佳，此時多點D范數(shù)MOMEDA的值取得最大值,與之對應的濾波器參數(shù)f即為最優(yōu)濾波器參數(shù)。

6.如權(quán)利要求3所述故障診斷方法，其特征在于，所述多點峭度譜KMK為：式中，in為目標向量，n表示采樣點個數(shù)，N表示解卷積范圍，L代表濾波器階數(shù)。

7.如權(quán)利要求3所述故障診斷方法，其特征在于，所述誤差率η為：式中，δ為理論脈沖周期，T為實際峭度最大值處對應的周期。

8.如權(quán)利要求1所述故障診斷方法，其特征在于，對故障信號進行平方包絡(luò)譜分析，所述平方包絡(luò)譜分析算法包括以下步驟：

4.1)對故障脈沖信號y(t)進行希爾伯特變換：τ為時間自變量，y(t)′為希爾伯特變換后的信號；

4.2)構(gòu)造解析信號c(t)和共軛復解析信號c(t)′：c(t)＝y(tǒng)(t)+jy(t)；

c(t)′＝y(tǒng)(t)?jy(t)′；

4.3)將解析信號和共軛解析信號求積重構(gòu)出新的合成信號，得到平方包絡(luò)信號g(t)：g(t)＝c(t)c(t)′；

4.4)將平方包絡(luò)信號g(t)進行傅里葉變換，得到平方包絡(luò)譜，在包絡(luò)譜譜圖中識別故障特征頻率fp及其倍頻成分。

9.如權(quán)利要求1所述故障診斷方法，其特征在于，采用HEI量化故障信號，HEI的值與故障特征量成正比，與振動信號中包含的故障信息的豐富度成正比；HEI采用K次根運算來歸一化諧波幅值的乘積，使得諧波的個數(shù)即使發(fā)生變化也可以有效表達故障信息。

10.一種行星齒輪箱齒面磨損故障診斷系統(tǒng)，其特征在于，包括：第一處理模塊、第二處理模塊、第三處理模塊、包絡(luò)譜分析模塊和HEI量化模塊；

所述第一處理模塊采用FSWT對原始振動信號進行頻帶選取，并進行信號重構(gòu)；

所述第二處理模塊將重構(gòu)信號進行Hilbert變換，得到低頻調(diào)制信號；

所述第三處理模塊采用MOMEDA算法提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號；

所述包絡(luò)譜分析模塊對故障信號進行平方包絡(luò)譜分析，突出故障信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率；

所述HEI量化模塊對故障信號進行HEI量化處理，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。

說明書： 一種行星齒輪箱齒面磨損故障診斷方法及系統(tǒng)技術(shù)領(lǐng)域[0001] 本發(fā)明涉及一種齒輪故障診斷技術(shù)領(lǐng)域，特別是關(guān)于一種基于FSWT和MOMEDA的行星齒輪箱齒面磨損故障診斷方法及系統(tǒng)。背景技術(shù)[0002] 在全球風電機組累計裝機容量快速增長的背景下，由部件故障導致的機組停機事故頻發(fā)，其中發(fā)現(xiàn)造成停機最大時間的故障主要集中在風電機組的齒輪箱傳動系統(tǒng)。對齒輪箱發(fā)生各種異常狀態(tài)或故障及時、有效地監(jiān)測，能提前預防或消除各種故障的發(fā)生，降低維修時間和費用，延長機組的使用壽命，提高機組發(fā)電效率和安全運行。由此可見，對風電機組發(fā)生各種異常狀態(tài)或故障及時、有效地監(jiān)測是非常必要的。行星齒輪箱振動信號中復雜的頻率情況導致難以直接對故障特征進行提取，更多的是對嚙合頻率及其倍頻為載波頻率，故障特征頻率等頻率為間隔的邊頻帶進行分析來實現(xiàn)故障特征提取，不能直接通過故障特征頻率的出現(xiàn)來實現(xiàn)行星齒輪箱的故障診斷。發(fā)明內(nèi)容[0003] 針對上述問題，本發(fā)明的目的是提供一種基于FSWT和MOMEDA的行星齒輪箱齒面磨損故障診斷方法及系統(tǒng)，其能實現(xiàn)直接對行星齒輪箱故障特征頻率的準確提取，進而對行星齒輪箱齒面磨損故障進行研究和分析。[0004] 為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種行星齒輪箱齒面磨損故障診斷方法，其包括以下步驟：1)采用FSWT對原始振動信號進行頻帶選取，并進行信號重構(gòu)；2)將重構(gòu)信號進行Hilbert變換，得到低頻調(diào)制信號；3)采用MOMEDA算法提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號；4)對故障信號進行平方包絡(luò)譜分析，突出故障信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率；5)對故障信號進行HEI量化處理，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。[0005] 進一步，采用所述FSWT對原始振動信號進行頻帶選取，包括以下步驟：[0006] 1.1)對原始振動信號進行FSWT分析，提取包含瞬態(tài)脈沖豐富的頻帶作為故障頻帶；[0007] 1.2)采用FSWT逆變換對故障頻帶內(nèi)的信號進行重構(gòu)，重構(gòu)信號z′(t)為：[0008][0009] t1為起點時間,t2為終止點時間；ω1起點頻率,ω2為終止點頻率；W(t,ω,k)為原始振動信號z(t)的頻率切片小波變換，t和ω為觀測時間和觀測頻率，τ為時間自變量。[0010] 進一步，采用所述MOMEDA算法進行故障脈沖提取，包括以下步驟：[0011] 3.1)利用解卷積獲取故障脈沖信號y(n)；[0012] 3.2)確定故障脈沖信號的故障脈沖周期，根據(jù)該故障脈沖周期選擇周期區(qū)間；[0013] 3.3)在多點峭度譜中選擇在周期區(qū)間峭度最大值處對應的周期，將該周期與理論脈沖周期結(jié)合計算誤差率，若誤差率在預設(shè)范圍內(nèi)，則該周期為故障脈沖周期；[0014] 3.4)利用MOMDEA準確提取故障脈沖周期的故障脈沖信號，得到所需要包含故障信息的故障信號。[0015] 進一步，所述步驟3.1)中，解卷積過程為：[0016][0017] 式中，n表示采樣點個數(shù)，x(n)為原始振動信號，y(n)為故障脈沖信號，f為濾波器參數(shù)，k＝1,2,…,N?L,其中N表示解卷積范圍，L代表濾波器階數(shù)。[0018] 進一步，引入了多點D范數(shù)：[0019][0020] 式中，i為目標向量；當目標向量i與脈沖信號y(n)完全契合時，解卷積效果達到最佳，此時多點D范數(shù)MOMEDA的值取得最大值,與之對應的濾波器參數(shù)f即為最優(yōu)濾波器參數(shù)。[0021] 進一步，所述多點峭度譜KMK為：[0022][0023] 式中，in為目標向量，n表示采樣點個數(shù)，N表示解卷積范圍，L代表濾波器階數(shù)。[0024] 進一步，所述誤差率η為：[0025][0026] 式中，δ為理論脈沖周期，T為實際峭度最大值處對應的周期。[0027] 進一步，對故障信號進行平方包絡(luò)譜分析，所述平方包絡(luò)算法包括以下步驟：[0028] 4.1)對故障脈沖信號y(t)進行希爾伯特變換：[0029][0030] τ為時間自變量，y(t)′為希爾伯特變換后的信號；[0031] 4.2)構(gòu)造解析信號c(t)和共軛復解析信號c(t)′：[0032] c(t)＝y(tǒng)(t)+jy(t)；[0033] c(t)′＝y(tǒng)(t)?jy(t)′；[0034] 4.3)將解析信號和共軛解析信號求積重構(gòu)出新的合成信號，得到平方包絡(luò)信號g(t)：[0035] g(t)＝c(t)c(t)′；[0036] 4.4)將平方包絡(luò)信號g(t)進行傅里葉變換，得到平方包絡(luò)譜，在包絡(luò)譜譜圖中識別故障特征頻率fp及其倍頻成分。[0037] 進一步，采用HEI量化故障信號，HEI的值與故障特征量成正比，與振動信號中包含的故障信息的豐富度成正比；HEI采用K次根運算來歸一化諧波幅值的乘積，使得諧波的個數(shù)即使發(fā)生變化也可以有效表達故障信息。[0038] 一種行星齒輪箱齒面磨損故障診斷系統(tǒng)，其包括第一處理模塊、第二處理模塊、第三處理模塊、包絡(luò)譜分析模塊和HEI量化模塊；所述第一處理模塊采用FSWT對原始振動信號進行頻帶選取，并進行信號重構(gòu)；所述第二處理模塊將重構(gòu)信號進行Hilbert變換，得到低頻調(diào)制信號；所述第三處理模塊采用MOMEDA算法提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號；所述包絡(luò)譜分析模塊對故障信號進行平方包絡(luò)譜分析，突出故障信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率；所述HEI量化模塊對故障信號進行HEI量化處理，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。[0039] 本發(fā)明由于采取以上技術(shù)方案，其具有以下優(yōu)點：1、本發(fā)明采用FSWT(頻率切片小波變換)實現(xiàn)瞬態(tài)沖擊信息最豐富的故障頻帶的選取，并得到其頻帶的重構(gòu)信號，縮小了振動數(shù)據(jù)的處理范圍，提高了故障特征提取效率。2、本發(fā)明利用MOMEDA(多點最優(yōu)調(diào)整的最小熵解卷積)對重構(gòu)信號進行濾波處理，有效實現(xiàn)了故障脈沖的準確提取，并通過平方包絡(luò)譜將故障特征頻率從多個頻率成分中分離出來，實現(xiàn)故障特征頻率的解耦，能夠更加清晰地提取到信號的故障特征頻率。3、引入諧波有效指數(shù)(HEI)，以量化處理后信號中攜帶的故障特征量，通過該指標，可以確定振動信號中包含的故障信息的豐富度。附圖說明[0040] 圖1是本發(fā)明故障診斷方法的整體流程示意圖。[0041] 圖2是FSWT提取故障信號圖；其中，圖(a)為FSWT變換分析的輸入信號；圖(b)為FSWT的時頻譜；圖(c)為重構(gòu)后的時域信號。具體實施方式[0042] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例的附圖，對本發(fā)明實施例的技術(shù)方案進行清楚、完整地描述。顯然，所描述的實施例是本發(fā)明的一部分實施例，而不是全部的實施例。基于所描述的本發(fā)明的實施例，本領(lǐng)域普通技術(shù)人員所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。[0043] 實施例1：[0044] 在本實施例中提供一種基于FSWT和MOMEDA的行星齒輪箱齒面磨損故障診斷方法，該方法對原始信號進行FSWT分析，提取包含瞬態(tài)脈沖最為豐富的頻帶，并對頻率切片區(qū)間進行信號重構(gòu)，提取信號中的故障信號。對重構(gòu)信號進行Hilbert變換，將故障信息從復雜的信號調(diào)幅部分中分離出來，得到低頻調(diào)制信號。結(jié)合理論故障周期，選擇合適的周期區(qū)間，采用MOMEDA(多點最優(yōu)調(diào)整的最小熵解卷積)算法有效提取了調(diào)制信號中的周期性故障沖擊成分。通過平方包絡(luò)譜突出信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率。并采用HEI(諧波有效指數(shù))來量化信號中包含的故障信息。[0045] 如圖1所示，具體的，行星齒輪箱齒面磨損故障診斷方法包括以下步驟：[0046] 1)采用FSWT(頻率切片小波變換)對原始振動信號進行頻帶選取，并進行信號重構(gòu)；[0047] 在本實施例中，原始振動信號為行星齒輪箱齒面磨損故障的振動數(shù)據(jù)，優(yōu)選的采樣頻率為fs＝20480Hz。[0048] 2)將重構(gòu)信號進行Hilbert變換，將故障信息從復雜的信號調(diào)幅部分中分離出來，得到低頻調(diào)制信號。[0049] 3)采用MOMEDA算法有效提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號。[0050] 4)對故障信號進行平方包絡(luò)譜分析，通過平方包絡(luò)譜分析突出故障信號中的瞬態(tài)能量成分，抑制噪聲，識別聚集在低頻段的故障特征頻率。[0051] 5)對故障信號進行HEI量化處理，HEI量化處理后的故障信號中包含故障脈沖的故障信息，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。[0052] 上述步驟1)中，采用FSWT對原始振動信號進行頻帶選取，包括以下步驟：[0053] 令L2(R)為有限向量空間(R為集合實數(shù)),對任意原始振動信號z(t)∈L2(R)，頻率切片小波變換為：[0054][0055] 其中，t和ω為觀測時間和觀測頻率，u為角頻率， 為母小波函數(shù)p(t)的頻域形式， 為原始振動信號z(t)的頻域形式；符號*代表共軛函數(shù)，頻域上的尺度參數(shù)k為：[0056][0057] 式中，Δωp為頻率切片函數(shù) 已知的頻窗寬度；ηs為原始振動信號z(t)的頻率分辨率。通過調(diào)節(jié)Δωp和ηs，來調(diào)節(jié)FSWT的頻率或時間的靈敏度，進而達到多分辨率的目的。[0058] 在本實施例中，選取 作為頻率切片函數(shù)，基本參數(shù)ηs＝0.025，尺度參數(shù) 利用行星齒輪箱故障的沖擊性，對振動信號作FSWT變換分析全頻帶的時頻分布特征。

[0059] 1.1)對原始振動信號進行FSWT分析，提取包含瞬態(tài)脈沖最為豐富的頻帶作為故障頻帶；[0060] 其中，圖2中的圖(a)作為FSWT變換分析的輸入信號。然后選擇觀察到的FSWT頻率范圍，圖2中的(b)為FSWT的時頻譜，所選部分為時頻譜中提取的故障頻帶，該頻帶被認為是故障共振頻帶。圖中最亮色部分為幅值最高處，最暗處部分為幅值最低處，可以看出振動數(shù)據(jù)中全頻率范圍的時頻幅值分布情況。在本實例中瞬態(tài)脈沖主要聚集于500～1500Hz的頻率范圍內(nèi)，因此選取此范圍內(nèi)的頻帶為本組數(shù)據(jù)的故障頻帶。[0061] 1.2)采用FSWT逆變換對故障頻帶內(nèi)的信號進行重構(gòu)。[0062] FSWT可對分析信號進行時頻分解，若 滿足 原始振動信號z(t)的頻率切片小波變換為W(t,ω,k)，則在時頻區(qū)域(T1,T2,ω1,ω2)的重構(gòu)信號z′(t)為：[0063][0064] t1為起點時間,t2為終止點時間；ω1起點頻率,ω2為終止點頻率。[0065] 由上式可知重構(gòu)信號z′(t)可直接由快速傅里葉變換求得。故利用FSWT逆變換能方便地重構(gòu)任意頻帶內(nèi)的信號。圖2中的(c)為重構(gòu)后的時域信號。[0066] 上述步驟3)中，采用MOMEDA算法進行故障脈沖提取，包括以下步驟：[0067] 3.1)利用解卷積獲取故障脈沖信號y(n)；[0068] 解卷積過程為：[0069][0070] 式中，n表示采樣點個數(shù)，x(n)為原始振動信號，y(n)為故障脈沖信號，f為濾波器參數(shù)，k＝1,2,…,N?L,其中N表示解卷積范圍，L代表濾波器階數(shù)。[0071] 考慮到故障脈沖周期性的特點，MOMEDA引入了多點D范數(shù)，使得解卷積的效果達到最佳，即：[0072][0073] 式中，i為目標向量，定義解卷積目標沖擊成分的位置和權(quán)重。當目標向量i與脈沖信號y(n)完全契合時，解卷積效果達到最佳。此時多點D范數(shù)MOMEDA的值取得最大值,與之對應的濾波器參數(shù)f即為最優(yōu)濾波器參數(shù)。[0074] 3.2)確定故障脈沖信號的故障脈沖周期，根據(jù)該故障脈沖周期選擇周期區(qū)間；[0075] 其中，故障脈沖周期根據(jù)采樣頻率和行星輪故障特征頻率得到；[0076] 在本實施例中，采樣頻率fs＝20480Hz，行星輪故障特征頻率fp＝7.03Hz，則故障脈沖周期T＝fs/fp＝2913.23。行星齒輪箱中的其它頻率對應的脈沖周期與故障脈沖周期T差異明顯，故周期區(qū)間可選擇為[2900,2950]。[0077] 3.3)在多點峭度譜中選擇在周期區(qū)間峭度最大值處對應的周期，將該周期與理論脈沖周期結(jié)合計算誤差率，若誤差率在預設(shè)范圍內(nèi)，則該周期為故障脈沖周期。[0078] 多點峭度譜KMK為：[0079][0080] 式中，in為目標向量。[0081] 在本實施例中，此區(qū)間內(nèi)周期T＝2935處的峭度值最大，此時的故障脈沖周期和理論脈沖周期的誤差率為0.7％，即可確定選擇的故障脈沖周期為準確的故障脈沖周期。[0082] 誤差率：[0083] 式中，δ為理論脈沖周期，T為實際峭度最大值處對應的周期。[0084] 3.4)利用MOMDEA準確提取故障脈沖周期的故障脈沖信號，得到所需要包含故障信息的故障信號；[0085] 例如，利用MOMDEA準確提取周期T＝2934的故障脈沖，得到所需要包含故障信息的信號。[0086] 上述步驟4)中，為了對故障信息進行精確計算，對故障信號進行平方包絡(luò)譜分析，可以抑制噪聲,突出聚集在低頻段的故障特征頻率,能更好地進行故障診斷。[0087] 平方包絡(luò)算法包括以下步驟：[0088] 4.1)對故障脈沖信號y(t)進行希爾伯特變換：[0089][0090] τ為時間自變量，y(t)′為希爾伯特變換后的信號。[0091] 4.2)構(gòu)造解析信號c(t)和共軛復解析信號c(t)′：[0092] c(t)＝y(tǒng)(T)+jy(t)；(9)[0093] c(t)′＝y(tǒng)(t)?jy(t)′；(10)[0094] 4.3)將解析信號和共軛解析信號求積重構(gòu)出新的合成信號，得到平方包絡(luò)信號g(t)：[0095] g(t)＝c(t)c(t)′；(11)[0096] 4.4)將平方包絡(luò)信號g(t)進行傅里葉變換，得到平方包絡(luò)譜，在包絡(luò)譜譜圖中識別故障特征頻率fp及其倍頻成分。[0097] 上述步驟5)中，采用HEI量化故障信號，HEI的值與故障特征量成正比，與振動信號中包含的故障信息的豐富度成正比。HEI為：[0098][0099] 其中，ω0為故障頻率，F(xiàn)(ω0)為振動信號z(t)的譜圖中ω0對應的幅值；K為諧頻倍數(shù)。[0100] HEI采用K次根運算來歸一化諧波幅值的乘積，使得諧波的個數(shù)即使發(fā)生變化也可以有效表達故障信息。[0101] 在本實例中，行星輪故障特征頻率fp＝7Hz，nfp＝7nHz(n為正整數(shù))，由于在實際分析中會存在微小誤差，故在平方包絡(luò)譜的頻率區(qū)間[nfp?1,nfp+1]中取最大值，將前n個所選頻率幅值進行乘積，并進行n次根運算，即可得到諧波有效指數(shù)(HEI),將其作為故障諧波乘?6積譜指標。此處選定n＝50，計算可知所選數(shù)據(jù)中fp的HEI值為4.331×10 。

[0102] 實施例2：[0103] 在本實施例中提供一種行星齒輪箱齒面磨損故障診斷系統(tǒng)，其特征在于，包括：第一處理模塊、第二處理模塊、第三處理模塊、包絡(luò)譜分析模塊和HEI量化模塊；[0104] 第一處理模塊采用FSWT對原始振動信號進行頻帶選取，并進行信號重構(gòu)；[0105] 第二處理模塊將重構(gòu)信號進行Hilbert變換，得到低頻調(diào)制信號；[0106] 第三處理模塊采用MOMEDA算法提取低頻調(diào)制信號中的周期性故障脈沖，得到故障信號；[0107] 包絡(luò)譜分析模塊對故障信號進行平方包絡(luò)譜分析，突出故障信號中的瞬態(tài)能量成分，識別聚集在低頻段的故障特征頻率；[0108] HEI量化模塊對故障信號進行HEI量化處理，實現(xiàn)對行星齒輪箱齒面磨損的故障診斷。[0109] 上述各實施例僅用于說明本發(fā)明，各部件的結(jié)構(gòu)、尺寸、設(shè)置位置及形狀都是可以有所變化的，在本發(fā)明技術(shù)方案的基礎(chǔ)上，凡根據(jù)本發(fā)明原理對個別部件進行的改進和等同變換，均不應排除在本發(fā)明的保護范圍之外。[0110] 本領(lǐng)域內(nèi)的技術(shù)人員應明白，本申請的實施例可提供為方法、系統(tǒng)、或計算機程序產(chǎn)品。因此，本申請可采用完全硬件實施例、完全軟件實施例、或結(jié)合軟件和硬件方面的實施例的形式。而且，本申請可采用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD?ROM、光學存儲器等)上實施的計算機程序產(chǎn)品的形式。[0111] 本申請是參照根據(jù)本申請實施例的方法、設(shè)備(系統(tǒng))、和計算機程序產(chǎn)品的流程圖和/或方框圖來描述的。應理解可由計算機程序指令實現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機程序指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個機器，使得通過計算機或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。[0112] 這些計算機程序指令也可存儲在能引導計算機或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。[0113] 這些計算機程序指令也可裝載到計算機或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計算機或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機實現(xiàn)的處理，從而在計算機或其他可編程設(shè)備上執(zhí)行的指令提供用于實現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。