CN105297820B - 挖土机支援装置及挖土机管理方法 - Google Patents

Abstract

一种挖土机支援装置及挖土机管理方法，减小应从挖土机发送的数据量，且进行能够防止漏掉异常的数据发送。上述挖土机支援装置，具有：显示装置、存储装置及处理装置，上述处理装置将上述挖土机的异常度或剩余寿命以与上述挖土机的运行时间建立了关联的状态保存在上述存储装置中，上述处理装置从上述存储装置读出上述运行时间及上述异常度或上述剩余寿命，在上述显示装置上显示上述运行时间与上述异常度或上述剩余寿命之间的关系。

Description

挖土机支援装置及挖土机管理方法

技术领域

本发明涉及一种挖土机支援装置及挖土机管理方法，对从挖土机接收的信息进行处理并支援挖土机的维护。

背景技术

挖土机等作业机械用于各种建设现场、土木现场等，在发生了故障时，要求迅速的故障修理。基于根据作业机械的状态而变动的各种参数，来检测异常的诊断系统得到了开发(专利文献1、2)。例如，根据发动机转速、工作液压等多个参数来检测异常。作为一例，利用从作业机械收集的各种参数的时间积分值等。通过进行时间积分，能够排除噪声的影响。利用该诊断系统能够进行迅速的故障修理。

专利文献1：日本特开2006-53818号公报

专利文献2：日本特开2007-257366号公报

用于检测异常的多个参数从挖土机发送到管理中心。若发送在某一期间收集的所有参数，则应发送的数据量很大。通过从多个参数选择一部分，并仅发送所选择的参数，能够削减应发送的数据量。然而，在没能选出表示异常的参数的情况下，存在挖土机发生了异常的可能性，但也会检测不到异常。

发明内容

本发明的目的在于提供一种挖土机及数据发送方法，应从挖土机发送的数据量少，且进行能够防止漏掉异常的数据发送。本发明的另一目的在于提供一种挖土机支援装置及挖土机管理方法，根据从该挖土机发送的数据，计算并显示异常的程度。

根据本发明的一个方案，一种挖土机支援装置，具有：显示装置、存储装置及处理装置，上述处理装置将上述挖土机的异常度或剩余寿命以与上述挖土机的运行时间建立了关联的状态保存在上述存储装置中，上述处理装置从上述存储装置读出上述运行时间及上述异常度或上述剩余寿命，在上述显示装置上显示上述运行时间与上述异常度或上述剩余寿命之间的关系。

根据本发明的另一个方案，一种挖土机管理方法，包括：将挖土机的异常度或剩余寿命以与上述挖土机的运行时间建立了关联的状态保存在存储装置中的工序；以及若接收到异常度显示请求，则从上述存储装置读出上述运行时间及上述异常度或上述剩余寿命，在显示装置上显示上述运行时间与上述异常度或上述剩余寿命之间的关系的工序。

发明效果

根据多个评价向量，生成判定动作状态的异常度的基础即动作状态数据，从而能够削减应发送的数据的数据量。进一步，根据离被判定为正常动作状态的条件最远的评价向量，生成动作状态数据，从而能够防止漏检异常。此外，按照多个评价向量的各要素来计算平均值及标准偏差，并发送该平均值及标准偏差，从而能够防止漏检异常。

附图说明

图1是实施例的挖土机及挖土机支援装置的概略图。

图2是挖土机的控制单元执行的数据发送方法的流程图。

图3A及图3B是分别表示发动机转速及发动机负载率的时间波形的一例的图表。

图4是表示评价向量的要素的一例的图表。

图5是表示参照波形的一例的图表。

图6A是表示正常动作时取得的多个评价向量、以及从评价对象的挖土机取得的评价向量的一例的图表，图6B是将图6A的图表所示的评价向量归一化而得到的图表。

图7是图2的步骤S3的一个具体例的流程图。

图8是其他实施例的挖土机的控制单元执行的数据发送方法的流程图。

图9是表示多个挖土机与管理装置之间的数据的收发次序的图。

图10A是表示存储装置中所存储的数据库的项目的一例的图表，图10B是表示类似的挖土机的型号的一览表的图表。

图11是将来的异常度的变化的预测、以及显示异常度的处理的流程图。

图12是表示管理装置的显示装置上所显示的图像的一例的图。

图13是表示管理装置的显示装置上所显示的图像的另一例的图。

符号说明

20 挖土机

21 控制单元

22 通信装置

23 GPS接收机

24 显示装置

25 近距离无线通信装置

26 传感器

27 存储装置

30 管理终端

31 显示装置

32 输入装置

33 处理装置

34 收发电路

35 近距离无线通信装置

36 存储装置

40 挖土机支援装置

50 单位时间波形

55 正常动作时所取得的评价向量

56、57 从评价对象的挖土机取得的评价向量

56N、57N 归一化评价向量

58 正常区域

58N 归一化的正常区域

60 管理装置

61 输入装置

62 显示装置

63 存储装置

64 处理装置

65 通信装置

70 网络

80 维护建议线

81 维护记号

具体实施方式

图1表示实施例的挖土机20及挖土机支援装置40的概略图。挖土机支援装置40包括管理装置60及管理终端30。

在挖土机20上搭载有控制单元21、通信装置22、GPS(全球定位系统)接收机23、显示装置24、近距离无线通信装置25、传感器26及存储装置27。通信装置22具有与外部设备进行数据的收发的功能。例如，通信装置22具有经由网络70与管理终端30及管理装置60进行数据通信的功能。近距离无线通信装置25也具有与外部设备进行数据的收发的功能。例如，近距离无线通信装置25具有不经由网络而与管理终端30进行无线通信的功能。

传感器26检测与挖土机20的运行状态相关的各种物理量(运行信息)。传感器26的检测值被输入到控制单元21。运行信息例如包括发动机转速、发动机负载率、液压泵压力、冷却水温度、液压负载、附属装置的姿势、液压缸伸缩长度、回转角、累计运行时间等。

GPS接收机23检测挖土机20的当前位置。在存储装置27中存储有挖土机20的型号、机体识别信息(机体号)等。进一步，在存储装置27中确保有用于保存由传感器26检测的各种运行信息的检测值、由GPS接收机23计算的当前位置信息等的区域。在显示装置24上显示与挖土机20相关的各种信息。

控制单元21控制传感器26、GPS接收机23、显示装置24、通信装置22及近距离无线通信装置25。进一步，控制单元21从存储装置27读出数据，并且向存储装置27保存数据。

管理终端30包括显示装置31、输入装置32、处理装置33、收发电路34、近距离无线通信电路35及存储装置36。收发电路34具有经由网络70与管理装置60通信的功能。近距离无线通信电路35具有不经由网络而与邻近的挖土机20通信的功能。

在存储装置36中存储有处理装置33所执行的程序。进一步，在存储装置36中确保有用于保存与挖土机20相关的各种信息的区域。处理装置33根据从管理装置60接收的数据，进行数据处理，将处理结果显示在显示装置31上。管理终端30的利用者(以下简称为“利用者”)从输入装置32向处理装置33输入指令。管理终端30例如利用平板电脑终端、便携电话终端等。显示装置31及输入装置32例如使用触摸面板。触摸面板兼用作显示装置31和输入装置32。

管理装置60包括输入装置61、显示装置62、存储装置63、处理装置64及通信装置65。通信装置65具有经由网络70与挖土机20及管理终端30进行数据通信的功能。在存储装置63中存储有处理装置64所执行的程序及与挖土机20相关的各种信息。处理装置64根据从挖土机20接收的机体号、各种运行信息、当前位置信息及存储装置63中所存储的信息，生成挖土机20的支援信息。所生成的支援信息输出到显示装置62。进一步，处理装置64将机体识别信息、当前位置信息及支援信息发送给管理终端30。

图2表示挖土机20(图1)的控制单元21执行的数据发送方法的流程图。

在步骤S1中，通过传感器26(图1)测定与挖土机20的运行状态相关的关注物理量，取得关注物理量的测定值的时间波形。关注物理量例如包括发动机转速、发动机负载率。作为关注物理量，也可以选择根据挖土机的动作而变化的其他物理量。作为关注物理量，例如也可以选择液压泵压力、控制挖土机的前进、后退、回转等的工作压、以及用于控制动臂等的液压缸的工作压等。另外，除了关注物理量以外，包括各种运行信息例如冷却水温度、液压负载、附属装置的姿势、液压缸伸缩长度、回转角、累计运行时间等。在本实施方式中，作为驱动部位的发动机、液压泵、回转马达及行驶马达等为异常判断的对象。

图3A及图3B分别表示发动机转速及发动机负载率的时间波形的一例。从时刻t1至时刻t2的期间、及从时刻t3至时刻t4的期间相当于怠速状态。除此以外的期间，某操作被执行，发动机转速及发动机负载率比怠速状态的发动机转速及发动机负载率高。

在步骤S2(图2)中，从关注物理量的时间波形切取出满足提取条件的一定时间宽度的部分，取得单位时间波形。作为提取条件的例子，包括“发动机为怠速状态”的条件。例如能够根据没有产生先导泵压这一状态，检测出怠速状态。另外，也可以将怠速状态以外的状态作为提取条件。例如，也可以将动臂抬升动作、前进动作、右回转动作等作为提取条件来采用。

图3A及图3B分别表示从发动机转速及发动机负载率的时间波形切取的单位时间波形50的一例。从时刻t1至时刻t2的怠速状态的期间提取出3个单位时间波形50，从时刻t3至时刻t4的怠速状态的期间提取出2个单位时间波形50。单位时间波形50各自的时间宽度例如为2秒～10秒。

在步骤S3(图2)中，根据单位时间波形，计算挖土机20的异常度的评价中所使用的评价向量。评价向量中，作为要素而包含规定单位间波形的形状的多个特征量。

图4表示评价向量的要素的一例。作为构成评价向量的关注物理量，采用发动机转速(关注物理量A)及发动机负载率(关注物理量B)。按各关注物理量，作为特征量，采用平均值(特征量a)、标准偏差(特征量b)、最大波峰值(特征量c)、峰的数量(特征量d)及信号不存在时间的最大值(特征量e)。例如，评价向量的要素x1、x2分别相当于发动机转速的平均值及标准偏差。在图4所示的例子中，按各关注物理量分别计算5个要素。

参照图5说明峰的数量(特征量d)及信号不存在时间的最大值(特征量e)。图5表示单位时间波形的一部分。“峰的数量”被定义为波形横切阈值Pth0的部位的数量。在图5所示的期间，在交叉部位H1～H4，波形横切阈值Pth0。因此，计算出峰的数量为4。

将波形比阈值Pth1低的区间定义为信号不存在区间。在图5所示的例子中，出现信号不存在区间T1～T4。“信号不存在时间的最大值”是指多个信号不存在区间的时间宽度中最大的时间宽度。在图5所示的例子中，信号不存在区间T3的时间宽度作为信号不存在时间的最大值而被采用。一般情况下，若在波形上存在周期长的起伏，则信号不存在时间的最大值增大。

在步骤S4(图2)中，判定当前时刻是否与数据发送时刻一致。在当前时刻与数据发送时刻不一致的情况下，返回到步骤S1，继续进行关注物理量的测定。在当前时刻与数据发送时刻一致的情况下，在步骤S5中，根据上一次的数据发送时刻之后所取得的多个评价向量中离被判定为正常的条件最远的评价向量，生成动作状态数据。动作状态数据成为判定挖土机20的动作状态的异常度的基础。

参照图6A及图6B，说明确定离被判定为正常的条件最远的评价向量的方法。预先，在与评价对象的挖土机20(图1)同一型号的挖土机正常动作时测定多个关注物理量，并计算评价向量55。按照正常动作时所计算的多个评价向量55的各要素，计算平均值(正常动作时平均值)及标准偏差(正常动作时标准偏差)。该正常动作时平均值及正常动作时标准偏差存储在挖土机20的控制单元21(图1)中。

图6A表示正常动作时取得的多个评价向量55、以及从评价对象的挖土机20取得的评价向量56、57的一例。在图6A中，仅对评价向量的2个要素x1、x2，以二维空间表示评价向量，但实际上，评价向量以与要素的个数相当的多维空间来表示。

正常动作时取得的多个评价向量55的终点分布在正常区域58内。在从评价对象的挖土机20取得的评价向量的终点在正常区域58内的情况下，判断为评价对象的挖土机20正常动作。即，可以换言之，挖土机20“被判定为正常的条件”是评价向量的终点包含在正常区域58中。在图6A所示的例子中，评价向量56、57脱离了被判定为正常的条件即正常区域58。

用各要素的平均值及标准偏差对正常动作时所取得的评价向量55进行归一化。若将评价向量的要素xi的平均值用μi来表示，将标准偏差用σi来表示，则归一化评价向量的要素nxi表示为nxi＝(xi-μi)/σi。

如图6B所示，若正常动作时所取得的评价向量55(图6A)被归一化，则被归一化的评价向量的终点分布在以原点为中心的球状的区域58N的内部。将评价向量56、57(图6A)也归一化，得到归一化评价向量56N、57N。归一化评价向量56N、57N中长的向量被判定为离被判定为正常的条件更远。多个评价向量中归一化后最长的评价向量被判定为是离被判定为正常的条件最远的评价向量。

在图6B所示的例子中，归一化评价向量57N比归一化评价向量56N长。因此，判定为图6A所示的评价向量57与评价向量56相比远离了被判定为正常的条件(异常度高)。在归一化前的图6A所示的图表中，看起来评价向量56更远离正常区域58。通过对评价向量进行归一化，能够更准确地检测出异常度高的评价向量。

在步骤S6(图2)中，将在步骤S5生成的动作状态数据发送给管理装置60(图1)。作为动作状态数据，例如既可以采用离被判定为正常的条件最远的评价向量，也可以采用将其归一化而得到的归一化评价向量。另外，也可以从挖土机20向管理终端30发送动作状态数据。

在步骤S7中，判定挖土机20(图1)是否为运行停止状态。在挖土机20不是运行停止状态的情况下，返回到步骤S1，继续进行关注物理量的时间波形的取得。在挖土机20为运行停止状态的情况下，结束数据发送处理。

在上述实施例中，挖土机20发送的动作状态数据的数据量与1个评价向量的数据量是相同程度，比多个评价向量的合计的数据量少。因此，与发送从上一次的数据发送时到当前时间为止所收集的所有评价向量的情况相比，能够削减发送数据的数据量。

进一步，向挖土机支援装置40(图1)发送的动作状态数据是根据从上一次的数据发送时到当前时间为止所收集的评价向量中离被判定为正常的条件最远(异常度最高)的评价向量而生成的。因此，在通过挖土机支援装置40进行评价对象的挖土机20的异常判定时，能够避免漏掉异常。

图7表示步骤S3(图2)的一个具体例的流程图。在该具体例中，在步骤S3的处理结束的时点，求出离被判定为正常的条件最远的评价向量的候选。

在步骤S31中，判定评价向量的计算在数据发送(图2的步骤S6)之后是否为首次。在首次的情况下，在步骤S32中，对控制单元21(图1)内的评价向量的保存区域进行初始设定。具体地说，将保存区域中所保存的评价向量的所有要素设为0。在对评价向量的保存区域进行初始设定之后，在步骤S33中，根据关注物理量的测定值，计算评价向量。在步骤S31中，评价向量的计算在上一次的数据的发送时点之后为第2次以后的情况下，不对评价向量的保存区域进行初始设定，并在步骤S33中计算评价向量。

在步骤S34中，比较保存区域中所保存的评价向量与在步骤S33中新计算的评价向量。具体地说，比较将两者归一化而得到的归一化评价向量的长度。

在新计算的评价向量脱离了被判定为正常的条件的情况下，在步骤S35中，将保存区域的内容置换为新计算的评价向量之后，执行步骤S4(图2)。在保存区域中所保存的评价向量脱离了被判定为正常的条件的情况下，不置换保存区域的内容而执行步骤S4(图2)。在步骤S5(图2)中，根据评价向量的保存区域中所保存的评价向量来生成动作状态数据即可。

在图7所示的方法中，不需要将从上一次的数据发送时点到当前时间为止所收集的所有评价向量存储在控制单元21(图1)中。因此，能够削减控制单元21的存储容量。

接着，参照图8说明其他实施例的挖土机20(图1)的控制单元21执行的数据发送方法的流程图。在图8所示的流程图中，图2所示的流程图的步骤S5被置换为步骤S5a。其他步骤与图2所示的流程图的对应步骤相同。

在图8的步骤S5a中，按照在上一次的数据发送之后所取得的多个评价向量的各要素，计算平均值及标准偏差，生成包含平均值及标准偏差的动作状态数据。作为一例，动作状态数据由评价向量的平均值及标准偏差构成。

在图8所示的实施例中，也与图2所示的实施例同样，能够削减从挖土机20向挖土机支援装置40发送的数据的数据量。此外，向挖土机支援装置40发送的动作状态数据包含评价向量的平均值及标准偏差，因此在由挖土机支援装置40进行评价对象的挖土机20的异常判定时，能够避免漏掉异常。

另外，也可以除了评价向量的平均值及标准偏差以外，还将离被判定为正常的条件最远的评价向量包含在动作状态数据中。

参照图9～图13说明由管理装置60(图1)进行的处理。另外，这些处理也可以由管理终端30(图1)进行。

图9表示多个挖土机20与管理装置60之间的数据的收发次序。从各挖土机20向管理装置60定期地发送挖土机20的型号、机体号、运行时间、动作状态数据及运行信息。例如，这些数据的发送定期地1天进行1次。管理装置60若接收到这些数据，则根据接收数据，计算异常度，并将计算结果与挖土机20的型号、机体号、运行时间、动作状态数据及运行信息建立关联并保存在存储装置63中，进行数据库化。作为计算“异常度”的尺度，例如可以采用归一化评价向量的长度。

若由操作者经过输入装置61(图1)请求了异常度显示，则管理装置60从数据库读出有请求的挖土机20的异常度，并预测将来的异常度。将过去的异常度的变化、以及将来的异常度的预测变化显示在显示装置62(图1)上。在从管理终端30请求了异常度显示的情况下，将表示过去的异常度的变化、以及将来的异常度的预测变化的数据经由通信装置65发送给管理终端30。

图10A表示存储装置63中所存储的数据库的项目的一例。在图10A的上段，表示存储有型号为QP、机体号为001的挖土机的运行时间、动作状态数据、异常度及运行信息的表，在下段表示存储有型号为QT、机体号为001的挖土机的运行时间、动作状态数据、异常度及运行信息的表。

如图10B所示，在管理装置60的存储装置63中存储有类似的挖土机的型号的一览表。在图10B所示的例子中，型号QP、QT、QU、QV的挖土机彼此类似，型号RA、RC、RM的挖土机彼此类似。

图11表示将来的异常度的变化的预测、及显示异常度的处理的流程图。若从操作者或管理终端30请求了异常度显示，则在步骤SA1中，搜索与评价对象的挖土机20类似的挖土机的型号。例如，通过参照图10B所示的类似的挖土机的型号的一览表，得到与评价对象的挖土机类似的挖土机的型号。

在步骤SA2中，根据与评价对象的挖土机相同及类似的型号的挖土机所涉及的数据库，制作用于预测异常度的模型(异常度预测模型)。该异常度预测模型例如可以通过将图10A所示的运行时间及运行信息设为说明变量，将异常度设为因变量并进行多元回归分析来制作。另外，也可以利用逐步(Stepwise)法，从构成运行信息的多个参数中仅将一部分参数作为说明变量来采用。此外，也可以利用除了多元回归分析以外的其他多变量分析法来制作异常度预测模型。

在步骤SA3中，根据评价对象的挖土机的运行信息的实际值，计算将来的运行信息。作为一例，可以将运行信息的实际值的平均值作为将来的运行信息来采用。此外，也可以通过将以运行时间为横轴、以运行信息的各参数为纵轴的实际值的图表朝向将来沿着直线延长来计算出将来的运行信息。

在步骤SA4中，将评价对象的挖土机的将来的运行信息、及运行时间适用于异常度预测模型来预测将来的异常度的变化。在步骤SA5中，也可以将异常度的实际值及预测值作为图表而显示在显示装置62上(图1)。另外，在从管理终端30(图1)请求了异常度显示的情况下，将异常度的实际值及预测值发送给管理终端30。

图12表示显示装置62(图1)上所显示的图像的一例。在显示装置62上以图表来显示异常度与运行时间之间的关系，并且以表形式来显示评价对象的挖土机的型号、机体号、当前时间的异常度及作业内容。以表形式所显示的内容按照维护建议时期近的顺序排列。

图表的横轴表示运行时间，纵轴表示异常度。异常度的实际值用粗实线来表示，将来的变化用虚线来表示。为了容易明白异常度达到了建议进行维护的上限值的情况，在相当于上限值的位置显示有维护建议线80。在各实线的附近显示有挖土机的型号及机体号。进一步，在与进行了维护的时期对应的位置显示有维护记号81。

通过将异常度的变化可视化，能够根据异常度的变化来规划出最佳的维护计划。通过根据最佳的维护计划进行维护，能够事先防止发生挖土机停止这种重大的故障。通过将以表形式生成的内容按照维护建议时期近的顺序排列，维护人员能够容易规划出维护计划。此外，能够通过维护记号81来直观地掌握进行过维护的时期。

在上述实施例中，在1个图表中显示了作业内容及运行时间不同的多个挖土机的异常度。在此，关于挖土机的异常度、按各驱动部位分别判定的驱动部位的异常度中异常度最高的部位被判定为挖土机的异常度。由此，能够容易进行多个机体间的维护时期的调整。进一步，显示装置62上所显示的图像成为用于在机体之间进行作业内容的替换等分析的有益信息。例如，通过将异常度相对高的机体分配到负载少的作业内容，将异常度相对低的机体分配到负载大的作业内容，从而能够拖延维护时期。

在上述实施例中，在制作异常度预测模型时，除了利用与评价对象的挖土机相同型号的挖土机所相关的数据库以外，还利用类似型号的挖土机所相关的数据库。由此，能够提高异常度的预测精度。

如图13所示，作为图表的纵轴，还可以采用剩余寿命。剩余寿命的图表可通过将图12所示的异常度的图表的上下倒转而得到。图12所示的维护建议线80相当于剩余寿命为0的线。

以上通过实施例说明了本发明，但本发明不限于此。例如，本领域技术人员理解能够进行各种变更、改良、组合等。

Claims (7)

1.一种挖土机支援装置，

基于数据库中所存储的挖土机的异常度或剩余寿命随着挖土机的运行时间的经过而发生的变化的数据、以及作为评价对象的挖土机的运行时间，在显示装置上用图表来显示作为上述评价对象的挖土机的上述异常度或剩余寿命的变化。

2.根据权利要求1所述的挖土机支援装置，其中，

将上述运行时间设为第一轴，

将上述异常度或剩余寿命设为第二轴，

将上述第一轴设为横轴，将上述第二轴设为纵轴，以时间序列在上述显示装置上显示上述异常度或剩余寿命。

3.根据权利要求1或2所述的挖土机支援装置，其中，

上述数据库中所存储的上述数据是基于与所存储的型号的挖土机的运行状态相关的物理量计算出的。

4.根据权利要求3所述的挖土机支援装置，其中，

上述物理量包括发动机转速、发动机负载率、液压泵压力、冷却水温度、液压负载、附属装置的姿势、液压缸伸缩长度、回转角中的至少一个信息。

5.根据权利要求1或2所述的挖土机支援装置，其中，

具备计算部，该计算部接收多个挖土机的型号、机体号、运行时间、动作状态数据及运行信息，并基于接收数据计算上述异常度或剩余寿命。

6.根据权利要求1或2所述的挖土机支援装置，其中，

根据来自终端或挖土机的操作者的请求，关于作为上述评价对象的挖土机的异常度或剩余寿命，将过去的异常度或剩余寿命的变化、以及将来的异常度或剩余寿命的预测变化同时显示在上述显示装置上。

7.根据权利要求6所述的挖土机支援装置，其中，

在上述显示装置上显示上述过去的异常度或剩余寿命的变化以及上述将来的异常度或剩余寿命的预测变化在时间序列上连续的变化线、和维护推荐时期。

Images