CN106149775A - 轮式装载机的控制方法、控制装置及控制系统 - Google Patents

Abstract

本发明提供一种轮式装载机的控制方法、控制装置及控制系统。在轮式装载机的控制方法中，从加装于轮式装载机的多个传感器接收表示作业状态的信号。在所接收的信号中，选择分别判断根据所述轮式装载机执行的一系列作业所要求的负载而区分的多个个别负载所需的信号。针对所选择的信号，执行已学习的预测算法，算出分别表示是否为所述多个个别负载状态的输出值。分析所述算出的输出值，判断当前的作业负载状态。

Description

轮式装载机的控制方法、控制装置及控制系统

技术领域

本发明涉及轮式装载机的控制方法、控制装置及控制系统(METHOD,APPARATUS AND SYSTEM FOR CONTROLLING WHEEL LOADER)，更详细而言，涉及一种用于判断轮式装载机的作业状态并自动控制所述轮式装载机的轮式装载机的控制方法、用于执行该方法的控制装置及控制系统。

背景技术

轮式装载机在工程现场广泛用于执行挖掘搬运土、砂等并装载到诸如自卸卡车的货车的作业等。

作业负载根据所述轮式装载机的作业状态而变化，通过感知这种作业负载并自动控制所述轮式装载机的发动机或变速器等，从而能够节省燃料费用，能够防止作业效率低下。因此，要求一种用于实时准确检测当前的作业状态和作业负载状态并据此自动控制轮式装载机的技术。

发明内容

本发明的一个课题在于提供一种能够在轮式装载机执行作业时节省燃料费用并提高作业效率的轮式装载机的控制方法。

本发明的另一课题在于提供一种用于执行所述轮式装载机的控制方法的控制装置。

本发明的又一课题在于提供一种用于执行所述轮式装载机的控制方法的控制系统。

为了达成所述本发明的一个课题，在本发明示例性实施例的轮式装载机的控制方法中，从加装于轮式装载机的多个传感器接收表示作业状态的信号。在所述接收的信号中，选择分别判别根据所述轮式装载机执行的一系列作业所需要的负载而区分的多个个别负载所需的信号。利用所选择的信号，算出分别表示是否为所述多个个别负载状态的输出值。分析所算出的输出值，判断当前的作业负载状态。

在示例性实施例中，所述算出分别表示是否为多个个别负载状态的所述输出值的步骤可以利用机器学习(Machine learning)技术。所述机器学习(Machinelearning)技术可以包括神经网络渐进法、统计渐进法、结构渐进法、语法渐进法、模糊逻辑渐进法、决策树渐进法、模板匹配法、结合分类渐进法等。

另外，所述算出分别表示是否为多个个别负载状态的输出值的步骤，可以利用轮式装载机制造商预先决定并存储于存储器的表值而算出所述输出值。

在示例性实施例中，所述算出输出值的步骤可以包括针对所述选择的信号而执行已学习的预测算法的步骤。所述已学习的预测算法可以包括连接输入层、隐藏层、输出层的预先设定的加权值。

在示例性实施例中，所述算出分别表示是否为多个个别负载状态的输出值的步骤可以包括算出表示是否为低负载状态的输出值、表示是否为中负载状态的输出值、表示是否为高负载状态的输出值以及表示是否为加速/坡地负载状态的输出值的步骤。

在示例性实施例中，起重臂缸压力信号、FNR信号、液压泵的主压力信号、车速信号、起重臂位置信号及变矩器速度比信号中至少一个可以用于判断所述轮式装载机是否为低负载状态及是否为高负载状态，所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号中至少一个可以用于判断所述轮式装载机是否为中负载状态。

在示例性实施例中，变矩器速度比信号及加速踏板位置信号中至少一个可以用于判断所述轮式装载机是否为加速/坡地负载状态。

在示例性实施例中，所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业及后退行驶起重臂下降作业可以被判断为低负载状态，挖掘作业被判断为中负载状态，前进行驶起重臂升高作业被判断为高负载状态。

在示例性实施例中，所述方法可以还包括根据所述轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的发动机或变速器的控制信号的步骤。

为了达成所述本发明的另一课题，本发明示例性实施例的轮式装载机的控制装置包括：信号接收部，其从加装于轮式装载机的多个传感器接收表示作业状态信息的信号；信号选择部，其根据所述轮式装载机执行的一系列作业所要求的负载状态，区分为多个个别负载状态，在所述接收的信号中选择并输入分别判断各个所述个别负载状态所需的信号；个别负载判断部，其利用所述选择的信号，算出分别表示所述个别负载状态的输出值；以及负载状态判断部，其分析所述输出值，判断当前的作业负载状态。

在示例性实施例中，所述个别负载判断部可以包括利用机器学习(Machinelearning)技术算出所述输出值的个别判断电路部。所述机器学习(Machinelearning)技术可以包括神经网络渐进法、统计渐进法、结构渐进法、语法渐进法、模糊逻辑渐进法、决策树渐进法、模板匹配法、结合分类渐进法等。

另外，所述个别负载判断部可以利用轮式装载机制造商预先决定并存储于存储器的表值算出所述输出值。

在示例性实施例中，所述个别负载判断部可以包括针对所选择的信号执行神经网络算法的个别判断电路部。

在示例性实施例中，所述个别负载判断部可以包括：算出表示是否为低负载状态的输出值的低负载判断电路部；算出表示是否为中负载状态的输出值的中负载判断电路部；算出表示是否为高负载状态的输出值的高负载判断电路部；以及算出表示是否为加速/坡地负载状态的输出值的加速/坡地负载判断电路部。

在示例性实施例中，所述低负载判断电路部及所述高负载判断电路部可以使用起重臂缸压力信号、FNR信号、液压泵的主压力信号、车速信号、起重臂位置信号及变矩器速度比信号中至少一个分别判断所述轮式装载机是否为低负载状态及是否为高负载状态，所述中负载判断电路部可以使用所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号中至少一者，判断所述轮式装载机是否为中负载状态。

在示例性实施例中，加速/坡地负载判断电路部可以使用变矩器速度比信号及加速踏板位置信号中至少一个判断所述轮式装载机是否为加速/坡地负载状态。

在示例性实施例中，所述负载状态判断部可以将所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业及后退行驶起重臂下降作业判断为低负载状态，将挖掘作业判断为中负载状态，将前进行驶起重臂升高作业判断为高负载状态。

在示例性实施例中，所述轮式装载机的控制装置可以还包括控制信号输出部，其根据所述轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的发动机或变速器的控制信号。

在示例性实施例中，所述控制信号输出部可以根据预先存储的自动发动机扭矩图，输出用于控制发动机的扭矩的信号。所述自动发动机扭矩图可以与由驾驶员手动选择的手动发动机扭矩图不同地进行设定。

为了达成所述本发明的又一课题，本发明示例性实施例的轮式装载机的控制系统包括：发动机；被所述发动机驱动的作业装置及行驶装置；多个传感器，其分别加装于所述发动机、所述作业装置及所述行驶装置，用于检测表示轮式装载机的作业状态信息的信号；以及控制装置，其在从所述传感器接收的信号中，选择能够根据所述轮式装载机执行的一系列作业所要求的负载状态而分别判断多个个别负载状态的信号，针对所述选择的信号，执行已学习的预测算法，分别判断是否为所述个别负载状态，判断当前的作业负载状态。

在示例性实施例中，所述控制装置可以在所接收的信号中选择判断是否为所述个别负载状态所需的信号，算出分别表示是否为所述个别负载状态的输出值，分析所述输出值，判断所述作业负载状态。

在示例性实施例中，所述控制装置可以针对所述选择的信号，执行神经网络算法，算出所述输出值。

在示例性实施例中，所述控制装置可以算出表示是否为低负载状态的输出值，算出表示是否为中负载状态的输出值，算出表示是否为高负载状态的输出值，算出表示是否为加速/坡地负载状态的输出值。

在示例性实施例中，所述控制装置可以将所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业及后退行驶起重臂下降作业判断为低负载状态，将挖掘作业判断为中负载状态，将前进行驶起重臂升高作业判断为高负载状态。

在示例性实施例中，所述控制装置可以根据所述轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的所述发动机或变速器的控制信号。

本发明的效果如下。

根据示例性实施例，能够接收表示轮式装载机的作业状态的信号，在所接收的信号中，甄别性地选择能够在特定信号中最佳地表示个别负载状态(低负载、中负载、高负载、加速/坡地负载)的信号，使用诸如神经网络算法的已学习的预测算法，决定所述轮式装载机的当前的作业负载状态或当前的作业状态。

因此，能够减小判断轮式装载机的作业负载状态所需的计算需要的时间及负担，提高判断的准确度。另外，能够根据最终判断的作业负载状态，高效地控制发动机及变速器等，从而提高作业性能，改善燃油经济性。

不过，本发明的效果并非限定于上述言及的效果，可以在不超出本发明的思想及领域的范围内多样地扩张。

附图说明

图1是表示示例性实施例的轮式装载机的侧视图。

图2是表示图1的轮式装载机的控制系统的框图。

图3是表示示例性实施例的轮式装载机的控制装置的框图。

图4是表示图3的控制装置的信号选择部、个别负载判断部及负载状态判断部的框图。

图5是表示图4的个别负载判断部的个别神经网络电路的图。

图6是表示图5的个别神经网络电路的各层中的信号传递数式的图。

图7是表示示例性实施例的轮式装载机的控制方法的流程图。

图8是表示示例性实施例的轮式装载机的V-型运转的图。

图9是图示表示图8的V-型运转的各作业中的个别负载状态的输出值的图表。

图10是表示分析图9的输出值而获得的最终作业负载状态的图表。

图11a至图11c是表示关于三种动力模式的手动发动机扭矩图和自动发动机扭矩图的图表。

图中：

10—轮式装载机，12—前方车体，14—后方车体，20—起重臂，22—起重臂缸，30—铲斗，32—铲斗缸，34—倾斜臂，40—驾驶室，50—发动机室，100—发动机，102—发动机转速传感器，110—齿轮系，120—变矩器，122a、122b—转速检测传感器，130—变速器，132—车速检测传感器，140—变速器控制装置，142—行驶踏板，143—行驶踏板检测传感器，144—制动踏板，145—制动踏板检测传感器，146—FNR行驶杆位置检测传感器，150—传动轴，152、154—车轴，160—前方车轮，162—后方车轮，200—液压泵，202—液压管线，204—压力传感器，210—起重臂控制阀，212—铲斗控制阀，222—起重臂缸压力传感器，224—起重臂角度传感器，234—铲斗角度传感器，300—控制装置，310—作业负载判断部，312—信号接收部，314—信号选择部，316—个别负载判断部，318—负载状态判断部，320—控制信号输出部，330—存储部，332—第一存储部，334—第二存储部。

具体实施方式

对于正文中公开的本发明的实施例，特定的结构性乃至功能性说明只是出于为了说明本发明的实施例的目的而举例的，本发明的实施例可以以多样的形态实施，不得解释为限定于正文中说明的实施例。

本发明可以施加多样的变更，可以具有多种形态，在附图中图示了特定实施例并将在正文中详细说明。但是，这并非要把本发明限定于特定的公开形态，应理解为包括本发明的思想及技术范围中包含的所有变更、等同物乃至替代物。

“第一”、“第二”等术语可以用于说明多样的构成要素，但所述构成要素不得由所述术语所限定。所述术语可以用于把一个构成要素区别于其它构成要素的目的。例如，在不脱离本发明的权利范围的情况下，第一构成要素可以命名为第二构成要素，类似地，第二构成要素也可以命名为第一构成要素。

当言及某一构成要素“连接于”或“接续于”另一构成要素时，应理解为既可以是直接连接于或接续于另一构成要素，也可以是在中间存在其它构成要素。相反，当言及某一构成要素“直接连接于”或“直接接续于”另一构成要素时，应理解为中间不存在其它构成要素。说明构成要素间的关系的其它表现，即，“在～之间”和“直接在～之间”或“与～相邻的”和“与～直接相邻的”等也应相同地解释。

在本申请中使用的术语只用于说明特定的实施例，并非是要限定本发明之意。只要在文理上未明确表示不同，单数的表现包括复数的表现。在本申请中，“包括”或“具有”等术语，是要指定实施的特征、数字、步骤、动作、构成要素、部件或它们的组合的存在，应理解为并不预先排除一个以其以上的其它特征或数字、步骤、动作、构成要素、部件或它们的组合的存在或追加可能性。

只要未不同地定义，包括技术性或科学性术语在内，在此使用的所有术语是与本发明所属技术领域的技术人员一般理解的内容相同的意义。与一般使用的字典中定义的内容相同的术语，应解释为与相关技术的文理上具有的意义一致的意义，只要在本申请中未明确定义，不得过于地或过度地解释为形式上的意义。

下面参照附图，更详细地说明本发明的优选实施例。对于附图上的相同构成要素，使用相同的参照符号，省略对相同构成要素的重复说明。

图1是表示示例性实施例的轮式装载机的侧视图。图2是表示图1的轮式装载机的控制系统的框图。

如果参照图1及图2，轮式装载机10可以包括能相互旋转地连接的前方车体12及后方车体14。前方车体12可以包括作业装置及前方车轮160。后方车体14可以包括驾驶室40、发动机室50及后方车轮162。

所述作业装置可以包括起重臂20及铲斗30。起重臂20可以能自由旋转地附着于前方车体12，铲斗30能自由旋转地附着于起重臂20的一端部。起重臂20借助于一对起重臂缸22连接于前方车体12，起重臂20可以借助于起重臂缸22的驱动而沿上下方向旋转。倾斜臂34附着为能够在起重臂20的大致中心部上自由地旋转，倾斜臂34的一端部与前方车体12借助于一对铲斗缸32而连接，借助于倾斜杆而连接于倾斜臂34另一端的铲斗30可以借助于铲斗缸32的驱动而沿上下方向旋转(倾卸或挤压)。

另外，前方车体12和后方车体14借助于中心销16而能相互旋转地连接，借助于转向缸(未图示)的伸缩，前方车体12可以相对于后方车体14而左右弯曲。

在后方车体14可以搭载有用于使轮式装载机10行驶的行驶装置。发动机100可以配置于发动机室50内，向所述行驶装置供应动力输出。所述行驶装置可以包括变矩器120、变速器130、传动轴150、车轴152、154等。发动机100的动力输出通过变矩器120、变速器130、传动轴150及车轴152、154，传递给前方车轮160及后方车轮162，使得轮式装载机10行驶。

具体而言，发动机100的动力输出可以通过变矩器120传递给变速器130。变矩器120的输入轴连接于发动机100的输出轴，变矩器120的输出轴可以连接于变速器130。变矩器120可以是具有叶轮、涡轮及定子的流体离合器装置。变速器130可以包括在第一速至第四速之间使速度档变速的液压离合器，变矩器120的所述输出轴的旋转可以借助于变速器130而变速。经变速的旋转通过传动轴150及车轴152、154，传递给前方车轮160及后方车轮162，所述轮式装载机可以行驶。

变矩器120可以具有使相对于输入扭矩的输出扭矩增加的功能，即可以具有能够把扭矩比形成为1以上的功能。扭矩比伴随着作为变矩器120的所述输入轴转速Ni与所述输出轴转速Nt之比的变矩器速度比e(＝Nt/Ni)的增加而减小。例如，在发动机转速既定的状态下，如果在行驶中行驶负载增大，则变矩器120的所述输出轴转速、即车速减小，变矩器速度比变小。此时，扭矩比增加，因而能够以更大的行驶驱动力行驶。

变速器130可以包括前进用液压离合器、后退用液压离合器及第一速至第四速用液压离合器。所述液压离合器可以分别借助于通过变速器控制装置(TCU)140供应的压力油(离合器压)而结合或解除。即，如果向所述液压离合器供应的离合器压增加，则所述液压离合器结合，如果所述离合器压减小，则解除。

如果行驶负载降低，变矩器速度比e增加，达到已设置值eu以上，速度档升1档。相反，如果行驶负载提高，变矩器速度比e达到已设置值ed以下，那么，速度档降1档。

变速器130可以具备手动模式或多个自动变速模式。所述变速模式可以借助于模式变换开关(未图示)的操作而变换。例如，变速器130可以包括手动模式、1-4自动模式及1-3自动模式。当设置为手动模式时，可以应用借助于变速选择杆而选择的速度档。当设置为1-4自动模式或1-3自动模式时，可以在借助于所述变速选择杆而选择的速度档以下的速度档之间自动变速。

在后方车体14可以搭载有用于向所述作业装置的起重臂缸22及铲斗缸32供应压力油的可变容量型液压泵200。可变容量型液压泵200可以使用来自发动机100的动力输出的一部分进行驱动。例如，发动机100的输出可以通过安装于发动机100与变矩器120之间的诸如齿轮系110的动力传递装置PTO，使作业装置用液压泵200和转向用液压泵(未图示)驱动。

在可变容量型液压泵200连接有泵控制装置，借助于所述泵控制装置，可以控制可变容量型液压泵200的排出流量。在液压泵200的液压回路上，可以安装有诸如起重臂控制阀210和铲斗控制阀212的主控制阀MCV。液压泵200的排出油可以通过安装于主控制阀前端的液压管线202的起重臂控制阀210及铲斗控制阀212，供应给起重臂缸22及铲斗缸32。主控制阀MCV根据从操作杆输入的先导压力，把从液压泵200排出的工作油供应给起重臂缸22及铲斗缸32。因此，起重臂20与铲斗30可以借助于从液压泵200排出的工作油的液压而驱动。

在驾驶室40内，可以配备有驾驶操作装置。所述驾驶操作装置可以包括行驶踏板142、制动踏板144及FNR行驶杆和用于使诸如起重臂缸22与铲斗缸32的缸运转的操作杆。

如上所述，轮式装载机10可以包括：用于使发动机100的输出通过动力传递装置PTO而驱动所述行驶装置的行驶系统；以及用于驱动诸如起重臂20和铲斗30的作业装置的液压装置系统。

另外，在后方车体14，作为车辆控制装置VCU的一部分或独立的控制器，可以搭载有轮式装载机10的控制装置300。控制装置300可以包括执行程序的CPU、诸如存储器的存储装置、具有此外的周边电路等的演算处理装置。

控制装置300可以从加装于轮式装载机10的多样的传感器接收信号。例如，控制装置300可以连接于检测发动机转速的发动机转速传感器102、检测行驶踏板142的操作量的行驶踏板检测传感器143、检测制动踏板144的操作量的制动踏板检测传感器145、检测变速器130的速度档、选择前进F、中立N及后退R的FNR杆的操作位置的FNR杆位置检测传感器146。

另外，控制装置300可以连接于检测变矩器120的所述输入轴的转速Ni的转速检测传感器122a、检测变矩器120的所述输出轴的转速Nt的转速检测传感器122b、检测变速器130的输出轴的旋转速度即车速v的车速检测传感器132。

另外，控制装置300可以连接于在主控制阀MCV前端的液压管线202上安装并检测液压泵200的排出压力的压力传感器204、检测起重臂缸22的缸头侧压力的起重臂缸压力传感器222。另外，控制装置300可以连接于检测起重臂20的旋转角度的起重臂角度传感器224、检测铲斗30的旋转角度的铲斗角度传感器234。

借助加装于轮式装载机10的传感器而检测的信号如图2的虚线箭头所示地可以输入控制装置300。如后所述，控制装置300可以在从加装于轮式装载机10的传感器接收的信号中选择特定信号，执行诸如神经网络算法的已学习的预测算法，算出分别表示是否为个别负载状态的输出值并对其进行分析，决定轮式装载机10的当前的作业负载状态或当前的作业状态。进而，控制装置300可以连接于发动机控制装置ECU、变速器控制装置(TCU)140、所述泵控制装置等并输出控制信号，可以考虑最终负载状态或作业状态，选择性地控制轮式装载机10的发动机100、变速器130、液压泵200等。

下面对所述轮式装载机的控制装置进行说明。

图3是表示示例性实施例的轮式装载机的控制装置的框图。图4是表示图3的控制装置的信号选择部、个别负载判断部及负载状态判断部的框图。图5是表示图4的个别负载判断部的个别神经网络电路的图。图6是表示图5的个别神经网络电路的各层中的信号传递数式的图。

如果参照图3至图6，轮式装载机的控制装置300可以包括作业负载判断部310、控制信号输出部320及存储部330。

作业负载判断部310可以从由加装于轮式装载机10的传感器接收的信号，决定轮式装载机10执行的当前作业的负载状态或当前的作业状态。控制信号输出部320可以根据所决定的当前作业的负载状态或作业状态，选择例如发动机的输出扭矩控制、发动机的rpm控制、变速器的变速控制等将执行的控制种类。存储部330可以存储诸如作业负载判断部310执行的预测模型所需的学习、神经网络算法执行等演算所需的数据、控制信号输出部320决定控制信号所需的控制图等。

在示例性实施例中，作业负载判断部310可以包括信号接收部312、信号选择部314、个别负载判断部316及负载状态判断部318。

信号接收部312可以从加装于轮式装载机10的传感器接收表示作业状态的信号。例如，信号接收部312可以接收来自安装于起重臂缸22的缸头侧的压力传感器222的起重臂缸压力信号、来自FNR杆位置检测传感器146的FNR信号、来自液压泵200的排出压力传感器204的液压泵的主压力信号、来自车速检测传感器132的车速信号、来自起重臂角度传感器224的起重臂位置信号、从变矩器120的转速检测传感器122a、122b获得的输入轴的转速Ni及输出轴的转速Nt之比即变矩器速度比信号、以及来自行驶踏板检测传感器145的加速踏板位置信号等。借助于信号接收部312接收的信号并不限定于此，可以理解为能够接收为了判断所述轮式装载机的作业负载状态或作业状态而可以使用的多样的信号。

另外，信号接收部312可以接收驾驶员的选择信号。驾驶员可以通过按钮或操纵杆等，选择手动模式或自动模式。当驾驶员选择所述自动模式时，示例性实施例的轮式装载机的控制装置运转，可以判断轮式装载机的作业状态，自动控制所述轮式装载机。

信号接收部312可以包括数据预处理部。所述数据预处理部可以过滤输入的传感器信号，去除噪声并进行正规化(normalize)。

信号选择部314可以在所接收的信号中，选择能够分别判断多个个别负载状态，例如分为至少四个的负载状态的信号，把所选择的信号输出到与之对应的个别负载判断部316的各个个别判断电路部NN_1、NN_2、NN_3、NN_4。信号选择部314可以选择对根据所述轮式装载机执行的一系列作业所需要的负载而区分的至少第一至第四个别负载状态进行分别判断所需的信号。例如，所述个别负载状态根据所述轮式装载机执行的一系列作业需要的负载，可以分为低负载状态、中负载状态、高负载状态及加速/坡地状态。

在所接收的信号中选择的信号，可以成为能够在轮式装载机10执行的特定作业需要的特定负载状态中、即在低负载状态、中负载状态、高负载状态及加速/坡地负载状态中，有效表示至少某一种负载状态的指标。

所述起重臂缸压力信号可以成为能够根据装载于铲斗30的装载物的重量、起重臂20的高度等，直接表示当前轮式装载机的作业负载状态的指标。所述起重臂缸压力信号可以用于判断轮式装载机的行驶作业状态及复合作业(行驶起重臂上升)状态。

所述FNR信号可以成为区分诸如挖掘作业结束后开始后退作业或者行驶作业中前进或后退转换的作业间转换的指标。所述FNR信号可以用于判断轮式装载机的行驶作业状态及复合作业(行驶起重臂上升)状态。

如果所述液压泵的主压力信号、即MCV输入端压力不同于所述起重臂缸压力，没有驾驶员的起重臂/铲斗操作，则保持基本压力状态，因而可以成为表示挖掘作业状态或起重臂20与铲斗30中至少某一个动作的指标。所述液压泵的主压力信号可以用于判断轮式装载机的行驶作业状态、复合作业(行驶起重臂上升)状态及挖掘作业状态。

所述车速信号可以成为表示轮式装载机的行驶速度的指标。所述车速信号可以用于判断轮式装载机的行驶作业状态、复合作业(行驶起重臂上升)状态及挖掘作业状态。

所述起重臂位置信号由于轮式装载机的行驶作业和挖掘作业时的起重臂位置与车辆倾卸作业时的起重臂位置相互相异，因而能够成为区分这些动作的指标。所述起重臂位置信号可以用于判断轮式装载机的行驶作业状态、复合作业(行驶起重臂上升)状态及挖掘作业状态。

所述变矩器速度比信号作为表示车辆的行驶负载的指标，可以表示挖掘作业状态及坡地行驶作业状态。所述变矩器速度比信号可以用于判断轮式装载机的行驶作业状态、复合作业(行驶起重臂上升)状态、挖掘作业状态及加速作业状态。

所述加速踏板位置信号可以成为表示驾驶员的加速意图的指标。所述加速踏板位置信号可以用于判断加速作业状态。

个别负载判断部316可以包括多个个别判断电路部。具体而言，个别负载判断部316可以包括第一至第四个别判断电路部。所述第一至第四个别判断电路部可以利用所选择的信号，算出分别表示所述第一至第四个别负载状态的输出值。所述第一至第四个别判断电路部可以利用机器学习(Machine learning)技术，算出所述输出值。

机器学习(Machine learning)是指训练(Training)之后可以处理新进入的数据的能力。例如，所述机器学习技术可以包括神经网络渐进法、统计渐进法、结构渐进法、语法渐进法、模糊逻辑渐进法、决策树渐进法、模板匹配法、结合渐进法等。神经网络渐进法是学习输入输出间的映射(Mapping)，根据输入输出间的连接加权值而处理数据的方法。决策树渐进法是指利用通过学习而生成的决策树来处理数据的方法。支持向量机(Support Vector Machine)是在地图学习中使用，针对给出的资料，在分离该资料的超平面中查找与资料的距离最远的超平面并处理数据的方法。统计渐进法有监督(Supervise)学习法和非监督(Unsupervised)学习法，神经网络渐进法有监督(Supervise)学习法、非监督(Unsupervised)学习法及强化(Reinforcement)学习法。

在示例性实施例中，所述第一至第四个别判断电路部，可以针对所选择的信号，执行已学习的预测算法，算出分别表示所述第一至第四个别负载状态的输出值。

所述第一个别判断电路部可以包括低负载神经网络判断部NN_1，其针对输入的信号执行神经网络(Neural Network)算法，算出表示是低负载状态的输出值。低负载神经网络判断部NN_1可以从信号选择部314接收所述起重臂缸压力信号、所述FNR信号、所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号。低负载神经网络判断部NN_1可以针对所述接收的信号，执行神经网络算法，算出表示当前轮式装载机的作业是否为低负载状态的第一输出值。例如，所述第一输出值可以是表示当前作业是否属于低负载状态的一种概率值。所述第一输出值可以数量化为0与1之间的值。

所述第二个别判断电路部可以包括中负载神经网络判断部NN_2，其针对输入的信号执行神经网络算法，算出表示是中负载状态的输出值。中负载神经网络判断部NN_2可以从信号选择部314接收所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号。中负载神经网络判断部NN_2可以针对所述接收的信号执行神经网络算法，算出表示当前轮式装载机的作业是否为中负载状态的第二输出值。例如，所述第二输出值可以是表示当前作业是否属于中负载状态的一种概率值。

所述第三个别判断电路部可以包括高负载神经网络判断部NN_3，其针对输入的信号执行神经网络算法，算出表示是高负载状态的输出值。高负载神经网络判断部NN_3可以从信号选择部314接收所述起重臂缸压力信号、所述FNR信号、所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号。高负载神经网络判断部NN_3可以针对所述接收的信号执行神经网络算法，算出表示当前轮式装载机的作业是否为高负载状态的第三输出值。例如，所述第三输出值可以是表示当前作业是否属于高负载状态的一种概率值。

所述第四个别判断电路部可以包括加速/坡地负载神经网络判断部NN_4，其针对输入的信号执行神经网络算法，算出表示是加速/坡地负载状态的输出值。加速/坡地负载神经网络判断部NN_4可以从信号选择部314接收所述变矩器速度比信号及所述加速踏板位置信号。加速/坡地负载神经网络判断部NN_4可以针对所述接收的信号执行神经网络算法，算出表示当前轮式装载机的作业是否为加速/坡地负载状态的第四输出值。例如，所述第四输出值可以是表示当前作业是否属于加速/坡地负载状态的一种概率值。

在示例性实施例中，低负载神经网络判断部NN_1、中负载神经网络判断部NN_2、高负载神经网络判断部NN_3及加速/坡地负载神经网络判断部NN_4可以分别包括执行已学习的神经网络算法并输出表示个别负载状态的输出值的神经网络电路。

如图5及图6所示，所述神经网络电路可以具有具备多层输入层(inputlayer)、隐藏层(hidden layer)及输出层(output layer)的多层感知器(Multi LayerPerceptron)结构。神经元排列于各层，各层的神经元可以借助于连接加权值而连接。即，输入数据可以输入所述输入层的神经元，通过所述隐藏层传递到所述输出层。

所述神经网络算法中的学习可以是调整各节点间加权值而使得特定输入(实际测量数据)的根据神经网络算法导出的输出值与预期值的误差实现最小化的过程。例如，所述神经网络电路的神经网络算法可以根据逆传播(backpropagation)学习方法而学习。因此，个别神经网络判断部NN_1、NN_2、NN_3、NN_4的所述神经网络电路可以按各个个别神经网络判断部，利用预先收集的数据，调节连接输入层、隐藏层、输出层的加权值，作为预测模型而树立神经网络算法。

因此，所述神经网络电路具有已学习的神经网络算法，可以针对输入的信号执行这种神经网络算法，算出表示是否为个别负载状态的输出值。

负载状态判断部318可以分析所述第一至第四个别判断电路部算出的输出值，判断轮式装载机10的当前的作业负载状态或作业状态。负载状态判断部318可以在针对从个别神经网络判断部NN_1、NN_2、NN_3、NN_4输入的输出值，执行诸如应用加权值的后处理后，算出最终结果。

例如，负载状态判断部318可以分析所述输出值，判断轮式装载机10的当前的作业负载状态。因此，负载状态判断部318可以判断轮式装载机10的当前的作业负载状态是低负载状态、中负载状态、高负载状态及加速/坡地负载状态中的某一种状态。

另外，负载状态判断部318可以追加考虑从加装于轮式装载机10的传感器接收的其它信号，判断轮式装载机10的当前的作业状态。例如，负载状态判断部318可以判断轮式装载机10的当前的作业负载状态及当前的作业状态。

控制信号输出部320可以考虑借助于作业负载判断部310而判断的轮式装载机的当前作业负载状态或作业状态，输出用于选择性地控制轮式装载机10的发动机100、变速器130、液压泵200等的控制信号。例如，控制信号输出部320可以输出用于控制发动机输出扭矩、发动机rpm、变速挡数、变速时间点等的控制信号。

因此，控制信号输出部320可以考虑最终判断的作业负载状态或作业状态而控制发动机100及变速器130，从而能够保持或提高作业性能，改善燃油经济性。

存储部330可以包括：与作业负载判断部310连接并存储用于作业负载判断的数据的第一存储部332；以及与控制信号输出部320连接并存储用于控制信号的数据的第二存储部334。第一存储部332可以存储诸如预测模型所需的学习、神经网络算法的执行等演算所需的数据。第二存储部334可以存储决定控制信号所需的发动机扭矩图、发动机rpm图、变速器变速控制图等。

如上所述，轮式装载机的控制装置300能够在从加装于轮式装载机10的传感器接收的信号中，甄别性地选择能够在特定信号中最佳地表示个别负载状态(低负载、中负载、高负载、加速/坡地负载)的信号，使用诸如神经网络算法的已学习的预测算法，决定轮式装载机10的当前的作业负载状态或当前的作业状态。

因此，能够减少用于判断轮式装载机的作业负载状态的计算所需要的时间及负担，提高判断的准确率。另外，能够根据最终判断的作业负载状态，高效地控制发动机及变速器等，从而提高作业性能，改善燃油经济性。

下面对利用图3的轮式装载机的控制装置来控制轮式装载机的方法进行说明。

图7是表示示例性实施例的轮式装载机的控制方法的流程图。

如果参照图3、图4及图7，首先，可以接收表示轮式装载机的作业状态的信号(S100)。

轮式装载机的控制装置300可以从加装于轮式装载机的传感器接收表示作业状态的信号。例如，作业负载判断部310的信号接收部312可以接收起重臂缸压力信号、FNR信号、液压泵的主压力信号、车速信号、起重臂位置信号、变矩器速度比信号、加速踏板位置信号等。所输入的传感器信号可以在通过预处理作业而过滤后实现正规化。

接着，可以在所述接收的信号中，选择分别判断多个个别负载状态所需的信号(S110)。

作业负载判断部310的信号选择部314可以在所述接收的信号中，选择能够分别判断分为至少四个的第一至第四个别负载状态的信号，把所选择的信号输出到与其对应的个别负载判断部316的各个个别判断电路部NN_1、NN_2、NN_3、NN_4。

所述第一至第四个别负载状态可以根据所述轮式装载机执行的一系列作业需要的负载，分别对应于低负载状态、中负载状态、高负载状态及加速/坡地状态。所接收的信号可以根据是否能够有效地表示所述轮式装载机执行的特定作业需要的特定的负载状态、即低负载状态、中负载状态、高负载状态及加速/坡地负载状态中至少某一种负载状态而进行分类。

例如，在所接收的信号中，所述起重臂缸压力信号、所述FNR信号、所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号可以是判断所述轮式装载机是否为低负载状态及是否为高负载状态所需的信号，可以输入个别负载判断部316的低负载神经网络判断部NN_1及高负载神经网络判断部NN_3。

在所接收的信号中，所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号及所述变矩器速度比信号可以是判断所述轮式装载机是否为中负载状态所需的信号，可以输入个别负载判断部316的中负载神经网络判断部NN_2。

在所接收的信号中，所述变矩器速度比信号及所述加速踏板位置信号可以是判断是否为加速/坡地负载状态所需的信号，可以输入个别负载判断部316的加速/坡地负载神经网络判断部NN_4。

然后，可以针对所述选择的信号，执行已学习的预测算法，分别判断是否为多个个别负载状态(S120)。

个别负载判断部316的低负载神经网络判断部NN_1、中负载神经网络判断部NN_2、高负载神经网络判断部NN_3及加速/坡地负载神经网络判断部NN_4可以针对所选择的信号执行已学习的神经网络算法，算出分别表示低负载状态、中负载状态、高负载状态及加速/坡地负载状态的输出值。

接着，可以综合分析所述输出值，判断轮式装载机的当前的作业负载状态(S130)。

负载状态判断部318可以分析所述输出值，判断轮式装载机的当前的作业负载状态是低负载状态、中负载状态、高负载状态及加速/坡地负载状态中的某一种状态。

另外，负载状态判断部318可以追加考虑从加装于轮式装载机的传感器接收的其它信号，不仅是轮式装载机的当前的作业负载状态，还判断当前的作业状态。

接着，可以考虑所判断的轮式装载机的当前作业负载状态或作业状态，选择性地控制所述轮式装载机的发动机、变速器、液压泵等。

下面，对利用图7的轮式装载机的控制方法来判断轮式装载机的V-型运转的作业负载状态的方法进行说明。

图8是表示示例性实施例的轮式装载机的V-型运转的图。图9是图示表示图8的V-型运转的各作业中的个别负载状态的输出值的图表。图10是表示分析图9的输出值而获得的最终作业负载状态的图表。图9及图10为了参照而一同表示了表示所述V-型运转中随时间变化的起重臂缸压力值的图表。

如果参照图8至图10，轮式装载机10可以执行挖掘诸如土沙S的对象物质、装载到自卸卡车T的V-型运转。为了所述V-型运转，轮式装载机10可以依次执行前进行驶作业a、挖掘作业b、后退行驶作业c、前进行驶起重臂升高作业d、倾卸作业e及后退行驶起重臂下降作业f。

如图9所示，可以分别判断是否为与所述V-型运转的各作业对应的个别负载状态。低负载神经网络判断部NN_1可以针对一系列作业a～f，算出表示是否为低负载状态的输出值。中负载神经网络判断部NN_2可以针对一系列作业a～f，算出表示是否为中负载状态的输出值。高负载神经网络判断部NN_3可以针对一系列作业a～f，算出表示是否为高负载状态的输出值。加速/坡地负载神经网络判断部NN_4可以针对一系列作业a～f，算出表示是否为加速/坡地负载状态的输出值。

如图10所示，可以对算出的输出值进行综合分析，判断当前的作业负载状态。负载状态判断部318可以判断一系列作业a～f各个作业负载状态是低负载状态、中负载状态、高负载状态及加速/坡地负载状态中的某一种状态。

在所述轮式装载机的V-型运转中，前进行驶作业a、后退行驶作业c、倾卸作业e及后退行驶起重臂下降作业f可以被判断为低负载状态，挖掘作业b被判断为中负载状态，前进行驶起重臂升高作业d被判断为高负载状态。另外，在所述轮式装载机执行的作业中，斜坡行驶作业及车辆加速作业可以被判断为在中负载状态与高负载状态之间定义的加速/坡地负载状态。

轮式装载机可以以Economy Mode(E-模式)、Standard Mode(S-模式)、Power Mode(P-模式)的三种动力模式运转。在动力模式中，可以分别设置有发动机扭矩图。驾驶员可以考虑当前的作业条件，在三种动力模式中手动选择一种。当驾驶员选择手动模式时，发动机会按照手动模式的手动发动机扭矩图进行控制。另一方面，当驾驶员选择自动模式时，示例性实施例的控制装置根据轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的发动机或变速器的控制信号，发动机或变速器的动力可以根据输出的控制信号而自动选择。在这种情况下，发动机会按照自动模式的自动发动机扭矩图进行控制。

如图11a至图11c所示，关于手动模式中动力模式的手动发动机扭矩图与关于自动模式中动力模式的自动发动机扭矩图，可以互不相同地设置。

所述的实施例虽然说明了对轮式装载机的V-型运转进行应用的情形，但并非限定于此，例如可以理解成也可以应用于装载及搬运(Load&Carry)运转、I-交叉(I-cross)运转等。

以上参照本发明的实施例进行了说明，但所属技术领域的技术人员可以理解为，在不超出以下权利要求书记载的本发明的思想及领域的范围内，可以多样地修改及变更本发明。

Claims (31)

1.一种轮式装载机的控制方法，其特征在于，包括：

从加装于轮式装载机的多个传感器接收表示作业状态的信号的步骤；

在所接收的信号中，选择对根据所述轮式装载机执行的一系列作业所需要的负载而区分的多个个别负载进行分别判别所需的信号的步骤；

利用所选择的信号，算出分别表示是否为所述多个个别负载状态的输出值的步骤；以及

分析所算出的输出值，判断当前的作业负载状态的步骤。

2.根据权利要求1所述的轮式装载机的控制方法，其特征在于，

算出分别表示是否为所述多个个别负载状态的所述输出值的步骤是利用机器学习技术而算出输出值。

3.根据权利要求2所述的轮式装载机的控制方法，其特征在于，

所述机器学习技术利用在神经网络渐进法、统计渐进法、结构渐进法、语法渐进法、模糊逻辑渐进法、决策树渐进法、模板匹配法、结合分类渐进法中选择的至少某一种方法。

4.根据权利要求1所述的轮式装载机的控制方法，其特征在于，

算出分别表示是否为所述多个个别负载状态的输出值的步骤是利用轮式装载机制造商预先决定并存储于存储器的表值而算出所述输出值。

5.根据权利要求1所述的轮式装载机的控制方法，其特征在于，

所述算出分别表示是否为所述多个个别负载状态的输出值的步骤是针对所选择的信号来执行已学习的预测算法而算出所述输出值。

6.根据权利要求5所述的轮式装载机的控制方法，其特征在于，

已学习的预测算法包括连接输入层、隐藏层、输出层的预先设定的加权值。

7.根据权利要求1所述的轮式装载机的控制方法，其特征在于，

算出分别表示是否为所述多个个别负载状态的输出值的步骤包括算出表示是否为低负载状态的输出值、表示是否为中负载状态的输出值、表示是否为高负载状态的输出值以及表示是否为加速/坡地负载状态的输出值的步骤。

8.根据权利要求7所述的轮式装载机的控制方法，其特征在于，

起重臂缸压力信号、FNR信号、液压泵的主压力信号、车速信号、起重臂位置信号以及变矩器速度比信号中至少一个用于判断所述轮式装载机是否为低负载状态以及是否为高负载状态，所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号以及所述变矩器速度比信号中至少一个用于判断所述轮式装载机是否为中负载状态。

9.根据权利要求7所述的轮式装载机的控制方法，其特征在于，

变矩器速度比信号以及加速踏板位置信号中至少一个用于判断所述轮式装载机是否为加速/坡地负载状态。

10.根据权利要求7所述的轮式装载机的控制方法，其特征在于，

所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业以及后退行驶起重臂下降作业被判断为低负载状态，挖掘作业被判断为中负载状态，前进行驶起重臂升高作业被判断为高负载状态。

11.根据权利要求1所述的轮式装载机的控制方法，其特征在于，

还包括根据所述轮式装载机的当前作业负载状态而输出用于控制所述轮式装载机的发动机或者变速器的控制信号的步骤。

12.一种轮式装载机的控制装置，其特征在于，包括：

信号接收部，其从加装于轮式装载机的多个传感器接收表示作业状态信息的信号；

信号选择部，其根据所述轮式装载机执行的一系列作业所要求的负载状态，区分为多个个别负载状态，在所接收的信号中选择并输入分别判断各个所述个别负载状态所需的信号；

个别负载判断部，其利用所选择的信号，算出分别表示所述多个个别负载状态的输出值；以及

负载状态判断部，其分析所述输出值，判断当前的作业负载状态。

13.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

所述个别负载判断部包括利用机器学习技术来算出所述输出值的个别判断电路部。

14.根据权利要求13所述的轮式装载机的控制装置，其特征在于，

所述机器学习技术利用在神经网络渐进法、统计渐进法、结构渐进法、语法渐进法、模糊逻辑渐进法、决策树渐进法、模板匹配法、结合分类渐进法中选择的至少某一种方法。

15.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

所述个别负载判断部利用预先决定并存储于存储器的表值而算出所述输出值。

16.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

所述个别负载判断部针对所述选择的信号来执行已学习的预测算法而算出所述输出值。

17.根据权利要求16所述的轮式装载机的控制装置，其特征在于，

已学习的预测算法包括连接输入层、隐藏层、输出层的预先设定的加权值。

18.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

当所述信号接收部接收驾驶员的自动模式选择信号时，判断所述轮式装载机的作业状态并自动控制所述轮式装载机。

19.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

所述个别负载判断部包括：算出表示是否为低负载状态的输出值的低负载判断电路部；算出表示是否为中负载状态的输出值的中负载判断电路部；算出表示是否为高负载状态的输出值的高负载判断电路部；以及算出表示是否为加速/坡地负载状态的输出值的加速/坡地负载判断电路部。

20.根据权利要求19所述的轮式装载机的控制装置，其特征在于，

所述低负载判断电路部以及所述高负载判断电路部使用起重臂缸压力信号、FNR信号、液压泵的主压力信号、车速信号、起重臂位置信号以及变矩器速度比信号中至少一个来分别判断所述轮式装载机是否为低负载状态以及是否为高负载状态，所述中负载判断电路部使用所述液压泵的主压力信号、所述车速信号、所述起重臂位置信号以及所述变矩器速度比信号中至少一个来判断所述轮式装载机是否为中负载状态。

21.根据权利要求19所述的轮式装载机的控制装置，其特征在于，

加速/坡地负载判断电路部使用变矩器速度比信号以及加速踏板位置信号中至少一个来判断所述轮式装载机是否为加速/坡地负载状态。

22.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

所述负载状态判断部将所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业以及后退行驶起重臂下降作业判断为低负载状态，将挖掘作业判断为中负载状态，将前进行驶起重臂升高作业判断为高负载状态。

23.根据权利要求12所述的轮式装载机的控制装置，其特征在于，

还包括控制信号输出部，其根据所述轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的发动机或者变速器的控制信号。

24.根据权利要求23所述的轮式装载机的控制装置，其特征在于，

所述控制信号输出部根据预先存储的自动发动机扭矩图，输出用于控制发动机的扭矩的信号。

25.根据权利要求24所述的轮式装载机的控制装置，其特征在于，

所述自动发动机扭矩图与由驾驶员手动选择的手动发动机扭矩图不同地进行设定。

26.一种轮式装载机的控制系统，其特征在于，包括：

发动机；

被所述发动机驱动的作业装置及行驶装置；

多个传感器，其分别加装于所述发动机、所述作业装置及所述行驶装置，用于检测表示轮式装载机的作业状态信息的信号；以及

控制装置，其在从所述传感器接收的信号中，选择能够根据所述轮式装载机执行的一系列作业所要求的负载状态而分别判断多个个别负载状态的至少一种信号，针对所选择的信号，执行已学习的预测算法，分别判断是否为所述个别负载状态，判断当前的作业负载状态。

27.根据权利要求26所述的轮式装载机的控制系统，其特征在于，

所述控制装置在所接收的信号中选择判断是否为所述个别负载状态所需的信号，算出分别表示是否为所述个别负载状态的输出值，分析所述输出值，判断所述作业负载状态。

28.根据权利要求27所述的轮式装载机的控制系统，其特征在于，

所述控制装置针对所选择的信号，执行神经网络算法，算出所述输出值。

29.根据权利要求27所述的轮式装载机的控制系统，其特征在于，

所述控制装置算出表示是否为低负载状态的输出值，算出表示是否为中负载状态的输出值，算出表示是否为高负载状态的输出值，算出表示是否为加速/坡地负载状态的输出值。

30.根据权利要求27所述的轮式装载机的控制系统，其特征在于，

所述控制装置将所述轮式装载机的V-型运转中的前进行驶作业、后退行驶作业、倾卸作业以及后退行驶起重臂下降作业判断为低负载状态，将挖掘作业判断为中负载状态，将前进行驶起重臂升高作业判断为高负载状态。

31.根据权利要求26所述的轮式装载机的控制系统，其特征在于，

所述控制装置根据所述轮式装载机的当前作业负载状态，输出用于控制所述轮式装载机的所述发动机或者变速器的控制信号。