CN117425813A - 基于传感器数据确定软管组件的剩余寿命 - Google Patents

基于传感器数据确定软管组件的剩余寿命 Download PDF

Info

Publication number
CN117425813A
CN117425813A CN202280039220.8A CN202280039220A CN117425813A CN 117425813 A CN117425813 A CN 117425813A CN 202280039220 A CN202280039220 A CN 202280039220A CN 117425813 A CN117425813 A CN 117425813A
Authority
CN
China
Prior art keywords
hose assembly
remaining life
sensor data
controller
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202280039220.8A
Other languages
English (en)
Inventor
S·马龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Caterpillar Inc
Original Assignee
Caterpillar Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Caterpillar Inc filed Critical Caterpillar Inc
Publication of CN117425813A publication Critical patent/CN117425813A/zh
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B20/00—Safety arrangements for fluid actuator systems; Applications of safety devices in fluid actuator systems; Emergency measures for fluid actuator systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0041—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings by determining deflection or stress
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
    • F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
    • F15B19/00—Testing; Calibrating; Fault detection or monitoring; Simulation or modelling of fluid-pressure systems or apparatus not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0061—Force sensors associated with industrial machines or actuators
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M5/00—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings
    • G01M5/0025—Investigating the elasticity of structures, e.g. deflection of bridges or air-craft wings of elongated objects, e.g. pipes, masts, towers or railways
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
    • F16L11/00—Hoses, i.e. flexible pipes

Abstract

一种系统可以包括软管组件和控制器。软管组件可以包括多个传感器装置，这些传感器装置经配置生成关于软管组件的传感器数据。传感器数据可以包括关于软管组件的第一部分的弯曲半径的第一传感器数据或关于软管组件的第二部分处的扭矩量的第二传感器数据中的至少一个。控制器可以经配置从多个传感器装置接收传感器数据；基于传感器数据确定软管组件的剩余寿命；以及基于软管组件的剩余寿命来执行动作。

Description

基于传感器数据确定软管组件的剩余寿命
技术领域
本发明总体上涉及一种软管组件，并且例如涉及确定软管组件的剩余寿命。
背景技术
作业机器可以包括一个或多个液压回路。液压回路可以包括阀、泵和供应液压流体以致动液压缸组件的多个软管组件。在一段时间内，由于作业机器的不同操作，软管组件可能经受可能不利地影响软管组件的剩余寿命的不同条件。目前的预测技术不能精确地预测软管组件的剩余寿命。预测软管组件的剩余寿命的不精确性可能使得软管组件的意外故障，这可能使得液压回路和/或作业机器的其它部件的损坏。这种损坏可能使得作业机器以不期望的方式运行和/或使得作业机器经历故障。
美国专利第8，515，687(‘687专利)公开了一种软管故障检测系统，其包括软管组件，该软管组件包括具有第一和第二导电层的软管。该软管组件具有电气特性。故障检测器与第一和第二导电层电连通。故障检测器包括可操作地连接到软管组件的指示器。虽然‘687专利公开了一种软管故障检测系统，但是‘687专利侧重于软管组件的电特性，并且没有解决软管组件可能经受的不同条件(例如，在作业机器的操作期间)。
本发明的系统解决了上述一个或多个问题和/或本领域中的其它问题。
发明内容
一种系统包括软管组件，其中软管组件包括多个传感器装置，多个传感器装置经配置生成关于软管组件的传感器数据，并且其中传感器数据包括以下各项中的至少一项：关于软管组件的第一部分的弯曲半径的第一传感器数据，或关于软管组件的第二部分处的扭矩量的第二传感器数据；以及控制器，其经配置：接收来自多个传感器装置的传感器数据；基于传感器数据确定软管组件的剩余寿命；以及基于软管组件的剩余寿命来执行动作。
一种软管组件包括：耦合接口；软管；以及多个传感器装置，其经配置：生成关于软管组件的传感器数据；以及将传感器数据提供给控制器，以使控制器基于传感器数据确定软管组件的剩余寿命，其中传感器数据包括以下各项中的至少两项：关于软管的部分的弯曲半径的第一传感器数据，关于耦合接口处的扭矩量的第二传感器数据，关于软管的伸长量的第三传感器数据，或关于耦合接口处的扭转量的第四传感器数据，其中扭转量基于扭矩量。
一种软管组件包括：与至少第一传感器装置相关联的第一部分；以及与至少第二传感器装置相关联的第二部分，其中第一传感器装置和第二传感器装置经配置生成用于确定软管组件的剩余寿命的传感器数据，并且其中第一传感器装置不同于第二传感器装置。
附图说明
图1是本文所述的示例机器的示意图。
图2是本文所述的示例液压回路的示意图。
图3是涉及确定软管组件的剩余寿命的示例过程的流程图。
具体实施方式
本发明涉及一种包括软管组件和控制器的系统。软管组件可以包括多个传感器装置，这些传感器装置经配置生成关于软管组件的传感器数据。传感器数据可以包括关于软管组件的第一部分的弯曲半径的数据、关于软管组件的第二部分处的扭矩量的数据、关于软管组件的伸长量的数据、以及关于软管组件的第二部分处的扭转量的数据。
控制器可以经配置基于传感器数据确定软管组件的剩余寿命(例如，软管组件的剩余寿命量)。控制器可以经配置基于来自包括在系统中的附加传感器装置的附加传感器数据来确定软管组件的剩余寿命。附加传感器数据可以包括关于由软管组件输送的流体的压力的数据和/或关于由软管组件输送的流体的温度的数据。就这一点而言，通过考虑关于可能影响软管组件耐久性的不同条件的信息，控制器可以更精确地确定软管组件的剩余寿命。
控制器可以经配置基于软管组件的剩余寿命来执行动作。例如，基于确定软管组件的剩余寿命不满足剩余寿命阈值(例如，基于确定相应的软管组件220正在接近故障)，控制器可以使得流体到软管组件的供应终止；可以使得流体的压力降低；和/或可以提供通知(例如，包括识别软管组件的信息和/或识别液压回路的信息)。该通知可以提供给机器的操作员的装置、提供给技术人员的装置等。就这一点而言，可以提供通知以使得软管组件由机器的操作员、技术人员等进行修理和/或更换。
本发明的系统可以更精确地确定软管组件的剩余寿命，并且可以以防止软管组件的意外故障的方式执行适当的动作。
术语“机器”可以指执行与诸如采矿、施工、耕作、运输或其它行业等行业相关联的操作的机器。而且，一个或多个机具可以连接到机器。作为示例，机器可以包括与上述行业相关联的施工车辆、作业车辆或类似车辆。
图1是本文所述的示例机器100的示意图。如图1所示，机器100可以是轮式装载机。可替代地，机器100可以是履带式拖拉机、机动平地机、推土机、挖掘机等。如图1所示，机器100包括框架110、地面接合元件120、操作员驾驶室130、操作员控制器140、发动机150、控制器160、液压回路170、液压缸组件180和机具190。地面接合元件120可以包括用于推进机器100的轮、履带等。如图1所示，地面接合元件120安装在框架110上并且由发动机150和一个或多个传动系(未示出)驱动。
如图1所示，操作员驾驶室130安装在框架110上并且经配置支承机器100的操作员。操作员驾驶室130包括集成显示器(未示出)和操作员控制器140，诸如集成操纵杆。操作员控制器140可以包括使操作员能够控制机器100的操作的一个或多个输入部件和用户接口。发动机150可以包括柴油发动机、汽油发动机、天然气发动机、混合发动机、电动机和/或经配置驱动地面接合元件120的另一动力源。
控制器160(例如，电子控制模块(ECM))可以控制和/或监测机器100的操作。例如，控制器160可以基于来自集成显示器的信号、来自操作员控制器140的信号和/或来自液压回路170的信号来控制和/或监测机器100的操作。例如，控制器160可以确定液压回路170的软管组件的剩余寿命，并且可以基于软管组件的剩余寿命来执行动作，如下面更详细地描述的。
液压回路170可以安装到框架110。液压回路170可以经配置向液压缸组件180供应液压流体以使机具190铰接(例如，以使机具190运动)。液压缸组件180可以包括液压缸和液压杆。液压流体可以使液压缸致动以使液压杆伸出液压缸并且缩回到液压缸中，从而使机具190铰接。
如图1所示，机具190安装在提升臂的远端，并且可以通过液压缸组件180、电动马达和/或其它机电部件相对于提升臂铰接。机具190可以是铲斗(如图1所示)或可以安装在提升臂的远端的另一类型的工具或机具。
如上所指示，提供图1作为示例。其它示例可以与结合图1所描述的不同。
图2是本文所述的示例液压回路170的示意图。如图2所示，液压回路170包括阀组件210、多个软管组件220(本文单独地称为“软管组件220”，并且共同地称为“软管组件220”)、第一传感器装置230(本文单独地称为“第一传感器装置230”，并且共同地称为“第一传感器装置230”)、第二传感器装置240(本文单独地称为“第二传感器装置240”，并且共同地称为“第二传感器装置240”)、第三传感器装置250(本文单独地称为“第三传感器装置250”，并且共同地称为“第三传感器装置250”)、第四传感器装置260(本文单独地称为“第四传感器装置260”，并且共同地称为“第四传感器装置260”)。在一些示例中，液压回路170可以包括液压泵(未示出)和液压流体贮存器(未示出)。液压回路170可以连接到安装组件(未示出)，该安装组件经配置安装到机器100的框架110。
阀组件210可以包括经配置控制液压回路170中的流体(例如，液压流体)的流动的一个或多个装置。例如，阀组件210可以控制液压流体流入液压回路170和控制液压流体流出液压回路170。如图2所示，阀组件210可以包括入口阀212和出口阀214。入口阀212可以经配置控制液压回路170的流入。例如，入口阀212可以经配置使得液压流体能够经由软管组件220(例如，软管组件220-1)从一个或多个部件(相对于液压回路170在外部)提供到液压缸组件180。出口阀214可以经配置控制液压流体流出液压回路170。例如，出口阀214可以经配置经由另一软管组件220(例如，软管组件220-2)将来自液压缸组件180的液压流体提供到液压回路170外部的一个或多个部件。
软管组件220可以包括第一耦合接口222、第二耦合接口224和软管226。第一耦合接口222可以经配置连接到入口阀212。第二耦合接口224可以经配置连接到液压缸组件180(例如，经由安装组件)。软管226可以经配置输送流体(例如，在入口阀212和液压缸组件180之间或在液压缸组件180和出口阀214之间)。软管226可以是多层软管。
第一传感器装置230可以与相应的软管组件220相关联。第一传感器装置230可以包括一个或多个装置，该一个或多个装置经配置确定相应的软管组件220的第一部分的弯曲半径并且生成关于该弯曲半径的传感器数据。例如，如图2所示，第一传感器装置230可以设置在相应的软管组件220的软管226的一部分处。软管226的该部分可以对应于相应的软管组件220的第一部分。
软管226的该部分可以对应于可能经受弯曲半径违规的部分(或区域)。弯曲半径违规可以指不满足弯曲半径阈值的弯曲半径。例如，将相应的软管组件220(例如，软管226)弯曲到小于弯曲半径阈值的弯曲半径可能损坏相应的软管组件220(例如，损坏软管226)。因此，弯曲半径违规可能不利地影响软管组件220的剩余寿命。
在一些示例中，第一传感器装置230可以包括应变计。例如，第一传感器装置230可以包括线性应变计。就这一点而言，除了确定相应的软管组件220的第一部分的弯曲半径之外，第一传感器装置230可以经配置确定相应的软管组件220的伸长量(例如，软管226的伸长量)。在一些情况下，第一传感器装置230可以经配置确定软管226的该部分处的压缩和/或张力的量。由第一传感器装置230生成的传感器数据还可以包括关于相应的组件220的弯曲半径的信息、关于相应的软管组件220的伸长量的信息、关于压缩和/或张力的量的信息、识别相应的软管组件220的信息、和/或识别液压回路170的信息。
第二传感器装置240可以包括一个或多个装置，该一个或多个装置经配置确定相应的软管组件220的第二部分处的扭矩量并且生成关于扭矩量的传感器数据。相应的软管组件220的第二部分可以对应于第一耦合接口222(和/或第二耦合接口224)。例如，如图2所示，第二传感器装置240可以邻近第一耦合接口222(和/或邻近第二耦合接口224)设置。
在一些示例中，第二传感器装置240可以包括应变计。例如，第二传感器装置240可以包括剪切应变计。就这一点而言，除了确定扭矩量之外，第二传感器装置240可以经配置确定软管组件220的第二部分处的扭转量。在一些情况下，扭转量可以基于扭矩量。由第二传感器装置240生成的传感器数据还可以包括关于扭转量的信息、识别相应的软管组件220的信息和/或识别液压回路170的信息。
第一传感器装置230和第二传感器装置240的位置仅作为示例提供。实际上，第一传感器装置230和第二传感器装置240可以设置在软管组件220的不同部分处。
第三传感器装置250可以包括一个或多个装置，该一个或多个装置经配置确定由相应的软管组件220输送的流体的温度并且生成关于流体的温度的传感器数据。如图2所示，第三传感器装置250可以邻近入口阀212设置(例如，可以位于入口阀212内)和/或邻近出口阀214设置(例如，可以位于出口阀214内)。
在一些示例中，第三传感器装置250可以包括温度传感器装置。由第三传感器装置250生成的传感器数据还可以包括关于第三传感器装置250的位置的信息(例如，识别入口阀212的信息)、识别相应的软管组件220的信息、识别液压回路170和/或与液压回路170相关联的(机器100的)其它部件的信息等。
第四传感器装置260可以包括一个或多个装置，该一个或多个装置经配置确定由相应的软管组件220输送的流体的压力并且生成关于流体的压力的传感器数据。如图2所示，第四传感器装置260可以邻近入口阀212设置(例如，可以位于入口阀212内)和/或邻近出口阀214设置(例如，可以位于出口阀214内)。在一些情况下，流体的压力可以对应于流体的作业压力。
在一些示例中，第四传感器装置260可以包括压力传感器装置(例如，流体压力传感器装置)。由第四传感器装置260生成的传感器数据还可以包括关于第四传感器装置260的位置的信息(例如，识别入口阀212的信息)、识别相应的软管组件220的信息、识别液压回路170和/或与液压回路170相关联的(机器100的)其它部件的信息等。由第四传感器装置260生成的传感器数据可以用于(例如，由控制器160)识别压力峰值(例如，压力尖峰)并且确定压力峰值与上文结合相应软管组件220讨论的伸长、扭矩和/或扭转之间的相关性。
第三传感器装置250和第四传感器装置260的位置仅作为示例提供。实际上，第三传感器装置250和第四传感器装置260可以设置在液压回路170和/或软管组件220的不同部分处。
在一些实现方式中，液压回路170可以包括与相应的组件220相关联的一个或多个附加传感器装置。例如，液压回路170可以包括第一附加传感器装置以确定环境温度并且生成关于环境温度的传感器数据。附加地或可替代地，液压回路170可以包括第二附加传感器装置以确定相应的软管组件220的一个或多个部分处(例如，在第一耦合接口222处、在第二耦合接口224处、在软管226的一个或多个部分处等)的振动量。第二附加传感器装置可以生成关于振动量的传感器数据。
以上讨论的传感器装置(例如，第一传感器装置230、第二传感器装置240、第三传感器装置250、第四传感器装置260和/或附加传感器装置)在本文中可以单独地称为“软管传感器装置”，并且共同地称为“软管传感器装置”。在一些示例中，液压传感器装置可以向控制器160提供传感器数据，以使控制器160能够确定相应的软管组件220的剩余寿命。软管传感器装置可以周期性地(例如，每5秒、每10秒、每30秒等)向控制器160提供传感器数据。附加地或可替代地，软管传感器装置可以基于触发(例如，基于来自控制器160的请求、基于相应的软管组件220的剩余寿命等)向控制器160提供传感器数据。
在一些实现方式中，控制器160可以使软管传感器装置基于相应的软管组件220的剩余寿命来调节软管传感器装置向控制器160提供传感器数据的速率。例如，当控制器160确定相应的软管组件220的剩余寿命不满足剩余寿命阈值(例如，确定相应的软管组件220正在接近故障)时，控制器160可以使软管传感器装置增加软管传感器装置提供传感器数据的速率。可替代地，当控制器160确定相应的软管组件220的剩余寿命满足剩余寿命阈值时，控制器160可以使软管传感器装置降低软管传感器装置提供传感器数据的速率。
在一些示例中，控制器160可以将相应的软管组件220的剩余寿命确定为相应的软管组件220的标准预期寿命的一部分。控制器160可以经预先配置具有关于相应的软管组件220的标准预期寿命的信息。附加地或可替代地，控制器160可以从操作员控制器140、从操作员的装置、从后台系统等接收关于相应的软管组件220的标准预期寿命的信息。
当确定相应的软管组件的剩余寿命时，控制器160可以基于传感器数据确定磨损因数。例如，控制器160可以基于弯曲半径(或基于与弯曲半径相关联的弯曲半径违规)确定第一磨损因数、基于扭矩量确定第二磨损因数、基于流体温度确定第三磨损因数、基于流体的压力确定第四磨损因数等。
磨损因数可以指相应的软管组件220的磨损量(例如，由于弯曲半径违规而引起的磨损量、由于扭矩量而引起的磨损量、由于流体温度而引起的磨损量、由于压力量而引起的磨损量等)。就这一点而言，控制器160可以最初地将相应的软管组件220的标准预期寿命减少磨损因数以确定相应的软管组件220的剩余寿命(例如，当相应的软管组件220是全新的软管组件时)。随后，控制器160可以通过磨损因数减少相应的软管组件220的当前剩余寿命。
第一磨损因数可以基于弯曲半径的值(由第一传感器装置230生成的传感器数据识别)。例如，对于弯曲半径的第一值，第一磨损因数可以是弯曲半径磨损的第一部分(或第一百分比)。弯曲半径磨损可以指对应于弯曲半径阈值的相应的软管组件220的磨损量(例如，当未发生弯曲半径违规时的磨损量)。对于弯曲半径的第二值，第一磨损因数可以是弯曲半径磨损的第二部分(或第二百分比)。
假设第一值和第二值满足弯曲半径阈值。就这一点而言，对于第一值，第一磨损因数可以是弯曲半径磨损的十倍。对于第二值，第一磨损因数可以是弯曲半径磨损的五十倍。假设相应的软管组件220的标准预期寿命以周期(例如，相应的软管组件220的使用周期)来测量，每个周期基于流体的压力的尖峰来确定，并且弯曲半径磨损是一个周期。就这一点而言，对于第一值，第一磨损因数可以是十个周期；对于第二值可以是五十个周期；并且对于不满足弯曲半径阈值的第三值可以是一个周期。
第二磨损因数可以基于扭矩量的值(由第二传感器装置240生成的传感器数据识别)。例如，对于扭矩量的第一值，第二磨损因数可以是扭矩磨损的第一部分(或第一百分比)。当扭矩量不满足扭矩阈值(扭矩阈值是正常或可接受的扭矩量)时，扭矩磨损可以指相应的软管组件220的磨损量。对于扭矩量的第二值，第二磨损因数可以是扭矩磨损的第二部分(或第二百分比)。
第三磨损因数可以基于流体的温度值(由第三传感器装置250生成的传感器数据识别)。例如，对于温度的第一值，第三磨损因数可以是温度磨损的第一部分(或第一百分比)。温度磨损可以指对应于流体温度范围的相应的软管组件220的磨损量。温度范围可以对应于流体的正常(或可接受)温度。对于温度的第二值，第三磨损因数可以是温度磨损的第二部分(或第二百分比)。在一些情况下，第一温度(超过第二温度)可能使得比第二温度更多的磨损。
在一些实现方式中，第四磨损因数可以基于流体的压力值(由第四传感器装置260生成的传感器数据识别)。例如，对于流体的压力的第一值，第四磨损因数可以是压力磨损的第一部分(或第一百分比)。压力磨损可以指对应于压力阈值的相应的软管组件220的磨损量(例如，当流体的压力不满足压力阈值时的磨损量)。对于流体的压力的第二值，第四磨损因数可以是压力磨损的第二部分(或第二百分比)。假设第一值和第二值满足压力阈值。就这一点而言，对于第一值，第四磨损因数可以是压力磨损的十倍。对于第二值，第四磨损因数可以是压力磨损的六十倍。
控制器160可以经配置每当发生弯曲半径违规时(例如，基于第一磨损因数)、每当扭矩量满足扭矩阈值时(例如，基于第二磨损因数)、每当流体的温度落在温度范围之外时(例如，基于第三磨损因数)、每当流体的压力满足压力阈值时(例如，基于第四磨损因数)等确定相应的软管组件的剩余寿命。
例如，每次发生弯曲半径违规时，控制器160可以经配置通过基于第一磨损因数减小相应的软管组件220的当前剩余寿命来确定相应的软管组件220的剩余寿命。例如，控制器160可以从当前剩余寿命中减去第一磨损因数。最初(例如，当相应的软管组件220是全新的软管组件时)，当前剩余寿命可以是相应的软管组件220的标准预期寿命。
关于弯曲半径违规，假设相应的软管组件220的当前剩余寿命是600，000个周期，并且第一磨损因数(例如，对于由传感器数据识别的弯曲半径)是100个周期。就这一点而言，控制器160可以将600，000个周期减少100个周期，以确定剩余寿命为599，900个周期。控制器160可以使用不同的数学运算或数学运算的组合来基于第一磨损因数和相应的软管组件220的当前剩余寿命来确定剩余寿命。控制器160可以基于第二磨损因数、第三磨损因数等执行类似的动作。
其它磨损因数(例如，基于相应的软管组件220的伸长、基于相应的软管组件220的扭转量等)可以以类似于结合第一磨损因数、第二磨损因数等所描述的方式来确定。在一些示例中，磨损因数可以基于相应的软管组件220的类型和/或相应的软管组件220的尺寸。例如，第一类型和/或第一尺寸的相应的软管组件220的第一磨损因数可以不同于第二类型和/或第二尺寸的相应的软管组件220的第一磨损因数。
上面讨论的与磨损因数和当前剩余寿命有关的值仅仅作为示例提供。实际上，不同的值可以用于不同的情况。控制器160可以经预先配置具有关于阈值和/或关于本文讨论的温度范围的信息。附加地或可替代地，控制器160可以从操作员控制器140、从操作员的装置、从后台系统等接收关于阈值和/或关于温度范围的信息。在一些情况下，控制器160可以使用传感器数据来跟踪弯曲半径违规发生的次数并且确定与弯曲半径违规相关联的压力量。类似地，控制器160可以使用传感器数据来跟踪相应的软管组件220经受的流体的压力量的次数，从而产生满足扭矩阈值的扭矩量。
在一些情况下，控制器160可以使用数据结构来确定磨损因数。例如，控制器160可以使用传感器数据搜索数据结构，以识别对应于传感器数据的磨损因数。例如，控制器160可以使用(在传感器数据中识别的)弯曲半径搜索数据结构，以识别对应于弯曲半径的第一磨损因数；使用(在传感器数据中识别的)扭矩量搜索数据结构，以识别对应于扭矩量的第二磨损因数等。数据结构(例如，数据库、链表、表格等)可以存储识别对应的弯曲半径、对应的扭矩量、对应的流体的温度、对应的流体的压力、对应的软管组件220的类型和/或尺寸等的信息相关联地存储识别不同磨损因数(以上讨论的)的信息。
例如，数据结构可以与识别对应的软管组件220的对应的第一弯曲半径和/或对应的第一类型和/或第一尺寸的信息相关联地存储第一磨损因数的第一值；与识别相应的软管组件220的对应的第二弯曲半径和/或对应的第二类型和/或第二尺寸的信息相关联的第一磨损因数的第二值；与识别相应的软管组件220的对应的扭矩量和/或对应的类型和/或尺寸的信息相关联的第二磨损因数的第一值等。
在一些情况下，存储在数据结构中的信息可以基于模拟相应的软管组件220的操作的模拟模型来获得。例如，模拟模型可以模拟不同的事件(例如，不同的弯曲半径、不同的扭矩量、不同的流体的温度、不同的流体的压力等)。模拟模型可以确定每个事件之后相应的软管组件220的磨损量。附加地或可替代地，存储在数据结构中的信息可以基于在上述每个事件之后相应的软管组件220的磨损的手动测量来获得。
附加地或可替代地使用数据结构，控制器160可以使用机器学习模型来确定磨损因数。例如，控制器160可以提供传感器数据(例如，识别弯曲半径、扭矩量、流体的温度、流体的压力等)作为机器学习模型的输入。机器学习模型可以确定(或预测)对应于传感器数据的磨损因数。例如，机器学习模型可以确定对应于弯曲半径的第一磨损因数、对应于扭矩量的第二磨损因数等。
在一些情况下，控制器160可以将识别相应的软管组件220的当前剩余寿命的信息作为输入提供给机器学习模型。机器学习模型可以基于磨损因数和相应的软管组件220的当前剩余寿命来确定相应的软管组件220的剩余寿命。例如，机器学习模型可以确定磨损因数。可替代地，控制器160可以确定磨损因数，并且可以将磨损因数和识别相应的软管组件220的当前剩余寿命的信息作为输入提供给机器学习模型。机器学习模型可以以类似于上述方式的方式基于磨损因数和当前剩余寿命来确定剩余寿命。
控制器160可以使用与相应的软管组件220相关联的历史数据、与类似于相应的软管组件220的一个或多个其它软管组件相关联的历史数据等来训练机器学习模型。一个或多个其它软管组件可以是类似的类型，可以具有与相应的软管组件220的类型和/或尺寸类似的尺寸。历史数据可以包括关于弯曲半径的历史数据、扭矩的历史量、流体的历史温度、流体的历史压力、历史磨损因数、关于当前剩余寿命的历史数据等。
当训练机器学习模型时，控制器160可以将历史数据分成训练集(例如，训练模型的数据集)、验证集(例如，用于评估模型的拟合和/或微调模型的数据集)、测试集(例如，用于评估模型的最终拟合的数据集)等。控制器160可以预处理和/或执行降维以将历史数据减少到最小特征集。控制器160可以在该最小特征集上训练模型，从而减少训练机器学习模型的处理，并且可以对最小特征集应用分类技术。
控制器160可以使用诸如逻辑回归分类技术、随机森林分类技术、梯度增强机器学习(GBM)技术等的分类技术来确定分类结果(例如，磨损因数、剩余寿命等)。除了使用分类技术之外，或者作为使用分类技术的替代，控制器160可以使用朴素贝叶斯分类器技术。在这种情况下，控制器160可以执行二进制递归划分，以将最小特征集的历史数据分割为分区和/或分支，并且使用这些分区和/或分支来执行预测(例如，磨损因数、剩余寿命等)。基于使用递归划分，控制器160可以相对于数据项的手动、线性分类和分析减少计算资源的利用，从而使得能够使用数千、数百万或数十亿的数据项来训练模型，这可以产生比使用更少的数据项更精确的模型。
控制器160可以使用监督训练程序来训练模型，该监督训练程序包括从主题专家(例如，与机器100和/或一个或多个其它机器相关联的一个或多个操作员)接收对模型的输入，这可以相对于无监督训练程序减少训练模型的时间量、处理资源量等。控制器160可以使用一种或多种其它模型训练技术，诸如神经网络技术、潜在语义索引技术等。
例如，控制器160可以执行人工神经网络处理技术(例如，使用两层前馈神经网络结构、三层前馈神经网络结构等)以执行关于不同磨损因素的模式的模式识别。在这种情况下，使用人工神经网络处理技术可以通过对有噪声的、不精确的或不完整的数据更鲁棒并且通过使控制器160能够使用较不复杂的技术来检测人类分析师或系统无法检测到的模式和/或趋势来提高控制器160所生成的模型的精确性。
在训练之后，如上所述，机器学习模型可以用于确定(或预测)相应的软管组件220的不同磨损因数和/或相应的软管组件220的剩余寿命。在一些情况下，机器学习模型的输出可以包括磨损因数和/或剩余寿命的分数。
该分数可以表示由机器学习模型确定的磨损因数和/或剩余寿命的置信度的量度。就这一点而言，当磨损因数和/或剩余寿命的置信度度量满足置信度阈值时，控制器160可以使用由机器学习模型预测的磨损因数和/或剩余寿命。在一些情况下，如果控制器160不能在数据结构中识别对应于传感器数据的磨损因数，则控制器160可以使用由机器学习模型预测的磨损因数。
不同的装置，诸如服务器装置，可以生成并且训练机器学习模型。不同的装置可以提供由控制器160使用的机器学习模型。不同的装置可以更新机器学习模型并且向控制器160提供(例如，基于调度的、基于按需的、基于触发的、基于周期性的等)机器学习模型。控制器160可以更新机器学习模型。
控制器160可以基于相应的软管组件220的剩余寿命来执行动作。例如，控制器160可以确定相应的软管组件220的剩余寿命是否满足剩余寿命阈值。如果控制器160确定相应的软管组件220的剩余寿命满足剩余寿命阈值(例如，相应的软管组件220具有足够的或可接受的剩余寿命量)，则控制器160可以提供通知(例如，向操作员的装置、向后台系统、向技术人员的装置、向自主装置等)。该通知可以包括识别相应的软管组件220的信息、识别液压回路170的信息、识别相应的软管组件220的剩余寿命的信息、识别机器100的位置的信息(例如，供技术人员的装置使用和/或供自主装置使用)等。
如果控制器160确定相应的软管组件220的剩余寿命不满足剩余寿命阈值(例如，相应的软管组件220已经磨损到接近故障的点)，则控制器160可以执行一个或多个动作。例如，控制器160可以提供上述通知。该通知可以经提供以使得相应的软管组件220由机器100的操作员、技术人员、自主装置等修理和/或更换。
例如，对于技术人员而言，控制器160可以提供通知以使技术人员被派遣到机器100的位置以维修、修理和/或更换相应的软管组件220。例如，对于自主装置，控制器160可以提供通知以使自主装置导航到机器100的位置，以维修、修理和/或更换相应的软管组件220。
附加地或可替代地，为了提供通知，控制器160可能使得液压流体到液压回路170的供应终止；可能使得液压流体的压力降低；可能使得机器100暂停或终止机器100的当前操作；可能使得机器100固定不动；可能使得与液压回路170相关联的机器100的部件(例如，机具190)固定不动等。
在一些情况下，控制器160可以基于剩余寿命预测相应的软管组件220何时将经历故障。在这种情况下，控制器160可以基于预测相应的软管组件220何时经历故障来确定更换相应的软管组件220的特定时间。如果控制器160预测故障即将发生，则控制器160可以执行上述动作中的一个或多个。如果控制器160预测故障不即将发生，则控制器160可以不执行动作。在一些情况下，控制器160可以基于扭矩量预测故障即将发生。例如，控制器160可以基于第二磨损因数的值(对应于扭矩量)和当前剩余寿命以类似于上述方式的方式确定相应的软管组件220的剩余寿命。类似地，当相应的软管组件的伸长量满足伸长阈值时，控制器160可以预测故障即将发生。
虽然已经结合液压回路170的软管组件220描述了前述示例，但是本发明可应用于在其它应用中使用的软管组件，诸如燃料管线软管、发动机油软管、发动机冷却剂软管、空气软管等(例如，除了液压回路中使用的软管组件之外)。
图2中所示的装置的数量和布置被提供作为示例。实际上，可以有与图2所示的那些装置相比附加的装置、更少的装置、不同的装置、或不同地布置的装置。此外，图2所示的两个或多个装置可以在单个装置内实现，或图2所示的单个装置可以实现为多个分布式装置。附加地或可替代地，液压回路170的一组装置(例如，一个或多个装置)可以执行描述为由液压回路170的另一组装置执行的一个或多个功能。
图3是与基于传感器数据确定软管组件的剩余寿命相关联的示例过程300的流程图。在一些实现方式中，图3的一个或多个处理框可以由控制器(例如，控制器160)来执行。在一些实现方式中，图3的一个或多个处理框可以由与控制器分离或包括控制器的另一装置或一组装置来执行，诸如第一传感器装置(例如，第一传感器装置230)、第二传感器装置(例如，第二传感器装置240)、第三传感器装置(例如，第三传感器装置250)和/或第四传感器装置(例如，第四传感器装置260)。
如图3所示，过程300可以包括从软管组件的多个传感器装置接收传感器数据(框310)。例如，如上所述，控制器可以从软管组件的多个传感器装置接收传感器数据。
如图3进一步所示，过程300可以包括基于传感器数据确定软管组件的剩余寿命(框320)。例如，如上所述，控制器可以基于传感器数据来确定软管组件的剩余寿命。
如图3进一步所示，过程300可以包括基于软管组件的剩余寿命来执行动作(框330)。例如，如上所述，控制器可以基于软管组件的剩余寿命来执行动作。
尽管图3示出了过程300的示例框，但在一些实现方式中，与图3中描绘的那些相比，过程300可以包括附加的框、更少的框、不同的框或不同地布置的框。附加地或可替代地，可以并行地执行过程300的两个或多个框。
工业实用性
本发明涉及一种包括软管组件和控制器的系统。软管组件可以包括多个传感器装置，这些传感器装置经配置生成关于软管组件的传感器数据。传感器数据可以包括关于软管组件的第一部分的弯曲半径的数据、关于软管组件的第二部分处的扭矩量的数据、关于软管组件的伸长量的数据、和/或关于软管组件的第二部分处的扭转量的数据。
控制器可以经配置基于传感器数据确定软管组件的剩余寿命(例如，软管组件的剩余寿命量)。控制器可以经配置基于来自包括在系统中的附加传感器装置的附加传感器数据来确定软管组件的剩余寿命。附加传感器数据包括关于由软管组件输送的流体的压力的数据和关于由软管组件输送的流体的温度的数据。就这一点而言，控制器可以经配置更精确地确定软管组件的剩余寿命。
预测软管组件的剩余寿命的不精确性可能造成软管组件的意外故障，这可能使得液压回路和/或机器的其它部件的损坏。通过精确地确定软管组件的剩余寿命，本发明的控制器可以防止软管组件的意外故障(有时是灾难性故障)。
控制器可以经配置基于软管组件的剩余寿命来执行动作。例如，基于确定软管组件的剩余寿命不满足剩余寿命阈值，控制器可能使得液压流体到软管组件的供应终止；使得液压流体的压力降低；和/或提供通知(例如，包括识别软管的信息和/或识别液压回路的信息)。该通知可以提供给机器的操作员的装置、提供给技术人员的装置等。就这一点而言，可以提供通知以使得软管组件由机器的操作员、技术人员等进行修理和/或更换。
本发明的系统可以更精确地确定软管组件的剩余寿命，并且可以以防止软管组件的意外故障的方式执行适当的动作。
前述公开提供了说明和描述，但是并不旨在穷举或将实现方式限制为所公开的精确形式。可以根据以上公开内容进行修改和变化，或者可以从实现方式的实践中获得修改和变化。此外，本文所述的任何实现方式可以组合，除非前述公开内容明确地提供了一个或多个实现方式不能组合的理由。即使特征的特定组合在权利要求中叙述和/或在说明书中公开，但是这些组合并不旨在限制各种实现方式的公开。尽管下面列出的每项从属权利要求可以直接从属于仅一项权利要求，但是各种实现方式的公开包括与权利要求组中的所有其它权利要求相组合的每项从属权利要求。
如本文所使用的，“一(a)”、“一个(an)”和“一组(set)”旨在包括一个或多个项，并且可以与“一个或多个”互换使用。进一步地，如本文所使用的，冠词“该”旨在包括结合冠词“该”引用的一个或多个项，并且可以与“该一个或多个”互换使用。进一步地，短语“基于”旨在意指“至少部分地基于”，除非另有明确说明。此外，如本文所使用的，术语“或”在以系列使用时旨在是包括性的，并且可以与“和/或”互换使用，除非另有明确说明(例如，如果与“任一者”或“仅一者”组合使用)。进一步地，为了易于描述，本文可以使用空间上相对的术语，诸如“之下”、“下”、“之上”、“上”等来描述如图所图示的一个元件或特征与另一元件或特征的关系。空间上相对的术语旨在涵盖除了附图中描绘的取向之外的使用或操作中的设备、装置和/或元件的不同取向。设备可以以其它方式进行取向(旋转90度或以其它取向)，并且本文使用的空间上相对的描述符同样可以相应地进行解释。

Claims (10)

1.一种系统，包括：
软管组件(220)，
其中所述软管组件包括多个传感器装置(230，240)，其经配置生成关于所述软管组件的传感器数据，并且
其中所述传感器数据包括以下各项中的至少一项：
关于所述软管组件的第一部分的弯曲半径的第一传感器数据，或
关于所述软管组件的第二部分处的扭矩量的第二传感器数据；以及
控制器(160)，其经配置：
接收来自所述多个传感器装置的所述传感器数据；
基于所述传感器数据确定所述软管组件的剩余寿命；以及
基于所述软管组件的所述剩余寿命来执行动作。
2.根据权利要求1所述的系统，其中所述传感器数据还包括以下各项中的至少一项：
关于所述软管组件的伸长量的第三传感器数据，或
关于所述软管组件的所述第二部分处的扭转量的第四传感器数据，
其中所述扭转量基于所述扭矩量。
3.根据权利要求1所述的系统，其中所述多个传感器装置包括第一传感器装置(230)和第二传感器装置(240)，
其中所述系统还包括：
第三传感器装置(250)，其经配置生成关于由所述软管组件输送的流体的温度的第三传感器数据；以及
其中为确定所述软管组件的所述剩余寿命，所述控制器经配置：
还基于所述第三传感器数据确定所述软管组件的所述剩余寿命。
4.根据权利要求1所述的系统，其中所述多个传感器装置包括第一传感器装置(230)和第二传感器装置(240)，
其中所述系统还包括：
第三传感器装置(260)，其经配置生成关于由所述软管组件输送的流体的压力的第三传感器数据；以及
其中为确定所述软管组件的所述剩余寿命，所述控制器经配置：
还基于所述第三传感器数据确定所述软管组件的所述剩余寿命。
5.根据权利要求1所述的系统，其中为了使得所述动作被执行，所述控制器经配置：
确定所述软管组件的所述剩余寿命是否满足剩余寿命阈值；以及
选择性地执行第一动作或第二动作，
其中当所述软管组件的所述剩余寿命满足所述剩余寿命阈值时执行所述第一动作，并且
其中当所述软管组件的所述剩余寿命不满足所述剩余寿命阈值时执行所述第二动作；以及
其中为了使得所述第一动作被执行，所述控制器经配置提供以下各项中的至少一项：
识别所述软管组件的信息；或
识别所述软管组件的所述剩余寿命的信息；以及
其中为了使得所述第二动作被执行，所述控制器经配置提供以下各项中的至少一项：
使得液压流体向所述软管组件的供应终止；或
使得所述液压流体的压力降低。
6.一种软管组件(220)，包括：
与至少第一传感器装置(230)相关联的第一部分(226)；以及
与至少第二传感器装置(240)相关联的第二部分(222，224)，
其中所述第一传感器装置(230)和所述第二传感器装置(240)经配置生成用于确定所述软管组件的剩余寿命的传感器数据。
7.根据权利要求6所述的软管组件，其中所述第一传感器装置(230)经配置生成关于所述软管组件的所述第一部分的弯曲半径的第一传感器数据，并且
其中所述第二传感器装置(240)经配置生成关于所述软管组件的所述第二部分处的扭矩量的第二传感器数据。
8.根据权利要求6所述的软管组件，其中所述软管组件还包括软管(226)，并且
其中所述第一传感器装置(230)设置在所述软管(226)的部分处。
9.根据权利要求6所述的软管组件，其中所述软管组件还包括耦合接口(222，224)，并且
其中所述第二传感器装置(240)设置在所述耦合接口(222，224)处。
10.根据权利要求6所述的软管组件，其中所述第一传感器装置(230)和所述第二传感器装置(240)包括多个应变计；
其中所述多个应变计包括第一类型的应变计和不同于所述第一类型的第二类型的应变计；
其中所述第一类型的所述应变计经配置生成关于所述软管组件的所述第一部分的弯曲半径的第一传感器数据；以及
其中所述第二类型的所述应变计经配置生成关于所述软管组件的所述第二部分处的扭矩量的第二传感器数据。
CN202280039220.8A 2021-06-09 2022-06-01 基于传感器数据确定软管组件的剩余寿命 Pending CN117425813A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US17/303,843 US11680591B2 (en) 2021-06-09 2021-06-09 Determining remaining life of a hose assembly based on sensor data
US17/303843 2021-06-09
PCT/US2022/031723 WO2022260899A1 (en) 2021-06-09 2022-06-01 Determining remaining life of a hose assembly based on sensor data

Publications (1)

Publication Number Publication Date
CN117425813A true CN117425813A (zh) 2024-01-19

Family

ID=82361175

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280039220.8A Pending CN117425813A (zh) 2021-06-09 2022-06-01 基于传感器数据确定软管组件的剩余寿命

Country Status (3)

Country Link
US (1) US11680591B2 (zh)
CN (1) CN117425813A (zh)
WO (1) WO2022260899A1 (zh)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160237804A1 (en) 2004-06-14 2016-08-18 Stylianos Papadimitriou Stress engineering assessment of risers and riser strings
WO2006002454A1 (en) 2004-07-02 2006-01-12 Australasian Steel Products Pty Ltd Hose assembly analysis apparatus and methods
US7555936B2 (en) 2005-03-04 2009-07-07 Purdue Research Foundation Hydraulic hose with integral life-sensing capability and method therefor
US10359774B2 (en) * 2008-10-28 2019-07-23 Gates Corporation Diagnostic and response systems and methods for fluid power systems
US8515687B2 (en) * 2009-01-06 2013-08-20 Eaton Corporation Degradation detection system for a hose assembly
AU2010201152A1 (en) 2010-03-23 2011-10-13 Arcnet Pty Ltd A System, Apparatus and Method for Monitoring Wear Rate and Predicting Failure of Hoses
GB201018534D0 (en) 2010-11-03 2010-12-15 Wellstream Int Ltd Parameter sensing and monitoring
US8943905B2 (en) 2012-03-22 2015-02-03 David H. Theiss Torsion measurement device
JP2015010875A (ja) 2013-06-27 2015-01-19 株式会社ブリヂストン ホース残存寿命予測方法およびホース残存寿命予測装置
WO2016149197A1 (en) 2015-03-13 2016-09-22 Purdue Research Foundation Hydraulic hoses with life-sensing capability and methods therefor
US10309864B1 (en) 2017-05-05 2019-06-04 Amazon Technologies, Inc. Exterior tubing monitoring devices
US10677680B1 (en) 2017-05-05 2020-06-09 Amazon Technologies, Inc. Interior tubing monitoring devices
JP7396832B2 (ja) 2019-06-19 2023-12-12 株式会社ブリヂストン ホースの残存寿命予測方法及びホースの残存寿命予測システム

Also Published As

Publication number Publication date
WO2022260899A1 (en) 2022-12-15
US20220397135A1 (en) 2022-12-15
US11680591B2 (en) 2023-06-20

Similar Documents

Publication Publication Date Title
Wang et al. Model-based health monitoring of hybrid systems
US7006947B2 (en) Method and apparatus for predicting failure in a system
US7464063B2 (en) Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method
US11704942B2 (en) Undercarriage wear prediction using machine learning model
CN114396415B (zh) 用于液压故障自诊断的装置、方法及液压系统
US10288530B2 (en) Method for improving severity estimates
Liu et al. A machine learning-based clustering approach to diagnose multi-component degradation of aircraft fuel systems
CN117425813A (zh) 基于传感器数据确定软管组件的剩余寿命
Ribot et al. HPPN-based prognosis for hybrid systems
KR20230133833A (ko) 압력 데이터 및 유동 데이터를 기반으로 트랙 마모 감지
US20230368154A1 (en) Maintenance Assistance System
Lazakis et al. Condition monitoring for enhanced inspection, maintenance and decision making in ship operations
Smeulers et al. PROMIS-A generic PHM methodology applied to aircraft subsystems
US20160349152A1 (en) Method for aligning composite work cycle severity distributions to severity responses
Greitzer et al. Development of a framework for predicting life of mechanical systems: Life Extension Analysis and Prognostics (LEAP)
Jakobsson Data-driven Condition Monitoring in Mining Vehicles
Kurtoglu et al. A risk-informed decision making methodology for evaluating failure impact of early system designs
Keller et al. A process and tool for determining the cost/benefit of prognostic applications
Akinluli et al. Development of an expert system for the repair and maintenance of bulldozer's work equipment failure
Kumar et al. An expert system for predictive maintenance of mining excavators and its various forms in open cast mining
Pokorádi Interval Uncertainty Analysis of Reliability of Systems with Complex Interconnections
Wang et al. Health monitoring of engineering systems
Odeyar Analysis of the effectiveness of magnetic filters of shovel hydraulic system and successive hydraulic failure prediction using data-driven approaches
Lo ON THE APPLICATION AND COMPARISON OF CONDITION-BASED MAINTENANCE PROGNOSTICS APPROACHES: LOGICAL ANALYSIS OF DATA, ARTIFICIAL NEURAL NETWORKS, AND PROPORTIONAL HAZARDS MODELS
CN116955955A (zh) 一种管道缺陷模型预测方法、系统、终端设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication