KR102513839B1 - 건설 장비의 결함 진단 시스템 및 결함 진단 방법 - Google Patents

건설 장비의 결함 진단 시스템 및 결함 진단 방법 Download PDF

Info

Publication number
KR102513839B1
KR102513839B1 KR1020210000874A KR20210000874A KR102513839B1 KR 102513839 B1 KR102513839 B1 KR 102513839B1 KR 1020210000874 A KR1020210000874 A KR 1020210000874A KR 20210000874 A KR20210000874 A KR 20210000874A KR 102513839 B1 KR102513839 B1 KR 102513839B1
Authority
KR
South Korea
Prior art keywords
hydraulic
construction equipment
data
related data
control unit
Prior art date
Application number
KR1020210000874A
Other languages
English (en)
Other versions
KR20220098954A (ko
Inventor
김동호
최계현
Original Assignee
한국조선해양 주식회사
현대건설기계 주식회사
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 한국조선해양 주식회사, 현대건설기계 주식회사 filed Critical 한국조선해양 주식회사
Priority to KR1020210000874A priority Critical patent/KR102513839B1/ko
Publication of KR20220098954A publication Critical patent/KR20220098954A/ko
Application granted granted Critical
Publication of KR102513839B1 publication Critical patent/KR102513839B1/ko

Links

Images

Classifications

    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/20—Drives; Control devices
    • E02F9/22—Hydraulic or pneumatic drives
    • E02F9/226—Safety arrangements, e.g. hydraulic driven fans, preventing cavitation, leakage, overheating
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/24—Safety devices, e.g. for preventing overload
    • E—FIXED CONSTRUCTIONS
    • E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
    • E02F—DREDGING; SOIL-SHIFTING
    • E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
    • E02F9/26—Indicating devices
    • E02F9/267—Diagnosing or detecting failure of vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Mining & Mineral Resources (AREA)
  • Civil Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Structural Engineering (AREA)
  • Operation Control Of Excavators (AREA)

Abstract

본 발명의 건설 장비의 결함 진단 시스템은 건설 장비의 엔진 및 유압 계통을 제어하며, 각종 신호 및 데이터를 수신하여 처리하는 제어부; 상기 유압 계통에 마련되는 복수의 센서들을 포함하고, CAN 통신을 통하여 상기 제어부와 연결되는 센서부; 외부 진단 서버와 통신하며, CAN 통신을 통하여 상기 제어부와 연결되는 통신부; 상기 제어부에서 엔진 제어 신호를 수신하여 상기 건설 장비의 엔진을 제어하며, CAN 통신을 통하여 상기 제어부와 연결되는 엔진 제어 모듈; 및 CAN 통신을 통하여 상기 제어부와 연결되고, 상기 제어부에서 수신한 상기 유압 계통의 유압 관련 데이터를 저장하고, 상기 외부 진단 서버에서 상기 유압 관련 데이터를 이용한 학습 결과를 저장하는 데이터 저장부를 포함하고, 상기 제어부는 상기 통신부를 통하여 상기 외부 진단 서버에 상기 유압 관련 데이터를 전송하며, 상기 센서부에서 검출된 실시간 유압 관련 데이터를 분석하여 상기 건설 장비의 결함을 판단할 수 있다.

Description

건설 장비의 결함 진단 시스템 및 결함 진단 방법{FAULT DIAGNOSIS SYSTEM FOR CONSTRUCTION EQUIPMENT AND FAULT DIAGNOSIS METHOD}
본 발명은 건설 장비의 결함 진단 시스템 및 결함 진단 방법에 관한 것이다.
일반적으로, 굴착기(예를 들어, 프론트 엔드 로더, 백호, 휠 로더 등)와 같은 중건설 차량(Heavy construction vehicle)의 건설 장비는 장치의 다양한 컴포넌트를 작동하기 위한 유압 작동 시스템을 포함할 수 있다. 예를 들면, 프론트 엔드 로더는 굴착 붐을 구비하며, 굴착 붐은 이는 리프트 유압 실린더에 의해 상승 및 하강할 수 있다. 흔히, 버킷(bucket)이 굴착 붐의 단부에 선회 가능하게 탑재될 수 있다. 틸트(tilt) 실린더는 굴착 붐에 대해서 버킷을 선회/틸트하기 위해 사용될 수 있다. 부가적으로, 프론트 엔드 로더는 붐 서스펜션 시스템을 포함할 수 있는데, 이는 진동 및 충격을 약화시켜서 조작자가 더 편안하게 할 수 있다. 전형적인 붐 서스펜션 시스템은 유압 축적기를 포함할 수 있다. 또한, 전형적인 유압 작동 시스템은 가압된 유압 유체를 시스템에 제공하기 위한 유압 펌프와 유압 펌프가 유압 유체를 끌어내는 저장소 탱크를 포함할 수 있다.
일반적으로, 유압 계통의 동작을 감지하는데 사용하기 위해 센서(예를 들어, 압력 센서, 위치 센서)가 사용될 수 있다. 또한, 센서에서 검출된 신호 또는 데이터를 통하여, 단변량의 고장 코드(DTC; Diagnostics Trouble Codes)를 기반으로 하여 기설정된 범위가 넘어가면 알람을 띄우는 정도로 진단 기술이 있으나, 변수간의 영향이나 열화정도를 고려하지 않는 단순 알람 수준으로 유압 계통의 고장과 같은 결함이 진단될 수 있다.
본 발명은 종래의 기술을 개선하고자 창출된 것으로서, 본 발명의 일 목적은 고장 진단 기능을 고도화하고 인공 지능 모델을 기반으로 진단 알고리즘을 개발하여, 고장과 같은 결함을 진단하거나 결함을 예측할 수 있는 건설 장비의 결함 진단 시스템 및 결함 진단 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따른 건설 장비의 결함 진단 시스템은 건설 장비의 엔진 및 유압 계통을 제어하며, 각종 신호 및 데이터를 수신하여 처리하는 제어부; 상기 유압 계통에 마련되는 복수의 센서들을 포함하고, CAN 통신을 통하여 상기 제어부와 연결되는 센서부; 외부 진단 서버와 통신하며, CAN 통신을 통하여 상기 제어부와 연결되는 통신부; 상기 제어부에서 엔진 제어 신호를 수신하여 상기 건설 장비의 엔진을 제어하며, CAN 통신을 통하여 상기 제어부와 연결되는 엔진 제어 모듈; 및 CAN 통신을 통하여 상기 제어부와 연결되고, 상기 제어부에서 수신한 상기 유압 계통의 유압 관련 데이터를 저장하고, 상기 외부 진단 서버에서 상기 유압 관련 데이터를 이용한 학습 결과를 저장하는 데이터 저장부를 포함하고, 상기 제어부는 상기 통신부를 통하여 상기 외부 진단 서버에 상기 유압 관련 데이터를 전송하며, 상기 센서부에서 검출된 실시간 유압 관련 데이터를 분석하여 상기 건설 장비의 결함을 판단할 수 있다.
구체적으로, 상기 외부 진단 서버는 상기 통신부에서 전송된 상기 유압 관련 데이터를 파이선 기반 학습 모델을 통하여 학습하고, GMM 기반 정상 클러스터 학습 모형을 설정하고, 정상 클러스터에 대한 파라미터를 추출하고, 정상 클러스터에 대한 한계값을 추출할 수 있다.
구체적으로, 상기 센서부에서 감지된 상기 건설 장비의 상태에 관한 데이터를 상기 제어부에서 분석한 결과를 표시하며, CAN 통신을 통하여 상기 제어부와 연결되는 디스플레이부를 더 포함할 수 있다.
본 발명의 일 측면에 따른 건설 장비의 결함 진단 방법은 건설 장비의 유압 계통에서 검출한 유압 관련 데이터를 이용하여 학습하는 단계; 및 학습된 결과를 이용하여 상기 유압 계통의 결함을 예측하는 단계를 포함할 수 있다. 상기 유압 관련 데이터를 이용하여 학습하는 단계는 상기 유압 관련 데이터를 수집하고, 해당 유압 계통을 주요 파라미터로하여 분류하는 유압 관련 데이터 수집 단계; 상기 유압 관련 데이터를 파싱하고, 상기 건설 장비의 온오프 시점을 기준으로 작동 사이클을 구분하는 유압 관련 데이터 파싱 및 작동 사이클 구분 단계; 상기 건설 장비의 유압에 의해 작동하는 부분별 움직임에 따른 동작들을 구분하고, 각 동작의 상태에 따른 유압 관련 데이터를 구분하는 동작 상태 구분 단계; 상기 동작 상태에 따라 구분된 상기 유압 관련 데이터를 이용하여 가우시안 혼합 모형을 생성하고, 상기 가우신안 혼합 모형을 기반으로 정상 클러스터에 대한 범위를 설정하는 GMM 기반 정상 클러스터 학습 모형 설정 단계; 및 상기 가우시안 혼합 모형에 적용되는 상기 파라미터를 설정하고, 상기 가우시안 혼합 모형에 의한 가우시안 분포에서 상기 정상 클러스터 범위의 한계값을 추출하는 정상 클러스터에 대한 파라미터 추출 및 한계값 추출 단계를 포함할 수 있다.
구체적으로, 상기 학습된 결과를 이용하여 상기 유압 계통의 결함을 예측하는 단계는 실시간으로 유압 관련 데이터를 수집하고, 상기 유압 관련 데이터를 파싱하는 실시간 데이터 파싱 단계; 실시간으로 수집되고 파싱된 상기 유압 관련 데이터를 상기 건설 장비의 동작 상태에 따라 구분하는 동작 상태 구분 단계; 상기 동작 상태에 따라 구분된 상기 유압 관련 데이터를 상기 정상 클러스터에 대한 마할라노비스 거리로 계산하는 정상 클러스터에서 마할라노비스 거리 계산 단계; 계산된 마할라노비스 거리가 정상 클러스터 범위의 한계값을 초과하는지 판단하는 마할라노비스 거리에 대한 정상 클러스터 검정 단계; 및 마할라노비스 거리에 대한 정상 클러스터 검정 결과를 출력하는 검정 결과 출력 단계를 포함할 수 있다.
구체적으로, 상기 마할라노비스 거리에 대한 정상 클러스터 검정 단계에서, 상기 마할라노비스 거리가 상기 정상 클러스터 범위의 한계값 이하이면, 정상(Normal)으로 판단할 수 있다.
구체적으로, 상기 마할라노비스 거리에 대한 정상 클러스터 검정 단계에서, 상기 마할라노비스 거리가 상기 정상 클러스터 범위의 한계값을 초과하면, 비정상(Abnormal)으로 판단하고, 알람 정보를 출력할 수 있다.
상술한 바와 같은 본 발명의 건설 장비의 결함 진단 시스템 및 결함 진단 방법은 고장 진단 기능을 고도화하고 인공 지능 모델을 기반으로 진단 알고리즘을 개발하여, 고장과 같은 결함을 진단하거나 결함을 예측할 수 있다.
도 1은 본 발명의 일 실시예에 따른 건설 장비를 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 건설 장비의 결함 진단 시스템을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 유압 계통 결함 진단을 위한 학습 방법을 설명하기 위한 순서도이다.
도 4는 외부 진단 서버에 적용된 파이썬(python) 기반 학습 프로그램의 예시이다.
도 5는 본 발명의 일 실시예에 따른 건설 장비의 결함 진단 방법을 설명하기 위한 순서도이다.
도 6은 건설 장비의 결함 예측 결과를 디스플레이부가 출력하는 영상을 설명하기 위한 도면이다.
본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되는 이하의 상세한 설명과 바람직한 실시예로부터 더욱 명백해질 것이다. 본 명세서에서 각 도면의 구성요소들에 참조번호를 부가함에 있어서, 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다. 또한, 본 발명을 설명함에 있어서, 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명은 생략한다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 건설 장비를 설명하기 위한 도면이다.
도 1을 참조하면, 건설 장비(100)는 휠 굴삭기일 수 있다. 물론 건설 장비(100)는 휠 굴삭기가 아닌 타이어식인 휠 타입의 로더, 지게차, 불도저, 트럭 등과 같은 다양한 장비일 수 있으나, 이하에서는 건설 장비(100)가 휠 굴삭기인 것을 예로서 설명하도록 한다. 다만, 상술한 건설 장비(100)가 휠 굴삭기인 점은 본 발명을 한정하는 것이 아니라 하나의 예시에 불과한 것임을 밝힌다.
건설 장비(100)는 작업 장치(110), 주행 장치(120), 및 선회 장치(130)를 포함할 수 있다.
작업 장치(110)는 건설 장비(100)의 작업을 구현할 수 있다. 여기서, 작업은 굴삭, 인양, 및 다지기 등의 다양한 작업을 의미할 수 있다. 작업 장치(110)는 붐(111), 암(112), 및 버켓(113)을 포함하여 구성될 수 있다.
붐(111)은 선회 장치(130)에 마련될 수 있다. 붐(111)의 움직임은 유압으로 작동하는 붐 실린더(1111)에 의해 구현될 수 있다. 붐 실린더(1111)는 선회 장치(130)와 붐(111)의 양측을 각각 연결하도록 구성될 수 있다.
암(112)은 붐(111)과 버켓(113) 사이에 마련될 수 있다. 암(112)의 움직임은 유압으로 작동하는 암 실린더(1112)에 의해 구현될 수 있다. 암 실린더(1112)는 붐(111)과 암(112)의 양측을 각각 연결하도록 구성될 수 있다.
버켓(113)은 건설 작업을 위한 자재를 들어올릴 수 있다. 버켓(113)은 바구니 형태를 가질 수 있으며, 내부에 자재를 담을 수 있는 공간을 형성할 수 있다.
버켓(113)은 유압으로 작동하는 버켓 실린더(1113)에 의해 의해 자재를 담아 안정적으로 들어올릴 수 있다. 또한, 버켓(113)은 버켓 실린더(1113)에 의해 자재를 바닥 또는 덤프 트럭 등으로 쏟아지도록 할 수 있다.
물론, 작업 장치(110)에서의 버켓(113)은 브레이커(breaker) 등으로 교체될 수 있다. 즉, 작업 장치(110)는 작업의 종류에 따라 다양하게 변경될 수 있다.
주행 장치(120)는 건설 장비(100)의 이동을 구현할 수 있다. 주행 장치(120)는 복수의 바퀴(121), 바퀴(121)에 구동력을 전달하는 차축(122), 차축(122)에 연결되고, 선회 장치(130)를 지지하는 주행체(123)를 포함할 수 있다. 건설 장비(100)가 휠 굴삭기인 경우, 건설 장비(100)는 2개의 차축(122)과 4개의 바퀴(121)를 갖는 주행 장치(120)를 통해 이동할 수 있다.
트랜스미션(도시하지 않음), 출력축(도시하지 않음), 및 클러치(도시하지 않음)을 포함할 수 있으며, 출력축의 회전 속도를 감지하는 출력축 회전 속도 감지 센서(도시하지 않음)를 더 구비할 수도 있다.
선회 장치(130)는 주행 장치(120) 상에 마련될 수 있다. 선회 장치(130)는 좌우로 선회하면서 작업 장치(110)의 작업을 용이하게 할 수 있다. 선회 장치(130)는 운전실(131)과 엔진룸(132)을 포함할 수 있다.
운전실(131)은 건설 장비(100)의 운전자가 탑승하여 앉을 수 있는 운전석이 마련될 수 있다. 운전석의 전방에는 건설 장비(100)의 작업이나 주행을 조작할 수 있도록 하는 핸들이나 각종 레버, 브레이크 페달을 비롯하여, 가속 페달 및 클러스터 등이 다양하게 마련될 수 있다.
엔진룸(132)은 엔진, 및 변속기 등이 구비될 수 있다. 엔진은 동력을 발생시키며, 엔진의 동력으로, 작업 장치(110) 및 주행 장치(120)가 구동될 수 있다.
한편, 건설 장비(100)는 결함 진단 시스템을 구비하고, 결함 진단 시스템은 유무선 통신 방식을 통하여 외부 진단 서버(EDS)와 연결될 수 있다. 외부 진단 서버(EDS)는 건설 장비(100)의 유압 계통에 마련된 복수의 센서들을 통해 수집되는 유압 관련 데이터를 전송받을 수 있다. 외부 진단 서버(EDS)는 전송된 유압 관련 데이터를 이용하여 학습할 수 있으며, 학습된 결과는 건설 장비(100)의 결함 진단 시스템에 저장될 수 있다. 따라서, 결함 진단 시스템은 학습 결과를 통하여 건설 장비(100)의 유압 계통 고장 또는 결함을 예측할 수 있도록 한다.
도 2는 본 발명의 일 실시예에 따른 건설 장비의 결함 진단 시스템을 설명하기 위한 도면이다.
도 2를 참조하면, 건설 장비의 결함 진단 시스템(200)은 센서부(210), 조작부(220), 통신부(230), 엔진 제어 모듈(240), 디스플레이부(250), 제어부(260), 및 데이터 저장부(270)를 포함할 수 있다.
센서부(210)는 복수의 센서, 예를 들면, 건설 장비(100)의 유압 계통에 마련되어, 유압 계통의 유압 상태를 확인할 수 있는 유압 센서를 포함할 수 있다. 센서부(210)는 CAN(Controller Area Network) 통신을 통하여 제어부(260)와 연결될 수 있으며, 유압 계통의 유압 데이터를 제어부(260)로 전송할 수 있다.
조작부(220)는 운전실(131)에 마련되는 일종의 햅틱 조이스틱일 수 있다. 조작부(220)는 운전자가 건설 장비(100)의 작업을 조작할 수 있도록 한다. 조작부(220)는 CAN 통신을 통하여 제어부(260)와 연결될 수 있으며, 운전자의 조작에 따른 신호를 제어부(260)로 전송할 수 있다.
통신부(230)는 CAN 통신을 통하여 제어부(260)와 연결될 수 있다. 또한, 통신부(230)는 텔릿 표준 기반의 통신 모듈로, RMCU(Remaote Management Control System)로 구현될 수 있다. 통신부(230)는 통신 인터페이스(도시하지 않음)를 포함하거나, 그에 상응하는 기능을 수행하는 구성을 구비할 수 있다.
통신부(230)는 외부 진단 서버(EDS)와 무선 통신 방식 또는 유선 통신 방식으로 연결될 수 있다. 통신부(230)는 센서부(210), 조작부(220), 통신부(230) 및 엔진 제어 모듈(240)에서 발생한 각종 신호 및 데이터를 제어부(260)로부터 수신하고, 외부의 통신 서버로 전송할 수 있다. 특히, 통신부(230)는 제어부(260)로부터 유압 관련 데이터를 수신하여 외부 진단 서버(EDS)로 전송할 수 있다. 또한, 통신부(230)는 외부 진단 서버(EDS)로부터 외부 진단 서버(EDS)가 유압 관련 데이터를 학습한 결과를 수신할 수 있다.
엔진 제어 모듈(240)은 엔진의 내부적인 동작을 다양하게 제어하는 엔진 제어 장치로, ECM(Engine Control Control Module)으로 구현될 수 있다. 엔진 제어 모듈(240)은 CAN 통신을 통하여 제어부(260)와 연결될 수 있으며, 제어부(260)에서 발생하는 엔진 제어 신호를 수신하여 엔진을 제어할 수 있다. 또한, 엔진 제어 모듈(240)은 엔진 제어 결과를 제어부(260)로 전송할 수 있다.
디스플레이부(250)는 센서부(210)의 각 센서를 통해 감지된 건설 장비(100)의 상태를 제어부(260)에서 분석한 결과, 예를 들면, 건설 장비(100) 유압 계통의 결함, 고장, 또는 고장 예상 등의 결과를 시각적으로 표시할 수 있다. 따라서, 운전자는 디스플레이부(250)에 표시된 건설 장비(100)의 상태를 용이하게 파악할 수 있다. 또한, 디스플레이부(250)는 CAN 통신을 통하여 제어부(260)와 연결될 수 있다.
제어부(260)는 건설 장비(100)의 엔진과 유압 계통을 제어하는 엔진 및 유압 제어 시스템으로, MCU(Machine Control Unit)로 구현될 수 있다. 또한, 제어부(260)는 마이크로 컨트롤러 유닛(Micro Control Unit)을 포함할 수도 있다.
또한, 제어부(260)는 센서부(210), 조작부(220), 통신부(230) 및 엔진 제어 모듈(240)에서 각종 신호 및 데이터를 수신하여 처리할 수 있다. 제어부(260)는 CAN 통신을 통하여 센서부(210), 조작부(220), 통신부(230), 엔진 제어 모듈(240), 디스플레이부(250), 제어부(260) 및 데이터 저장부(270)에 연결될 수 있다. 또한, 제어부(260)는 수신한 각종 데이터 중 유압 관련 데이터만을 데이터 저장부(270)로 전송할 수 있다.
또한, 제어부(260)는 센서부(210)에서 검출된 실시간 유압 관련 데이터를 분석하여 건설 장비의 결함을 판단할 수도 있다.
데이터 저장부(270)는 CAN 통신을 통하여 제어부(260)와 연결될 수 있다. 데이터 저장부(270)는 제어부(260)에서 수신한 유압 관련 데이터를 저장할 수 있다. 데이터 저장부(270)에 저장된 유압 관련 데이터는 통신부(230)를 통하여 외부 진단 서버(EDS)로 전송할 수 있다. 또한, 데이터 저장부(270)는 외부 진단 서버(EDS)에서 유압 관련 데이터를 이용하여 학습한 결과를 저장할 수도 있다.
한편, 상기에서는 통신부(230)를 통하여 데이터 저장부(270)에 저장된 유압 관련 데이터를 외부 진단 서버(EDS)로 전송함을 예로서 설명하였으나, 이에 한정되는 것은 아니다. 예를 들면, 데이터 저장부(270)가 착탈식 저장 매체를 구비하는 경우, 저장 매체를 탈거하고 외부 진단 서버에 장착함으로써, 데이터 저장부(270)의 유압 관련 데이터를 외부 진단 서버(EDS)로 전송할 수도 있다.
도 3은 본 발명의 일 실시예에 따른 유압 계통 결함 진단을 위한 학습 방법을 설명하기 위한 순서도이며, 도 4는 외부 진단 서버에 적용된 파이썬(python) 기반 학습 프로그램의 예시이다.
도 3 및 도 4를 참조하면, 유압 계통 고장 진단을 위한 학습 방법은 유압 관련 데이터 수집 단계(S310), 유압 관련 데이터 파싱 및 작동 사이클 구분 단계(S320), 동작 상태 구분 단계(S330), GMM 기반 정상 클러스터 학습 모형 설정 단계(S340), 정상 클러스터에 대한 파라미터 추출 단계(S350), 및 정상 클러스터에 대한 한계값 추출 단계(S360)를 포함할 수 있다.
유압 관련 데이터 수집 단계(S310)에서, 외부 진단 서버(EDS)는 건설 장비(100)의 유압 계통의 유압 관련 데이터를 수집할 수 있다. 예를 들면, 유압 계통에 마련된 센서들이 검출하여 데이터 저장부(270)에 저장된 유압 관련 데이터가 외부 진단 서버(EDS)로 전송되며, 외부 진단 서버(EDS)는 유압 관련 데이터를 유압 계통 별 주요 파라미터별로 분류할 수 있다. 여기서, 파라미터는 센서들이 부착되는 해당 유압 계통일 수 있다.
특히, 외부 진단 서버(EDS)는 도 4에 도시된 바와 같이, 파이선 기반 학습 프로그램의 파일 오픈(file open) 기능(410)을 통하여 유압 계통별 주요 파라미터에 대응하는 로-데이터(raw-data)를 선택할 수 있다.
유압 관련 데이터 파싱 및 작동 사이클 구분 단계(S320)에서, 외부 진단 서버(EDS)는 수집된 유압 관련 데이터의 16비트(bit) 값에 대한 파싱(parsing)을 수행하고, 건설 장비(100)의 온/오프(On/Off)되는 시점을 기준으로 건설 장비(100)의 작동 사이클(cycle)을 구분할 수 있다.
특히, 외부 진단 서버(EDS)는 도 4에 도시된 파이선 기반 학습 프로그램의 러닝(learning) 기능(420)을 통하여 수집된 유압 관련 데이터의 16비트 값에 대한 데이터 파싱을 수행하고, 건설 장비(100)의 작동 사이클을 구분할 수 있다.
동작 상태 구분 단계(S330)에서, 외부 진단 서버(EDS)는 건설 장비(100)에서 유압에 의해 동작하는 부분별 움직임에 따른 동작을 구분하고, 각 동작의 상태에 따른 유압 관련 데이터 값을 구분할 수 있다. 여기서, 건설 장비(100)의 유압에 의해 동작하는 부분은 붐(111), 암(112), 버켓(113), 주행 장치(120) 및 선회 장치(130)일 수 있다. 즉, 동작 상태 구분 단계(S330)에서는, 외부 진단 서버(EDS)가 도 4에 도시된 파이선 기반 학습 프로그램의 러닝 기능(420)을 통하여 유압 관련 데이터가 붐(111)의 동작에 따른 유압 관련 데이터인지, 암(112)의 동작에 따른 유압 관련 데이터인지, 버켓(113)의 동작에 따른 유압 관련 데이터인지, 주행 장치(120)의 동작에 따른 유압 관련 데이터인지, 선회 장치(130)의 동작에 따른 유압 관련 데이터인지 판단하고 구분할 수 있다.
GMM 기반 정상 클러스터 범위 설정 단계(S340)에서, 외부 진단 서버(EDS)는 도 4에 도시된 파이선 기반 학습 프로그램의 러닝 기능(420)을 통하여, 각 동작 상태에 따라 구분된 유압 관련 데이터를 이용하여 가우시안 혼합 모형(GMM: Gaussian mixture model)을 생성하고, 가우시안 혼합 모형을 기반으로 정상 클러스터에 대한 범위를 설정할 수 있다.
정상 클러스터에 대한 파라미터 설정 단계(S350)에서, 외부 진단 서버(EDS)는 도 4에 도시된 파이선 기반 학습 프로그램의 러닝 기능(420)을 통하여, 가우시안 혼합 모형에 적용되는 파라미터를 설정할 수 있다.
정상 클러스터에 대한 한계값 추출 단계(S360)에서, 외부 진단 서버(EDS)는 도 4에 도시된 파이선 기반 학습 프로그램의 러닝 기능(420)을 통하여, 가우시안 혼합 모형에 의한 가우시안 분포에서 정상 클러스터 범위의 한계값을 추출할 수 있다. 여기서, 정상 클러스터 범위의 한계값은 건설 장비(100)의 고장 또는 고장 예측에 사용될 수 있다.
외부 진단 서버(EDS)는 상술한 정상 클러스터에 대한 파라미터 설정값과 정상 클러스터에 대한 한계값을 도 4에 도시된 파이선 기반 학습 프로그램의 학습 결과 저장 기능(430)을 통하여 저장할 수 있다.
상술한 바와 같이, 파이선 기반 학습 프로그램에 의해 학습된 결과는 외부 진단 서버(EDS)가 보유하거나, 건설 장비(100)의 데이터 저장부(270)에 저장될 수 있다.
또한, 파이선 기반 학습 프로그램에 의해 학습된 결과를 통하여 외부 진단 서버(EDS) 또는 건설 장비(100)의 제어부(260)는 후술할 유압 계통 고장 진단 예측 방법을 통하여 건설 장비(100), 특히 유압 계통의 고장 또는 결함을 예측할 수 있다.
도 5는 본 발명의 일 실시예에 따른 건설 장비의 결함 예측 방법을 설명하기 위한 순서도이며, 도 6은 건설 장비의 결함 예측 결과를 디스플레이부가 출력하는 영상을 설명하기 위한 도면이다.
우선, 건설 장비(100)의 결함 예측은 건설 장비(100)의 제어부(260) 또는 외부 진단 서버(EDS)에서 수행할 수 있다.
제어부(260)에서 건설 장비(100)의 결함을 예측하는 경우, 도 3 및 4에서 수행된 고장 진단 학습 결과를 결함 진단 시스템(200)의 데이터 저장부(270)에 저장한 상태에서 제어부(260)가 유압 계통의 결함을 예측할 수 있다.
또한, 외부 진단 서버(EDS)에서 건설 장비(100)의 결함을 예측하는 경우, 제어부(260)는 통신부(230)를 통하여 각종 데이터, 예를 들면, 유압 관련 데이터를 실시간으로 외부 진단 서버(EDS)에 전송하고, 외부 진단 서버(EDS)는 도 3 및 4에서 수행된 고장 진단 학습 결과를 저장한 상태에서 유압 계통의 결함을 예측하고, 건설 장비(100)의 제어부(260)로 할 수 있다.
하기에서는 제어부(260)에서 건설 장비(100)의 결함을 예측하는 경우를 예로서 설명한다.
도 5 및 도 6을 참조하면, 유압 계통 고장 진단을 위한 예측 방법은 실시간 데이터 파싱 단계(S510), 동작 상태 구분 단계(S520), 정상 클러스터에서 마할라노비스(Mahalanobis) 거리 계산 단계(S530), 마할라노비스 거리에 대한 정상 클러스터 검정 단계(S540), 및 검정 결과 출력 단계(S570)를 포함할 수 있다.
실시간 데이터 파싱 단계(S510)에서는, 건설 장비(100)의 휴지 상태 또는 작업 진행 상태에서, 센서부(210)의 센서들이 유압 관련 데이터를 제어부(260)로 전송하고, 제어부(260)는 유압 관련 데이터에 대한 파싱(parsing)을 수행할 수 있다.
동작 상태 구분 단계(S520)에서는, 파싱된 유압 관련 데이터를 건설 장비(100)의 붐(111), 암(112), 버켓(113), 주행 장치(120) 및 선회 장치(130)의 동작 따라 구분할 수 있다.
정상 클러스터에서 마할라노비스 거리 계산 단계(S530)에서는, 동작 상태에 따라 구분된 유압 관련 데이터를 정상 클러스터에 대한 마할라노비스 거리로 계산할 수 있다. 여기서 마할라노비스 거리는 평균과의 거리가 표준편차의 몇 배인지를 나타내는 값일 수 있다.
마할라노비스 거리에 대한 정상 클러스터 검정 단계(S540)에서는, 계산된 마할라노비스 거리가 정상 클러스터 범위의 한계값을 초과하는지 판단할 수 있다. 여기서, 마할라노비스 거리가 정상 클러스터 범위의 한계값 이하이면, 정상(Normal)으로 판단(S550)할 수 있다.
또한, 마할라노비스 거리가 정상 클러스터 범위의 한계값을 초과하면, 비정상(Abnormal)으로 판단(S560)할 수 있다.
검정 결과 출력 단계(S570)에서는, 상술한 마할라노비스 거리에 대한 정상 클러스터 검정 결과가 결함 진단 시스템(200)의 디스플레이부(250)에 표시될 수 있다.
한편, 검정 결과를 출력하는 디스플레이부(250)는 도 6에 도시된 바와 같은 영상을 운전자에게 출력할 수 있다.
디스플레이부(250)가 출력하는 영상에는 통신 소켓 정보(610), 유압 계통 압력 정보(620), 알람 정보(630), 및 마할라노비스 거리와 한계치 정보(640)가 포함될 수 있다.
통신 소켓 정보(610)는 통신부(230)가 외부 진단 서버(EDS)와 각종 데이터 및 신호를 교환하는 통신 소켓에 관한 정보를 표시할 수 있다.
유압 계통 압력 정보(620)는 센서부(210)의 센서들에 의해 검출되는 유압 관련 데이터를 표시할 수 있다.
알람 정보(630)는 마할라노비스 거리가 정상 클러스터 범위의 한계값을 초과하여 비정상(Abnormal)으로 판단(S560)되는 경우, 건설 장비(100)의 결함, 또는 결함이 예상됨을 표시할 수 있다.
마할라노비스 거리와 한계치 정보(640)는 외부 진단 서버(EDS)의 학습에 의해 추출된 정상 클러스터에 대한 한계값과, 마할라노비스 거리에 대한 정상 클러스터 검정 단계(S540)에서 검정한 마할라노비스 거리를 표시할 수 있다.
상술한 바와 같이, 본 발명의 건설 장비의 결함 진단 시스템 및 결함 진단 방법은 유압 관련 데이터를 이용하여 건설 장비의 결함 진단 방법을 학습하고, 학습 결과를 통하여 건설 장비의 결함을 진단하거나, 결함을 예측할 수 있다. 특히, 건설 장비의 결함 진단 시스템은 유압 계통 간의 영향이나 열화에 따른 결함을 데이터 기반으로 진단하거나 예측함으로써, 기존의 DTC 기반의 고장 진단에 비하여 우수한 성능을 가질 수 있다.
본 발명은 앞서 설명된 실시예 외에도, 상기 실시예들 중 적어도 둘 이상의 조합 또는 적어도 하나 이상의 상기 실시예와 공지 기술의 조합에 의해 발생하는 실시예들을 모두 포괄할 수 있다.
이상 본 발명을 구체적인 실시예를 통하여 상세히 설명하였으나, 이는 본 발명을 구체적으로 설명하기 위한 것으로, 본 발명은 이에 한정되지 않으며, 본 발명의 기술적 사상 내에서 당해 분야의 통상의 지식을 가진 자에 의해 그 변형이나 개량이 가능함은 명백하다고 할 것이다.
본 발명의 단순한 변형 내지 변경은 모두 본 발명의 영역에 속하는 것으로 본 발명의 구체적인 보호 범위는 첨부된 특허청구범위에 의하여 명확해질 것이다.
100: 건설 장비 110: 작업장치
111: 붐 1111: 붐 실린더
112: 암 1112: 암 실린더
113: 버켓 1113: 버켓 실린더
120: 주행장치 121: 바퀴
122: 차축 123: 주행체
130: 선회장치 131: 운전실
132: 엔진룸 EDS: 외부 진단 서버
200: 결함 진단 시스템 210: 센서부
220: 조작부 230: 통신부
240: 엔진 제어 모듈 250: 디스플레이부
260: 제어부 270: 데이터 저장부
410: 파일 오픈 기능 420: 러닝 기능
430: 학습 결과 저장 기능 610: 통신 소켓 정보
620: 유압 계통 압력 정보 630: 알람 정보
640: 마할라노비스 거리와 한계치 정보

Claims (7)

  1. 건설 장비의 엔진 및 유압 계통을 제어하며, 각종 신호 및 데이터를 수신하여 처리하는 제어부;
    상기 유압 계통에 마련되는 복수의 센서들을 포함하고, CAN 통신을 통하여 상기 제어부와 연결되는 센서부;
    외부 진단 서버와 통신하며, CAN 통신을 통하여 상기 제어부와 연결되는 통신부;
    상기 제어부에서 엔진 제어 신호를 수신하여 상기 건설 장비의 엔진을 제어하며, CAN 통신을 통하여 상기 제어부와 연결되는 엔진 제어 모듈; 및
    CAN 통신을 통하여 상기 제어부와 연결되고, 상기 제어부에서 수신한 상기 유압 계통의 유압 관련 데이터를 저장하고, 상기 외부 진단 서버에서 상기 유압 관련 데이터를 이용한 학습 결과를 저장하는 데이터 저장부를 포함하고,
    상기 제어부는 상기 통신부를 통하여 상기 외부 진단 서버에 상기 유압 관련 데이터를 전송하며,
    상기 센서부에서 검출된 실시간 유압 관련 데이터를 분석하여 상기 건설 장비의 결함을 판단하고,
    상기 외부 진단 서버는 상기 통신부에서 전송된 상기 유압 관련 데이터를 파이선 기반 학습 모델을 통하여 학습하고, GMM 기반 정상 클러스터 학습 모형을 설정하고, 정상 클러스터에 대한 파라미터를 추출하고, 정상 클러스터에 대한 한계값을 추출하고,
    외부 진단 서버는 건설 장비에서 유압에 의해 동작하는 부분별 움직임에 따른 동작을 구분하고, 각 동작의 상태에 따른 유압 관련 데이터 값을 구분하며, 파이선 기반 학습 프로그램의 러닝 기능을 통하여 유압 관련 데이터가 붐의 동작에 따른 유압 관련 데이터인지, 암의 동작에 따른 유압 관련 데이터인지, 버켓의 동작에 따른 유압 관련 데이터인지, 주행 장치의 동작에 따른 유압 관련 데이터인지, 선회 장치의 동작에 따른 유압 관련 데이터인지 판단하고 구분하는 건설 장비의 결함 진단 시스템.
  2. 삭제
  3. 제1 항에 있어서,
    상기 센서부에서 감지된 상기 건설 장비의 상태에 관한 데이터를 상기 제어부에서 분석한 결과를 표시하며, CAN 통신을 통하여 상기 제어부와 연결되는 디스플레이부를 더 포함하는 건설 장비의 결함 진단 시스템.
  4. 건설 장비의 유압 계통에서 검출한 유압 관련 데이터를 이용하여 학습하는 단계; 및
    학습된 결과를 이용하여 상기 유압 계통의 결함을 예측하는 단계를 포함하며,
    상기 유압 관련 데이터를 이용하여 학습하는 단계는,
    상기 유압 관련 데이터를 수집하고, 해당 유압 계통을 주요 파라미터로하여 분류하는 유압 관련 데이터 수집 단계;
    상기 유압 관련 데이터를 파싱하고, 상기 건설 장비의 온오프 시점을 기준으로 작동 사이클을 구분하는 유압 관련 데이터 파싱 및 작동 사이클 구분 단계;
    상기 건설 장비의 유압에 의해 작동하는 부분별 움직임에 따른 동작들을 구분하고, 각 동작의 상태에 따른 유압 관련 데이터를 구분하는 동작 상태 구분 단계;
    상기 동작 상태에 따라 구분된 상기 유압 관련 데이터를 이용하여 가우시안 혼합 모형을 생성하고, 상기 가우시안 혼합 모형을 기반으로 정상 클러스터에 대한 범위를 설정하는 GMM 기반 정상 클러스터 학습 모형 설정 단계; 및
    상기 가우시안 혼합 모형에 적용되는 상기 파라미터를 설정하고, 상기 가우시안 혼합 모형에 의한 가우시안 분포에서 상기 정상 클러스터 범위의 한계값을 추출하는 정상 클러스터에 대한 파라미터 추출 및 한계값 추출 단계를 포함하고,
    상기 학습된 결과를 이용하여 상기 유압 계통의 결함을 예측하는 단계는
    실시간으로 유압 관련 데이터를 수집하고, 상기 유압 관련 데이터를 파싱하는 실시간 데이터 파싱 단계;
    실시간으로 수집되고 파싱된 상기 유압 관련 데이터를 상기 건설 장비의 동작 상태에 따라 구분하는 동작 상태 구분 단계;
    상기 동작 상태에 따라 구분된 상기 유압 관련 데이터를 상기 정상 클러스터에 대한 마할라노비스 거리로 계산하는 정상 클러스터에서 마할라노비스 거리 계산 단계;
    계산된 마할라노비스 거리가 정상 클러스터 범위의 한계값을 초과하는지 판단하는 마할라노비스 거리에 대한 정상 클러스터 검정 단계; 및
    마할라노비스 거리에 대한 정상 클러스터 검정 결과를 출력하는 검정 결과 출력 단계를 포함하고,
    상기 동작 상태 구분 단계에서, 외부 진단 서버는 건설 장비에서 유압에 의해 동작하는 부분별 움직임에 따른 동작을 구분하고, 각 동작의 상태에 따른 유압 관련 데이터 값을 구분하며, 파이선 기반 학습 프로그램의 러닝 기능을 통하여 유압 관련 데이터가 붐의 동작에 따른 유압 관련 데이터인지, 암의 동작에 따른 유압 관련 데이터인지, 버켓의 동작에 따른 유압 관련 데이터인지, 주행 장치의 동작에 따른 유압 관련 데이터인지, 선회 장치의 동작에 따른 유압 관련 데이터인지 판단하고 구분하는 건설 장비의 결함 진단 방법.
  5. 삭제
  6. 제4 항에 있어서,
    상기 마할라노비스 거리에 대한 정상 클러스터 검정 단계에서, 상기 마할라노비스 거리가 상기 정상 클러스터 범위의 한계값 이하이면, 정상(Normal)으로 판단하는 건설 장비의 결함 진단 방법.
  7. 제4 항에 있어서,
    상기 마할라노비스 거리에 대한 정상 클러스터 검정 단계에서, 상기 마할라노비스 거리가 상기 정상 클러스터 범위의 한계값을 초과하면, 비정상(Abnormal)으로 판단하고, 알람 정보를 출력하는 건설 장비의 결함 진단 방법.
KR1020210000874A 2021-01-05 2021-01-05 건설 장비의 결함 진단 시스템 및 결함 진단 방법 KR102513839B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210000874A KR102513839B1 (ko) 2021-01-05 2021-01-05 건설 장비의 결함 진단 시스템 및 결함 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210000874A KR102513839B1 (ko) 2021-01-05 2021-01-05 건설 장비의 결함 진단 시스템 및 결함 진단 방법

Publications (2)

Publication Number Publication Date
KR20220098954A KR20220098954A (ko) 2022-07-12
KR102513839B1 true KR102513839B1 (ko) 2023-03-27

Family

ID=82420131

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210000874A KR102513839B1 (ko) 2021-01-05 2021-01-05 건설 장비의 결함 진단 시스템 및 결함 진단 방법

Country Status (1)

Country Link
KR (1) KR102513839B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200020437A (ko) 2018-08-17 2020-02-26 서석태 컨테이너 모듈 조립방법

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11927951B2 (en) * 2022-01-20 2024-03-12 Zoomlion Heavy Industry Na, Inc. Remote wireless hydraulic cab

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013199804A (ja) * 2012-03-26 2013-10-03 Sumitomo Heavy Ind Ltd 作業機械の異常診断装置
JP2015184942A (ja) * 2014-03-25 2015-10-22 株式会社日立ハイテクノロジーズ 故障原因分類装置
KR101843892B1 (ko) 2013-12-05 2018-03-30 두산인프라코어 주식회사 건설 기계의 작업 계통에 대한 이상 진단 시스템 및 이를 이용한 이상 진단 방법
WO2019236894A1 (en) 2018-06-06 2019-12-12 Parallel Machines, Inc. Detecting suitability of machine learning models for datasets

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5290026B2 (ja) * 2009-03-31 2013-09-18 日立建機株式会社 作業機械の学習診断システム、状態診断装置及び状態学習装置
KR102483801B1 (ko) * 2015-05-12 2023-01-02 현대두산인프라코어(주) 휠 로더의 제어 방법, 제어 장치 및 제어 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013199804A (ja) * 2012-03-26 2013-10-03 Sumitomo Heavy Ind Ltd 作業機械の異常診断装置
KR101843892B1 (ko) 2013-12-05 2018-03-30 두산인프라코어 주식회사 건설 기계의 작업 계통에 대한 이상 진단 시스템 및 이를 이용한 이상 진단 방법
JP2015184942A (ja) * 2014-03-25 2015-10-22 株式会社日立ハイテクノロジーズ 故障原因分類装置
WO2019236894A1 (en) 2018-06-06 2019-12-12 Parallel Machines, Inc. Detecting suitability of machine learning models for datasets

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200020437A (ko) 2018-08-17 2020-02-26 서석태 컨테이너 모듈 조립방법

Also Published As

Publication number Publication date
KR20220098954A (ko) 2022-07-12

Similar Documents

Publication Publication Date Title
AU2018200481B2 (en) Stress or accumulated damage monitoring system
JP6343573B2 (ja) 操作支援システムおよび操作支援システムを備えた作業機械
KR102513839B1 (ko) 건설 장비의 결함 진단 시스템 및 결함 진단 방법
CN105026214B (zh) 工程机械的异常信息控制装置
US9691025B2 (en) Machine operation classifier
KR20130090763A (ko) 작업 기계의 안전 장치
US20150004574A1 (en) Prioritizing Method of Operator Coaching On Industrial Machines
EP2241682B1 (en) Abnormal operation detection device for an excavating machine
US20090228176A1 (en) Data acquisition system indexed by cycle segmentation
AU2009212456A1 (en) Performance management system for multi-machine worksite
JP2022554182A (ja) 作業現場における機械の可用性を検証するためのシステムおよび方法
US20160104391A1 (en) Method of training an operator of machine
WO2024110061A1 (en) Hydraulic health system
CN113508282B (zh) 工程机械的履带张力监测方法及系统
US20220215225A1 (en) Method For Detecting A Work Or Agricultural Vehicle Mission Though A Neural Network And Control Unit Implementing The Method
US11656595B2 (en) System and method for machine monitoring
CN114428483A (zh) 作业机械遥控端力反馈控制方法、装置及系统
CN113383284A (zh) 用于生成带有教学提示的地图的系统
WO2022215705A1 (ja) 性能診断装置、性能診断方法
WO2019002306A1 (en) METHOD AND SYSTEM FOR DETERMINING A LOAD IN AN ARTICULATION OF A CONSTRUCTION MACHINE
US20230168641A1 (en) On-board machine component failure detection
JP2022068965A (ja) 警報制御装置及び警報管理システム
US11150627B2 (en) System and method for monitoring conditions associated with operation of an underground machine
JP2024072055A (ja) 作業機械、情報処理装置、作業支援システム、プログラム
CN113136907A (zh) 作业机械的数据识别方法、装置、系统及电子设备

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant