WO2025243777A1 - 負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム - Google Patents

負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム

Info

Publication number
WO2025243777A1
WO2025243777A1 PCT/JP2025/015916 JP2025015916W WO2025243777A1 WO 2025243777 A1 WO2025243777 A1 WO 2025243777A1 JP 2025015916 W JP2025015916 W JP 2025015916W WO 2025243777 A1 WO2025243777 A1 WO 2025243777A1
Authority
WO
WIPO (PCT)
Prior art keywords
load estimation
work machine
load
model
estimation model
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
PCT/JP2025/015916
Other languages
English (en)
French (fr)
Inventor
和樹 成田
透 山本
尚太 小熊
和宏 岩崎
賢太 小島
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.)
Kobelco Construction Machinery Co Ltd
Hiroshima University NUC
Original Assignee
Kobelco Construction Machinery Co Ltd
Hiroshima University NUC
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 Kobelco Construction Machinery Co Ltd, Hiroshima University NUC filed Critical Kobelco Construction Machinery Co Ltd
Publication of WO2025243777A1 publication Critical patent/WO2025243777A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Definitions

  • This disclosure relates to technology for estimating the load on a work machine.
  • Patent Document 1 discloses technology for estimating damage parameters related to damage to a specified part of a work machine.
  • a hydraulic excavator which is one example of a work machine, performs a variety of operations, such as digging, swinging, and earth removal. Therefore, there is a need to develop technology that can estimate the load on a work machine based on the type of operation the work machine is performing.
  • the purpose of this disclosure is to provide technology that can estimate the load on a work machine based on the type of operation of the work machine.
  • the provided load estimation device includes a controller that determines the operation of the work machine using operation data of the work machine, selects at least one load estimation model corresponding to the determined operation of the work machine from among a plurality of load estimation models respectively associated with a plurality of operations of the work machine, and estimates the load on the work machine using the selected at least one load estimation model and the operation data.
  • FIG. 1 is a diagram illustrating an overall configuration of a load estimation system according to an embodiment.
  • FIG. 2 is a diagram illustrating a work machine of the load estimation system.
  • 3A to 3C are diagrams illustrating an example of a plurality of operations of the work machine.
  • FIG. 2 is a block diagram showing the configuration of the work machine.
  • FIG. 2 is a block diagram showing a configuration of a load estimation device of the load estimation system.
  • 3 is a diagram showing an example of a plurality of load estimation models stored in a load estimation model storage unit of the load estimation system;
  • FIG. 10 is a diagram illustrating another example of a plurality of load estimation models stored in the load estimation model storage unit of the load estimation system.
  • FIG. 10 is a diagram showing still another example of a plurality of load estimation models stored in the load estimation model storage unit of the load estimation system.
  • 4 is a flowchart showing an example of a calculation process performed by a machine controller of the work machine.
  • 4 is a flowchart illustrating an example of a calculation process performed by a controller of the load estimation device.
  • FIG. 4 is a diagram showing an example of a process for determining the operation of the work machine using operation data of the work machine.
  • FIG. 4 is a diagram illustrating an example of an output of the controller.
  • FIG. 10 is a diagram illustrating the selection of a database.
  • FIG. 10 is a diagram for explaining a local load estimation model.
  • FIG. 1 is a diagram showing the overall configuration of a load estimation system 1 according to this embodiment.
  • the load estimation system 1 includes a load estimation device 2, a work machine 3, and a display device 4.
  • the load estimation device 2 is connected to the work machine 3 and the display device 4 via a network 5 so that they can communicate with each other.
  • the display device 4 is an example of an output device in the present disclosure.
  • Network 5 is an information communication network such as the Internet, a telephone network, a mobile phone network, a satellite communication network, a WAN (Wide Area Network), a LAN (Local Area Network), or a dedicated line.
  • Network 5 may be any one of these communication networks, or may be configured as a combination of multiple types of communication networks.
  • Figure 2 shows a work machine 3 in the load estimation system 1.
  • the work machine 3 comprises a lower running body 10 capable of traveling on the ground G, an upper rotating body 12 supported by the lower running body 10, and a work implement 14 supported by the upper rotating body 12.
  • a hydraulic excavator is shown as an example of the work machine 3, but the present disclosure is not limited to this, and the work machine 3 may be other work machines such as a crane or bulldozer, for example.
  • the upper rotating body 12 has a rotating frame 16 and multiple elements mounted on the rotating frame 16. These multiple elements include a machine room 17 that houses a power source (not shown), and a cab 18, which serves as an operator's compartment.
  • the power source may be an engine or a battery.
  • the upper rotating body 12 is attached to the lower traveling body 10 so that it can rotate.
  • the upper rotating body 12 is an example of a movable part in this disclosure.
  • the work device 14 includes a boom 21, an arm 22, and a bucket 24.
  • the boom 21 has a base end supported on the front of the swivel frame 16 so that it can be raised and lowered, i.e., so that it can rotate about a horizontal axis, and a tip end opposite the base end.
  • the arm 22 has a base end attached to the tip of the boom 21 so that it can rotate about a horizontal axis, and a tip end opposite the base end.
  • the bucket 24 is rotatably attached to the tip of the arm 22.
  • Each of the boom 21, arm 22, and bucket 24 is an example of a movable part in the present disclosure.
  • the work machine 3 is equipped with a plurality of actuators.
  • the plurality of actuators includes a boom cylinder 26, an arm cylinder 27, a bucket cylinder 28, a swing motor 29, a travel motor 30L, and a travel motor 30R (see Figure 4).
  • the boom cylinder 26, the arm cylinder 27, and the bucket cylinder 28 are each hydraulic cylinders that operate upon a supply of hydraulic oil discharged from a hydraulic pump (not shown).
  • the swing motor 29, the travel motor 30L, and the travel motor 30R are each hydraulic motors that operate upon a supply of hydraulic oil discharged from the hydraulic pump.
  • the boom cylinder 26 is located between the upper rotating body 12 and the boom 21, and extends and retracts to cause the boom 21 to perform a raising and lowering operation.
  • the boom cylinder 26 has a head side chamber and a rod side chamber.
  • the boom cylinder 26 extends, moving the boom 21 in the boom-up direction and discharging hydraulic oil from the rod side chamber.
  • the boom cylinder 26 contracts, moving the boom 21 in the boom-down direction and discharging hydraulic oil from the head side chamber.
  • the arm cylinder 27 is interposed between the boom 21 and the arm 22, and extends and retracts to cause the arm 22 to rotate.
  • the arm cylinder 27 has a head side chamber and a rod side chamber.
  • the arm cylinder 27 extends, moving the arm 22 in the arm retracting direction and discharging hydraulic oil from the rod side chamber.
  • the arm retracting direction is the direction in which the tip of the arm 22 approaches the boom 21.
  • the arm cylinder 27 contracts, moving the arm 22 in the arm pushing direction and discharging hydraulic oil from the head side chamber.
  • the arm pushing direction is the direction in which the tip of the arm 22 moves away from the boom 21.
  • the bucket cylinder 28 is interposed between the arm 22 and the bucket 24 and extends and retracts to rotate the bucket 24.
  • the bucket cylinder 28 has a head side chamber and a rod side chamber.
  • When hydraulic oil is supplied to the head side chamber the bucket cylinder 28 extends, rotating the bucket 24 in the scooping direction and discharging hydraulic oil from the rod side chamber.
  • the scooping direction is the direction in which the tip 25 of the bucket 24 approaches the upper rotating body 12.
  • the bucket cylinder 28 contracts, rotating the bucket 24 in the opening direction and discharging hydraulic oil from the head side chamber.
  • the opening direction is the direction in which the tip 25 of the bucket 24 moves away from the upper rotating body 12.
  • the swing motor 29 has a pair of ports. When hydraulic oil is supplied to one of the pair of ports, the swing motor 29 rotates, causing the upper swing body 12 to swing to the right, and discharges hydraulic oil from the other of the pair of ports. When hydraulic oil is supplied to the other of the pair of ports, the swing motor 29 rotates, causing the upper swing body 12 to swing to the left, and discharges hydraulic oil from one of the pair of ports.
  • Each of the left and right travel motors 30L, 30R has a motor output shaft that rotates in both directions when supplied with hydraulic oil from a hydraulic pump, causing the lower travel structure 10 connected to the motor output shaft to travel forward or backward. Travel motors 30L and 30R rotate at the same speed, causing the lower travel structure 10 to move forward or backward. On the other hand, travel motors 30L and 30R rotate at different speeds, causing the lower travel structure 10 to rotate relative to the ground G.
  • the work machine 3 performs a plurality of operations.
  • the plurality of operations may include, for example, the excavation operation shown in FIG. 3(A), the lifting and swinging operation shown in FIG. 3(B), the soil-discharging operation shown in FIG. 3(C), and the return swinging operation shown in FIG. 3(D), or may include operations other than these.
  • the excavation operation, lifting and swinging operation, soil-discharging operation, and return swinging operation are a series of operations performed in this order.
  • the digging operation shown in Figure 3 (A) is an operation in which the bucket 24 moves toward the lower traveling body 10 with part of the bucket 24 positioned in the soil, thereby storing soil and sand in the bucket 24.
  • This digging operation includes an arm pulling operation, a boom raising operation, and a bucket scooping operation.
  • the arm pulling operation is an operation in which the arm 22 rotates in the arm pulling direction.
  • the boom raising operation is an operation in which the boom 21 rotates in the boom raising direction.
  • the bucket scooping operation is an operation in which the bucket 24 rotates in the scooping direction.
  • the lifting and swinging operation shown in Figure 3 (B) is an operation that is performed after the excavation operation.
  • the lifting and swinging operation includes a boom-raising operation and a swinging operation that are performed when the bucket 24 is filled with soil during the excavation operation. This lifting and swinging operation positions the bucket 24 directly above the bed of the soil transport vehicle.
  • the swinging operation is an operation in which the upper swinging body 12 swings right or left relative to the lower running body 10 around a swing axis Z that extends vertically.
  • the soil discharge operation shown in Figure 3 (C) is an operation performed after the lifting and swinging operation.
  • the soil discharge operation is an operation in which the soil in the bucket 24 is discharged onto the platform of the soil transport vehicle when the bucket 24 is positioned directly above the platform.
  • This soil discharge operation includes an arm pushing operation and a bucket opening operation.
  • the arm pushing operation is an operation in which the arm 22 rotates in the arm pushing direction.
  • the bucket opening operation is an operation in which the bucket 24 rotates in the opening direction.
  • the return swing operation shown in Figure 3 (D) is an operation performed after the soil discharge operation.
  • the return swing work includes a boom lowering operation and a swing operation.
  • the boom lowering operation is an operation in which the boom 21 rotates in the boom lowering direction relative to the upper swing structure 12.
  • the swing operation in the return swing operation is an operation in which the upper swing structure 12 swings in the opposite direction to the swing direction in the lifting swing operation.
  • FIG. 4 is a block diagram showing the configuration of the work machine 3.
  • the work machine 3 is equipped with a machine controller 100, a boom cylinder pressure sensor 111, an arm cylinder pressure sensor 112, a bucket cylinder pressure sensor 113, a swing motor pressure sensor 114, a swing sensor 115, an attitude sensor 116, an operating device 117, a communication unit 118, and a hydraulic circuit 119.
  • the hydraulic circuit 119 includes a boom cylinder 26, an arm cylinder 27, a bucket cylinder 28, a swing motor 29, a pair of left and right travel motors 30L, 30R, a pair of boom solenoid valves 31, a pair of arm solenoid valves 32, a pair of bucket solenoid valves 33, a pair of swing solenoid valves 34, a pair of left travel solenoid valves 35L, a pair of right travel solenoid valves 35R, a boom control valve 36, an arm control valve 37, a bucket control valve 38, a swing control valve 39, and a pair of left and right travel control valves 40L, 40R.
  • the boom control valve 36 is, for example, a hydraulic pilot switching valve having a pair of boom pilot ports.
  • the boom control valve 36 opens in a direction corresponding to that boom pilot port with a stroke corresponding to the magnitude of that boom pilot pressure. This changes the direction and flow rate of hydraulic oil supplied to the boom cylinder 26.
  • the arm control valve 37 is, for example, a hydraulic pilot switching valve having a pair of arm pilot ports.
  • the arm control valve 37 opens in a direction corresponding to that arm pilot port with a stroke corresponding to the magnitude of that arm pilot pressure. This changes the direction and flow rate of hydraulic oil supplied to the arm cylinder 27.
  • the bucket control valve 38 is, for example, a hydraulic pilot switching valve having a pair of bucket pilot ports.
  • the bucket control valve 38 opens in a direction corresponding to that bucket pilot port with a stroke corresponding to the magnitude of that bucket pilot pressure. This changes the direction and flow rate of hydraulic oil supplied to the bucket cylinder 28.
  • the swing control valve 39 is, for example, a hydraulic pilot switching valve having a pair of swing pilot ports.
  • the swing control valve 39 opens in the direction corresponding to that swing pilot port with a stroke corresponding to the magnitude of that swing pilot pressure. This changes the direction and flow rate of hydraulic oil supplied to the swing motor 29.
  • Each of the travel control valves 40L, 40R consists of a hydraulic pilot switching valve with a pair of travel pilot ports.
  • each of the travel control valves 40L, 40R opens in the direction corresponding to that travel pilot port with a stroke corresponding to the magnitude of that travel pilot pressure. This changes the direction and flow rate of hydraulic oil supplied to the travel motors 30L, 30R.
  • the pair of boom solenoid valves 31 are proportional solenoid valves respectively interposed between the pilot pump and a pair of boom pilot ports of the boom control valve 36, and perform opening and closing operations in response to input of a boom command signal, which is an electrical signal output by the machine controller 100.
  • a boom command signal which is an electrical signal output by the machine controller 100.
  • the pair of boom solenoid valves 31 adjust the boom pilot pressure to a degree corresponding to the boom command signal.
  • the pair of arm solenoid valves 32 are proportional solenoid valves respectively interposed between the pilot pump and a pair of arm pilot ports of the arm control valve 37, and perform opening and closing operations in response to input of an arm command signal, which is an electrical signal output by the machine controller 100.
  • an arm command signal which is an electrical signal output by the machine controller 100.
  • the pair of arm solenoid valves 32 adjust the arm pilot pressure to a degree corresponding to the arm command signal.
  • the pair of bucket solenoid valves 33 are proportional solenoid valves respectively located between the pilot pump and a pair of arm pilot ports of the bucket control valve 38, and perform opening and closing operations in response to input of a bucket command signal, which is an electrical signal output by the machine controller 100.
  • a bucket command signal which is an electrical signal output by the machine controller 100.
  • the pair of bucket solenoid valves 33 adjust the bucket pilot pressure to a degree corresponding to the bucket command signal.
  • the pair of swing solenoid valves 34 are proportional solenoid valves respectively located between the pilot pump and a pair of swing pilot ports of the swing control valve 39, and perform opening and closing operations in response to a swing command signal, which is an electrical signal output by the machine controller 100.
  • a swing command signal is an electrical signal output by the machine controller 100.
  • the swing solenoid valve 34 adjusts the swing pilot pressure to a degree corresponding to the swing command signal.
  • the pair of travel solenoid valves 35L are proportional solenoid valves located between the pilot pump and a pair of travel pilot ports of the travel control valve 40L, and open and close in response to a travel command signal, which is an electrical signal output by the machine controller 100.
  • a travel command signal is input, the pair of travel solenoid valves 35L adjust the travel pilot pressure to a degree corresponding to the travel command signal.
  • the pair of travel solenoid valves 35R are proportional solenoid valves located between the pilot pump and a pair of travel pilot ports of the travel control valve 40R, and open and close in response to a travel command signal, which is an electrical signal output by the machine controller 100.
  • a travel command signal is input, the travel solenoid valve 35R adjusts the travel pilot pressure to a degree corresponding to the travel command signal.
  • the boom cylinder pressure sensor 111 detects the pressure value of the boom cylinder 26.
  • the boom cylinder pressure sensor 111 includes a boom cylinder head pressure sensor and a boom cylinder rod pressure sensor.
  • the boom cylinder head pressure sensor detects the boom cylinder head pressure, which is the pressure of hydraulic oil in the head side chamber of the boom cylinder 26.
  • the boom cylinder rod pressure sensor detects the boom cylinder rod pressure, which is the pressure of hydraulic oil in the rod side chamber of the boom cylinder 26.
  • the boom cylinder pressure sensor 111 converts the detected boom cylinder head pressure and boom cylinder rod pressure into corresponding detection signals, which are electrical signals, and inputs them to the machine controller 100.
  • the arm cylinder pressure sensor 112 detects the pressure value of the arm cylinder 27.
  • the arm cylinder pressure sensor 112 includes an arm cylinder head pressure sensor and an arm cylinder rod pressure sensor.
  • the arm cylinder head pressure sensor detects the arm cylinder head pressure, which is the pressure of the hydraulic oil in the head side chamber of the arm cylinder 27.
  • the arm cylinder rod pressure sensor detects the arm cylinder rod pressure, which is the pressure of the hydraulic oil in the rod side chamber of the arm cylinder 27.
  • the arm cylinder pressure sensor 112 converts the detected arm cylinder head pressure and arm cylinder rod pressure into corresponding detection signals, which are electrical signals, and inputs them to the machine controller 100.
  • the bucket cylinder pressure sensor 113 detects the pressure value of the bucket cylinder 28.
  • the bucket cylinder pressure sensor 113 includes a bucket cylinder head pressure sensor and a bucket cylinder rod pressure sensor.
  • the bucket cylinder head pressure sensor detects the bucket cylinder head pressure, which is the pressure of the hydraulic oil in the head-side chamber of the bucket cylinder 28.
  • the bucket cylinder rod pressure sensor detects the bucket cylinder rod pressure, which is the pressure of the hydraulic oil in the rod-side chamber of the bucket cylinder 28.
  • the bucket cylinder pressure sensor 113 converts the detected bucket cylinder head pressure and bucket cylinder rod pressure into corresponding detection signals, which are electrical signals, and inputs them to the machine controller 100.
  • the swing motor pressure sensor 114 detects the operating pressure value of the swing motor 29, i.e., the motor differential pressure.
  • the swing motor pressure sensor 114 includes a right swing port pressure sensor and a left swing port pressure sensor.
  • the right swing port pressure sensor detects the right swing port pressure, which is the pressure of the hydraulic oil in the right swing port of the swing motor 29.
  • the left swing port pressure sensor detects the left swing port pressure, which is the pressure of the hydraulic oil in the left swing port of the swing motor 29.
  • the swing motor pressure sensor 114 converts the detected differential pressure between the right swing port pressure and the left swing port pressure into a corresponding detection signal, which is an electrical signal, and inputs it to the machine controller 100.
  • the swing motor pressure sensor 114 may convert the detected right swing port pressure into a corresponding electrical detection signal and input it to the machine controller 100, or may convert the detected left swing port pressure into a corresponding electrical detection signal and input it to the machine controller 100.
  • the rotation sensor 115 is composed of, for example, a resolver or rotary encoder, and detects the rotation angle of the upper rotating body 12 relative to the lower running body 10.
  • the rotation sensor 115 converts the detected rotation angle into a corresponding detection signal, which is an electrical signal, and inputs it to the machine controller 100.
  • the attitude sensor 116 detects the attitude of the work implement 14.
  • the attitude sensor 116 may include a boom attitude sensor 61, an arm attitude sensor 62, and a bucket attitude sensor 64 shown in FIG. 2.
  • the boom attitude sensor 61 detects the boom attitude, which is the attitude of the boom 21.
  • the boom attitude may be the rotation angle of the boom 21 relative to the upper rotating body 12, the attitude of the boom 21 relative to the horizontal plane, or the cylinder length of the boom cylinder 26.
  • the arm attitude sensor 62 detects the arm attitude, which is the attitude of the arm 22.
  • the arm attitude may be the rotation angle of the arm 22 relative to the boom 21, the attitude of the arm 22 relative to the horizontal plane, or the cylinder length of the arm cylinder 27.
  • the bucket attitude sensor 64 detects the bucket attitude, which is the attitude of the bucket 24.
  • the bucket attitude may be the rotation angle of the bucket 24 relative to the arm 22, the attitude of the bucket 24 relative to the horizontal plane, or the cylinder length of the bucket cylinder 28.
  • Each of the boom attitude sensor 61, arm attitude sensor 62, and bucket attitude sensor 64 may be, for example, a resolver, a rotary encoder, a potentiometer, or an IMU (inertial measurement unit).
  • the attitude sensor 116 converts the detected boom attitude, arm attitude, and bucket attitude into corresponding detection signals, which are electrical signals, and inputs them to the machine controller 100.
  • the operating device 117 accepts operations by the operator for the operation of the work device 14, the rotation operation of the upper rotating body 12, and the traveling operation of the lower traveling body 10.
  • the operating device 117 includes a boom operating device, an arm operating device, a bucket operating device, a rotation operating device, and a traveling operating device.
  • the boom operation device has a boom operation lever that accepts operation from the operator for boom-raising or boom-lowering operations.
  • the boom operation device may be configured as an electric lever device that includes an operation signal generation unit that inputs the amount of operation of the boom operation lever to the machine controller 100.
  • the arm operating device has an arm operating lever that accepts operation from the operator for arm pulling or arm pushing operations.
  • the arm operating device may be configured as an electric lever device that includes an operation signal generating unit that inputs the amount of operation of the arm operating lever to the machine controller 100.
  • the bucket operating device has a bucket operating lever that accepts operation from the operator for the bucket scooping operation or bucket opening operation.
  • the bucket operating device may be configured as an electric lever device that includes an operation signal generating unit that inputs the operation amount of the bucket operating lever to the machine controller 100.
  • the swing operation device has a swing operation lever that accepts operation from the operator to swing the upper swing body 12 right or left.
  • the swing operation device may be configured as an electric lever device that includes an operation signal generation unit that inputs the amount of operation of the swing operation lever to the machine controller 100.
  • the travel operation device has a travel operation lever that accepts operation from the operator to move the undercarriage 10 forward or backward.
  • the travel operation device may be configured as an electric lever device that includes an operation signal generation unit that inputs the amount of operation of the travel operation lever to the machine controller 100.
  • the boom operation lever, arm operation lever, bucket operation lever, and swing operation lever may each be configured as two operation levers.
  • one of the two operation levers will perform the functions of two of the boom operation lever, arm operation lever, bucket operation lever, and swing operation lever, and the other of the two operation levers will perform the functions of the remaining two.
  • the machine controller 100 comprises a computer including a processor and memory.
  • the machine controller 100 comprises an operation data acquisition unit 102 and a command unit 103.
  • the functions of the operation data acquisition unit 102 and the command unit 103 are realized by the processor executing a control program stored in the memory.
  • the operation data acquisition unit 102 acquires operation data of the work machine 3.
  • the operation data may include data related to the operation of multiple movable parts.
  • the multiple movable parts include the boom 21, arm 22, bucket 24, and upper rotating body 12.
  • the operation data may include sensor values that detect physical quantities that change in accordance with the operation of the work machine 3. That is, the operation data may include sensor values detected by a group of sensors such as sensors 111 to 116.
  • the operation data may include, for example, the pressure value of the boom cylinder 26, the pressure value of the arm cylinder 27, the pressure value of the bucket cylinder 28, a posture value related to the boom posture, a posture value related to the arm posture, a posture value related to the bucket posture, the operating pressure value of the swing motor 29, and the swing angle.
  • the operation data does not necessarily have to include all of these sensor values.
  • the operation data may include sensor values other than these sensor values.
  • the operation data acquisition unit 102 may store operation data acquired from the sensors 111-116.
  • the operation data acquisition unit 102 may store operation data acquired multiple times within a predetermined time period.
  • the predetermined time period may be, for example, one minute, ten minutes, one hour, or some other time period.
  • the command unit 103 controls the operation of each element included in the hydraulic circuit 119.
  • the command unit 103 includes a boom command unit, an arm command unit, a bucket command unit, a swing command unit, and a travel command unit.
  • the boom command unit inputs a boom command signal to the boom solenoid valve 31, the value of which corresponds to the amount of operation of the boom operation device.
  • the flow rate of hydraulic oil supplied to the boom cylinder 26 increases as the amount of operation of the boom operation device increases.
  • the arm command unit inputs an arm command signal to the arm solenoid valve 32, the value of which corresponds to the amount of operation of the arm operating device.
  • the flow rate of hydraulic oil supplied to the arm cylinder 27 increases as the amount of operation of the arm operating device increases.
  • the bucket command unit inputs a bucket command signal to the bucket solenoid valve 33, the value of which corresponds to the amount of operation of the bucket operating device.
  • the flow rate of hydraulic oil supplied to the bucket cylinder 28 increases as the amount of operation of the bucket operating device increases.
  • the swing command unit inputs a swing command signal to the swing solenoid valve 34, the value of which corresponds to the amount of operation of the swing operation device.
  • the flow rate of hydraulic oil supplied to the swing motor 29 increases as the amount of operation of the swing operation device increases.
  • the travel command unit inputs a travel command signal to travel solenoid valve 35L and travel solenoid valve 35R, the value of which corresponds to the amount of operation of the travel operation device.
  • travel solenoid valve 35L and travel solenoid valve 35R the value of which corresponds to the amount of operation of the travel operation device.
  • the communication unit 118 includes an operation data transmission unit 106.
  • the operation data transmission unit 106 transmits the operation data acquired by the operation data acquisition unit 102 to the load estimation device 2.
  • the load estimation device 2 may be, for example, an information terminal such as a tablet computer (a so-called tablet), a smartphone, a laptop personal computer, or a desktop personal computer, or may be, for example, a management device such as a server.
  • the management device may be, for example, a computer (cloud server) in a cloud service provided as a service over a network such as the Internet.
  • FIG. 5 is a block diagram showing the configuration of the load estimation device 2.
  • the load estimation device 2 includes a controller 200 and a communication unit 210.
  • the controller 200 comprises a computer including a processor 220 and memory 230.
  • the processor 220 of the controller 200 comprises an operation determination unit 221, a model selection unit 222, and a load estimation unit 223.
  • the processor 220 may further comprise one or both of a lifespan calculation unit 224 and a display information generation unit 225.
  • the lifespan calculation unit 224 and the display information generation unit 225 are not essential components of the load estimation device of the present disclosure.
  • the functions of the operation determination unit 221, the model selection unit 222, the load estimation unit 223, the lifespan calculation unit 224, and the display information generation unit 225 are realized by the processor 220 executing a control program (load estimation program) stored in the memory 230.
  • the movement determination unit 221 determines the movement of the work machine 3 using the operation data of the work machine 3. Specifically, the movement determination unit 221 acquires the operation data of the work machine 3 that is the estimation target, and determines the movement of the work machine 3 by inputting the operation data received by the operation data receiving unit 211 into the movement determination model stored in the movement determination model storage unit 231.
  • the model selection unit 222 selects at least one load estimation model corresponding to the operation of the work machine 3 determined by the operation determination unit 221 from among a plurality of load estimation models respectively associated with a plurality of operations of the work machine 3.
  • the load estimation unit 223 estimates the load on the work machine 3 using the at least one load estimation model selected by the model selection unit 222 and the operation data.
  • the lifespan calculation unit 224 calculates the lifespan of the work machine 3 based on the load on the work machine 3 estimated by the load estimation unit 223.
  • the lifespan calculation unit 224 may perform a frequency analysis of stress using the rainflow method from the time change in the load on the work machine 3 estimated by the load estimation unit 223 (for example, stress occurring at a specified part of the work machine 3).
  • the lifespan calculation unit 224 may calculate the degree of damage increased per unit time using Miner's rule from the analysis results.
  • the lifespan calculation unit 224 may calculate the degree of damage up to the present time by adding the calculated degree of damage to the degree of damage calculated up to the previous time.
  • the lifespan calculation unit 224 may then calculate the remaining lifespan by subtracting the degree of damage up to the present time from the design lifespan of the work machine.
  • the lifespan calculation unit 224 is also capable of calculating the lifespan using various conventional techniques other than the above methods.
  • the display information generation unit 225 generates display information for presenting the load on the work machine 3 calculated by the load estimation unit 223 to those involved in the work.
  • the display information generation unit 225 may also generate display information for presenting the lifespan of the work machine 3 calculated by the lifespan calculation unit 224 to those involved in the work.
  • the memory 230 of the controller 200 includes an operation determination model storage unit 231 and a load estimation model storage unit 232.
  • the movement determination model storage unit 231 stores a movement determination model that uses the operation data of the work machine 3 as an input value and the movement of the work machine 3 as an output value.
  • the movement determination model storage unit 231 may store a movement determination model that uses the operation data of the work machine 3 as an input value and the movement of the work machine 3 as an output value and that has been constructed by machine learning. This machine learning may be machine learning using training data.
  • the load estimation model storage unit 232 stores a database containing multiple load estimation models each associated with a multiple operation of the work machine 3.
  • the load estimation model storage unit 232 may store a database containing multiple load estimation models that differ for each operation of the work machine 3.
  • the load estimation model storage unit 232 may store each of a multiple number of operations of the work machine 3 that have been set in advance, in association with one of a multiple load estimation models or at least one of a plurality of load estimation models.
  • the database may be constructed, for example, by creating an initial database using past operational data, and then further improving the estimation accuracy of that initial database through learning, as shown in the left diagram of Figure 14.
  • the load on the work machine 3 varies depending on the operation performed by the work machine 3. Furthermore, even when the work machine 3 performs the same operation, the load on the work machine 3 may vary depending on factors such as the operator's level of skill, weather conditions, and the surrounding environment. Therefore, it is preferable that the database include multiple load estimation models calculated under various conditions.
  • the external forces acting on the work machine 3 also change.
  • the load on the work implement 14, including the bucket 24, arm 22, and boom 21 increases, and the stress corresponding to this increases.
  • the operation of the work machine 3 is a lifting and swinging operation, an earth-discharging operation, or a return swinging operation, the load and stress on the work implement 14 become relatively small.
  • the load on the parts of the upper rotating body 12 involved in the swinging operation increases, and the stress corresponding to this also increases, whereas when the operation of the work machine 3 is an excavation operation or an earth-discharging operation, the load and stress on the parts of the upper rotating body 12 involved in the swinging operation become relatively small.
  • the database stores load estimation models suitable for multiple operations of the work machine 3. That is, the database stores multiple load estimation models corresponding to multiple operations of the work machine 3.
  • the correlation between the operation of the work machine 3 and the load on the work machine 3 may be obtained using techniques such as experiments, simulations, and machine learning.
  • Multiple load estimation models corresponding to multiple operations of the work machine 3 are designed based on the correlation between the operation of the work machine 3 and the load on the work machine 3 obtained by this technique, and a database containing the designed multiple load estimation models is stored in the load estimation model storage unit 232.
  • each of the multiple load estimation models stored in the database includes an operating status parameter and an associated model parameter ⁇ .
  • the operating status parameters may be set, for example, as follows.
  • the sensor values detected by the sensor group e.g., sensors 111-116
  • the sensor values also change in a somewhat characteristic manner for each of the lifting and swinging operation, the soil dumping operation, and the return swinging operation. Therefore, the operating status parameters corresponding to the excavation operation can be designed in advance based on the characteristic changes in the sensor values obtained using techniques such as experiments, simulations, and machine learning.
  • the operating status parameters corresponding to the lifting and swinging operation, the soil dumping operation, and the return swinging operation can be designed in advance based on the characteristic changes in the sensor values obtained using the above techniques.
  • the model parameter ⁇ is a parameter used by the controller 200 to estimate the load on the work machine 3.
  • the load on the work machine 3 varies depending on the operation of the work machine 3, and there is a certain degree of correlation between the load and the operation of the work machine 3. Therefore, the model parameter ⁇ corresponding to the excavation operation can be designed in advance using techniques such as experiments, simulations, and machine learning.
  • the model parameters ⁇ corresponding to each of the lifting and swinging operation, the soil-discharging operation, and the return swinging operation can be designed in advance using the above techniques.
  • the model selection unit 222 extracts a load estimation model that includes operating status parameters similar to the actual operating data from among multiple load estimation models contained in the database, and the load estimation unit 223 estimates the load on the work machine 3 using the model parameter ⁇ contained in the extracted load estimation model and the operating data. Specific examples of these processes are as follows:
  • the model selection unit 222 compares operation data acquired at a certain time t with multiple load estimation models in the database, and extracts from the multiple load estimation models a load estimation model that includes operation status parameters that have a high degree of similarity with the operation data. More specifically, the model selection unit 222 may extract from the multiple load estimation models a load estimation model that includes operation status parameters whose similarity with the operation data is equal to or greater than a predetermined threshold.
  • the predetermined threshold is a similarity threshold (similarity threshold) that serves as the standard for extracting load estimation models.
  • the similarity threshold is not particularly limited, but may be set to, for example, 90%.
  • the load estimation unit 223 calculates the load on the work machine 3 by substituting the model parameter ⁇ included in the extracted load estimation model and the operation data into equation (1) or equation (11) described below.
  • the model selection unit 222 may extract these two or more load estimation models and generate a local load estimation model, which is a local load estimation model, using the extracted two or more load estimation models.
  • the controller 200 may generate the local load estimation model by weighting the two or more load estimation models in order of similarity and adding them together.
  • the method for evaluating similarity is not particularly limited, and various known methods can be used. An example of a method for evaluating similarity will be described later.
  • FIG. 6 is a diagram showing an example of multiple load estimation models stored in the load estimation model storage unit 232.
  • the load estimation model storage unit 232 stores multiple databases.
  • Each of the multiple databases includes at least one load estimation model.
  • the multiple databases are databases corresponding to a series of operations performed by the work machine 3 at the work site.
  • the multiple databases include a first database DB1 for excavation operations, a second database DB2 for lifting and swinging operations, a third database DB3 for earth removal operations, and a fourth database DB4 for return swing operations.
  • the first database DB1 includes at least one load estimation model associated with the excavation operation.
  • the first database DB1 may include a plurality of load estimation models associated with the excavation operation (a first load estimation model, a second load estimation model, ..., an n-th load estimation model).
  • one excavation operation may be divided into n stages performed in this order, from a first stage (e.g., the beginning of the excavation operation) to an nth stage (e.g., the end of the excavation operation).
  • the first database DB1 may include multiple load estimation models (a first load estimation model, a second load estimation model, ..., an nth load estimation model) each associated with the n stages of one excavation operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to the sensor value in the first stage of the excavation operation, and a model parameter ⁇ 1 designed to estimate the load in the first stage of the excavation operation.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value in the second stage of the excavation operation, and a model parameter ⁇ 2 designed to estimate the load in the second stage of the excavation operation.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to the sensor value in the nth stage of the excavation operation, and a model parameter ⁇ n designed to estimate the load in the nth stage of the excavation operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to a sensor value during excavation operations performed under first conditions, and a model parameter ⁇ 1 designed to estimate the load during excavation operations performed under the first conditions.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to a sensor value during excavation operations performed under second conditions, and a model parameter ⁇ 2 designed to estimate the load during excavation operations performed under the second conditions.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to a sensor value during excavation operations performed under nth conditions, and a model parameter ⁇ n designed to estimate the load during excavation operations performed under nth conditions.
  • the second database DB2 includes at least one load estimation model associated with the lifting and turning motion.
  • the second database DB2 may include a plurality of load estimation models associated with the lifting and turning motion (a first load estimation model, a second load estimation model, ..., an n-th load estimation model).
  • one lifting and turning operation may be divided into n stages performed in this order, from a first stage (e.g., the beginning of the lifting and turning operation) to an nth stage (e.g., the end of the lifting and turning operation).
  • the second database DB2 may include multiple load estimation models (first load estimation model, second load estimation model, ..., nth load estimation model) each associated with the n stages of one lifting and turning operation.
  • the first load estimation model may include an operating status parameter P1 corresponding to the sensor value in the first stage of the lifting and turning operation, and a model parameter ⁇ 1 designed to estimate the load in the first stage of the lifting and turning operation.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value in the second stage of the lifting and turning operation, and a model parameter ⁇ 2 designed to estimate the load in the second stage of the lifting and turning operation.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to a sensor value at the nth stage of a lifting and turning operation, and a model parameter ⁇ n designed to estimate the load at the nth stage of a lifting and turning operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to a sensor value in a lifting and turning operation performed under a first condition, and a model parameter ⁇ 1 designed to estimate the load in a lifting and turning operation performed under the first condition.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to a sensor value in a lifting and turning operation performed under a second condition, and a model parameter ⁇ 2 designed to estimate the load in a lifting and turning operation performed under the second condition.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to a sensor value in a lifting and turning operation performed under the nth condition, and a model parameter ⁇ n designed to estimate the load in a lifting and turning operation performed under the nth condition.
  • the third database DB3 includes at least one load estimation model associated with the earth unloading operation.
  • the third database DB3 may include a plurality of load estimation models associated with the earth unloading operation (a first load estimation model, a second load estimation model, ..., an n-th load estimation model).
  • one earth unloading operation may be divided into n stages, performed in this order from the first stage (e.g., the beginning of the earth unloading operation) to the nth stage (e.g., the end of the earth unloading operation).
  • the third database DB3 may include multiple load estimation models (first load estimation model, second load estimation model, ..., nth load estimation model) each associated with the n stages of one earth unloading operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to the sensor value in the first stage of the earth unloading operation, and a model parameter ⁇ 1 designed to estimate the load in the first stage of the earth unloading operation.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value in the second stage of the earth unloading operation, and a model parameter ⁇ 2 designed to estimate the load in the second stage of the earth unloading operation.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to a sensor value at the nth stage of the earth unloading operation, and a model parameter ⁇ n designed to estimate the load at the nth stage of the earth unloading operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to the sensor value during the soil discharge operation performed under the first condition, and a model parameter ⁇ 1 designed to estimate the load during the soil discharge operation performed under the first condition.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value during the soil discharge operation performed under the second condition, and a model parameter ⁇ 2 designed to estimate the load during the soil discharge operation performed under the second condition.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to the sensor value during the soil discharge operation performed under the nth condition, and a model parameter ⁇ n designed to estimate the load during the soil discharge operation performed under the nth condition.
  • the fourth database DB4 includes at least one load estimation model associated with the return turning motion.
  • the fourth database DB4 may include a plurality of load estimation models associated with the return turning motion (first load estimation model, second load estimation model, ..., n-th load estimation model).
  • one return swing operation may be divided into n stages performed in this order, from a first stage (e.g., the beginning of the return swing operation) to an nth stage (e.g., the end of the return swing operation).
  • the fourth database DB4 may include multiple load estimation models (first load estimation model, second load estimation model, ..., nth load estimation model) each associated with the n stages of one return swing operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to the sensor value in the first stage of the return swing operation, and a model parameter ⁇ 1 designed to estimate the load in the first stage of the return swing operation.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value in the second stage of the return swing operation, and a model parameter ⁇ 2 designed to estimate the load in the second stage of the return swing operation.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to a sensor value at the nth stage of the return swing operation, and a model parameter ⁇ n designed to estimate the load at the nth stage of the return swing operation.
  • the first load estimation model may include, for example, an operating status parameter P1 corresponding to the sensor value during a return swing operation performed under the first condition, and a model parameter ⁇ 1 designed to estimate the load during a return swing operation performed under the first condition.
  • the second load estimation model may include, for example, an operating status parameter P2 corresponding to the sensor value during a return swing operation performed under the second condition, and a model parameter ⁇ 2 designed to estimate the load during a return swing operation performed under the second condition.
  • the nth load estimation model may include, for example, an operating status parameter Pn corresponding to the sensor value during a return swing operation performed under the nth condition, and a model parameter ⁇ n designed to estimate the load during a return swing operation performed under the nth condition.
  • Figure 7 is a diagram showing another example of multiple load estimation models stored in the load estimation model storage unit 232.
  • Figure 7 shows an example of the inside of the first database DB1.
  • the multiple load estimation models included in the first database DB1 include a first load estimation model, a second load estimation model, and a third load estimation model.
  • the first load estimation model is associated with operations in the early stages of an excavation operation.
  • the second load estimation model is associated with operations in the middle stages of an excavation operation.
  • the third load estimation model is associated with operations in the final stages of an excavation operation.
  • the load on the work machine 3 in the early stages of an excavation operation, the load on the work machine 3 in the middle stages of an excavation operation, and the load on the work machine 3 in the final stages of an excavation operation are not the same but are slightly different. Therefore, by subdividing the classification of the multiple load estimation models as shown in Figure 7, the load on the work machine 3 can be estimated more accurately.
  • the first load estimation model includes an operating status parameter P1 corresponding to the sensor value at the beginning of the excavation operation, and a model parameter ⁇ 1 designed to estimate the load at the beginning of the excavation operation.
  • the second load estimation model includes an operating status parameter P2 corresponding to the sensor value at the middle of the excavation operation, and a model parameter ⁇ 2 designed to estimate the load at the middle of the excavation operation.
  • the third load estimation model includes an operating status parameter P3 corresponding to the sensor value at the end of the excavation operation, and a model parameter ⁇ 3 designed to estimate the load at the end of the excavation operation.
  • Figure 8 is a diagram showing yet another example of multiple load estimation models stored in the load estimation model storage unit 232.
  • Figure 8 shows another example of the inside of the first database DB1.
  • the multiple load estimation models included in the first database DB1 include a fourth load estimation model, a fifth load estimation model, and a sixth load estimation model.
  • the fourth load estimation model is associated with excavation operations performed under fourth conditions.
  • the fifth load estimation model is associated with excavation operations performed under fifth conditions.
  • the sixth load estimation model is associated with excavation operations performed under sixth conditions.
  • the load on the work machine 3 during excavation operations may vary depending on factors such as the operator's level of proficiency, the environment of the work site, and weather conditions. Therefore, by subdividing the multiple load estimation models as shown in Figure 8, the load on the work machine 3 can be estimated more accurately.
  • the fourth load estimation model includes an operating status parameter P4 corresponding to the sensor value during excavation operations performed under the fourth conditions, and a model parameter ⁇ 4 designed to estimate the load during excavation operations performed under the fourth conditions.
  • the fifth load estimation model includes an operating status parameter P5 corresponding to the sensor value during excavation operations performed under the fifth conditions, and a model parameter ⁇ 5 designed to estimate the load during excavation operations performed under the fifth conditions.
  • the sixth load estimation model includes an operating status parameter P6 corresponding to the sensor value during excavation operations performed under the sixth conditions, and a model parameter ⁇ 6 designed to estimate the load during excavation operations performed under the sixth conditions.
  • the fourth, fifth, and sixth conditions may be conditions related to the proficiency of the operator operating the work machine 3, for example.
  • the fourth condition may be that the operator's proficiency is equal to or greater than a predetermined first threshold
  • the fifth condition may be that the operator's proficiency is less than the first threshold and greater than a second threshold
  • the sixth condition may be that the operator's proficiency is equal to or less than a predetermined second threshold.
  • the fourth, fifth, and sixth conditions may be conditions related to the environment of the work site where work is performed by the work machine 3.
  • the environment of the work site may be, for example, the firmness of the ground.
  • the fourth condition may be that the firmness of the ground is equal to or greater than a predetermined first threshold
  • the fifth condition may be that the firmness of the ground is less than the first threshold and greater than a second threshold
  • the sixth condition may be that the firmness of the ground is equal to or less than a predetermined second threshold.
  • the fourth, fifth, and sixth conditions may also be weather conditions at the time work is performed by the work machine 3.
  • the load estimation model storage unit 232 may store multiple load estimation models constructed by machine learning.
  • the communication unit 210 includes an operational data receiving unit 211 and a display information transmitting unit 212.
  • the operation data receiving unit 211 receives operation data from the work machine 3. Specifically, the operation data receiving unit 211 receives operation data transmitted by the work machine 3.
  • the display information transmission unit 212 transmits the display information generated by the display information generation unit 225 to the display device 4.
  • Figure 9 is a flowchart showing an example of calculation processing performed by the machine controller 100 of the work machine 3.
  • step S11 the operation data acquisition unit 102 of the machine controller 100 acquires the sensor values output by the sensors 111 to 116 as operation data.
  • the machine controller 100 also starts measuring time when starting the calculation process shown in FIG. 9.
  • step S12 the operation data acquisition unit 102 stores the acquired operation data in a storage medium.
  • This storage medium may be provided in the machine controller 100, or in a device separate from the machine controller 100.
  • step S13 the operational data acquisition unit 102 determines whether a predetermined time has elapsed.
  • the start point of measurement of the predetermined time may be, for example, the point at which the calculation process shown in FIG. 9 begins as described above, or the point at which the process of step S14 described below is completed (the point at which the elapsed time is reset).
  • the predetermined time may be, for example, a value within the range of 10 minutes to 1 hour.
  • step S13 the operational data acquisition unit 102 performs the processing from step S11 onwards. That is, until the predetermined time has elapsed, the operational data acquisition unit 102 repeatedly acquires operational data (step S11) and stores the repeatedly acquired operational data in the storage medium (step S12). This allows the storage medium to sequentially store operational data that is sequentially acquired at approximately regular intervals.
  • step S13 If the predetermined time has elapsed (YES in step S13), the operation data transmission unit 106 of the communication unit 118 transmits the operation data stored in the storage medium to the load estimation device 2 (step S14). Then, the operation data acquisition unit 102 resets the elapsed time used to determine whether the predetermined time has elapsed, and performs the processing from step S11 onwards.
  • Figure 10 is a flowchart showing an example of the calculation process performed by the controller 200 of the load estimation device 2.
  • the calculation processing shown in Figure 10 includes processing for determining the operation of the work machine 3, processing for selecting a load estimation model, and processing for estimating the load on the work machine 3. It is preferable that the controller 200 performs these processes sequentially while the work machine 3 is operating. This allows the controller 200 to more appropriately estimate the load in accordance with changes in the operation of the work machine 3, even if the operation of the work machine 3 changes frequently. Note that performing the above processes sequentially means continuously repeating the processing of steps S21 to S23 shown in Figure 10, as explained below.
  • step S21 the operation determination unit 221 of the controller 200 determines the operation of the work machine 3 using the operation data transmitted from the work machine 3.
  • the operation data includes data corresponding to the excavation operation (excavation operation data), data corresponding to the lifting and swinging operation (lifting and swinging operation data), data corresponding to the earth-discharging operation (earth-discharging operation data), and data corresponding to the return swinging operation (return swing operation data).
  • the operation data may be time-series data including sensor values obtained at approximately regular intervals over time.
  • the excavation operation, lifting and swinging operation, soil dumping operation, and return swing operation are each performed by specific operations of the boom 21, arm 22, bucket 24, and upper swing body 12. Therefore, a correlation exists between each of the excavation operation, lifting and swinging operation, soil dumping operation, and return swing operation and the sensor values (operation data) of sensors 111-116. Therefore, the operation determination unit 221 can determine the operation of the work machine 3 using a model and/or conditions set based on the correlation and the operation data.
  • the operation determination model storage unit 231 may store in advance conditions for determining each of the excavation operation, lifting and swinging operation, soil discharge operation, and return swing operation.
  • the conditions may be conditions that compare operation data including the sensor values with a preset threshold value.
  • the operation determination unit 221 can determine the operation of the work machine 3 using the operation data and the conditions.
  • the operation determination model storage unit 231 may also determine the operation of the work machine 3 using a machine learning model, which will be described later.
  • step S22 the model selection unit 222 of the controller 200 selects a load estimation model that corresponds to the operation of the work machine 3 determined by the operation determination unit 221 from among the multiple load estimation models stored in the load estimation model storage unit 232.
  • the model selection unit 222 may select a database that corresponds to the operation of the work machine 3 determined by the operation determination unit 221 from among the multiple databases, and select a load estimation model that is similar to the operation determined by the operation determination unit 221 from among the multiple load estimation models included in the selected database.
  • each of the multiple load estimation models is stored in the database of the load estimation model storage unit 232 as a set of operation status parameters representing the operation status and model parameters ⁇ for estimating the load.
  • the model selection unit 222 extracts a load estimation model including operation status parameters that have a high degree of similarity to operation data acquired at a certain time t from among multiple load estimation models included in the database.
  • the model selection unit 222 can then calculate the load y(t) on the work machine 3 by substituting the model parameter ⁇ and operation data included in the extracted load estimation model into equation (1) or equation (11), which will be described later.
  • the combination of each of the multiple load estimation models with equation (1) or equation (11) is a model in which the operation data x i (t) or operation data ⁇ (t) of the work machine 3 is used as an input value, and the load y(t) on the work machine 3 is used as an output value.
  • equations (1) and (11) are each an example of an equation designed in advance based on the correlation between operation data and the load on the work machine 3, and therefore the load estimation device of the present disclosure does not necessarily need to use equation (1) or equation (11), and may calculate the load on the work machine 3 using other relational expressions.
  • the operating status parameters are parameters that can be compared for similarity with the operating data. For example, if the operating data includes multiple sensor values detected by sensors 111-116, the operating status parameters may include multiple parameters for comparison with the multiple sensor values.
  • the model selection unit 222 selects a first database DB1 corresponding to an excavation operation from among multiple databases. Then, the model selection unit 222 selects a load estimation model similar to the sensor values included in the operation data from among the multiple load estimation models included in the first database DB1.
  • the model selection unit 222 selects a second database DB2 corresponding to the lifting and swinging operation from among multiple databases. Then, the model selection unit 222 selects a load estimation model similar to the sensor values included in the operation data from among the multiple load estimation models included in the second database DB2.
  • the model selection unit 222 selects a third database DB3 corresponding to the earth-discharging operation from among multiple databases. Then, the model selection unit 222 selects a load estimation model similar to the sensor value included in the operation data from among the multiple load estimation models included in the third database DB3.
  • the model selection unit 222 selects a fourth database DB4 corresponding to the return swing operation from among multiple databases. Then, the model selection unit 222 selects a load estimation model similar to the sensor values included in the operation data from among the multiple load estimation models included in the fourth database DB4.
  • the model selection unit 222 may select two or more load estimation models from one database and generate a local load estimation model using the two or more load estimation models. The method for generating this local load estimation model will be described later.
  • step S23 the load estimation unit 223 of the controller 200 estimates the load y(t) on the work machine 3 using the model parameter ⁇ and operation data x i (t) included in the load estimation model selected by the model selection unit 222, and the following equation (1).
  • the following equation (1) is a relational expression that is designed in advance using techniques such as experiments, simulations, and machine learning, based on the correlation between the load on the work machine and the operation data.
  • the set of operating status parameters and model parameters ⁇ included in each of the multiple load estimation models is designed in advance to be suitable for the operation of the work machine 3 corresponding to that set, and is stored in the load estimation model storage unit 232.
  • the set of operating status parameters and model parameters ⁇ is designed in advance in association with the load acting on the work machine 3 in accordance with the operation of the work machine 3 corresponding to that set, and is stored in the load estimation model storage unit 232.
  • the main features of the work machine operation determination, load estimation model selection, and load estimation for the work machine 3 performed by the controller 200 of the load estimation device 2 according to this embodiment are as described above. Below, more preferred specific examples of work machine operation determination, load estimation model selection, and load estimation for the work machine 3 are explained.
  • Figure 11 is a diagram showing an example of processing for determining the operation of the work machine 3 using operation data and a machine learning model of the work machine 3.
  • the operation determination unit 221 of the controller 200 may use operation data and a machine learning model to determine the operation of the work machine 3.
  • the operation determination model storage unit 231 stores the neural network operation determination model N (machine learned model) shown in Figure 11.
  • the input xi(t) of the operation determination model N is operation data.
  • the output value sk(t) of the operation determination model N is an output value related to the operation of the work machine 3.
  • the structure of the motion determination model N need only satisfy the above data input and output relationships, and the specific structure is not particularly limited; various neural network model structures can be adopted.
  • the motion determination model N includes an LSTM layer, a fully connected layer, and a softmax function (LSTM: Long Short Term Memory).
  • the LSTM layer is a type of recurrent neural network (RNN: Recurrent Neural Network) that is suitable for time series data that changes over time.
  • RNN Recurrent Neural Network
  • the softmax function is expressed, for example, by the following equation:
  • the output values sk(t) of the motion determination model N are output values corresponding to multiple predetermined motions, and these output values correspond to normalized probability values, with the sum of these output values being "1."
  • the multiple motions include, for example, excavation motion, lifting and swinging motion, soil removal motion, and return and swinging motion.
  • the operation determination unit 221 uses the operation determination model N to perform calculations in the LSTM layer and in the fully connected layer on the operation data (e.g., time-series data) of the work machine 3, and normalizes and outputs the output values corresponding to the multiple operations using a softmax function.
  • the operation data e.g., time-series data
  • FIG. 12 is a diagram showing an example of the output value sk(t) of the movement determination unit 221. As shown in FIG. 12, the output value sk(t) of the movement determination unit 221 is a probability value (predicted probability) for each of the multiple movements.
  • the operational data includes data (e.g., sensor values from sensors 111-116) acquired at predetermined time intervals in the time range from time t1 to time tn.
  • the operation determination unit 221 may perform calculations in the LSTM layer and the fully connected layer for each of the data at time t1, data at time t2, ..., data at time tn, and normalize the output values corresponding to the multiple operations using a softmax function before outputting them.
  • the movement determination unit 221 performs a calculation using the movement determination model N on the data at time t1 included in the operation data, and outputs the calculation results “digging operation: 75%,” “lifting and swinging operation: 10%,” “earth discharge operation: 5%,” and “return swing operation: 10%” as the output values sk(t).
  • the movement determination unit 221 also performs a calculation using the movement determination model N on the data at time t2 included in the operation data, and outputs the calculation results "digging operation: 70%,” “lifting and swinging operation: 25%,” “earth discharge operation: 3%,” and “return swing operation: 2%” as the output values sk(t).
  • the movement determination unit 221 performs a calculation using the movement determination model N on the data at time tn included in the operation data, and outputs the calculation results "digging operation: 5%,” “lifting and swinging operation: 15%,” “earth discharge operation: 10%,” and “return swing operation: 70%” as the output values sk(t).
  • the movement determination unit 221 may determine, for each of times t1 to tn, the movement corresponding to the highest probability value among the probability values for each of the plurality of movements as the movement of the work machine 3. In this case, the movement determination unit 221 determines that the movement of the work machine 3 at time t1 is an "digging movement,” determines that the movement of the work machine 3 at time t2 is an “digging movement,” and determines that the movement of the work machine 3 at time tn is a "return swing movement.”
  • the movement determination unit 221 may determine that the movement of the work machine 3 corresponds to a probability value equal to or greater than a predetermined threshold value among the probability values for each of the plurality of movements. For example, if the predetermined threshold is set to 20%, the movement determination unit 221 may determine that the movement of the work machine 3 at time t1 is an "digging movement” and that the movement of the work machine 3 at time tn is a "return swing movement.” Furthermore, since the probability values corresponding to the digging movement and the lifting swing movement are equal to or greater than the predetermined threshold value at time t2, the movement determination unit 221 may determine that the movement of the work machine 3 at time t2 is an "digging movement” and a "lifting swing movement.” In this case, the load estimation unit 223 may estimate the load on the work machine 3 by weighting the probability values according to the magnitude of the probability values. This load estimation method will be described later.
  • the load estimation model storage unit 232 may store multiple databases corresponding to multiple operations of the work machine 3.
  • the load estimation model storage unit 232 stores a database DB1 related to excavation operations, a database DB2 related to lifting and swinging operations, a database DB3 related to earth-discharging operations, and a database DB4 related to return swing operations.
  • Database DB1 includes one load estimation model or multiple load estimation models for excavation operations.
  • Database DB2 includes one load estimation model or multiple load estimation models for lifting and swinging operations.
  • Database DB3 includes one load estimation model or multiple load estimation models for earth-discharging operations.
  • Database DB4 includes one load estimation model or multiple load estimation models for return swing operations.
  • databases DB1, DB2, DB3, and DB4 each contain multiple load estimation models.
  • the model selection unit 222 selects at least one database from the multiple databases DB1, DB2, DB3, and DB4 that is similar to the judgment result of the movement judgment unit 221. Specifically, the model selection unit 222 may select a database using the output value sk(t) of the movement judgment model N of the movement judgment unit 221 and the condition of the following equation (3).
  • n is the number of databases. In the case of FIG. 13, the number of databases is four, so the value of "n” is four.
  • the model selection unit 222 selects database DB1 corresponding to excavation operation from among the multiple databases DB1, DB2, DB3, and DB4, as the database that is similar to the determination result of the operation determination unit 221.
  • the model selection unit 222 extracts, from the multiple load estimation models included in database DB1, a load estimation model that includes operating status parameters that are highly similar to the operation data at time t1.
  • the load estimation unit 223 estimates the load y(t) on the work machine 3 using the model parameter ⁇ and operation data x i (t) included in the load estimation model selected by the model selection unit 222, and equation (1) above.
  • the model selection unit 222 selects database DB1 corresponding to the digging motion and database DB2 corresponding to the lifting and turning motion as databases similar to the determination results of the motion determination unit 221.
  • the model selection unit 222 then extracts a load estimation model that includes operational status parameters that have a high degree of similarity to the operational data at time t2 from among the multiple load estimation models included in database DB1.
  • the load estimation unit 223 then estimates the load yDB1 on the work machine 3 using the model parameter ⁇ and operational data x i (t) included in the load estimation model selected by the model selection unit 222, and the above equation (1).
  • the model selection unit 222 extracts a load estimation model including operational status parameters that have a high degree of similarity to the operational data at time t2 from among the multiple load estimation models included in database DB2.
  • the load estimation unit 223 estimates the load yDB2 on the work machine 3 using the model parameter ⁇ and operational data x i (t) included in the load estimation model selected by the model selection unit 222, and the above equation (1).
  • the load estimation unit 223 calculates the load y(t) on the work machine 3 by substituting the load yDB1 estimated using database DB1, the load yDB2 estimated using database DB2, and the output value sk(t) of the operation determination model N at time t2 into the following equation (4).
  • This equation (4) adds up values weighted in descending order of probability value (prediction probability).
  • s1(t) is the output corresponding to the excavation operation (70% in FIG. 12) among the output values sk(t) of the motion determination model N at time t2
  • s2(t) is the output corresponding to the lifting and turning operation (25% in FIG. 12) among the output values sk(t) of the motion determination model N at time t2.
  • FIG. 14 is a diagram for explaining the local load estimation model.
  • the load estimation unit 223 may generate a local load estimation model using the two or more load estimation models, and estimate the load on the work machine 3 using the local load estimation model and operation data. Even if there are two or more candidate load estimation models that are similar to the operation of the work machine 3, the controller 200 can estimate the load on the work machine 3. This improves the accuracy of load estimation.
  • the multiple databases correspond to multiple operations, and each of the multiple load estimation models contained in each database includes an operation status parameter that represents the operation status and a model parameter ⁇ for estimating the load, as described above.
  • the model selection unit 222 selects a database from the multiple databases that corresponds to the operation determined by the operation determination unit 221, and selects a load estimation model from the multiple load estimation models contained in the selected database that includes an operation status parameter that has a high degree of similarity to the operation data.
  • the model selection unit 222 selects a database from multiple databases DB1, DB2, DB3, and DB4 using the output value sk(t) of the motion determination model N of the motion determination unit 221 and the conditions of equation (3) above.
  • the specific example in Figure 14 shows the case where the model selection unit 222 selects database DB1, which corresponds to an excavation motion.
  • This database DB1 pre-stores multiple load estimation models related to excavation operations, as shown in Figures 7 and 8, for example.
  • the multiple small black circles drawn inside database DB1 in Figure 14 represent multiple load estimation models related to excavation operations.
  • the star symbols drawn inside database DB1 in Figure 14 indicate operation data at a certain time. The distance between the star symbol and each of the multiple black circles represents the degree of similarity of the operation status parameters of the load estimation model for the operation data.
  • the circle drawn inside database DB1 in Figure 14 indicates the similarity threshold (similarity threshold, for example 90%) that serves as the standard for extracting load estimation models. Load estimation models within the area inside this circle have a similarity equal to or greater than the similarity threshold.
  • each of the operating status parameters of the two load estimation models has a similarity to the operating data that is equal to or greater than the similarity threshold.
  • the model selection unit 222 extracts these two load estimation models and generates a local load estimation model, which is a local load estimation model, using the two extracted load estimation models.
  • the model selection unit 222 may generate the model parameter ⁇ in the local load estimation model by weighting and adding the model parameter ⁇ included in one of the two extracted load estimation models and the model parameter ⁇ included in the other using the following equation (5):
  • equation (9) When the difference between the operational data and the operational status parameters in the database is zero, the similarity shown in equation (7) is expressed as equation (9) below.
  • conditional expression based on similarity is expressed, for example, by the following expression (10):
  • the load estimation unit 223 can then calculate the load y(t) of the work machine 3 by substituting the model parameter ⁇ of the local load estimation model generated as described above and the operation data ⁇ (t) into the following equation (11).
  • the load estimation device 2 is a device such as a server that is located at a location remote from the work machine 3, but the load estimation device in the present disclosure may also be mounted on the work machine.
  • the load estimation model storage unit is mounted on the load estimation device 2, but the load estimation model storage unit in the present disclosure may be mounted on a device separate from the load estimation device.
  • the separate device may be a work machine or a storage device for storing data.
  • the multiple operations of the work machine include an excavation operation, a lifting and swinging operation, an earth-discharging operation, and a return swinging operation, but the multiple operations in the present disclosure do not have to include some or all of the excavation operation, lifting and swinging operation, earth-discharging operation, and return swinging operation, and may include operations other than the excavation operation, lifting and swinging operation, earth-discharging operation, and return swinging operation.
  • the operation determination model may be a machine-learned model that uses operation data as an input value and one operation as an output value.
  • the operation determination unit 221 may determine the operation of the work machine 3 using predetermined determination conditions based on the correlation between the operation of the work machine 3 and the operation data of the work machine 3 and actual operation data.
  • the operation determination model storage unit 231 may store these determination conditions.
  • the determination conditions may include an excavation operation determination condition for determining an excavation operation, a lifting and swing operation determination condition for determining a lifting and swing operation, an earth dumping operation determination condition for determining an earth dumping operation, and a return swing operation determination condition for determining a return swing operation.
  • the operation determination unit 221 may determine that the operation of the work machine 3 is an excavation operation if the excavation operation determination condition is met, determine that the operation of the work machine 3 is a lifting and swing operation if the lifting and swing operation determination condition is met, determine that the operation of the work machine 3 is an earth dumping operation if the earth dumping operation determination condition is met, and determine that the operation of the work machine 3 is a return swing operation if the return swing operation determination condition is met.
  • the display device 4 is exemplified as the output device, but the output device in the present disclosure is not limited to the display device 4 and may be, for example, a device capable of outputting information about the load on the work machine using sound or light.
  • the operation device 117 operates the solenoid valves 31 to 35 of the hydraulic circuit 119 via the machine controller 100.
  • the operation device 117 may include a remote control valve, which is a hydraulic device that outputs pressure according to the amount of lever operation.
  • the command unit 103 and the solenoid valves 31 to 35 are not required, and the boom pilot pressure, arm pilot pressure, bucket pilot pressure, swing pilot pressure, and travel pilot pressure output from the operation device 117 are input to the control valves 36, 37, 38, 39, 40L, and 40R, respectively.
  • Pressure oil is supplied to the operation device 117 from a pilot pump.
  • the operation device 117 reduces the pressure of the supplied pressure oil to a pressure according to the amount of lever operation and outputs it as pilot pressure to the control valves 36, 37, 38, 39, 40L, and 40R. Furthermore, a pressure sensor is installed in the hydraulic piping connecting the operation device 117 and the control valves 36, 37, 38, 39, 40L, and 40R. The pressure sensor detects the pressure value of the pilot pressure output from the operation device 117 to the control valves 36, 37, 38, 39, 40L, and 40R, and inputs a signal of the detected pressure value to the machine controller 100. The machine controller 100 handles the pressure value signals input from the pressure sensor as operation command signals (boom command signal, arm command signal, bucket command signal, swing command signal, and travel command signal).
  • operation command signals boom command signal, arm command signal, bucket command signal, swing command signal, and travel command signal.
  • the boom 21, arm 22, bucket 24, and upper rotating body 12 are given as examples of multiple movable parts, but the movable parts in the present disclosure are not limited to these and may include, for example, the undercarriage 10.
  • the operation data of the work machine 3 may include sensor values that detect physical quantities that change in accordance with the operation of the undercarriage 10.
  • the operation data acquisition unit 102 acquires operation data that includes sensor values from a sensor that detects the operating pressure value of the travel motor of the work machine 3.
  • the operation determination model storage unit 231 may store an operation determination model constructed by machine learning, with operation data including the operating pressure value of the travel motor as input values and the operation of the work machine 3 as output values. This makes it possible to calculate the load on the work machine 3, including the undercarriage 10.
  • the present disclosure provides technology that can estimate the load on a work machine based on the type of operation.
  • the load estimation device includes a controller, which determines the operation of the work machine using operation data of the work machine, selects at least one load estimation model corresponding to the determined operation of the work machine from among a plurality of load estimation models respectively associated with a plurality of operations of the work machine, and estimates the load on the work machine using the selected at least one load estimation model and the operation data.
  • the controller determines the operation of the work machine, selects a load estimation model according to the determined operation, and estimates the load using the selected load estimation model and operation data, making it possible to estimate the load on the work machine according to the type of operation of the work machine.
  • the load estimation device preferably comprises the following configuration in addition to the load estimation device according to the first aspect. That is, in the load estimation device according to the second aspect, it is preferable that the at least one load estimation model includes two or more load estimation models, and the controller generates a local load estimation model using the two or more load estimation models, and estimates the load on the work machine using the local load estimation model and the operation data. In this second aspect, even if there are two or more candidate load estimation models that are similar to the operation of the work machine, the controller can generate a local load estimation model using the two or more load estimation models, and estimate the load on the work machine using the generated local load estimation model and the operation data. This improves the accuracy of load estimation.
  • each of the plurality of load estimation models may include an operation status parameter and a model parameter for estimating a load.
  • the controller may select a load estimation model from the plurality of load estimation models that includes an operation status parameter that has a high similarity to the operation data.
  • the controller may generate the local load estimation model by weighting the two or more load estimation models in order of magnitude of similarity and adding them together.
  • the load estimation device preferably comprises the following configuration in addition to the load estimation device according to the first or second aspect. That is, in the load estimation device according to the third aspect, the work machine preferably comprises a plurality of actuators and a plurality of movable parts operated by the plurality of actuators, and the operation data preferably includes data relating to the operation of the plurality of movable parts. In this third aspect, the controller can estimate the load arising from the operation of the movable parts of the work machine.
  • the load estimation device preferably comprises the following configuration in addition to the load estimation device according to any one of the first to third aspects. That is, in the load estimation device according to the fourth aspect, it is preferable that the controller sequentially determines the operation of the work machine, selects the at least one load estimation model, and estimates the load on the work machine while the work machine is operating. In this fourth aspect, even if the operation of the work machine changes frequently, the controller can more appropriately estimate the load in accordance with the changes in operation.
  • the load estimation system includes an operation data acquisition unit that acquires operation data of a work machine, and a load estimation device according to any one of the first to fourth aspects.
  • the load estimation system according to the sixth aspect preferably further comprises the following configuration in addition to the load estimation system according to the fifth aspect. That is, in the load estimation system according to the sixth aspect, a load estimation model storage unit that stores a plurality of load estimation models respectively associated with a plurality of operations of the work machine may be mounted on the load estimation device or on a device separate from the load estimation device.
  • the load estimation system according to the seventh aspect preferably further comprises the following configuration in addition to the load estimation system according to the fifth or sixth aspect. That is, the load estimation system according to the seventh aspect preferably comprises an output device that outputs information about the estimated load on the work machine. In this seventh aspect, operators, managers, and other related parties in the work can understand the load on the work machine based on the information output by the output device.
  • a load estimation method includes determining the operation of a work machine using operation data of the work machine, selecting at least one load estimation model corresponding to the determined operation of the work machine from among a plurality of load estimation models respectively associated with a plurality of operations of the work machine, and estimating the load on the work machine using the at least one selected load estimation model and the operation data. Because the load estimation method according to the eighth aspect determines the operation of the work machine, selects a load estimation model corresponding to the determined operation, and estimates the load using the selected load estimation model and the operation data, it is possible to estimate the load on the work machine according to the type of operation of the work machine.
  • the load estimation method may further include acquiring operation data of the work machine.
  • a load estimation program causes a computer to execute the following processes: determining the operation of the work machine using operation data of the work machine; selecting at least one load estimation model corresponding to the determined operation of the work machine from a plurality of load estimation models respectively associated with a plurality of operations of the work machine; and estimating the load on the work machine using the at least one selected load estimation model and the operation data.
  • the load estimation program according to the ninth aspect causes a computer to execute the processes of determining the operation of the work machine, selecting a load estimation model corresponding to the determined operation, and estimating the load using the selected load estimation model and the operation data, so that the load on the work machine can be estimated according to the type of operation of the work machine.
  • the load estimation program according to the ninth aspect may further cause the computer to execute the process of acquiring the operation data of the work machine.
  • the load estimation program may be stored in a non-transitory storage medium.

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)
  • Component Parts Of Construction Machinery (AREA)

Abstract

負荷推定装置（２）のコントローラ（２００）は、作業機械（３）の稼働データを用いて作業機械（３）の動作を判定し、作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された作業機械（３）の動作に応じた少なくとも一つの負荷推定モデルを選択し、選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて作業機械（３）に対する負荷を推定する。

Description

負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム
　本開示は、作業機械に対する負荷を推定するための技術に関する。
　特許文献１は、作業機械の所定の部位の損害に関する損害パラメータを推定するための技術を開示している。
　作業機械は、種々の動作を行う。具体的には、作業機械の一例である油圧ショベルは、例えば掘削動作、旋回動作、排土動作などの種々の動作を行う。従って、作業機械に対する負荷を作業機械の動作の種類に応じて推定する技術の構築が望まれる。
特開２０２０－１２８６５６号公報
　本開示は、作業機械に対する負荷を作業機械の動作の種類に応じて推定することができる技術を提供することを目的とするものである。
　提供される負荷推定装置は、コントローラを備え、前記コントローラは、作業機械の稼働データを用いて前記作業機械の動作を判定し、前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択し、選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する。
実施形態に係る負荷推定システムの全体構成を示す図である。 前記負荷推定システムの作業機械を示す図である。 前記作業機械の複数の動作の一例を示す図である。 前記作業機械の構成を示すブロック図である。 前記負荷推定システムの負荷推定装置の構成を示すブロック図である。 前記負荷推定システムの負荷推定モデル記憶部が記憶する複数の負荷推定モデルの一例を示す図である。 前記負荷推定システムの負荷推定モデル記憶部が記憶する複数の負荷推定モデルの他の例を示す図である。 前記負荷推定システムの負荷推定モデル記憶部が記憶する複数の負荷推定モデルのさらに他の例を示す図である。 前記作業機械の機械コントローラが行う演算処理の一例を示すフローチャートである。 前記負荷推定装置のコントローラが行う演算処理の一例を示すフローチャートである。 前記作業機械の稼働データを用いて前記作業機械の動作を判定する処理の一例を示す図である。 前記コントローラの出力の一例を示す図である。 データベースの選択について説明するための図である。 局所負荷推定モデルについて説明するための図である。
　以下、図面を参照しながら、本開示の実施形態について説明する。なお、以下の実施形態は、本開示を具体化した一例であって、本開示の技術的範囲を限定するものではない。
　図１は、本実施形態に係る負荷推定システム１の全体構成を示す図である。
　図１に示すように、負荷推定システム１は、負荷推定装置２、作業機械３及び表示装置４を備える。負荷推定装置２は、作業機械３及び表示装置４のそれぞれとネットワーク５を介して互いに通信可能に接続されている。表示装置４は、本開示における出力器の一例である。
　ネットワーク５は、インターネット、電話回線網、携帯電話回線網、衛星通信網、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、専用線などの情報の通信網である。ネットワーク５は、これらの通信網の何れかであってもよく、複数の種類の通信網が組み合わされて構成されていてもよい。
　図２は、負荷推定システム１の作業機械３を示す図である。
　作業機械３は、地面Ｇの上を走行可能な下部走行体１０と、下部走行体１０に支持される上部旋回体１２と、上部旋回体１２に支持される作業装置１４と、を備える。なお、本実施形態では、作業機械３の一例として油圧ショベルが示されているが、本開示はこれに限定されず、例えば、作業機械３はクレーン、ブルドーザなどの他の作業機械であってもよい。
　上部旋回体１２は、旋回フレーム１６と、旋回フレーム１６の上に搭載される複数の要素とを有する。当該複数の要素は、図略の動力源を収容する機械室１７と、運転室であるキャブ１８と、を含む。前記動力源は、エンジンであってもよく、バッテリであってもよい。上部旋回体１２は、下部走行体１０に対して旋回可能に取り付けられている。上部旋回体１２は、本開示における可動部の一例である。
　作業装置１４は、ブーム２１、アーム２２及びバケット２４を含む。ブーム２１は、旋回フレーム１６の前部に起伏可能すなわち水平軸回りに回動可能に支持される基端部と、基端部の反対側の先端部とを有する。アーム２２は、ブーム２１の先端部に水平軸回りに回動可能に取付けられる基端部と、基端部の反対側の先端部とを有する。バケット２４は、アーム２２の先端部に回動可能に取付けられる。ブーム２１、アーム２２及びバケット２４のそれぞれは、本開示における可動部の一例である。
　作業機械３は、複数のアクチュエータを備える。前記複数のアクチュエータは、ブームシリンダ２６、アームシリンダ２７、バケットシリンダ２８、旋回モータ２９、走行モータ３０Ｌ及び走行モータ３０Ｒ（図４参照）を含む。ブームシリンダ２６、アームシリンダ２７およびバケットシリンダ２８のそれぞれは、図略の油圧ポンプが吐出する作動油の供給を受けて作動する油圧シリンダである。旋回モータ２９、走行モータ３０Ｌ及び走行モータ３０Ｒのそれぞれは、前記油圧ポンプが吐出する作動油の供給を受けて作動する油圧モータである。
　ブームシリンダ２６は、上部旋回体１２とブーム２１との間に介在し、当該ブーム２１に起伏動作を行わせるように伸縮する。具体的に、ブームシリンダ２６は、ヘッド側室及びロッド側室を有している。ブームシリンダ２６は、当該ヘッド側室に作動油が供給されることにより伸長してブーム２１をブーム上げ方向に動かすとともにロッド側室内の作動油を排出する。一方、ブームシリンダ２６は、ロッド側室に作動油が供給されることにより収縮してブーム２１をブーム下げ方向に動かすとともにヘッド側室内の作動油を排出する。
　アームシリンダ２７は、ブーム２１とアーム２２との間に介在し、当該アーム２２に回動動作を行わせるように伸縮する。具体的に、アームシリンダ２７は、ヘッド側室及びロッド側室を有している。アームシリンダ２７は、ヘッド側室に作動油が供給されることにより伸長してアーム２２をアーム引き方向に動かすとともにロッド側室内の作動油を排出する。前記アーム引き方向は、アーム２２の先端部がブーム２１に近づく方向である。一方、アームシリンダ２７は、ロッド側室に作動油が供給されることにより収縮してアーム２２をアーム押し方向に動かすとともにヘッド側室内の作動油を排出する。前記アーム押し方向は、アーム２２の先端部がブーム２１から離れる方向である。
　バケットシリンダ２８は、アーム２２とバケット２４との間に介在し、当該バケット２４に回動動作を行わせるように伸縮する。具体的に、バケットシリンダ２８は、ヘッド側室及びロッド側室を有している。バケットシリンダ２８は、ヘッド側室に作動油が供給されることにより伸長してバケット２４を掬い方向に回動させるとともにロッド側室内の作動油を排出する。前記掬い方向は、バケット２４の先端２５が上部旋回体１２に近づく方向である。一方、バケットシリンダ２８は、ロッド側室に作動油が供給されることにより収縮してバケット２４を開き方向に回動させるとともにヘッド側室内の作動油を排出する。前記開き方向は、バケット２４の先端２５が上部旋回体１２から離れる方向である。
　旋回モータ２９は、一対のポートを有する。旋回モータ２９は、前記一対のポートの一方に作動油が供給されることにより回転して上部旋回体１２を右旋回させるとともに前記一対のポートの他方から作動油を排出する。旋回モータ２９は、前記一対のポートの他方に作動油が供給されることにより回転して上部旋回体１２を左旋回させるとともに前記一対のポートの一方から作動油を排出する。
　左右の走行モータ３０Ｌ，３０Ｒのそれぞれは、油圧ポンプからの作動油の供給を受けることにより双方向に回転動作するモータ出力軸を有し、当該モータ出力軸に連結された下部走行体１０に前進走行動作または後進走行動作を行わせる。走行モータ３０Ｌ及び走行モータ３０Ｒは、同一速度で回転することで、下部走行体１０は前進又は後進する。一方、走行モータ３０Ｌ及び走行モータ３０Ｒが異なる速度で回転することで、下部走行体１０は地面Ｇに対して旋回する。
　作業機械３は、複数の動作を行う。前記複数の動作は、例えば、図３の（Ａ）に示す掘削動作、図３の（Ｂ）に示す持ち上げ旋回動作、図３の（Ｃ）に示す排土動作、および、図３の（Ｄ）に示す復帰旋回動作を含んでいてもよく、これら以外の動作を含んでいてもよい。掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作は、この順に行われる一連の動作である。
　図３の（Ａ）に示す掘削動作は、バケット２４の一部が土壌中に配置された状態でバケット２４が下部走行体１０に近づく方向に移動することによりバケット２４内に土砂を収容するための動作である。この掘削動作は、アーム引き動作とブーム上げ動作とバケット掬い動作とを含む。前記アーム引き動作は、アーム２２が前記アーム引き方向に回動する動作である。前記ブーム上げ動作は、ブーム２１が前記ブーム上げ方向に回動する動作である。前記バケット掬い動作は、バケット２４が前記掬い方向に回動する動作である。
　図３の（Ｂ）に示す持ち上げ旋回動作は、掘削動作の後に行われる動作である。持ち上げ旋回動作は、掘削動作においてバケット２４に土砂が収容された状態で行われるブーム上げ動作と旋回動作とを含む。この持ち上げ旋回動作が行われることによりバケット２４が土砂運搬車の荷台の真上に配置される。前記旋回動作は、上下に延びる旋回軸Ｚの回りに上部旋回体１２が下部走行体１０に対して右旋回または左旋回する動作である。
　図３の（Ｃ）に示す排土動作は、持ち上げ旋回動作の後に行われる動作である。排土動作は、バケット２４が土砂運搬車の荷台の真上に配置された状態でバケット２４内の土砂を荷台に排出する動作である。この排土動作は、アーム押し動作とバケット開き動作とを含む。前記アーム押し動作は、アーム２２が前記アーム押し方向に回動する動作である。前記バケット開き動作は、バケット２４が前記開き方向に回動する動作である。
　図３の（Ｄ）に示す復帰旋回動作は、排土動作の後に行われる動作である。復帰旋回作業は、ブーム下げ動作と、旋回動作と、を含む。ブーム下げ動作は、ブーム２１が上部旋回体１２に対して前記ブーム下げ方向に回動する動作である。復帰旋回動作における旋回動作は、持ち上げ旋回動作における旋回方向の反対方向に上部旋回体１２が旋回する動作である。この復帰旋回作業が行われることによりバケット２４が掘削対象の土壌の真上に配置される。
　図４は、作業機械３の構成を示すブロック図である。作業機械３は、機械コントローラ１００、ブームシリンダ圧センサ１１１、アームシリンダ圧センサ１１２、バケットシリンダ圧センサ１１３、旋回モータ圧センサ１１４、旋回センサ１１５、姿勢センサ１１６、操作装置１１７、通信部１１８及び油圧回路１１９を備える。
　油圧回路１１９は、ブームシリンダ２６、アームシリンダ２７、バケットシリンダ２８、旋回モータ２９、左右一対の走行モータ３０Ｌ，３０Ｒ、一対のブーム電磁弁３１、一対のアーム電磁弁３２、一対のバケット電磁弁３３、一対の旋回電磁弁３４、左の一対の走行電磁弁３５Ｌ、右の一対の走行電磁弁３５Ｒ、ブーム制御弁３６、アーム制御弁３７、バケット制御弁３８、旋回制御弁３９及び左右一対の走行制御弁４０Ｌ，４０Ｒを含む。
　ブーム制御弁３６は、例えば、一対のブームパイロットポートを有する油圧パイロット切換弁からなる。ブーム制御弁３６は、当該一対のブームパイロットポートのいずれかにブームパイロット圧が入力されることにより、そのブームパイロットポートに対応した方向にそのブームパイロット圧の大きさに対応したストロークで開弁する。これにより、ブームシリンダ２６に対する作動油の供給の方向及び流量が変化する。
　アーム制御弁３７は、例えば、一対のアームパイロットポートを有する油圧パイロット切換弁からなる。アーム制御弁３７は、当該一対のアームパイロットポートのいずれかにアームパイロット圧が入力されることにより、そのアームパイロットポートに対応した方向にそのアームパイロット圧の大きさに対応したストロークで開弁する。これにより、アームシリンダ２７に対する作動油の供給の方向及び流量が変化する。
　バケット制御弁３８は、例えば、一対のバケットパイロットポートを有する油圧パイロット切換弁からなる。バケット制御弁３８は、当該一対のバケットパイロットポートのいずれかにバケットパイロット圧が入力されることにより、そのバケットパイロットポートに対応した方向にそのバケットパイロット圧の大きさに対応したストロークで開弁する。これにより、バケットシリンダ２８に対する作動油の供給の方向及び流量が変化する。
　旋回制御弁３９は、例えば、一対の旋回パイロットポートを有する油圧パイロット切換弁からなる。旋回制御弁３９は、当該一対の旋回パイロットポートのいずれかに旋回パイロット圧が入力されることにより、その旋回パイロットポートに対応した方向にその旋回パイロット圧の大きさに対応したストロークで開弁する。これにより、旋回モータ２９に対する作動油の供給の方向及び流量が変化する。
　走行制御弁４０Ｌ，４０Ｒのそれぞれは、一対の走行パイロットポートを有する油圧パイロット切換弁からなる。走行制御弁４０Ｌ，４０Ｒのそれぞれは、当該一対の走行パイロットポートのいずれかに走行パイロット圧が入力されることにより、その走行パイロットポートに対応した方向にその走行パイロット圧の大きさに対応したストロークで開弁する。これにより、走行モータ３０Ｌ，３０Ｒに対する作動油の供給の方向及び流量が変化する。
　一対のブーム電磁弁３１は、パイロットポンプとブーム制御弁３６の一対のブームパイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号であるブーム指令信号の入力を受けて開閉動作を行う。一対のブーム電磁弁３１は、ブーム指令信号の入力を受けるとそのブーム指令信号に応じた度合いにブームパイロット圧を調節する。
　一対のアーム電磁弁３２は、パイロットポンプとアーム制御弁３７の一対のアームパイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号であるアーム指令信号の入力を受けて開閉動作を行う。一対のアーム電磁弁３２は、アーム指令信号の入力を受けるとそのアーム指令信号に応じた度合いにアームパイロット圧を調節する。
　一対のバケット電磁弁３３は、パイロットポンプとバケット制御弁３８の一対のアームパイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号であるバケット指令信号の入力を受けて開閉動作を行う。一対のバケット電磁弁３３は、バケット指令信号の入力を受けるとそのバケット指令信号に応じた度合いにバケットパイロット圧を調節する。
　一対の旋回電磁弁３４は、パイロットポンプと旋回制御弁３９の一対の旋回パイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号である旋回指令信号の入力を受けて開閉動作を行う。旋回電磁弁３４は、旋回指令信号の入力を受けるとその旋回指令信号に応じた度合いに旋回パイロット圧を調節する。
　一対の走行電磁弁３５Ｌは、パイロットポンプと走行制御弁４０Ｌの一対の走行パイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号である走行指令信号の入力を受けて開閉動作を行う。一対の走行電磁弁３５Ｌは、走行指令信号の入力を受けるとその走行指令信号に応じた度合いに走行パイロット圧を調節する。
　一対の走行電磁弁３５Ｒは、パイロットポンプと走行制御弁４０Ｒの一対の走行パイロットポートとの間にそれぞれ介在する比例電磁弁であり、機械コントローラ１００が出力する電気信号である走行指令信号の入力を受けて開閉動作を行う。走行電磁弁３５Ｒは、走行指令信号の入力を受けるとその走行指令信号に応じた度合いに走行パイロット圧を調節する。
　ブームシリンダ圧センサ１１１は、ブームシリンダ２６の圧力値を検出する。具体的には、ブームシリンダ圧センサ１１１は、ブームシリンダヘッド圧センサ及びブームシリンダロッド圧センサを含む。ブームシリンダヘッド圧センサは、ブームシリンダ２６のヘッド側室における作動油の圧力であるブームシリンダヘッド圧を検出する。ブームシリンダロッド圧センサは、ブームシリンダ２６のロッド側室における作動油の圧力であるブームシリンダロッド圧を検出する。ブームシリンダ圧センサ１１１は、検出したブームシリンダヘッド圧及びブームシリンダロッド圧をこれらに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　アームシリンダ圧センサ１１２は、アームシリンダ２７の圧力値を検出する。具体的には、アームシリンダ圧センサ１１２は、アームシリンダヘッド圧センサ及びアームシリンダロッド圧センサを含む。アームシリンダヘッド圧センサは、アームシリンダ２７のヘッド側室における作動油の圧力であるアームシリンダヘッド圧を検出する。アームシリンダロッド圧センサは、アームシリンダ２７のロッド側室における作動油の圧力であるアームシリンダロッド圧を検出する。アームシリンダ圧センサ１１２は、検出したアームシリンダヘッド圧及びアームシリンダロッド圧をこれらに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　バケットシリンダ圧センサ１１３は、バケットシリンダ２８の圧力値を検出する。具体的には、バケットシリンダ圧センサ１１３は、バケットシリンダヘッド圧センサ及びバケットシリンダロッド圧センサを含む。バケットシリンダヘッド圧センサは、バケットシリンダ２８のヘッド側室における作動油の圧力であるバケットシリンダヘッド圧を検出する。バケットシリンダロッド圧センサは、バケットシリンダ２８のロッド側室における作動油の圧力であるバケットシリンダロッド圧を検出する。バケットシリンダ圧センサ１１３は、検出したバケットシリンダヘッド圧及びバケットシリンダロッド圧をこれらに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　旋回モータ圧センサ１１４は、旋回モータ２９の動作圧力値、すなわち、モータ差圧を検出する。具体的には、旋回モータ圧センサ１１４は、右旋回ポート圧センサ及び左旋回ポート圧センサを含む。右旋回ポート圧センサは、旋回モータ２９の右旋回ポートにおける作動油の圧力である右旋回ポート圧を検出する。左旋回ポート圧センサは、旋回モータ２９の左旋回ポートにおける作動油の圧力である左旋回ポート圧を検出する。旋回モータ圧センサ１１４は、検出した右旋回ポート圧及び左旋回ポート圧の差圧をこれに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　なお、旋回モータ圧センサ１１４は、検出した右旋回ポート圧をこれに対応する電気信号である検出信号に変換して機械コントローラ１００に入力してもよく、検出した左旋回ポート圧をこれに対応する電気信号である検出信号に変換して機械コントローラ１００に入力してもよい。
　旋回センサ１１５は、例えば、リゾルバ又はロータリーエンコーダなどで構成され、下部走行体１０に対する上部旋回体１２の旋回角度を検出する。旋回センサ１１５は、検出した旋回角度をこれに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　姿勢センサ１１６は、作業装置１４の姿勢を検出する。姿勢センサ１１６は、図２に示すブーム姿勢センサ６１、アーム姿勢センサ６２及びバケット姿勢センサ６４を含んでいてもよい。
　ブーム姿勢センサ６１は、ブーム２１の姿勢であるブーム姿勢を検出する。前記ブーム姿勢は、上部旋回体１２に対するブーム２１の回転角度であってもよく、水平面に対するブーム２１の姿勢であってもよく、ブームシリンダ２６のシリンダ長さであってもよい。アーム姿勢センサ６２は、アーム２２の姿勢であるアーム姿勢を検出する。前記アーム姿勢は、ブーム２１に対するアーム２２の回転角度であってもよく、水平面に対するアーム２２の姿勢であってもよく、アームシリンダ２７のシリンダ長さであってもよい。バケット姿勢センサ６４は、バケット２４の姿勢であるバケット姿勢を検出する。前記バケット姿勢は、アーム２２に対するバケット２４の回転角度であってもよく、水平面に対するバケット２４の姿勢であってもよく、バケットシリンダ２８のシリンダ長さであってもよい。
　ブーム姿勢センサ６１、アーム姿勢センサ６２及びバケット姿勢センサ６４のそれぞれは、例えば、レゾルバであってもよく、ロータリーエンコーダであってもよく、ポテンショメータであってもよく、ＩＭＵ（慣性計測装置）であってもよい。姿勢センサ１１６は、検出したブーム姿勢、アーム姿勢及びバケット姿勢をこれらに対応する電気信号である検出信号に変換して機械コントローラ１００に入力する。
　操作装置１１７は、作業装置１４の動作、上部旋回体１２の旋回動作及び下部走行体１０の走行動作のためのオペレータによる操作を受け付ける。操作装置１１７は、ブーム操作装置、アーム操作装置、バケット操作装置、旋回操作装置及び走行操作装置を含む。
　ブーム操作装置は、ブーム上げ動作又はブーム下げ動作のためのオペレータからの操作を受け付けるブーム操作レバーを有する。ブーム操作装置は、ブーム操作レバーの操作量を機械コントローラ１００に入力する操作信号生成部を含む電気レバー装置で構成されていてもよい。
　アーム操作装置は、アーム引き動作又はアーム押し動作のためのオペレータからの操作を受け付けるアーム操作レバーを有する。アーム操作装置は、アーム操作レバーの操作量を機械コントローラ１００に入力する操作信号生成部を含む電気レバー装置で構成されていてもよい。
　バケット操作装置は、バケット掬い動作又はバケット開き動作のためのオペレータからの操作を受け付けるバケット操作レバーを有する。バケット操作装置は、バケット操作レバーの操作量を機械コントローラ１００に入力する操作信号生成部を含む電気レバー装置で構成されていてもよい。
　旋回操作装置は、上部旋回体１２を右旋回又は左旋回させるためのオペレータからの操作を受け付ける旋回操作レバーを有する。旋回操作装置は、旋回操作レバーの操作量を機械コントローラ１００に入力する操作信号生成部を含む電気レバー装置で構成されていてもよい。
　走行操作装置は、下部走行体１０を前進又は後進させるためのオペレータからの操作を受け付ける走行操作レバーを有する。走行操作装置は、走行操作レバーの操作量を機械コントローラ１００に入力する操作信号生成部を含む電気レバー装置で構成されていてもよい。
　なお、ブーム操作レバー、アーム操作レバー、バケット操作レバーおよび旋回操作レバーは、２つの操作レバーにより構成されていてもよい。この場合、２つの操作レバーのうちの一方が、ブーム操作レバー、アーム操作レバー、バケット操作レバーおよび旋回操作レバーのうちの２つの役割を担い、２つの操作レバーのうちの他方が、残りの２つの役割を担う。
　機械コントローラ１００は、プロセッサとメモリを含むコンピュータを備える。機械コントローラ１００は、稼働データ取得部１０２と、指令部１０３と、を備える。稼働データ取得部１０２及び指令部１０３のそれぞれの機能は、前記メモリに記憶された制御プログラムを前記プロセッサが実行することにより実現される。
　稼働データ取得部１０２は、作業機械３の稼働データを取得する。前記稼働データは、複数の可動部の動作に関するデータを含んでいてもよい。前記複数の可動部は、ブーム２１、アーム２２、バケット２４および上部旋回体１２を含む。この場合、前記稼働データは、作業機械３の動作に応じて変化する物理量を検出するセンサ値を含んでいてもよい。すなわち、前記稼働データは、センサ１１１～１１６などのセンサ群により検出されるセンサ値を含んでいてもよい。具体的には、前記稼働データは、例えば、ブームシリンダ２６の圧力値、アームシリンダ２７の圧力値、バケットシリンダ２８の圧力値、前記ブーム姿勢に関する姿勢値、前記アーム姿勢に関する姿勢値、前記バケット姿勢に関する姿勢値、旋回モータ２９の動作圧力値、および、前記旋回角度を含んでいてもよい。ただし、前記稼働データは、これらのセンサ値を必ずしもすべて含んでいなくてもよい。また、前記稼働データは、これらのセンサ値以外のセンサ値を含んでいてもよい。
　稼働データ取得部１０２は、センサ１１１～１１６から取得する稼働データを記憶してもよい。稼働データ取得部１０２は、所定の時間内に複数回取得した稼働データを記憶してもよい。前記所定の時間は、例えば１分であってもよく、１０分であってもよく、１時間であってもよく、他の時間であってもよい。
　指令部１０３は、油圧回路１１９に含まれる各要素の作動を制御する。指令部１０３は、ブーム指令部、アーム指令部、バケット指令部、旋回指令部及び走行指令部を含む。
　ブーム指令部は、ブーム操作装置の操作量に応じた値のブーム指令信号をブーム電磁弁３１に入力する。これにより、ブーム操作装置の操作量が増大するほどブームシリンダ２６へ供給される作動油の流量が増大する。
　アーム指令部は、アーム操作装置の操作量に応じた値のアーム指令信号をアーム電磁弁３２に入力する。これにより、アーム操作装置の操作量が増大するほどアームシリンダ２７へ供給される作動油の流量が増大する。
　バケット指令部は、バケット操作装置の操作量に応じた値のバケット指令信号をバケット電磁弁３３に入力する。これにより、バケット操作装置の操作量が増大するほどバケットシリンダ２８へ供給される作動油の流量が増大する。
　旋回指令部は、旋回操作装置の操作量に応じた値の旋回指令信号を旋回電磁弁３４に入力する。これにより、旋回操作装置の操作量が増大するほど旋回モータ２９へ供給される作動油の流量が増大する。
　走行指令部は、走行操作装置の操作量に応じた値の走行指令信号を走行電磁弁３５Ｌ及び走行電磁弁３５Ｒに入力する。これにより、走行操作装置の操作量が増大するほど走行モータ３０Ｌ，３０Ｒへ供給される作動油の流量が増大する。
　通信部１１８は、稼働データ送信部１０６を備える。稼働データ送信部１０６は、稼働データ取得部１０２において取得された稼働データを負荷推定装置２へ送信する。
　負荷推定装置２は、例えば、タブレット型コンピュータ（いわゆるタブレット）、スマートフォン、ラップトップパーソナルコンピュータ、デスクトップパーソナルコンピュータなどの情報端末であってもよく、例えばサーバなどの管理装置であってもよい。当該管理装置は、例えば、インターネットなどのネットワーク上でサービスとして提供されるクラウドサービスにおけるコンピュータ（クラウドサーバ）であってもよい。
　図５は、負荷推定装置２の構成を示すブロック図である。負荷推定装置２は、コントローラ２００と、通信部２１０と、を備える。
　コントローラ２００は、プロセッサ２２０及びメモリ２３０を含むコンピュータを備える。コントローラ２００のプロセッサ２２０は、動作判定部２２１と、モデル選択部２２２と、負荷推定部２２３と、を備える。プロセッサ２２０は、寿命算出部２２４および表示情報生成部２２５の一方または両方をさらに備えていてもよい。ただし、寿命算出部２２４および表示情報生成部２２５は、本開示の負荷推定装置において必須の構成要素ではない。動作判定部２２１、モデル選択部２２２、負荷推定部２２３、寿命算出部２２４および表示情報生成部２２５のそれぞれの機能は、メモリ２３０に記憶された制御プログラム（負荷推定プログラム）をプロセッサ２２０が実行することにより実現される。
　動作判定部２２１は、作業機械３の稼働データを用いて作業機械３の動作を判定する。具体的には、動作判定部２２１は、推定対象となる作業機械３の稼働データを取得し、動作判定モデル記憶部２３１に記憶されている動作判定モデルに、稼働データ受信部２１１によって受信された稼働データを入力することで作業機械３の動作を判定する。
　モデル選択部２２２は、作業機械３の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、動作判定部２２１によって判定された作業機械３の動作に応じた少なくとも一つの負荷推定モデルを選択する。
　負荷推定部２２３は、モデル選択部２２２によって選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて作業機械３に対する負荷を推定する。
　寿命算出部２２４は、負荷推定部２２３によって推定された作業機械３に対する負荷に基づいて作業機械３の寿命を算出する。寿命算出部２２４は、負荷推定部２２３によって推定された作業機械３に対する負荷（例えば作業機械３の所定の部位に生ずる応力）の時間変化からレインフロー法による応力の頻度分析を行ってもよい。寿命算出部２２４は、分析結果からマイナー則を用いて単位時間に増えた損傷度合いを算出してもよい。寿命算出部２２４は、算出した損傷度合いを前回までに算出された損傷度合いに加算して現時点までの損傷度合いを算出してもよい。そして、寿命算出部２２４は、作業機械の設計寿命から現時点までの損傷度合いを減算することにより残存寿命を算出してもよい。また、寿命算出部２２４は、上記の手法以外の種々の従来技術を用いて寿命を算出することが可能である。
　表示情報生成部２２５は、負荷推定部２２３によって算出された作業機械３に対する負荷を作業関係者に提示するための表示情報を生成する。また、表示情報生成部２２５は、寿命算出部２２４によって算出された作業機械３の寿命を作業関係者に提示するための表示情報を生成してもよい。
　コントローラ２００のメモリ２３０は、動作判定モデル記憶部２３１と、負荷推定モデル記憶部２３２と、を備える。
　動作判定モデル記憶部２３１は、作業機械３の稼働データを入力値とし、作業機械３の動作を出力値とする動作判定モデルを記憶している。具体的には例えば、動作判定モデル記憶部２３１は、作業機械３の稼働データを入力値とし、作業機械３の動作を出力値とし、機械学習により構築された動作判定モデルを記憶していてもよい。当該機械学習は、教師データを用いた機械学習であってもよい。
　負荷推定モデル記憶部２３２は、作業機械３の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルを含むデータベースを記憶している。例えば、負荷推定モデル記憶部２３２は、作業機械３の動作ごとに異なる複数の負荷推定モデルを含むデータベースを記憶していてもよい。負荷推定モデル記憶部２３２は、予め設定された作業機械３の複数の動作のそれぞれと、複数の負荷推定モデルの何れか一つまたは複数の負荷推定モデルの少なくとも一つとを対応付けて記憶していてもよい。
　データベースの構築は、例えば図１４の左図に示すように、過去の稼働データを用いて初期データベースを作成し、その初期データベースを学習によってさらに推定精度を高めることによって構築されてもよい。
　作業機械３に対する負荷は、作業機械３が行う動作に応じて異なる。また、作業機械３に対する負荷は、作業機械３が同じ動作を行う場合でも、オペレータの熟練度、気象条件、周囲環境などの要因によって変わる場合もある。従って、データベースは、様々な条件で算出された複数の負荷推定モデルを含むことが好ましい。
　具体的には、作業機械３の動作が異なると、作業機械３に作用する外力も変化する。例えば、作業機械３の動作が掘削動作である場合、バケット２４、アーム２２およびブーム２１を含む作業装置１４に対する負荷は大きくなりそれに応じた応力も大きくなる。その一方で、作業機械３の動作が持ち上げ旋回動作、排土動作および復帰旋回動作の何れかである場合、作業装置１４に対する負荷および応力は相対的に小さくなる。また、作業機械３の動作が持ち上げ旋回動作または復帰旋回動作である場合、上部旋回体１２の旋回動作に関わる部分に対する負荷は大きくなりそれに応じた応力も大きくなる一方で、作業機械３の動作が掘削動作または排土動作である場合、上部旋回体１２の旋回動作に関わる部分に対する負荷および応力は相対的に小さくなる。
　このように、作業機械３の動作の違いは、作業機械３に対する負荷に影響を与える。また、作業機械３の動作と作業機械３の稼働データとの間には、一定の相関関係が存在する。従って、作業機械３に対する負荷と稼働データとの間には、一定の相関関係が存在する。よって、作業機械３の稼働データを入力値とし、作業機械３に対する負荷を出力値とする複数の負荷推定モデルの構築が可能になる。
　データベースには、作業機械３の複数の動作に適した負荷推定モデルが記憶されている。すなわち、データベースは、作業機械３の複数の動作に対応する複数の負荷推定モデルを記憶している。作業機械３の動作と作業機械３に対する負荷との相関関係は、例えば実験、シミュレーション、機械学習などの手法を用いて取得されてもよい。当該手法によって取得された作業機械３の動作と作業機械３に対する負荷との相関関係に基づいて、作業機械３の複数の動作に対応する複数の負荷推定モデルが設計され、設計された複数の負荷推定モデルを含むデータベースが負荷推定モデル記憶部２３２に記憶される。このように作業機械３の動作ごとに設定された負荷推定モデルを記憶するデータベースが構築されることで、コントローラ２００は、作業機械３の複数の動作について負荷の推定を行うことができる。
　本実施形態では、データベースに記憶される複数の負荷推定モデルのそれぞれは、稼働状況パラメータと、これに関連付けられたモデルパラメータθと、を含む。
　前記稼働状況パラメータは、例えば次のように設定されてもよい。例えば、作業機械３が掘削動作を行うときには、センサ群（例えばセンサ１１１～１１６）により検出されるセンサ値は、ある程度特徴的に変化し、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれについても、センサ値はある程度特徴的に変化する。従って、掘削動作に対応する稼働状況パラメータは、実験、シミュレーション、機械学習などの手法を用いて取得されたセンサ値の特徴的な変化に基づいて予め設計されることが可能である。同様に、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれに対応する稼働状況パラメータは、前記手法を用いて取得されたセンサ値の特徴的な変化に基づいて予め設計されることが可能である。
　モデルパラメータθは、コントローラ２００が作業機械３の負荷を推定するためのパラメータである。上述したように作業機械３に対する負荷は、作業機械３の動作によって異なり、当該負荷と作業機械３の動作との間には、ある程度の相関関係が存在する。従って、掘削動作に対応するモデルパラメータθは、実験、シミュレーション、機械学習などの手法を用いて予め設計されることが可能である。同様に、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれに対応するモデルパラメータθは、前記手法を用いて予め設計されることが可能である。
　モデル選択部２２２は、データベースに含まれる複数の負荷推定モデルの中から、実際の稼働データに類似する稼働状況パラメータを含む負荷推定モデルを抽出し、負荷推定部２２３は、抽出された負荷推定モデルに含まれるモデルパラメータθと稼働データとを用いて作業機械３の負荷を推定する。これらの処理の具体例は次のとおりである。
　モデル選択部２２２は、ある時刻ｔにおいて取得された稼働データとデータベース内の複数の負荷推定モデルとを比較し、前記複数の負荷推定モデルの中から、稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを抽出する。より具体的には、モデル選択部２２２は、前記複数の負荷推定モデルの中から、稼働データとの類似度が所定の閾値以上の稼働状況パラメータを含む負荷推定モデルを抽出してもよい。前記所定の閾値は、負荷推定モデルを抽出する基準となる類似度の閾値（類似度閾値）である。当該類似度閾値は、特に限定されるものではないが、例えば９０％に設定されてもよい。負荷推定部２２３は、抽出された負荷推定モデルに含まれるモデルパラメータθと稼働データとを後述する式（１）または後述する式（１１）に代入して作業機械３に対する負荷を演算する。
　２つ以上の負荷推定モデルの稼働状況パラメータのそれぞれが稼働データに対して類似度閾値以上の類似度を有する場合、モデル選択部２２２は、これらの２つ以上の負荷推定モデルを抽出し、抽出された２つ以上の負荷推定モデルを用いて局所的な負荷推定モデルである局所負荷推定モデルを生成してもよい。この場合、コントローラ２００は、類似度の大きさの順に重み付けをして前記２つ以上の負荷推定モデルを足し合わせることにより、前記局所負荷推定モデルを生成してもよい。
　類似度を評価する方法は、特に限定されるものではなく、公知の種々の手法を採用可能である。類似度の評価方法の一例については後述する。
　図６は、負荷推定モデル記憶部２３２が記憶する複数の負荷推定モデルの一例を示す図である。負荷推定モデル記憶部２３２は、複数のデータベースを記憶している。複数のデータベースのそれぞれは、少なくとも一つの負荷推定モデルを含む。図６に示す具体例では、複数のデータベースは、作業機械３が作業現場において行う一連の動作に対応するデータベースである。複数のデータベースは、掘削動作についての第１データベースＤＢ１と、持ち上げ旋回動作についての第２データベースＤＢ２と、排土動作についての第３データベースＤＢ３と、復帰旋回動作についての第４データベースＤＢ４と、を含む。
　［第１データベースＤＢ１について］
　第１データベースＤＢ１は、掘削動作に対応付けられた少なくとも一つの負荷推定モデルを含む。第１データベースＤＢ１は、掘削動作に対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。
　具体的には、例えば、第１段階（例えば掘削動作の序盤）から第ｎ段階（例えば掘削動作の終盤）までこの順番に行われるｎ個の段階に１回の掘削動作が区分けされてもよい。そして、第１データベースＤＢ１は、１回の掘削動作におけるｎ個の段階にそれぞれ対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。この場合、第１負荷推定モデルは、例えば、掘削動作の第１段階におけるセンサ値に対応する稼働状況パラメータＰ１と、掘削動作の第１段階における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、掘削動作の第２段階におけるセンサ値に対応する稼働状況パラメータＰ２と、掘削動作の第２段階における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、掘削動作の第ｎ段階におけるセンサ値に対応する稼働状況パラメータＰｎと、掘削動作の第ｎ段階における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　また、第１負荷推定モデルは、例えば、第１条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰ１と、第１条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、第２条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰ２と、第２条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、第ｎ条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰｎと、第ｎ条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　［第２データベースＤＢ２について］
　第２データベースＤＢ２は、持ち上げ旋回動作に対応付けられた少なくとも一つの負荷推定モデルを含む。第２データベースＤＢ２は、持ち上げ旋回動作に対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。
　具体的には、例えば、第１段階（例えば持ち上げ旋回動作の序盤）から第ｎ段階（例えば持ち上げ旋回動作の終盤）までこの順番に行われるｎ個の段階に１回の持ち上げ旋回動作が区分けされてもよい。そして、第２データベースＤＢ２は、１回の持ち上げ旋回動作におけるｎ個の段階にそれぞれ対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。この場合、第１負荷推定モデルは、持ち上げ旋回動作の第１段階におけるセンサ値に対応する稼働状況パラメータＰ１と、持ち上げ旋回動作の第１段階における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、持ち上げ旋回動作の第２段階におけるセンサ値に対応する稼働状況パラメータＰ２と、持ち上げ旋回動作の第２段階における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、持ち上げ旋回動作の第ｎ段階におけるセンサ値に対応する稼働状況パラメータＰｎと、持ち上げ旋回動作の第ｎ段階における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　また、第１負荷推定モデルは、例えば、第１条件下で行われる持ち上げ旋回動作におけるセンサ値に対応する稼働状況パラメータＰ１と、第１条件下で行われる持ち上げ旋回動作における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、第２条件下で行われる持ち上げ旋回動作におけるセンサ値に対応する稼働状況パラメータＰ２と、第２条件下で行われる持ち上げ旋回動作における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、第ｎ条件下で行われる持ち上げ旋回動作におけるセンサ値に対応する稼働状況パラメータＰｎと、第ｎ条件下で行われる持ち上げ旋回動作における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　［第３データベースＤＢ３について］
　第３データベースＤＢ３は、排土動作に対応付けられた少なくとも一つの負荷推定モデルを含む。第３データベースＤＢ３は、排土動作に対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。
　具体的には、例えば、第１段階（例えば排土動作の序盤）から第ｎ段階（例えば排土動作の終盤）までこの順番に行われるｎ個の段階に１回の排土動作が区分けされてもよい。そして、第３データベースＤＢ３は、１回の排土動作におけるｎ個の段階にそれぞれ対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。この場合、第１負荷推定モデルは、例えば、排土動作の第１段階におけるセンサ値に対応する稼働状況パラメータＰ１と、排土動作の第１段階における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、排土動作の第２段階におけるセンサ値に対応する稼働状況パラメータＰ２と、排土動作の第２段階における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、排土動作の第ｎ段階におけるセンサ値に対応する稼働状況パラメータＰｎと、排土動作の第ｎ段階における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　また、第１負荷推定モデルは、例えば、第１条件下で行われる排土動作におけるセンサ値に対応する稼働状況パラメータＰ１と、第１条件下で行われる排土動作における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、第２条件下で行われる排土動作におけるセンサ値に対応する稼働状況パラメータＰ２と、第２条件下で行われる排土動作における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、第ｎ条件下で行われる排土動作におけるセンサ値に対応する稼働状況パラメータＰｎと、第ｎ条件下で行われる排土動作における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　［第４データベースＤＢ４について］
　第４データベースＤＢ４は、復帰旋回動作に対応付けられた少なくとも一つの負荷推定モデルを含む。第４データベースＤＢ４は、復帰旋回動作に対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。
　具体的には、例えば、第１段階（例えば復帰旋回動作の序盤）から第ｎ段階（例えば復帰旋回動作の終盤）までこの順番に行われるｎ個の段階に１回の復帰旋回動作が区分けされてもよい。そして、第４データベースＤＢ４は、１回の復帰旋回動作におけるｎ個の段階にそれぞれ対応付けられた複数の負荷推定モデル（第１負荷推定モデル、第２負荷推定モデル、・・・、第ｎ負荷推定モデル）を含んでいてもよい。この場合、第１負荷推定モデルは、例えば、復帰旋回動作の第１段階におけるセンサ値に対応する稼働状況パラメータＰ１と、復帰旋回動作の第１段階における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、復帰旋回動作の第２段階におけるセンサ値に対応する稼働状況パラメータＰ２と、復帰旋回動作の第２段階における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、復帰旋回動作の第ｎ段階におけるセンサ値に対応する稼働状況パラメータＰｎと、復帰旋回動作の第ｎ段階における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　また、第１負荷推定モデルは、例えば、第１条件下で行われる復帰旋回動作におけるセンサ値に対応する稼働状況パラメータＰ１と、第１条件下で行われる復帰旋回動作における負荷を推定するために設計されたモデルパラメータθ１と、を含んでいてもよい。第２負荷推定モデルは、例えば、第２条件下で行われる復帰旋回動作におけるセンサ値に対応する稼働状況パラメータＰ２と、第２条件下で行われる復帰旋回動作における負荷を推定するために設計されたモデルパラメータθ２と、を含んでいてもよい。第ｎ負荷推定モデルは、例えば、第ｎ条件下で行われる復帰旋回動作におけるセンサ値に対応する稼働状況パラメータＰｎと、第ｎ条件下で行われる復帰旋回動作における負荷を推定するために設計されたモデルパラメータθｎと、を含んでいてもよい。
　図７は、負荷推定モデル記憶部２３２が記憶する複数の負荷推定モデルの他の例を示す図である。図７は、第１データベースＤＢ１の内部の一例を示している。
　図７に示す具体例では、第１データベースＤＢ１に含まれる複数の負荷推定モデルは、第１負荷推定モデルと、第２負荷推定モデルと、第３負荷推定モデルと、を含む。第１負荷推定モデルは、掘削動作における序盤の動作に対応付けられている。第２負荷推定モデルは、掘削動作における中盤の動作に対応付けられている。第３負荷推定モデルは、掘削動作における終盤の動作に対応付けられている。掘削動作の序盤における作業機械３に対する負荷、掘削動作の中盤における作業機械３に対する負荷、および、掘削動作の終盤における作業機械３に対する負荷は、同じではなく、多少異なっている。従って、図７に示すように複数の負荷推定モデルの分類が細分化されることにより、作業機械３に対する負荷をより精度よく推定することができる。
　第１負荷推定モデルは、掘削動作の序盤におけるセンサ値に対応する稼働状況パラメータＰ１と、掘削動作の序盤における負荷を推定するために設計されたモデルパラメータθ１と、を含む。第２負荷推定モデルは、掘削動作の中盤におけるセンサ値に対応する稼働状況パラメータＰ２と、掘削動作の中盤における負荷を推定するために設計されたモデルパラメータθ２と、を含む。第３負荷推定モデルは、掘削動作の終盤におけるセンサ値に対応する稼働状況パラメータＰ３と、掘削動作の終盤における負荷を推定するために設計されたモデルパラメータθ３と、を含む。
　図８は、負荷推定モデル記憶部２３２が記憶する複数の負荷推定モデルのさらに他の例を示す図である。図８は、第１データベースＤＢ１の内部の他の例を示している。
　図８に示す具体例では、第１データベースＤＢ１に含まれる複数の負荷推定モデルは、第４負荷推定モデルと、第５負荷推定モデルと、第６負荷推定モデルと、を含む。第４負荷推定モデルは、第４条件下で行われる掘削動作に対応付けられている。第５負荷推定モデルは、第５条件下で行われる掘削動作に対応付けられている。第６負荷推定モデルは、第６条件下で行われる掘削動作に対応付けられている。掘削動作における作業機械３に対する負荷は、オペレータの熟練度、作業現場の環境、気象条件などの要因によっても変動する場合がある。従って、図８に示すように複数の負荷推定モデルの分類が細分化されることにより、作業機械３に対する負荷をより精度よく推定することができる。
　第４負荷推定モデルは、第４条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰ４と、第４条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθ４と、を含む。第５負荷推定モデルは、第５条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰ５と、第５条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθ５と、を含む。第６負荷推定モデルは、第６条件下で行われる掘削動作におけるセンサ値に対応する稼働状況パラメータＰ６と、第６条件下で行われる掘削動作における負荷を推定するために設計されたモデルパラメータθ６と、を含む。
　第４条件、第５条件および第６条件は、例えば、作業機械３を操縦するオペレータの熟練度に関する条件であってもよい。この場合、第４条件は、オペレータの熟練度が所定の第１閾値以上であることであり、第５条件は、オペレータの熟練度が第１閾値より小さく第２閾値より大きいことであり、第６条件は、オペレータの熟練度が所定の第２閾値以下であることであってもよい。第４条件、第５条件および第６条件は、作業機械３による作業が行われる作業現場の環境に関する条件であってもよい。作業現場の環境は、例えば地盤の固さであってもよい。この場合、第４条件は、地盤の固さが所定の第１閾値以上であることであり、第５条件は、地盤の固さが第１閾値より小さく第２閾値より大きいことであり、第６条件は、地盤の固さが所定の第２閾値以下であることであってもよい。また、第４条件、第５条件および第６条件は、作業機械３による作業が行われる時点の気象条件であってもよい。
　図６～図８に示す具体例は、作業機械３の動作として掘削動作を例に挙げて説明したが、図６～図８に示す具体例は、掘削動作以外の作業機械３の種々の動作にも適用可能である。
　なお、負荷推定モデル記憶部２３２は、機械学習により構築された複数の負荷推定モデルを記憶していてもよい。
　通信部２１０は、稼働データ受信部２１１と、表示情報送信部２１２と、を備える。
　稼働データ受信部２１１は、作業機械３の稼働データを受信する。具体的には、稼働データ受信部２１１は、作業機械３によって送信された稼働データを受信する。
　表示情報送信部２１２は、表示情報生成部２２５によって生成された表示情報を表示装置４へ送信する。
　図９は、作業機械３の機械コントローラ１００が行う演算処理の一例を示すフローチャートである。
　まず、ステップＳ１１において、機械コントローラ１００の稼働データ取得部１０２は、センサ１１１～１１６によって出力されたセンサ値を稼働データとして取得する。また、機械コントローラ１００は、図９に示す演算処理を開始するときに時間の計測を開始する。
　次に、ステップＳ１２において、稼働データ取得部１０２は、取得した稼働データを記憶媒体に記憶させる。当該記憶媒体は、機械コントローラ１００に備えられるものであってもよく、機械コントローラ１００とは別の機器に備えられるものであってもよい。
　次に、ステップＳ１３において、稼働データ取得部１０２は、所定時間が経過したか否かを判定する。前記所定時間の計測開始時点は、例えば、上述したように図９に示す演算処理を開始する時点であってもよく、後述するステップＳ１４の処理が完了した時点（経過時間をリセットした時点）であってもよい。前記所定時間は、例えば１０分～１時間の範囲内の値であってもよい。
　前記所定時間が経過していない場合（ステップＳ１３においてＮＯ）、稼働データ取得部１０２は、ステップＳ１１以降の処理を行う。すなわち、前記所定時間が経過するまでは、稼働データ取得部１０２は、稼働データを繰り返し取得し（ステップＳ１１）、繰り返し取得された稼働データを前記記憶媒体に記憶させる（ステップＳ１２）。これにより、前記記憶媒体は、ほぼ一定の周期で逐次取得される稼働データを逐次記憶することができる。
　前記所定時間が経過している場合（ステップＳ１３においてＹＥＳ）、通信部１１８の稼働データ送信部１０６は、前記記憶媒体に記憶された稼働データを負荷推定装置２へ送信する（ステップＳ１４）。そして、稼働データ取得部１０２は、前記所定時間が経過したか否かを判定するための経過時間をリセットし、ステップＳ１１以降の処理を行う。
　図１０は、負荷推定装置２のコントローラ２００が行う演算処理の一例を示すフローチャートである。
　図１０に示す演算処理は、作業機械３の動作の判定のための処理、負荷推定モデルの選択のための処理、および、作業機械３に対する負荷の推定のための処理を含む。コントローラ２００は、作業機械３の動作中に、これらの処理を逐次行うことが好ましい。これにより、作業機械３の動作が頻繁に変化する場合であっても、コントローラ２００は、作業機械３の動作の変化に応じた負荷の推定をより適切に行うことができる。なお、前記処理を逐次行うとは、以下に説明するように図１０に示すステップＳ２１～Ｓ２３の処理を連続的に繰り返し行うことを意味する。
　［作業機械の動作の判定］
　まず、ステップＳ２１において、コントローラ２００の動作判定部２２１は、作業機械３から送信された稼働データを用いて作業機械３の動作を判定する。
　具体的には、例えば、作業機械３が掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作を含む一連の動作を行った場合、稼働データは、掘削動作に対応するデータ（掘削動作データ）、持ち上げ旋回動作に対応するデータ（持ち上げ旋回動作データ）、排土動作に対応するデータ（排土動作データ）、および、復帰旋回動作に対応するデータ（復帰旋回動作データ）を含む。前記稼働データは、時間の経過に従ってほぼ一定の周期で得たセンサ値を含む時系列データであってもよい。
　掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれは、ブーム２１、アーム２２、バケット２４および上部旋回体１２の特有の動作によって成り立つ。従って、掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれとセンサ１１１～１１６のセンサ値（稼働データ）との間には相関関係が存在する。従って、動作判定部２２１は、前記相関関係に基づいて設定されたモデルおよび／または条件と、稼働データと、を用いて、作業機械３の動作を判定することができる。
　具体的には例えば、動作判定モデル記憶部２３１は、掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作のそれぞれを判定するための条件を予め記憶していてもよい。当該条件は、前記センサ値を含む稼働データと予め設定された閾値とを比較するような条件であってもよい。この場合、動作判定部２２１は、前記稼働データと前記条件とを用いて作業機械３の動作を判定することができる。また、動作判定モデル記憶部２３１は、後述する機械学習モデルを用いて作業機械３の動作を判定してもよい。
　［負荷推定モデルの選択］
　次に、ステップＳ２２において、コントローラ２００のモデル選択部２２２は、負荷推定モデル記憶部２３２に記憶されている複数の負荷推定モデルの中から、動作判定部２２１によって判定された作業機械３の動作に応じた負荷推定モデルを選択する。具体的には、モデル選択部２２２は、複数のデータベースの中から、動作判定部２２１によって判定された作業機械３の動作に対応するデータベースを選択し、選択されたデータベースに含まれる複数の負荷推定モデルの中から、動作判定部２２１によって判定された動作に類似する負荷推定モデルを選択してもよい。
　上述したように、複数の負荷推定モデルのそれぞれは、稼働状況を表す稼働状況パラメータと負荷を推定するためのモデルパラメータθとがセットになって負荷推定モデル記憶部２３２のデータベースに格納されている。
　モデル選択部２２２は、ある時刻ｔにおいて取得される稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを、データベースに含まれる複数の負荷推定モデルの中から抽出する。そして、モデル選択部２２２は、抽出された負荷推定モデルに含まれるモデルパラメータθと稼働データとを後述する式（１）または式（１１）に代入することにより、作業機械３の負荷ｙ（ｔ）を演算することができる。すなわち、複数の負荷推定モデルのそれぞれと式（１）または式（１１）との組み合わせは、作業機械３の稼働データｘｉ（ｔ）または稼働データφ（ｔ）を入力値とし、作業機械３に対する負荷ｙ（ｔ）を出力値とするモデルである。なお、式（１）および式（１１）のそれぞれは、稼働データと作業機械３に対する負荷との間の相関関係に基づいて予め設計された式の一例であるので、本開示における負荷推定装置は、式（１）または式（１１）を必ずしも用いる必要はなく、他の関係式を用いて作業機械３に対する負荷を演算してもよい。
　上述したように、稼働状況パラメータは、稼働データとの類似度を比較することが可能なパラメータである。例えば、稼働データがセンサ１１１～１１６により検出される複数のセンサ値を含む場合、稼働状況パラメータは、複数のセンサ値と比較するための複数のパラメータを含んでいてもよい。
　具体的には、動作判定部２２１によって判定された作業機械３の動作が掘削動作である場合、モデル選択部２２２は、複数のデータベースの中から掘削動作に対応する第１データベースＤＢ１を選択する。そして、モデル選択部２２２は、第１データベースＤＢ１に含まれる複数の負荷推定モデルの中から、稼働データに含まれるセンサ値に類似する負荷推定モデルを選択する。
　動作判定部２２１によって判定された作業機械３の動作が持ち上げ旋回動作である場合、モデル選択部２２２は、複数のデータベースの中から持ち上げ旋回動作に対応する第２データベースＤＢ２を選択する。そして、モデル選択部２２２は、第２データベースＤＢ２に含まれる複数の負荷推定モデルの中から、稼働データに含まれるセンサ値に類似する負荷推定モデルを選択する。
　動作判定部２２１によって判定された作業機械３の動作が排土動作である場合、モデル選択部２２２は、複数のデータベースの中から排土動作に対応する第３データベースＤＢ３を選択する。そして、モデル選択部２２２は、第３データベースＤＢ３に含まれる複数の負荷推定モデルの中から、稼働データに含まれるセンサ値に類似する負荷推定モデルを選択する。
　動作判定部２２１によって判定された作業機械３の動作が復帰旋回動作である場合、モデル選択部２２２は、複数のデータベースの中から復帰旋回動作に対応する第４データベースＤＢ４を選択する。そして、モデル選択部２２２は、第４データベースＤＢ４に含まれる複数の負荷推定モデルの中から、稼働データに含まれるセンサ値に類似する負荷推定モデルを選択する。
　なお、モデル選択部２２２は、１つのデータベースの中から、２つ以上の負荷推定モデルを選択し、前記２つ以上の負荷推定モデルを用いて局所負荷推定モデルを生成してもよい。この局所負荷推定モデルの生成手法については後述する。
　［作業機械に対する負荷の推定］
　次に、ステップＳ２３において、コントローラ２００の負荷推定部２２３は、モデル選択部２２２によって選択された負荷推定モデルに含まれるモデルパラメータθと稼働データｘｉ（ｔ）と下記の式（１）とを用いて作業機械３に対する負荷ｙ（ｔ）を推定する。下記の式（１）は、作業機械に対する負荷と稼働データとの相関関係に基づいて、実験、シミュレーション、機械学習などの手法を用いて予め設計される関係式である。
　上述したように、複数の負荷推定モデルのそれぞれに含まれる稼働状況パラメータとモデルパラメータθのセットは、そのセットに対応する作業機械３の動作に適するように予め設計され、負荷推定モデル記憶部２３２に記憶されている。すなわち、稼働状況パラメータとモデルパラメータθのセットは、そのセットに対応する作業機械３の動作に応じて作業機械３に対して作用する負荷と関連付けて予め設計され、負荷推定モデル記憶部２３２に記憶されている。
　本実施形態に係る負荷推定装置２のコントローラ２００が行う作業機械の動作の判定、負荷推定モデルの選択および作業機械３に対する負荷の推定の主な特徴は、以上のとおりである。以下では、作業機械の動作の判定、負荷推定モデルの選択および作業機械３に対する負荷の推定のより好ましい具体例について説明する。
　［機械学習モデルを用いた動作の判定］
　図１１は、作業機械３の稼働データと機械学習モデルとを用いて作業機械３の動作を判定する処理の一例を示す図である。図１１に示すように、コントローラ２００の動作判定部２２１は、稼働データと機械学習モデルとを用いて、作業機械３の動作を判定してもよい。この場合、動作判定モデル記憶部２３１は、図１１に示すニューラルネットワークの動作判定モデルＮ（機械学習済モデル）を記憶している。
　動作判定モデルＮの入力ｘｉ（ｔ）は、稼働データである。動作判定モデルＮの出力値ｓｋ（ｔ）は、作業機械３の動作に関する出力値である。
　動作判定モデルＮの構造は、上記のデータの入力および出力の関係を満たすものであればよく、具体的な構造は特に限定されるものではなく、種々のニューラルネットワークのモデルの構造を採用可能である。
　図１１に示す具体例では、動作判定モデルＮは、ＬＳＴＭ層と、全結合層と、ソフトマックス関数と、を含む（ＬＳＴＭ：Ｌｏｎｇ　Ｓｈｏｒｔ　Ｔｅｒｍ　Ｍｅｍｏｒｙ）。ＬＳＴＭ層は、時系列で変化する時系列データに適した再帰型ニューラルネットワーク（ＲＮＮ：Ｒｅｃｕｒｒｅｎｔ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ）の一種である。ソフトマックス関数は、例えば次の式により表される。
　動作判定モデルＮの出力値ｓｋ（ｔ）は、予め定めた複数の動作に対応する出力値であり、これらの出力値は、正規化された確率値に相当し、これらの出力値の合計は「１」である。複数の動作は、例えば、掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作を含む。
　動作判定部２２１は、動作判定モデルＮを用いて、作業機械３の稼働データ（例えば時系列データ）について、ＬＳＴＭ層における演算と、全結合層における演算と、を行い、前記複数の動作に対応する出力値をソフトマックス関数により正規化して出力する。
　図１２は、動作判定部２２１の出力値ｓｋ（ｔ）の一例を示す図である。図１２に示すように、動作判定部２２１の出力値ｓｋ（ｔ）は、前記複数の動作ごとの確率値（予測確率）である。
　図１２に示す具体例では、稼働データは、時刻ｔ１～時刻ｔｎの時間範囲において所定の時間間隔で取得されたデータ（例えばセンサ１１１～１１６のセンサ値）を含む。この場合、動作判定部２２１は、時刻ｔ１におけるデータ、時刻ｔ２におけるデータ、・・・、時刻ｔｎにおけるデータのそれぞれについて、ＬＳＴＭ層における演算と、全結合層における演算と、を行い、前記複数の動作に対応する出力値をソフトマックス関数により正規化して出力してもよい。
　具体的には、動作判定部２２１は、稼働データに含まれる時刻ｔ１におけるデータについて、動作判定モデルＮを用いた演算を行い、その出力値ｓｋ（ｔ）として、「掘削動作：７５％」、「持ち上げ旋回動作：１０％」、「排土動作：５％」、および、「復帰旋回動作：１０％」という演算結果を出力する。また、動作判定部２２１は、稼働データに含まれる時刻ｔ２におけるデータについて、動作判定モデルＮを用いた演算を行い、その出力値ｓｋ（ｔ）として、「掘削動作：７０％」、「持ち上げ旋回動作：２５％」、「排土動作：３％」、および、「復帰旋回動作：２％」という演算結果を出力する。以下同様に、動作判定部２２１は、稼働データに含まれる時刻ｔｎにおけるデータについて、動作判定モデルＮを用いた演算を行い、その出力値ｓｋ（ｔ）として、「掘削動作：５％」、「持ち上げ旋回動作：１５％」、「排土動作：１０％」、および、「復帰旋回動作：７０％」という演算結果を出力する。
　動作判定部２２１は、例えば、時刻ｔ１～時刻ｔｎのそれぞれについて、前記複数の動作ごとの確率値のうち最も高い確率値に対応する動作を作業機械３の動作として判定してもよい。この場合、動作判定部２２１は、時刻ｔ１における作業機械３の動作が「掘削動作」であると判定し、時刻ｔ２における作業機械３の動作が「掘削動作」であると判定し、時刻ｔｎにおける作業機械３の動作が「復帰旋回動作」であると判定する。
　動作判定部２２１は、例えば、時刻ｔ１～時刻ｔｎのそれぞれについて、前記複数の動作ごとの確率値のうち所定の閾値以上の確率値に対応する動作を作業機械３の動作として判定してもよい。例えば所定の閾値が２０％に設定されている場合、動作判定部２２１は、時刻ｔ１における作業機械３の動作が「掘削動作」であると判定し、時刻ｔｎにおける作業機械３の動作が「復帰旋回動作」であると判定してもよい。また、時刻ｔ２については、掘削動作に対応する確率値および持ち上げ旋回動作に対応する確率値が所定の閾値以上であるので、動作判定部２２１は、時刻ｔ２における作業機械３の動作が「掘削動作」および「持ち上げ旋回動作」であると判定してもよい。この場合、負荷推定部２２３は、確率値の大きさに応じた重み付けをして作業機械３に対する負荷を推定してもよい。この負荷の推定手法については後述する。
　［データベースの選択］
　次に、データベースの選択について説明する。図１３は、データベースの選択について説明するための図である。
　負荷推定モデル記憶部２３２は、上述したように、作業機械３の複数の動作に対応する複数のデータベースを記憶していてもよい。
　図１３に示す具体例では、負荷推定モデル記憶部２３２は、掘削動作に関するデータベースＤＢ１と、持ち上げ旋回動作に関するデータベースＤＢ２と、排土動作に関するデータベースＤＢ３と、復帰旋回動作に関するデータベースＤＢ４と、を記憶している。データベースＤＢ１は、掘削動作についての一つの負荷推定モデルまたは複数の負荷推定モデルを含む。データベースＤＢ２は、持ち上げ旋回動作についての一つの負荷推定モデルまたは複数の負荷推定モデルを含む。データベースＤＢ３は、排土動作についての一つの負荷推定モデルまたは複数の負荷推定モデルを含む。データベースＤＢ４は、復帰旋回動作についての一つの負荷推定モデルまたは複数の負荷推定モデルを含む。
　以下では、データベースＤＢ１，ＤＢ２，ＤＢ３，ＤＢ４のそれぞれが複数の負荷推定モデルを含む場合について説明する。
　まず、モデル選択部２２２は、複数のデータベースＤＢ１，ＤＢ２，ＤＢ３，ＤＢ４の中から、動作判定部２２１の判定結果と類似する少なくとも一つのデータベースを選択する。具体的には、モデル選択部２２２は、動作判定部２２１の動作判定モデルＮの出力値ｓｋ（ｔ）と下記の式（３）の条件とを用いてデータベースの選択を行ってもよい。
　式（３）において、「ｎ」は、データベースの個数である。図１３の場合、データベースの個数は「４」であるので、「ｎ」の値は「４」である。例えば、図１２に示す具体例では、時刻ｔ１における動作判定モデルＮの出力値ｓｋ（ｔ）のうち、上記式（３）の条件を満たすのは、「掘削動作」である。従って、モデル選択部２２２は、複数のデータベースＤＢ１，ＤＢ２，ＤＢ３，ＤＢ４の中から、動作判定部２２１の判定結果と類似するデータベースとして、掘削動作に対応するデータベースＤＢ１を選択する。そして、モデル選択部２２２は、時刻ｔ１における稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを、データベースＤＢ１に含まれる複数の負荷推定モデルの中から抽出する。そして、負荷推定部２２３は、モデル選択部２２２によって選択された負荷推定モデルに含まれるモデルパラメータθと稼働データｘｉ（ｔ）と上記の式（１）とを用いて作業機械３に対する負荷ｙ（ｔ）を推定する。
　また、図１２における時刻ｔ２における動作判定モデルＮの出力値ｓｋ（ｔ）のうち、上記式（３）の条件を満たすのは、「掘削動作」と「持ち上げ旋回動作」である。従って、モデル選択部２２２は、複数のデータベースＤＢ１，ＤＢ２，ＤＢ３，ＤＢ４の中から、動作判定部２２１の判定結果と類似するデータベースとして、掘削動作に対応するデータベースＤＢ１と、持ち上げ旋回動作に対応するデータベースＤＢ２と、を選択する。
　そして、モデル選択部２２２は、時刻ｔ２における稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを、データベースＤＢ１に含まれる複数の負荷推定モデルの中から抽出する。そして、負荷推定部２２３は、モデル選択部２２２によって選択された負荷推定モデルに含まれるモデルパラメータθと稼働データｘｉ（ｔ）と上記の式（１）とを用いて作業機械３に対する負荷ｙＤＢ１を推定する。
　同様に、モデル選択部２２２は、時刻ｔ２における稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを、データベースＤＢ２に含まれる複数の負荷推定モデルの中から抽出する。そして、負荷推定部２２３は、モデル選択部２２２によって選択された負荷推定モデルに含まれるモデルパラメータθと稼働データｘｉ（ｔ）と上記の式（１）とを用いて作業機械３に対する負荷ｙＤＢ２を推定する。
　そして、負荷推定部２２３は、データベースＤＢ１を用いて推定された負荷ｙＤＢ１と、データベースＤＢ２を用いて推定された負荷ｙＤＢ２と、時刻ｔ２における動作判定モデルＮの出力値ｓｋ（ｔ）と、を下記の式（４）に代入することにより、作業機械３に対する負荷ｙ（ｔ）を演算する。この式（４）は、確率値（予測確率）が大きい順に重み付けをした値を合計している。
　式（４）において、ｓ１（ｔ）は、時刻ｔ２における動作判定モデルＮの出力値ｓｋ（ｔ）のうち、掘削動作に対応する出力（図１２では７０％）であり、ｓ２（ｔ）は、時刻ｔ２における動作判定モデルＮの出力値ｓｋ（ｔ）のうち、持ち上げ旋回動作に対応する出力（図１２では２５％）である。
　［局所負荷推定モデル］
　図１４は、局所負荷推定モデルについて説明するための図である。
　負荷推定装置２では、モデル選択部２２２によって１つのデータベースの中から２つ以上の負荷推定モデルが選択される場合、負荷推定部２２３は、前記２つ以上の負荷推定モデルを用いて局所負荷推定モデルを生成し、前記局所負荷推定モデルと稼働データとを用いて作業機械３に対する負荷を推定してもよい。作業機械３の動作に類似する負荷推定モデルの候補が２つ以上ある場合であっても、コントローラ２００は、作業機械３に対する負荷を推定することができる。これにより、負荷推定の精度が向上する。
　複数のデータベースは、複数の動作に対応し、各データベースに含まれる複数の負荷推定モデルのそれぞれは、上述したように、稼働状況を表す稼働状況パラメータと負荷を推定するためのモデルパラメータθとを含む。モデル選択部２２２は、動作判定部２２１によって判定された動作に対応するデータベースを複数のデータベースの中から選択し、選択されたデータベースに含まれる複数の負荷推定モデルの中から、前記稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを選択する。
　以下、負荷推定モデル記憶部２３２が複数のデータベースを記憶している場合における局所負荷推定モデルの生成について具体的に説明する。
　まず、モデル選択部２２２は、動作判定部２２１の動作判定モデルＮの出力値ｓｋ（ｔ）と上記の式（３）の条件とを用いて、複数のデータベースＤＢ１，ＤＢ２，ＤＢ３，ＤＢ４の中から、データベースの選択を行う。図１４の具体例は、モデル選択部２２２が掘削動作に対応するデータベースＤＢ１を選択した場合を示している。
　このデータベースＤＢ１は、例えば図７および図８に示すように掘削動作に関する複数の負荷推定モデルを予め格納している。図１４のデータベースＤＢ１の内部に描かれた小さい複数の黒丸は、掘削動作に関する複数の負荷推定モデルを表している。また、図１４のデータベースＤＢ１の内部に描かれた星印は、ある時刻における稼働データを示している。星印と複数の黒丸のそれぞれとの距離は、当該稼働データに対する負荷推定モデルの稼働状況パラメータの類似の度合いを表している。図１４のデータベースＤＢ１の内部に描かれた円は、負荷推定モデルを抽出する基準となる類似度の閾値（類似度閾値、例えば９０％）を示している。この円の内側の領域にある負荷推定モデルは、類似度が前記類似度閾値以上である。
　図１４に示す具体例では、２つの負荷推定モデルの稼働状況パラメータのそれぞれが稼働データに対して類似度閾値以上の類似度を有する。この場合、モデル選択部２２２は、これらの２つの負荷推定モデルを抽出し、抽出された２つの負荷推定モデルを用いて局所的な負荷推定モデルである局所負荷推定モデルを生成する。
　具体的には、モデル選択部２２２は、抽出された２つの負荷推定モデルの一方に含まれるモデルパラメータθと他方に含まれるモデルパラメータθとを下記の式（５）を用いて、重み付けをして足し合わせることにより、局所負荷推定モデルにおけるモデルパラメータθを生成してもよい。
　式（５）において、「ｗｉ」は、下記の式（６）で示される。
　式（６）において、「Ｓ（φ（ｔ），φ（ｉ））」は、下記の式（７）で示される類似度である。
　式（７）において、「φｉ（ｔ）」は、時刻ｔにおける情報ベクトルであり、下記の式（８）で表される。
　また、式（７）において、「φｉ（ｊ）」は、データベースに格納されている情報ベクトルである。
　また、式（７）において、「ｈｉ」は、情報ベクトルに対するガウスカーネルのバンド幅である。
　式（８）において、「ｘｉ（ｔ）」は、時刻ｔにおける稼働データである。
　また、式（８）において、「ｙ（ｔ－１）」は、前のステップ（時刻（ｔ－１））で推定された負荷である。
　なお、稼働データとデータベース内の稼働状況パラメータの差分がゼロのときには、式（７）で示される類似度は、下記の式（９）のように表される。
　また、類似度に基づく条件式は、例えば下記の式（１０）によって表される。
　そして、負荷推定部２２３は、上記のように生成された局所負荷推定モデルのモデルパラメータθと、稼働データφ（ｔ）と、を下記の式（１１）に代入することにより、作業機械３の負荷ｙ（ｔ）を演算することができる。
　［変形例］
　以上、本開示の実施形態について説明したが、本開示は前記実施形態に限定されるものではなく、例えば以下のような変形例を含む。
　（Ａ）負荷推定装置について
　前記実施形態では、負荷推定装置２は、作業機械３から離れた場所に配置されるサーバなどの機器であるが、本開示における負荷推定装置は、作業機械に搭載されていてもよい。
　（Ｂ）負荷推定モデル記憶部について
　前記実施形態では、負荷推定モデル記憶部が負荷推定装置２に搭載されているが、本開示における負荷推定モデル記憶部は、負荷推定装置とは別の機器に搭載されていてもよい。前記別の機器は、作業機械であってもよく、データの記憶のための記憶装置であってもよい。
　（Ｃ）作業機械の複数の動作について
　前記実施形態では、作業機械の複数の動作が掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作を含むが、本開示における複数の動作は、掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作の一部または全部を含まなくてもよく、掘削動作、持ち上げ旋回動作、排土動作および復帰旋回動作以外の動作を含んでいてもよい。
　（Ｄ）作業機械の動作の判定について
　動作判定モデルは、稼働データを入力値とし、一つの動作を出力値とし、機械学習されたモデルであってもよい。
　動作判定部２２１は、作業機械３の動作と作業機械３の稼働データとの間の前記相関関係に基づいて予め設定された判定条件と実際の稼働データとを用いて、作業機械３の動作を判定してもよい。動作判定モデル記憶部２３１は、当該判定条件を記憶していてもよい。具体的には、当該判定条件は、掘削動作を判定するための掘削動作判定条件と、持ち上げ旋回動作を判定するための持ち上げ旋回動作判定条件と、排土動作を判定するための排土動作判定条件と、復帰旋回動作を判定するための復帰旋回動作判定条件と、を含んでいてもよい。この場合、動作判定部２２１は、掘削動作判定条件が満たされた場合には作業機械３の動作が掘削動作であると判定し、持ち上げ旋回動作判定条件が満たされた場合には作業機械３の動作が持ち上げ旋回動作であると判定し、排土動作判定条件が満たされた場合には作業機械３の動作が排土動作であると判定し、復帰旋回動作判定条件が満たされた場合には作業機械３の動作が復帰旋回動作であると判定してもよい。
　（Ｅ）出力器について
　前記実施形態では、出力器として表示装置４を例示したが、本開示における出力器は、表示装置４に限られず、例えば、作業機械に対する負荷についての情報を音または光で出力することが可能な装置であってもよい。
　（Ｆ）操作装置について
　前記実施形態では、操作装置１１７は、機械コントローラ１００を介して油圧回路１１９の各電磁弁３１～３５を作動させているが、本開示は特にこれに限定されず、操作装置１１７は、レバー操作量に応じた圧力を出力する油圧機器であるリモコン弁を含んでいてもよい。この場合、指令部１０３及び電磁弁３１～３５は不要であり、操作装置１１７から出力されるブームパイロット圧、アームパイロット圧、バケットパイロット圧、旋回パイロット圧及び走行パイロット圧が制御弁３６，３７，３８，３９，４０Ｌ，４０Ｒにそれぞれ入力される。操作装置１１７には、パイロットポンプより圧油が供給される。操作装置１１７は、供給された圧油をレバー操作量に応じた圧力に減圧し、パイロット圧として制御弁３６，３７，３８，３９，４０Ｌ，４０Ｒに出力する。また、操作装置１１７と制御弁３６，３７，３８，３９，４０Ｌ，４０Ｒとを接続する油圧配管には、圧力センサが設置されている。圧力センサは、操作装置１１７から制御弁３６，３７，３８，３９，４０Ｌ，４０Ｒに出力されるパイロット圧の圧力値を検出し、検出した圧力値の信号を機械コントローラ１００に入力する。機械コントローラ１００は、圧力センサから入力された圧力値の信号を操作指令信号（ブーム指令信号、アーム指令信号、バケット指令信号、旋回指令信号及び走行指令信号）として扱う。
　（Ｇ）可動部について
　前記実施形態では、複数の可動部として、ブーム２１、アーム２２、バケット２４および上部旋回体１２を例示したが、本開示における可動部はこれらに限定されず、例えば、下部走行体１０が含まれてもよい。この場合、作業機械３の稼働データは、下部走行体１０の動作に応じて変化する物理量を検出するセンサ値を含んでいてもよい。この場合、例えば、稼働データ取得部１０２は、作業機械３の走行モータの動作圧力値を検出するセンサによるセンサ値を含む稼働データを取得する。また、動作判定モデル記憶部２３１は、走行モータの動作圧力値を含む稼働データを入力値とし、作業機械３の動作を出力値とし、機械学習により構築された動作判定モデルを記憶していてもよい。これによれば、下部走行体１０を含む作業機械３の負荷を演算することができる。
　以上説明したように、本開示によれば、作業機械に対する負荷を動作の種類に応じて推定することができる技術が提供される。
　第１の態様に係る負荷推定装置は、コントローラを備え、前記コントローラは、作業機械の稼働データを用いて前記作業機械の動作を判定し、前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択し、選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する。
　この第１の態様に係る負荷推定装置では、前記コントローラは、作業機械の動作の判定、判定された動作に応じた負荷推定モデルの選択、および、選択された負荷推定モデルと稼働データとを用いた負荷の推定を行うので、作業機械に対する負荷を作業機械の動作の種類に応じて推定することができる。
　第２の態様に係る負荷推定装置は、第１の態様に係る負荷推定装置においてさらに次の構成を備えることが好ましい。すなわち、第２の態様に係る負荷推定装置では、前記少なくとも一つの負荷推定モデルは、２つ以上の負荷推定モデルを含み、前記コントローラは、前記２つ以上の負荷推定モデルを用いて局所負荷推定モデルを生成し、前記局所負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定することが好ましい。この第２の態様では、作業機械の動作に類似する負荷推定モデルの候補が２つ以上ある場合であっても、コントローラは、前記２つ以上の負荷推定モデルを用いて局所負荷推定モデルを生成し、生成された局所負荷推定モデルと前記稼働データとを用いて作業機械に対する負荷を推定することができる。これにより、負荷推定の精度が向上する。
　この第２の態様は、次の構成を備えていてもよい。すなわち、前記複数の負荷推定モデルのそれぞれは、稼働状況パラメータと負荷を推定するためのモデルパラメータとを含んでいてもよい。前記コントローラは、前記稼働データとの類似度が高い稼働状況パラメータを含む負荷推定モデルを、前記複数の負荷推定モデルから選択してもよい。２つ以上の負荷推定モデルが選択された場合、前記コントローラは、類似度の大きさの順に重み付けをして前記２つ以上の負荷推定モデルを足し合わせることにより、前記局所負荷推定モデルを生成してもよい。
　第３の態様に係る負荷推定装置は、第１または第２の態様に係る負荷推定装置においてさらに次の構成を備えることが好ましい。すなわち、第３の態様に係る負荷推定装置では、前記作業機械は、複数のアクチュエータと、前記複数のアクチュエータによって動かされる複数の可動部と、を備え、前記稼働データは、前記複数の可動部の動作に関するデータを含むことが好ましい。この第３の態様では、コントローラは、作業機械の可動部の動作に伴って生じる負荷を推定することができる。
　第４の態様に係る負荷推定装置は、第１～第３の態様の何れか一つに係る負荷推定装置においてさらに次の構成を備えることが好ましい。すなわち、第４の態様に係る負荷推定装置では、前記コントローラは、前記作業機械の動作中に、前記作業機械の動作の判定、前記少なくとも一つの負荷推定モデルの選択、および、前記作業機械に対する負荷の推定を逐次行うことが好ましい。この第４の態様では、作業機械の動作が頻繁に変化する場合であっても、コントローラは、当該動作の変化に応じた負荷の推定をより適切に行うことができる。
　第５の態様に係る負荷推定システムは、作業機械の稼働データを取得する稼働データ取得部と、第１～第４の態様の何れか一つに係る負荷推定装置と、を備える。
　第６の態様に係る負荷推定システムは、第５の態様に係る負荷推定システムにおいてさらに次の構成を備えることが好ましい。すなわち、第６の態様に係る負荷推定システムでは、前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルを記憶する負荷推定モデル記憶部が、前記負荷推定装置または前記負荷推定装置とは別の機器に搭載されていてもよい。
　第７の態様に係る負荷推定システムは、第５または第６の態様に係る負荷推定システムにおいてさらに次の構成を備えることが好ましい。すなわち、第７の態様に係る負荷推定システムは、推定された前記作業機械に対する負荷についての情報を出力する出力器を備えることが好ましい。この第７の態様では、オペレータ、管理者などの作業関係者は、出力器において出力される前記情報に基づいて作業機械に対する負荷を把握することができる。
　第８の態様に係る負荷推定方法は、作業機械の稼働データを用いて前記作業機械の動作を判定することと、前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択することと、選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定することと、を含む。この第８の態様に係る負荷推定方法は、作業機械の動作の判定、判定された動作に応じた負荷推定モデルの選択、および、選択された負荷推定モデルと稼働データとを用いた負荷の推定を行うので、作業機械に対する負荷を作業機械の動作の種類に応じて推定することができる。この第８の態様に係る負荷推定方法は、作業機械の稼働データを取得することをさらに含んでいてもよい。
　第９の態様に係る負荷推定プログラムは、作業機械の稼働データを用いて前記作業機械の動作を判定する処理と、前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択する処理と、選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する処理と、をコンピュータに実行させる。この第９の態様に係る負荷推定プログラムは、作業機械の動作の判定処理、判定された動作に応じた負荷推定モデルの選択処理、および、選択された負荷推定モデルと稼働データとを用いた負荷の推定処理をコンピュータに実行させるので、作業機械に対する負荷を作業機械の動作の種類に応じて推定することができる。この第９の態様に係る負荷推定プログラムは、さらに、前記作業機械の稼働データを取得する処理を前記コンピュータに実行させてもよい。前記負荷推定プログラムは、非一時的な記憶媒体に記憶されてもよい。

Claims (9)

  1. 　コントローラを備える負荷推定装置であって、
    　前記コントローラは、作業機械の稼働データを用いて前記作業機械の動作を判定し、
    　前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択し、
    　選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する、負荷推定装置。
  2. 　前記少なくとも一つの負荷推定モデルは、２つ以上の負荷推定モデルを含み、
    　前記コントローラは、
    　前記２つ以上の負荷推定モデルを用いて局所負荷推定モデルを生成し、
    　前記局所負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する、請求項１に記載の負荷推定装置。
  3. 　前記作業機械は、複数のアクチュエータと、前記複数のアクチュエータによって動かされる複数の可動部と、を備え、
    　前記稼働データは、前記複数の可動部の動作に関するデータを含む、請求項１または２に記載の負荷推定装置。
  4. 　前記コントローラは、前記作業機械の動作中に、前記作業機械の動作の判定、前記少なくとも一つの負荷推定モデルの選択、および、前記作業機械に対する負荷の推定を逐次行う、請求項１～３の何れか１項に記載の負荷推定装置。
  5. 　作業機械の稼働データを取得する稼働データ取得部と、
    　請求項１～４の何れか１項に記載の負荷推定装置と、を備える負荷推定システム。
  6. 　前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルを記憶する負荷推定モデル記憶部が、前記負荷推定装置または前記負荷推定装置とは別の機器に搭載されている、請求項５に記載の負荷推定システム。
  7. 　推定された前記作業機械に対する負荷についての情報を出力する出力器を備える、請求項５または６に記載の負荷推定システム。
  8. 　作業機械の稼働データを用いて前記作業機械の動作を判定することと、
    　前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択することと、
    　選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定することと、を含む負荷推定方法。
  9. 　作業機械の稼働データを用いて前記作業機械の動作を判定する処理と、
    　前記作業機械の複数の動作にそれぞれ対応付けられた複数の負荷推定モデルの中から、判定された前記作業機械の動作に応じた少なくとも一つの負荷推定モデルを選択する処理と、
    　選択された前記少なくとも一つの負荷推定モデルと前記稼働データとを用いて前記作業機械に対する負荷を推定する処理と、をコンピュータに実行させる負荷推定プログラム。
PCT/JP2025/015916 2024-05-20 2025-04-24 負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム Pending WO2025243777A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2024082070A JP2025175802A (ja) 2024-05-20 2024-05-20 負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム
JP2024-082070 2024-05-20

Publications (1)

Publication Number Publication Date
WO2025243777A1 true WO2025243777A1 (ja) 2025-11-27

Family

ID=97795413

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2025/015916 Pending WO2025243777A1 (ja) 2024-05-20 2025-04-24 負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム

Country Status (2)

Country Link
JP (1) JP2025175802A (ja)
WO (1) WO2025243777A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020128656A (ja) * 2019-02-08 2020-08-27 コベルコ建機株式会社 損害推定装置及び機械学習装置
JP2021008747A (ja) * 2019-07-01 2021-01-28 株式会社小松製作所 学習済みの作業分類推定モデルの製造方法、学習用データ、コンピュータによって実行される方法、および作業機械を含むシステム
JP2021188362A (ja) * 2020-05-29 2021-12-13 株式会社小松製作所 掘削計画作成装置、作業機械および掘削計画作成方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020128656A (ja) * 2019-02-08 2020-08-27 コベルコ建機株式会社 損害推定装置及び機械学習装置
JP2021008747A (ja) * 2019-07-01 2021-01-28 株式会社小松製作所 学習済みの作業分類推定モデルの製造方法、学習用データ、コンピュータによって実行される方法、および作業機械を含むシステム
JP2021188362A (ja) * 2020-05-29 2021-12-13 株式会社小松製作所 掘削計画作成装置、作業機械および掘削計画作成方法

Also Published As

Publication number Publication date
JP2025175802A (ja) 2025-12-03

Similar Documents

Publication Publication Date Title
Huo et al. Intelligent prediction for digging load of hydraulic excavators based on RBF neural network
CN113631779B (zh) 挖土机及施工系统
US9982414B2 (en) Operation identification of a work machine
KR102126772B1 (ko) 작업 기계
JP2024028372A (ja) ショベル
JP7079896B2 (ja) 学習機能付き建設機械
JP7166088B2 (ja) 作業車両による作業を判定するためのシステム、方法、及び学習済みモデルの製造方法
CN114341436B (zh) 作业机械
CN113167054A (zh) 包括作业机械的系统、由计算机执行的方法、学习完成的位置推定模型的制造方法以及学习用数据
US12043988B2 (en) Selectively causing remote processing of data for an autonomous digging operation
CN115053038B (zh) 作业系统、由计算机执行的方法以及学习用数据
US11905685B2 (en) Index-value determination device and index-value determination method
EP3940153A1 (en) Manufacturing method of trained work classification estimation model, data for training, method executed by computer, and system including work machine
CN113684885A (zh) 作业机械控制方法、装置及作业机械
CN114819256A (zh) 一种反铲式挖掘机连续实时轨迹规划方法
WO2021019951A1 (ja) 建設機械の作業情報生成システム及び作業情報生成方法
US20160104391A1 (en) Method of training an operator of machine
US20180313061A1 (en) Control system using fuzzy logic to display machine productivity data
CN113423897B (zh) 损害推定装置以及机器学习装置
US11920321B2 (en) System and method for automatically performing an earthmoving operation
CN120739195B (zh) 一种基于数字孪生的电铲无人挖掘方法和系统
WO2025243777A1 (ja) 負荷推定装置、負荷推定システム、負荷推定方法および負荷推定プログラム
CN119816642A (zh) 施工机械、信息处理装置及程序
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
CN120496039B (zh) 一种流动机械驾驶行为评价与指导方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 25807511

Country of ref document: EP

Kind code of ref document: A1