专利名称：作业机械的学习诊断系统、状态诊断装置及状态学习装置的制作方法
技术领域：
本发明涉及对液压挖掘机等作业机械的异常进行检测的作业机械的学习诊断系统、状态诊断装置及状态学习装置。
背景技术：
在矿山等运转的大型液压挖掘机等的工程机械或其他作业机械中，有时要求一天 24小时几乎不停地连续运转365天，需要在异常停止前预先通过维护作业将机器保持在万全的状态。一般地，专门的维护人员定期地通过检修作业实施检修，检查是否有异常的地方，并在发现异常的情况下，进行必要的维护作业，由此维持良好的机器状态。另一方面，为实施检修维护作业，需要使机器停止，因此，对于想要连续运转的使用者来说，只要机器状态良好就不会进行检修维护作业，检修维护作业成为运营的障碍。由此，开发了一种异常诊断技术，使用各种传感器测定机械的状态，监视是否存在异常。通过异常诊断技术能够在故障停止前检测出异常，尽早实施维护对策，由此，能够防患机器故障于未然。作为以往的异常诊断技术，例如有专利文献1及2记载的发明。专利文献1记载的异常诊断技术，在正常情况下，将控制指令值和各种传感器值的关系作为静态特性函数及包含函数(including function)导出及鉴别，在实际操作中通过这些静态特性函数及包含函数判定异常。专利文献2记载的异常诊断技术是输入传感器值及其微分值而形成自组织映射(klf-organized map)，在实际操作中使用该自组织映射识别工程机械的动作。专利文献1 日本特开平91拟918号公报专利文献2 日本特开2005-25351号公报关于用于异常诊断的诊断算法的开发，虽然机械制造商经过认真的研究，但因算法开发的难度，存在不能进行适当判定的案例。难以进行适当的判定的理由在于，进行算法开发时的实验环境和使用机械的用户所处的使用环境以及使用方式不同。对此，提出了从实际环境下的测量结果进行判定的发明。在专利文献1中，控制指令值和各种传感器值的关系通过静态特性函数及包含函数判定。但是，作为静态特性函数或包含函数而示出的实例只有一个，没有示出如何对于各种执行机构和传感器使用怎样的函数来构成为好，不能明确是否对于各种动作模式都能够适用。在专利文献2中，提出了通过输入传感器值及其微分值而形成的自组织映射来对动作状态进行鉴别的发明。根据该发明，关于各动作状态的鉴别进行了说明，但没有公开各动作状态间的过渡时(过渡动作状态)的诊断。
发明内容
本发明鉴于以上的问题点而研发，其目的是提供作业机械的学习诊断系统、状态学习装置及状态诊断装置，能够对于各种传感器信息广泛地进行作业机械的异常诊断，并且，在动作状态间的过渡状态即过渡动作状态下，也能够进行异常诊断，由此能够防患作业机械的故障于未然。为实现上述目的，本发明的作业机械的学习诊断系统，将在机身具有作业机的作业机械的状态量通过传感器进行检测并作为运转数据输入，使用该运转数据进行作业机械的动作状态的异常检测，其特征在于，具有状态学习装置，将输入的运转数据分类成作业机械的动作状态处于稳定动作状态时的运转数据和处于过渡动作状态时的运转数据，基于该分类的运转数据进行所述作业机械的动作状态的学习，并生成分别包含容许误差的稳定状态信息及过渡状态信息；状态诊断装置，使用输入的运转数据和所述状态学习装置中生成的包含容许误差的稳定状态信息，识别与输入的运转数据相关的作业机械的动作状态是稳定动作状态还是过渡动作状态，并进行稳定动作状态下的异常判定，并且使用所述状态学习装置中生成的包含容许误差的过渡状态信息进行所述识别的过渡动作状态下的异常判定。这样，状态诊断装置使用状态学习装置中生成的分别包含容许误差的稳定状态信息及过渡状态信息进行诊断，从而能够对于各种传感器信息广泛地进行作业机械的异常诊断。另外，状态学习装置将运转数据分类成作业机械处于稳定动作状态时的数据和处于过渡动作状态时的数据，并生成稳定状态信息和过渡状态信息，状态诊断装置识别该稳定动作状态和过渡动作状态并进行异常判定，由此，不仅能够进行稳定动作状态下的异常诊断，在动作状态间的过渡状态即过渡动作状态下，也能够进行异常诊断，能够防患作业机械的故障于未然。优选的是，状态学习装置选择动作状态处于过渡动作状态时的运转数据中的、时间上连续的区间中的运转数据，并选择动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据生成所述过渡状态信息，状态诊断装置基于向识别的过渡动作状态过渡前后的两个稳定动作状态，检索状态学习装置中生成的过渡状态信息并抽出对应的过渡状态信息，基于识别的过渡动作状态和抽出的过渡状态信息进行识别的过渡动作状态下的异常判定。由此，状态诊断装置基于与此时的过渡动作状态下的运转数据对应的过渡状态信息进行异常判定，从而在过渡动作状态下也能够进行适当的诊断。另外，优选的是，状态学习装置基于所述选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，运算使所述选择的过渡动作状态下的运转数据由多条直线近似那样的中间点信息，生成该中间点信息和包含所述容许误差的所述过渡状态信息，所述状态诊断装置是在所述识别的过渡动作状态下，基于所述状态学习装置中生成的所述中间点信息生成补充数据，使用该补充数据和所述容许误差进行异常判定。这样，状态诊断装置使用中间点信息和包含容许误差的过渡状态信息生成补充数据并进行异常判定，从而能够减少所学习的过度状态信息的数据量，并且能够使用少的数据量的过渡状态信息进行精度高的诊断。另外，不需要事前知道与过渡状态相关的知识，就能够进行学习/诊断。优选的是，所述状态学习机构将具有相关性的多个运转数据的组合作为所述运转数据输入，使用该具有相关性的多个运转数据，生成所述稳定状态信息及过渡状态信息，所述状态诊断装置作为所述运转数据输入与所述状态学习装置所输入的组合具有相同相关性的多个运转数据的组合，并对该具有相关性的多个运转数据进行异常判定。由此，不仅能够进行异常的判定，还能够从运转数据的关系的变化预测异常的先兆，推定异常的原因。发明的效果根据本发明，能够对于各种传感器信息广泛地进行作业机械的异常诊断，不仅能够进行稳定动作状态下的异常诊断，在动作状态间的过渡状态即过渡动作状态下也能够进行异常诊断，能够防患作业机械的故障于未然。另外，基于与此时的过渡动作状态下的运转数据对应的过渡状态信息进行异常判定，从而在过渡动作状态下也能够进行适当的诊断。另外，生成中间点信息和包含容许误差的过渡状态信息，生成补充数据并进行异常判定，从而能够减少所学习的过度状态信息的数据量，并且能够使用少的数据量的过渡状态信息进行精度高的诊断。而且，状态诊断装置输入具有相关性的多个运转数据的组合进行诊断，从而不仅能够进行异常的判定，还能够从运转数据的关系的变化预测异常的先兆，推定异常的原因。
图1是表示本发明的一个实施方式的作业机械的学习诊断系统的整体结构的图。图2是表示适用了本发明的诊断系统的作业机械的一例即大型液压挖掘机的整体构造和诊断系统的图。图3是表示设置在液压挖掘机1的驾驶室4内的控制器网络的图。图4是作为具有相关性的传感器数据(运转数据)的组合的一例，表示发动机的转速和与之相伴的排出气体温度的变化的图。图5是表示通过基于本发明的基本概念的诊断方法在学习时生成的状态数据的一例的图。图6是表示基于本发明的基本概念的诊断方法中的诊断时的发动机转速以及排出气体温度的变化与中间状态数据之间的关系的图。图7是表示基于本发明的基本概念的诊断方法中的诊断时的发动机转速以及排出气体温度的变化与中间状态数据之间的关系的图。图8是表示状态学习装置的结构的图。图9A是表示状态学习装置的处理功能的流程图。图9B是表示状态学习装置的处理功能的流程图。图10是表示发动机的转速以及排出气体温度的变化与稳定状态数据以及中间状态数据之间的关系的图。图IlA是表示状态学习装置生成的稳定状态数据的一例的图。图IlB是表示状态学习装置生成的中间状态数据的一例的图。图12是表示状态诊断装置的结构的图。图13A是表示状态诊断装置的处理功能的流程图。图13B是表示状态诊断装置的处理功能的流程图。
图13C是表示状态诊断装置的处理功能的流程图。图14是表示诊断时的发动机转速以及排出气体温度的变化与中间状态数据之间的关系的图。
具体实施例方式以下，使用
本发明的实施方式。图1是表示本发明的一个实施方式的作业机械的学习诊断系统的整体结构的图。 在图1中，学习诊断系统100具有输入数据库101、状态学习装置201、稳定状态数据库102 以及过渡状态数据库103、状态诊断装置202以及判定结果数据库104、显示装置203。输入数据库101保存从安装在成为诊断对象的机器上的各种传感器收集的传感器信息等传感器数据IOla (运转数据)。传感器数据IOla也可以包含对传感器信息进行加工后的数据。另外，传感器数据IOla包含时刻信息。输入数据库101中保存的传感器数据 IOla被输入状态学习装置201和状态诊断装置202。状态学习装置201作为从输入数据库101输入的传感器数据而输入具有相关性的传感器数据的组合，基于这些传感器数据，识别作业机械的动作状态是稳定动作状态还是过渡动作状态，对于稳定动作状态和过渡动作状态分别生成包含中心值(平均值)及误差 (容许误差)在内的稳定状态数据102a(稳定状态信息)及中间状态数据103a(过渡状态状态学习装置201生成的稳定状态数据10 被保存在稳定状态数据库102，状态学习装置201生成的中间状态数据103a被保存在中间状态数据库103。状态诊断装置202也与状态学习装置201同样地，作为从输入数据库101输入的传感器数据，输入与状态学习装置201所输入的数据具有相同相关性的传感器数据的组合，基于这些传感器数据识别作业机械的动作状态是稳定动作状态还是过渡动作状态。而且，状态诊断装置202是在作业机械的动作状态为稳定动作状态时，利用由状态学习装置 201生成的稳定状态数据库10 进行异常判定，在为过渡动作状态时，使用由状态学习装置201生成的过渡状态数据103a进行异常判定。由状态诊断装置202得到的判定结果数据10 被保存在判定结果数据库104。显示装置203具有键盘、鼠标等任意的操作装置，能够通过操作这些操作装置并借助判定结果数据库104显示判定结果数据10如。状态学习装置201和状态诊断装置202也可以同时进行学习和诊断，但优选的是， 状态学习装置201事先进行学习而生成诊断数据之后，状态诊断装置202使用该诊断数据进行诊断。另外，该情况下，状态诊断装置202也可以直接使用状态学习装置201生成并被保存在数据库102、103的数据102a、103a进行诊断，但也可以另外准备诊断专用的数据库 102A、103A,将保存在数据库102、103的数据102a、103a下载到该数据库102A、103A,并使用该数据进行诊断。该情况下，状态学习装置201和状态诊断装置202成为独立的系统。为确保状态学习装置201通过学习生成的诊断数据(稳定状态数据10 及中间状态数据103a)的可靠性，学习所使用的传感器数据IOla必须是作业机械的动作状态为正常时的数据。由此，状态学习装置201得到在输入学习用的传感器数据期间作业机械未发生故障的保养记录等的保证，并将输入的传感器数据作为正常时的数据处理。
图2是表示适用了本发明的诊断系统的作业机械的一例即大型液压挖掘机的整体构造和诊断系统的图。在图2中，液压挖掘机1是机身重量数百吨级的、在例如较多地用于海外的矿山等中的超大型挖掘机(反铲式)。液压挖掘机1具有行驶体2、能够旋转地设置在该行驶体2 上的旋转体(机身)3、设置在旋转体3的前部左侧的驾驶室4、和能够俯仰运动地设置在旋转体3的前部中央的前作业机5。前作业机5由能够转动地设置在旋转体3上的动臂6、能够转动地设置在该动臂6的前端的斗杆7、和能够转动地设置在该斗杆7的前端的铲斗8构成。在旋转体3上装备有例如两台发动机和由这些发动机驱动的多台主泵(未图示)。行驶体2通过左右的行驶电机h、2b分别驱动左右的履带而前进后退，旋转体3通过未图示的旋转电机相对于行驶体2被旋转驱动。动臂6、斗杆7、铲斗8分别被动臂液压缸6a、斗杆液压缸7a、铲斗液压缸8a驱动。在驾驶室4内设置有发挥作为传感器数据库101的作用的数据存储装置9，在该数据存储装置9中以规定时间间隔输入来自各种传感器(检测机构) 的检测信号，这些信息作为传感器数据IOla被存储。数据存储装置9 (传感器数据库101) 通过线缆能够与具有本发明的学习诊断系统100(状态学习装置201和状态诊断装置202 作为独立的系统构成的情况下，这些系统中的一方)的个人计算机11连接，通过将个人计算机11连接到数据存储装置9，能够将存储在数据存储装置9中的传感器数据IOla下载到个人计算机11中。个人计算机11具有个人计算机主体11A、作为显示机构的显示部11B、 作为输入机构的鼠标IlC及键盘11D。另外，本发明的学习诊断系统100 (状态学习装置201和状态诊断装置202作为独立的系统构成的情况下，它们中的各系统)也可以设置在液压挖掘机1的管理事务所(例如液压挖掘机1的制造商、商店、经销商、出租业者等的办公室)中所设置的服务器12中。 该情况下，数据存储装置9具有无线电台13，存储在数据存储装置9中的传感器数据IOla 经由无线电台13、通信卫星14、基站15、互联网16定期地向服务器12发送。管理事务所距离作业现场较近的情况下，技师也可以将存储卡等便携用存储介质连接在数据存储装置 9上并下载传感器数据101a，将该存储介质带回管理事务所，并从存储介质下载到服务器。图3是表示设置在液压挖掘机1的驾驶室4内的控制器网络的图。液压挖掘机1 的控制器网络具有发动机控制器21、车身控制器22、监视器控制器23、液压系统测量单元 M、发动机测量单元25和上述数据存储装置9 (传感器数据库101)。液压系统测量单元M 被连接在发动机控制器21上，发动机控制器21经由第一通用通信线27A被连接在数据存储装置9上。车身控制器22、监视器控制器23和液压系统测量单元M经由第二通用通信线27B被连接在数据存储装置9。发动机控制器21通过进行电子调节器观的控制来控制发动机的燃料喷射量，车身控制器22输入电控制杆装置的操作信号(电信号)，根据该操作信号控制电磁阀(未图示)，从而控制液压系统。监视器控制器23与显示器31及操作部32连接，根据操作部32的输入操作进行与显示器31的显示相关的控制。液压系统测量单元M输入并收集主泵等与液压系统相关的机器的各种状态量的检测信号，发动机测量单元25输入并收集发动机转速、排出气体温度、散热器的水温等与发动机系统相关的机器的各种状态量的检测信号。在图3中，作为检测这些状态量的传感器的例子，示出了检测发动机转速的旋转传感器34和检测排出气体温度的温度传感器35。
数据存储装置9以规定间隔经由第一及第二通用通信线27A、27B输入液压系统测量单元M及发动机测量单元25所收集的状态量数据、和发动机控制器21、车身控制器22、 监视器控制器23中的输入数据及输出数据中的必须的数据，并将这些数据作为传感器数据IOla存储。如前所述，在数据存储装置9上能够连接个人计算机11 (学习诊断装置系统 100)，能够将存储在数据存储装置9中的传感器数据IOla下载到个人计算机11。另外，存储在数据存储装置9中的传感器数据IOla经由无线电台13定期地向管理事务所的服务器 12 (学习诊断装置系统100)发送。此外，监视器控制器23也能够具有学习装置系统100的功能，该情况下，存储在数据存储装置9中的传感器数据IOla经由第二通用通信线27B定期地向监视器控制器23发送。图4是作为具有相关性的多个传感器数据IOla(运转数据)的组合的一例，表示发动机的转速和与之相伴的排出气体温度的变化(时间性变化)的图。发动机处于高速旋转状态Ra时，排出气体温度也是高温状态Ta，发动机处于低速旋转状态Rb时，排出气体温度也是较低的状态的Tb。但是，相对于发动机的转速的变化，发动机本身的温度变化缓慢 (即发动机变成低速旋转也不能立即冷却下来)，从而排出气体温度也缓慢地变化。作业机械的动作状态为正常的情况下，具有相关性的多个传感器数据IOla的关系大致恒定。能够将具有相关性的多个传感器数据IOla的关系发生变化作为异常的先兆进行把握。另外，通过观察具有相关性的多个传感器数据IOla的关系的变化，能够推定异常的原因。例如，在图4所示的发动机的转速和与之相伴的排出气体温度的例子中，在排出气体温度相对于发动机的转速的变化以与图4所示的变化不同的方式变化的情况下，能够推定发动机发生了某种异常。关于这样的发动机的变化及排出气体温度的变化，在诊断是否是正常工作状态的情况下，考虑以下方法。其一是，只在没有变化的区间进行诊断的方法，在该例中可以说是，在如图4中的如to至tl、t3至t4、t6至t7那样发动机转速恒定且稳定、排出气体温度也恒定且稳定这样的区间(以下将其称为稳定区间)中，在各条件下判定是否是正常值的方法。但是，在该方法中，在状态如tl至t3、t4至t6那样地变化的区间(以下将其称为过渡区间)中不能进行诊断。对此，在其他方法中，变化本身即各传感器数据(这里是发动机的转速和排出气体温度)的变量也作为条件加入，由此，进行状态识别及诊断。但是，从图4可知，在tl至 t3中，由于排出气体温度以非线性变化，所以，变量值本身也多样地变化。即，同时使用传感器值及其变量值的方法，在非线性地进行状态变化的情况下，诊断精度变差。还考虑在稳定区间中使用静态函数且在过渡区间中使用动态函数并由此使诊断精度提高的方法。这里，静态、动态是指值相对于时间变化是否恒定，值是否随着时间变化作为时间函数也发生变化。若使用该方法，则在稳定区间及过渡区间中能够高精度地进行诊断。但是，对于机械的各种传感器数据分别适用怎样的静态/动态函数是需要设计的，对于大量的传感器数据的组合需要进行庞大的设计。在本发明的基本概念即图4所示的例子中，对于这样的方法，可以采用通过设定传感器数据的组合和容许误差而使庞大的设计作业简化的方法。在该方法中，将所有的动作状态确立成稳定状态，作为图5所示的状态数据501保持传感器数据的组合和容许误差。例如在图4的t6至t7的区间中，适用状态数据501的(6)。发动机转速从Ra进入到容许误差RL6的范围，在t6至t7的区间中，与其对应的排出气体温度从Ta进入到容许误差TL6 的范围，因此，判定为是正常的动作状态。另外，在过渡区间的t4至t6中，适用状态数据 501的(5)，与上述(6)的情况同样地，发动机转速从Ra进入到容许误差RL5的范围，排出气体温度从Td进入到容许误差TL5，因此，判定为是正常的动作状态。但是，该方法还有进一步改善的余地。S卩，如图6所示，在发动机进一步劣化的状态下，例如在t3的时刻，本来要检测的劣化状态(排出气体温度的下降变慢的状态)也因容许误差TL3较大而被判定成了是正常状态。如图7所示，若成为容许误差TL3的范围外， 被判定为是异常状态，但成为图7所示那样时，劣化已进行了相当程度，其结果，由于以所有的动作状态作为稳定状态的算法为前提，所以，存在过渡状态下的诊断精度变差的课题。在本实施方式中，具有对于各种传感器数据的组合能够广泛适用的优点，能够避免如上所述的过渡状态下的诊断精度的恶化。以下说明本实施方式的状态学习装置201及状态诊断装置202的详细情况。首先，使用图8、图9A、图9B、图10、图11A、图IlB说明状态学习装置201中的稳定状态数据10 和中间状态数据103a的生成。图8是表示状态学习装置201的结构的图，图9A及图9B是表示状态学习装置201 的处理功能的流程图。图10是表示发动机的转速以及排出气体温度的变化与稳定状态数据以及中间状态数据之间的关系的图，图IlA及图IlB分别表示状态学习装置201生成的稳定状态数据10 及中间状态数据103a的一例的图。状态学习装置201包含稳定状态检测部211和中间状态生成部212。稳定状态检测部211对从输入数据库101输入的传感器数据101a(以下适当称为“输入数据”)进行分类，生成图IlA所示的稳定状态数据102a，并保存到稳定状态数据库102(步骤SllOl S1106)。在稳定状态检测部211中的传感器数据的分类中，能够使用“非监督分类算法”之一的自组织映射(SOM)这样的算法。自组织映射是将输入数据分类成多个数据组的方法。 由于自组织映射本身是只将被提供的输入数据分类成多个数据组的方法，所以不能进行是否是稳定状态的判定。在稳定状态检测部211中，根据分别有多少输入数据是属于通过自组织映射被分类的各数据组，来判定各数据组是否是稳定状态。例如，在输入数据样本的数量为N时，判定各数据组的数据数比例是否比规定比例α大，若比规定的比例α大(各数据组的数据数比α N个多)，则能够只将该数据组定义为表示稳定状态的数据组(步骤 S1103 S1105)。这基于属于稳定状态的样本为一定数量以上大量存在且过渡状态少的前提。作为“非监督分类算法”，除了 SOM以外，还有“K-means”、“EM算法”等，稳定状态检测部211中的传感器数据的分类也可以使用这些算法。图IlA示出了稳定状态检测部211生成的稳定状态数据10 的一例。在图IlA 中，由于该稳定状态数据是特定的数据这个含义，用附图标记1301表示稳定状态数据。被分类成稳定状态的样本是图10中的时刻t0至tl、t3至t4、t6至t7的区间。 to至tl及t6至t7与图IlA所示的稳定状态数据1301的左栏的(6)相对应，t3至t4与稳定状态数据1301的左栏的( 相对应。(6)与t6相互关联。另外，为t6 = t0的关系。 (3)与t3相互关联。S卩，(6)及( 表示这些项目的数据是时刻t0及t3时的稳定状态数据。另外，(6)及C3)具有检索稳定状态数据10 并抽出稳定状态数据1301时的索引信息的作用。稳定状态数据1301的中心值和容许误差基于被分类成各数据组的输入数据样本作成，通过算出属于各数据组的输入数据样本的中心值(平均值)和各输入数据样本与中心值之间的误差来求出。在图IlA的发动机转速的栏中，Rb、Ra是中心值，作为状态诊断装置202诊断时的稳定状态的基准值使用。RL3、RL6是误差，作为状态诊断装置202诊断时的稳定状态的容许误差使用。在图IlA的排出气体温度的栏中，Tb、Ta是中心值，作为状态诊断装置202诊断时的稳定状态的基准值使用。TL3、TL6是误差，作为状态诊断装置202 诊断时的稳定状态的容许误差使用。以下，对状态学习装置201的中间状态生成部212中的中间状态数据的生成进行说明。中间状态生成部212在通过稳定状态检测部211生成稳定状态数据10 之后，参照其稳定状态数据生成中间状态数据103a。如果中间状态生成部212在之前的处理(步骤S1104及S1105的处理)中生成了稳定状态数据102a，则使用生成的稳定状态数据10 开始进行中间状态数据103a的生成 (步骤 S1111)。中间状态生成部212首先对不与稳定状态数据10 相当的输入数据(非稳定状态数据)进行检索，并从中离析(isolate)出以时间方向(时间性)连续的区间的数据，并得到每个过渡区间的中间状态数据(步骤S1112)。在图10中，tl至t3的区间是不属于稳定状态的输入数据。属于各稳定状态数据的样本能够如上所述地判别，所以，通过抽出输入数据中的不属于稳定状态数据的样本就能够得到不属于稳定状态的输入数据。另外，to至tl属于图IlA所示的稳定状态数据1301 的(6)，t3至t4属于稳定状态数据1301的C3)。这里，中间状态生成部212取出非稳定状态数据的前后的稳定状态数据即tl和t3的输入数据(步骤SllU)，并以该tl和t3的输入数据为端点，以纳入预先提供的误差中的方式，依次求出tl至t3的过渡区间的输入数据由直线近似那样的中间点(步骤S1114)。作为误差的提供方法，能够通过例如将各传感器数据的最大值的设定为误差等来提供。作为求出中间点的算法可以采用以下方法。生成以点801及点803为端点的直线， 算出该直线和输入数据(tl至t3的区间的输入数据)之间的误差，将该误差最大的点作为中间点(这里是点809)存储。将生成的中间点和原端点(这里是点801和点803)作为新的端点反复进行同样的计算，求出中间点(这里是点808)，在能够确认所有的输入数据近似为被提供的误差以下的时刻结束。在输入数据由多个传感器信息构成的情况下，以所有的参数都成为规定的误差以下的方式求出中间点。中间状态生成部212将包含如上所述地生成的中间点信息的数据作为中间状态数据103a输出，并保存在中间状态数据库104中(步骤S1115)。在图10的例子中，作为中间状态数据103a，在tl至t3的区间中得到了由基于中间点808、809的中间点信息构成的中间状态数据，另外，在t4至t6的区间中得到了由基于中间点810、811的中间点信息构成的中间状态数据。分别对应的中间状态数据的值如图IlB的中间状态数据1302所示。在图IlB中，与图IlA的情况同样地，由于该中间状态数据是特定的这层含义，用与103a不同的附图标记1301表示稳定状态数据。在中间状态数据1302中，以左栏的⑶为例进行说明。(8)与伪相互关联，表示中间点808的状态。从左数第二栏1313的(6、3)与t6、t3附带关联地表示中间状态⑶所属的过渡状态的连结信息(为t6 = t0的关系)。换言之，(6,3)表示中间状态(8)处于点801和点803之间。(6、3)具有在检索中间状态数据103a并抽出中间状态数据1302时的索引信息的作用。从左开始的第三栏的数据1311表示中间点的连结信息，(6,9)示出了中间状态数据1302的(8)是连结稳定状态数据1301的(6)和中间状态数据1301的(9) 的中间点。Rb、Te、Tf是中间点808、809处的传感器数据，是发动机转速及排出气体温度 (中间值)。RL(6、3)和TL(6、3)都表示由中间状态数据1302构成的近似点和原数据的误差，也作为状态诊断装置202的过渡状态下的判定时的容许误差使用。数据131 和数据 1312b表示从稳定状态数据1301的(6)向中间状态(8)过渡、及从中间状态(8)向下一中间状态(9)过渡的时间。在图10中，示出了 tl至伪及伪至t9的时间差。中间状态数据 1302的左栏的(9)表示为连结中间状态数据1302的⑶和稳定状态数据1301的(3)的中间点。中间状态(10)和(11)的数据也是同样的。以下，使用图12、图13A 图13C说明状态诊断装置202中的诊断处理。图12是表示状态诊断装置202的结构的图，图13A 12c是表示状态诊断装置 202的处理功能的流程图。在图12中，状态诊断装置202包含稳定状态判定部111、补充状态判定部112、补充状态生成部113和中间状态检索部114。稳定状态判定部111、补充状态判定部112、补充状态生成部113、中间状态检索部 114具有如图13A 图13C的流程图所示的处理功能。S卩，输入数据IOla被输入稳定状态判定部111时(步骤S1201)，稳定状态判定部 111对是否与稳定状态数据10 —致进行比较(步骤3120 。稳定状态数据10 的详细情况以稳定状态数据1301为例并利用图IlA进行了说明。在最初阶段，持续读取输入数据 IOla直到输入数据IOla与稳定状态数据10 的某一个一致。在输入数据IOla与稳定状态数据10 的某一个一致时，将其作为“当前的稳定状态数据”保持(步骤S12(X3)。具体地，将稳定状态数据10 中的与输入数据IOla对应的数据的索引信息保持在缓冲器(未图示)中。接着继续进行输入数据IOla的读取(步骤S1204)，判定其是否与“当前的稳定状态数据”一致(步骤S1205)。一致的情况下，将正常状态的判定结果作为判定结果数据 104a输出并保存在数据库104(步骤S1206)，返回步骤S1204。输入数据IOla与“当前的稳定状态数据”不一致的情况下，将其保持在缓冲器(A) (未图示)中(步骤S1207)，继续数据的读取(步骤S1208)。只要读取的数据与稳定状态数据10 的任何一个都不一致(步骤S1209)，就继续将其读取到缓冲器(A)中。在读取的数据与稳定状态数据10 的某一个一致的情况下(步骤S1209)，将其保持在缓冲器(B) 中(步骤S1210)，并判定被保持在缓冲器(B)中的数据是否与步骤S1203中所保持的“当前的稳定状态数据”一致(步骤S1211)。在被保持在缓冲器(B)中的数据与“当前的稳定状态数据”一致的情况下，在相同的稳定状态下，暂时输入与“当前的稳定状态数据”不一致的数据，从而在“当前的稳定状态数据”中，视为发生异常状态，并进行异常判定处理(步骤S12U)，并将异常状态的判定结果作为判定结果数据10 输出并保存在数据库104中(步骤S12i;3)。然后，继续数据的读取(步骤S1204)。在被保持在缓冲器(B)中的数据与“当前的稳定状态数据”不一致的情况下，由于发生在不同的稳定状态之间的过渡，所以转换到过渡状态下的判定。中间状态检索部114 将被保持在缓冲器(B)中的稳定状态数据作为“下一稳定状态数据”，并基于“当前的稳定状态数据”和“下一稳定状态数据”，检索中间状态数据103a(步骤S1214)。补充状态生成部113基于被检索的中间状态数据103a及过渡前后的稳定状态(“当前的稳定状态数据” 及“下一次的稳定状态数据”)生成补充数据(步骤S1215)，补充状态判定部112判定缓冲器(A)中保持的输入数据IOla是否与补充数据一致(步骤S1216)。在缓冲器(A)中保持的输入数据IOla与生成的补充数据一致的情况下，将正常状态的判定结果作为判定结果数据10 输出并保存在数据库104中(步骤S1217)，并将 “下一稳定状态数据”置换成“当前的稳定状态数据”(步骤S1220)，继续数据的读取(步骤 S1204)。在缓冲器(A)中保持的输入数据IOla与生成的补充数据不一致的情况下，基于缓冲器(A)中保持的输入数据IOla和生成的补充数据进行异常判定处理(步骤S1218)，并将异常状态的判定结果作为判定结果数据10 输出并保存在数据库104中(步骤S1219)，并将“下一稳定状态数据”置换成“当前的稳定状态数据”(步骤S1220)，继续数据的读取(步骤 S1204)。关于状态诊断装置202中的诊断内容，使用图IlA及图IlB的稳定状态数据1301 及中间状态数据1302和图14更具体地说明。图14是表示诊断时的发动机转速及排出气体温度的变化和中间状态数据之间的关系的与图10同样的图。首先，在图14的t0至tl的区间中，发动机转速是Ra，排出气体温度是Ta，它们与图IlA的稳定状态数据1301中的稳定状态(6)的数据一致，从而根据步骤S1201至步骤 S1206的动作进行处理，并作为正常状态输出判定结果数据10如。其次，在图14的tl至tl2的区间中，由于与稳定状态数据1301不一致，所以在步骤S1207中，tl至tl2的输入数据被保持在缓冲器(A)中。时刻成为tl2时，与图IlA的稳定状态数据1301中的稳定状态(3)的数据一致，这是因为与稳定状态(6)的数据不同， 所以，进入步骤S1214。在步骤S1214中，中间状态检索部114将栏1313的(6、3)作为索引对从稳定状态(6)向稳定状态C3)过渡的情况下的中间状态数据进行检索，并作为检索结果输出中间状态⑶及(9)的数据。由于作为中间状态数据检索出了⑶及(9)的数据，所以在步骤S1215中，补充状态生成部113基于中间状态(8)的数据，在比时刻tl (与稳定状态(6) —致的最后的时刻) 多出了 t(6、8)的时间差的时刻伪，作为发动机转速Rb、排出气体温度Te，求出使时刻t6至时刻伪的区间近似于直线的各时刻的补充数据。该情况下，补充数据中，关于发动机转速恒定在Rb，关于排出气体温度求出了在时刻tl为Ta且在时刻伪为Te的线段上的各时刻的值。补充状态判定部112在步骤S1216中判定输入数据相对于求出的各时刻的补充数据是否在为发动机转速时处于RL(6、3)的误差内、是否在为排出气体温度时处于TL(6、3) 的误差内。在本实施方式中，在时刻tl至时刻伪的区间中，若不脱离误差范围，则在步骤 S1216中判定为一致。然后，补充状态生成部113求出时刻伪至时刻t9的区间近似于直线的各时刻的补充数据，补充状态判定部112与上述时刻tl至时刻伪的区间同样地在步骤S1216中判定输入数据相对于求出的各时刻的补充数据是否脱离误差范围，在该情况是脱离时，判定为在时刻伪至时刻t9不一致，作为结果，在步骤S1216中，综合判定为输入数据和生成的补充状态不一致，并进入步骤1218。在步骤S1218中，在不在误差内的情况下，是异常状态， 在步骤S1219中，输出排出气体温度超过误差范围且为异常这样的判定结果。该情况下，也可以输出以怎样的程度超过了误差范围的脱离量。关于发动机转速，由于没有脱离误差范围，所以不判定为异常。假设，在所有的补充状态下都一致的情况下，进入步骤S1217，作为正常状态输出。最后，将“当前的稳定状态数据”从(6)变更至(3)，并继续数据的读取。根据如上所述地构成的本实施方式，能够得到下述效果。(1)状态诊断装置202使用状态学习装置201生成的分别包含容许误差的稳定状态数据102a(稳定状态信息)及中间状态数据103a(过渡状态信息)进行诊断，从而能够对于各种传感器信息广泛地进行作业机械的异常诊断。(2)状态学习装置201将传感器数据IOla(运转数据)分类成作业机械处于稳定动作状态时的数据和处于过渡动作状态时的数据，并生成稳定状态数据10 和中间状态数据103a，状态诊断装置202对该稳定动作状态和过渡动作状态进行识别并进行异常判定，从而不仅在稳定动作状态下能够进行异常诊断，还能在动作状态间的过渡状态即过渡动作状态下进行异常诊断，从而能够防患作业机械的故障于未然。(3)上述(1)及O)的结果为，对于进行各种工作的机械的动作状态，能够广泛地学习，并且在过渡动作状态下也能够进行适当的诊断。(4)状态诊断装置202基于与此时的过渡动作状态下的传感器数据101a(运转数据)对应的中间状态数据103a(过渡状态信息)进行异常判定，从而在过渡动作状态下也能够进行适当的诊断。(5)状态诊断装置202使用中间点信息和包含容许误差的中间状态数据103a(过渡状态信息)从而生成补充数据并进行异常判定，所以，能够减少所学习的中间状态数据 103a的数据量，并且能够使用少的数据量的中间状态数据103a进行精度高的诊断。另外， 不需要与过渡状态相关的事前知识，就能够学习/诊断。(6)状态诊断装置202输入具有相关性的多个传感器数据IOla(运转数据)的组合(例如发动机转速和排出气体温度)并进行诊断，从而不仅能够进行异常的判定，还能够从运转数据的关系的变化预测异常的先兆，并推定异常的原因。此外，在上述实施方式中，对于将本发明适用于超大型液压挖掘机(反铲式)的情况进行了说明，但只要是在机身具有作业机的作业机械，也可以是除此以外的作业机。例如，在装载式的液压挖掘机、尺寸比超大型小的液压挖掘机(例如通常的大型液压挖掘机或中型液压挖掘机)、以及液压挖掘机以外的轮式装载机、起重机、推土机等作业机械中，也能够同样地适用本发明，并能够得到同样的效果。另外，在上述实施方式中，对作为具有相关性的多个运转数据、发动机转速和排出气体温度进行了说明，但也可以采用除此以外的运转数据的组合(例如，发动机温度和散热器温度的组合、操作杆装置的杆操作量和液压泵的排出压力的组合)。附图标记的说明1液压挖掘机2行驶体3旋转体
4驾驶室5前作业机6 动臂7 斗杆8 伊斗9数据存储装置11个人计算机IlA个人计算机主体IlB显示部IlC 鼠标IlD 键盘12服务器13无线电台14通信卫星15 基站16互联网21发动机控制器22车身控制器23监视器控制器M液压系统测量单元25发动机测量单元27A第一通用通信线27B第二通用通信线28电子调节器29A、29B电控制杆装置31显示器32操作部100学习诊断系统101输入数据库IOla传感器数据(运转数据)102稳定状态数据库102a稳定状态数据(稳定状态信息)103过渡状态数据库103a中间状态数据(过渡状态信息)104判定结果数据库10 判定结果数据201状态学习装置202状态诊断装置203显示装置
211稳定状态检测部212中间状态生成部111稳定状态判定部112补充状态判定部113补充状态生成部114中间状态检索部801、803、804、806 端点808、809、810、811 中间点1301稳定状态数据Ra、Rb中心值(发动机转速)RL3、RL6容许误差(发动机转速)Ta、Tb中心值(排出气体温度)TL3、TL6容许误差(排出气体温度)1302中间状态数据Ra、Rb中间点信息(发动机转速)Te、Tf、Tg、Th中间点信息(排出气体温度)RL (6、3)、RL (3、6)容许误差(发动机转速)TL(6、3)、TL(3、6)容许误差(排出气体温度)
权利要求
1.一种作业机械的学习诊断系统，将在机身具有作业机的作业机械的状态量通过传感器进行检测并作为运转数据输入，使用该运转数据进行作业机械的动作状态的异常检测， 其特征在于，具有状态学习装置，将输入的运转数据分类成作业机械的动作状态处于稳定动作状态时的运转数据和处于过渡动作状态时的运转数据，基于该分类的运转数据进行所述作业机械的动作状态的学习，并生成分别包含容许误差的稳定状态信息及过渡状态信息；状态诊断装置，使用输入的运转数据和所述状态学习装置中生成的包含容许误差的稳定状态信息，识别与输入的运转数据相关的作业机械的动作状态是稳定动作状态还是过渡动作状态，并进行所述识别的稳定动作状态下的异常判定，并且使用所述状态学习装置中生成的包含容许误差的过渡状态信息进行所述识别的过渡动作状态下的异常判定。
2.如权利要求1所述的作业机械的学习诊断系统，其特征在于，所述状态学习装置选择所述动作状态处于过渡动作状态时的运转数据中的、时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，并基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，生成所述过渡状态 fn息，所述状态诊断装置基于所述识别的向过渡动作状态过渡前后的两个稳定动作状态，检索所述状态学习装置中生成的所述过渡状态信息并抽出对应的过渡状态信息，基于所述识别的过渡动作状态和所述抽出的过渡状态信息，进行所述识别的过渡动作状态下的异常判定。
3.如权利要求1所述的作业机械的学习诊断系统，其特征在于，所述状态学习装置选择所述动作状态处于稳定动作状态时的运转数据中的、时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，运算使所述选择的过渡动作状态下的运转数据由多条直线近似那样的中间点信息，并生成该中间点信息和包含所述容许误差的所述过渡状态信息，所述状态诊断装置在所述识别的过渡动作状态下，基于所述状态学习装置中生成的所述中间点信息生成补充数据，使用该补充数据和所述容许误差进行异常判定。
4.如权利要求1所述的作业机械的学习诊断系统，其特征在于，所述状态学习装置具有稳定状态信息生成机构，将输入的运转数据分类成作业机械的动作状态处于稳定动作状态时的运转数据和除此以外的运转数据，基于作业机械的动作状态处于稳定动作状态时的运转数据生成所述稳定状态信息；过渡状态信息生成机构，将所述稳定状态检测机构中分类的所述除此以外的运转数据作为作业机械处于过渡动作状态时的运转数据使用，基于该运转数据生成所述过渡状态信肩、ο
5.如权利要求1或4所述的作业机械的学习诊断系统，其特征在于，所述状态诊断装置具有稳定状态判定机构，使用所述状态学习装置中生成的所述稳定状态信息，识别与所述输入的运转数据相关的作业机械的动作状态是稳定动作状态还是过渡动作状态，并且进行所述识别的稳定动作状态下的异常判定；过渡状态检索机构，使用所述稳定状态判定机构中识别的稳定动作状态下的运转数据，检索所述状态学习装置中生成的所述过渡状态信息并抽出对应的过渡状态信息；补充状态生成机构，基于所述过渡状态检索机构中抽出的过渡状态信息生成补充数据；补充状态判定机构，基于所述稳定状态判定机构中识别的过渡动作状态下的运转数据和所述补充状态生成机构中生成的补充数据进行异常判定。
6.如权利要求1 5中的任一项所述的作业机械的学习诊断系统，其特征在于，所述状态学习机构，作为所述运转数据输入具有相关性的多个运转数据的组合，使用该具有相关性的多个运转数据生成所述稳定状态信息及过渡状态信息，所述状态诊断装置，作为所述运转数据输入与所述状态学习装置所输入的组合具有相同相关性的多个运转数据的组合，对该具有相关性的多个运转数据进行异常判定。
7.一种用于学习诊断系统的作业机械的状态学习装置，该学习诊断系统将在机身具有作业机的作业机械的状态量通过传感器检测并作为运转数据输入，使用该运转数据进行作业机械的动作状态的异常检测，其特征在于，具有稳定状态信息生成机构，将输入的运转数据分类成作业机械的动作状态处于稳定动作状态时的运转数据和除此以外的运转数据，基于作业机械的动作状态处于稳定动作状态时的运转数据生成包含容许误差的稳定状态信息；过渡状态信息生成机构，将所述稳定状态检测机构中分类的所述除此以外的运转数据作为作业机械处于过渡动作状态时的运转数据使用，基于该运转数据生成包含容许误差的过渡状态信息。
8.如权利要求7所述的作业机械的状态学习装置，其特征在于，所述过渡状态信息生成机构选择所述动作状态处于过渡动作状态时的运转数据中的、 时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的过渡动作状态下的运转数据和所述两个稳定动作状态下的运转数据，生成所述过渡状态 fn息ο
9.如权利要求7所述的作业机械的状态学习装置，其特征在于，所述过渡状态信息生成机构选择所述动作状态处于稳定动作状态时的运转数据中的、 时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，运算使所述选择的过渡动作状态下的运转数据由多条直线近似那样的中间点信息，并生成该中间点信息和包含所述容许误差的所述过渡状态信息。
10.如权利要求7 9中的任一项所述的作业机械的状态学习装置，其特征在于，所述稳定状态信息生成机构将具有相关性的多个运转数据的组合作为所述运转数据输入，使用该具有相关性的多个运转数据生成所述稳定状态信息，所述过渡状态信息生成机构使用所述具有相关性的多个运转数据生成所述过渡状态fn息ο
11.一种用于学习诊断系统的作业机械的状态诊断装置，该学习诊断系统将在机身具有作业机的作业机械的状态量通过传感器检测并作为运转数据输入，使用该运转数据、状态学习装置中生成的分别包含容许误差的稳定状态信息及过渡状态信息，进行作业机械的动作状态的异常检测，其特征在于，具有稳定状态判定机构，使用所述状态学习装置中生成的所述稳定状态信息，识别与输入的运转数据相关的作业机械的动作状态是稳定动作状态还是过渡动作状态，并进行所述识别的稳定动作状态下的异常判定；过渡状态检索机构，使用所述稳定状态判定机构中识别的稳定动作状态下的运转数据，检索所述状态学习装置中生成的所述过渡状态信息并抽出对应的过渡状态信息；补充状态生成机构，基于所述过渡状态检索机构中抽出的过渡状态信息生成补充数据；补充状态判定机构，基于所述稳定状态判定机构中识别的过渡动作状态下的运转数据和所述补充状态生成机构中生成的补充数据进行异常判定。
12.如权利要求11所述的作业机械的状态诊断装置，其特征在于，所述状态学习装置选择所述动作状态处于过渡动作状态时的运转数据中的、时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，生成所述过渡状态信息？所述过渡状态检索机构基于向所述识别的过渡动作状态过渡前后的两个稳定动作状态，检索所述状态学习装置中生成的所述过渡状态信息并抽出对应的过渡状态信息。
13.如权利要求11所述的作业机械的状态诊断装置，其特征在于，所述状态学习装置选择所述动作状态处于稳定动作状态时的运转数据中的、时间上连续的区间中的运转数据，并选择所述动作状态处于稳定动作状态时的运转数据中的、向所述选择的过渡动作状态过渡前后的两个稳定动作状态下的运转数据，基于该选择的两个稳定动作状态下的运转数据和所述选择的过渡动作状态下的运转数据，运算使所述选择的过渡动作状态下的运转数据由多条直线近似那样的中间点信息，并生成该中间点信息和包含所述容许误差的所述过渡状态信息，所述补充状态生成机构基于所述状态学习装置中生成的所述中间点信息生成补充数据，所述补充状态判定机构使用所述补充数据和所述容许误差进行异常判定。
14.如权利要求11 13中的任一项所述的作业机械的状态诊断装置，其特征在于， 所述状态学习装置将具有相关性的多个运转数据的组合作为所述运转数据输入，并使用该具有相关性的多个运转数据生成所述稳定状态信息及过渡状态信息，所述稳定状态判定机构作为所述运转数据输入与所述状态学习装置输入的组合具有相同相关性的多个运转数据的组合，并基于该具有相关性的多个运转数据，识别作业机械的动作状态是稳定动作状态还是过渡动作状态，并且进行所述识别的稳定动作状态下的异常判定，所述过渡状态检索机构及补充状态判定机构基于所述具有相关性的多个运转数据分别进行检索和异常判定。
全文摘要
本发明提供作业机械的学习诊断系统、状态诊断装置及状态学习装置，在作业机械的学习诊断系统中，能够对各种传感器信息广泛地进行作业机械的异常诊断，而且在动作状态间的过渡状态即过渡动作状态下也能够进行异常诊断，由此，能够防患作业机械的故障于未然。状态学习装置(201)将输入的传感器数据(101a)分类成稳定动作状态和过渡动作状态下的数据，通过学习生成分别包含容许误差的稳定状态数据(102a)及中间状态数据(103a)。状态诊断装置(202)使用该稳定状态数据(102a)，识别与输入的传感器数据相关的作业机械的动作状态是稳定动作状态还是过渡动作状态，并进行稳定动作状态下的异常判定，并且使用中间状态数据(103a)进行所识别的过渡动作状态下的异常判定。中间状态数据(103a)也包含中间点信息。
文档编号G01M99/00GK102326066SQ20108000834
公开日2012年1月18日 申请日期2010年2月19日 优先权日2009年3月31日
发明者中村浩三, 古野义纪, 汤田晋也, 荒木宪司, 铃木英明, 高桥广考 申请人:日立建机株式会社