[发明专利]工程机械的履带张力监测方法及系统

说明书

一种工程机械的履带张力监测方法，接收用于监测履带张力的重要因子的数据。通过基于所述数据执行机器学习算法来判断履带张力状态。显示关于所述履带张力状态的信息。

技术领域

本发明涉及一种工程机械的履带张力监测方法及系统，更详细地，涉及一种用于在安装有履带的工程机械中监测履带的张力的方法及用于执行该方法的履带张力监测系统。

背景技术

在安装有履带的工程机械中，履带被履带弹簧弹性支撑而在一定范围内伸缩，从而可以缓和行驶过程中的冲击。所述履带弹簧的张力可以通过注入或排出润滑脂来调节。当所述履带无法被维持为适当的张力时，可能致使所述履带和下部行驶体相关部件破损。然而，客户不容易判断要调整所述履带的张力的程度，并且，在现有的履带张力调整装置的情况下，难以将张力维持为期望的适当的水平，而且存在由于价昂且复杂的液压回路致使经济性、生产性下降的问题。

发明内容

技术问题

本发明的一课题在于，提供一种能够在期望的时间点容易且准确地诊断履带张力的工程机械的履带张力监测方法。

技术方案

用于达成上述本发明的一课题的示例性的实施例提供一种工程机械的履带张力监测方法，包括：接收为了监测履带张力而指定的重要因子的数据；通过基于所述数据执行机器学习算法来判断履带张力状态；以及显示关于所述履带张力状态的信息。

在示例性的实施例中，所述履带张力监测方法还可以包括执行用于监测所述履带张力的驾驶模式。

在示例性的实施例中，所述重要因子可以是去除用于所述机器学习算法的学习贡献度较低的驾驶特性因子的数据后残留的因子。

在示例性的实施例中，所述重要因子的数据可以包括当前速度下的负载百分比(Percent load at current speed)、实际发动机扭矩率(Actual engine percenttorque)以及液压泵压力中的至少一个。

在示例性的实施例中，所述重要因子的数据还可以包括燃料消耗率(fuel rate)，所述重要因子的数据可以是在驱动配置于工程机械的上部体的发动机和液压泵时获取的。

在示例性的实施例中，通过执行所述机器学习算法来判断所述履带张力状态的步骤可以包括：通过基于所述数据执行所述机器学习算法来计算用于判断所述履带张力的短期值；以及通过比较已设定的极限值与所述短期值来判断所述履带张力状态。

所述履带张力监测方法还可以包括将关于所述履带张力状态的信息通过设置于所述工程机械的远程管理装置提供给服务器。

所述履带张力监测方法还可以包括通过收集关于所述履带张力状态的信息来预测并提供所述履带的相关部件的寿命。

所述履带张力监测方法还可以包括基于关于所述履带张力状态的信息来调整所述履带的张力。

发明的效果

根据示例性的实施例，可以接收对用于监测履带张力的重要因子的数据，并通过基于所述数据执行机器学习算法来判断履带张力状态。对所述重要因子的数据可以包括关于供应至行驶电机的压力、发动机负荷或燃料消耗量变化的数据。基于所述数据，可以利用机器学习算法来诊断下部体的履带张力状态并预测故障时间点。

因此，无需作业者直接测量履带张力，并且无需在履带或下部体设置单独的传感器即可在期望的时间点容易且准确地诊断履带张力状态。此外，通过累积计算履带张力状态数据，可以预测下部体相关部件的磨损寿命或故障。

需要说明的是，本发明的效果不限于上面提及的效果，而是可以在不脱离本发明的思想和领域的范围内被多样地扩展。

附图说明

图1是示出示例性的实施例的履带式工程机械的侧视图。