具体实施方式

以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

一般的起重机液压系统散热风扇为定速风扇，通过风扇的开闭控制实现液压系统的散热控制。传统的方式为：当液压油温度小于某个固定值W₁时风扇关闭，当液压油温度大于某个固定值W₂时风扇开启。现有的散热风扇的控制策略没有考虑作业工况负载率和环境温度等因素，开闭温度的设置依靠用户的经验确定，开闭温度不可实时调整，存在液压油散热系统的工作效率不高的问题，还将影响系统性能及液压系统元器件的使用寿命。

为解决上述问题，图1示意性示出了本发明一实施例中用于液压油散热系统的控制方法的流程示意图。如图1所示，在本发明实施例中，提供了一种用于液压油散热系统的控制方法，应用于包括发动机和液压油散热系统的设备，液压油散热系统包括散热风扇，散热风扇的工作状态包括开启状态和关闭状态，以该方法应用于设备的处理器为例进行说明，该控制方法可以包括以下步骤：

步骤S102，获取设备在预设时间段内的相关数据，其中相关数据包括液压油温度、环境温度以及发动机负载率。

可以理解，预设时间段为预先设置的采样相关数据的时间段，例如30分钟。相关数据为设备在作业过程中的相关检测数据和相关作业数据等。发动机负载率为发动机的实际工作负荷与额定负荷的比重。

具体地，处理器可以获取设备在预设时间段(例如，30分钟)内的相关数据，相关数据可以包括液压油温度、环境温度以及发动机负载率，进一步地，液压油温度可以通过检测液压油温度的温度检测设备(例如，温度传感器)检测得到，环境温度可以通过检测环境温度的温度检测设备(例如，温度传感器)检测得到，发动机负载率可以通过获取发动机输出的数据得到，也可以根据发动机扭矩和转速计算得到，也就是说，处理器可以获取相应的温度检测设备检测到的液压油温度、环境温度以及发动机输出的发动机负载率或者根据发动机扭矩和转速计算得到的发动机负载率。

步骤S104，将相关数据和预设时间间隔输入预先训练的温度预测模型，以得到温度预测模型输出的预设时间间隔之后的预测温度。

可以理解，预设时间间隔为预先设置的固定时间间隔，例如10分钟。温度预测模型为事先训练的用来预测未来某一时刻的液压油温度的模型，该模型与液压油温度、环境温度以及发动机负载率有关。预测温度为温度预测模型根据预设时间段内的相关数据确定的未来某一时刻或者当前某一时间间隔之后的液压油温度。

具体地，处理器可以将相关数据(包括预设时间段内的液压油温度、环境温度以及发动机负载率)和预设时间间隔(例如，10分钟)输入预先训练的温度预测模型，从而得到温度预测模型输出的当前时刻预设时间间隔之后的预测温度。

步骤S106，根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值，控制散热风扇的工作状态。

可以理解，当前时刻的当前液压油温度在获取预设时间段内的相关数据时就已经获得，也就是说预设时间段包括了当前时刻，例如[t₀-Δt，t₀]时间段，其中t₀为当前时刻，Δt为预设时间间隔。目标液压油温度上限值为预先设置的最佳油温范围的上限温度值，目标液压油温度下限值为预先设置的最佳油温范围的下限温度值，具体的最佳油温范围可以根据实际情况或者系统参数设置。

具体地，处理器可以根据温度预测模型输出的预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值，控制散热风扇的工作状态。进一步地，处理器可以根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值之间的关系确定散热风扇在当下直至未来预设时间间隔内的工作状态，从而控制散热风扇在当下直至未来预设时间间隔内保持该工作状态不变。

上述用于液压油散热系统的控制方法，通过获取设备在预设时间段内的相关数据，从而将相关数据和预设时间间隔输入预先训练的温度预测模型，以得到温度预测模型输出的预设时间间隔之后的预测温度，进一步根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值，控制散热风扇的工作状态。上述方法在不改变硬件的情况下，考虑了作业工况负载率和环境温度等因素，通过预先建立关于液压油的温度预测模型，并基于该温度预测模型得到预设时间间隔之后的预测温度，从而根据该预测温度与当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值之间的关系进行决策，从而确定散热风扇的工作状态，可以实现散热风扇开启或关闭的智能控制，提高了液压油散热系统的工作效率，降低了液压系统的故障发生率，延长了液压系统元器件的使用寿命。

在一个实施例中，温度预测模型包括散热风扇在关闭状态下的第一温度预测模型；预测温度包括第一预测温度；根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值、目标液压油温度下限值，控制散热风扇的工作状态，可以包括：在当前时刻的当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度小于或者等于目标液压油温度下限值的情况下，控制散热风扇的工作状态为关闭状态。

可以理解，第一温度预测模型为预先训练的散热风扇在关闭状态下的相关数据、时间以及液压油的预测温度之间的关系模型，第一预测温度为第一温度预测模型输出的液压油的预测温度。

具体地，处理器可以分别将当前时刻的当前液压油温度、第一温度预测模型输出的预设时间间隔之后的第一预测温度与目标液压油温度下限值和目标液压油温度上限值进行大小比较，当确定当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度小于或者等于目标液压油温度下限值的时候，也就是当前液压油温度大于或者等于目标液压油温度下限值、小于或者等于目标液压油温度上限值且第一预测温度小于或者等于目标液压油温度下限值的时候，处理器可以控制散热风扇的工作状态为关闭状态，即控制散热风扇在当下直至未来预设时间间隔内保持关闭状态不变。

在本发明实施例中，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度，若当前时刻的温度处于目标液压油温度范围(即目标液压油温度下限值和目标液压油温度上限值所在的区间)之内，且风扇在预设时间间隔内一直保持关闭状态，预设时间间隔之后的第一预测温度小于或等于目标液压油温度下限值，则表明未来预设时间间隔内液压油温度的变化趋势是往下降低，则处理器此时可以切换或控制散热风扇的状态为关闭状态，避免开启散热风扇导致的液压油温度更低的问题，还可以减少风扇开启所导致的不必要的能源浪费。

在一个实施例中，用于液压油散热系统的控制方法还可以包括：在当前时刻的当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度大于或者等于目标液压油温度上限值的情况下，控制散热风扇的工作状态为开启状态。

具体地，处理器可以分别将当前时刻的当前液压油温度、第一温度预测模型输出的预设时间间隔之后的第一预测温度与目标液压油温度下限值和目标液压油温度上限值进行大小比较，当确定当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度大于或者等于目标液压油温度上限值的时候，也就是当前液压油温度大于或者等于目标液压油温度下限值、小于或者等于目标液压油温度上限值且第一预测温度大于或者等于目标液压油温度上限值的时候，处理器可以控制散热风扇的工作状态为开启状态，即控制散热风扇在当下直至未来预设时间间隔内保持开启状态不变。

在本发明实施例中，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度，若当前时刻的温度处于目标液压油温度范围(即目标液压油温度下限值和目标液压油温度上限值所在的区间)之内，且风扇在预设时间间隔内一直保持关闭状态，预设时间间隔之后的第一预测温度大于或等于目标液压油温度上限值，则表明未来预设时间间隔内液压油温度的变化趋势是往上提高，则处理器此时可以切换或控制散热风扇的状态为开启状态，避免关闭散热风扇导致的液压油温度过高的问题，减少液压油温度过高造成的密封件、管路等老化现象的发生，延长液压系统元器件的使用寿命。

在一个实施例中，温度预测模型还可以包括散热风扇在开启状态下的第二温度预测模型；预测温度还包括第二预测温度；根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值、目标液压油温度下限值，控制散热风扇的工作状态，还可以包括：在当前时刻的当前液压油温度和第一预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第二预测温度小于或者等于目标液压油温度下限值的情况下，控制散热风扇的工作状态为关闭状态。

可以理解，第二温度预测模型为预先训练的散热风扇在开启状态下的相关数据、时间以及液压油的预测温度之间的关系模型，第二预测温度为第二温度预测模型输出的液压油的预测温度。

具体地，处理器可以分别将当前时刻的当前液压油温度、第一温度预测模型输出的预设时间间隔之后的第一预测温度、第二温度预测模型输出的预设时间间隔之后的第二预测温度与目标液压油温度下限值和目标液压油温度上限值进行大小比较，当确定当前液压油温度和第一预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第二预测温度小于或者等于目标液压油温度下限值的时候，也就是当前液压油温度和第一预测温度大于或者等于目标液压油温度下限值、小于或者等于目标液压油温度上限值且第二预测温度小于或者等于目标液压油温度下限值的时候，处理器可以控制散热风扇的工作状态为关闭状态，即控制散热风扇在当下直至未来预设时间间隔内保持关闭状态不变。

在本发明实施例中，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度，通过第二温度预测模型可以得到预设时间间隔之后的第二预测温度，若当前时刻的温度处于目标液压油温度范围(即目标液压油温度下限值和目标液压油温度上限值所在的区间)之内，当散热风扇在预设时间间隔内一直保持关闭状态的时候，预设时间间隔之后的第一预测温度处于目标液压油温度范围(即目标液压油温度下限值和目标液压油温度上限值所在的区间)之内，而当散热风扇在预设时间间隔内一直保持开启状态的时候，预设时间间隔之后的第二预测温度小于或等于目标液压油温度下限值，在这种情况下，将散热风扇设置在关闭状态的液压油温度控制效果更好，能够使预设时间间隔后的液压油温度处于目标液压油温度范围内，避免了开启散热风扇导致的液压油温度更低的问题，提高了液压油散热系统的工作效率，还可以减少风扇开启所导致的不必要的能源浪费。

在一个实施例中，用于液压油散热系统的控制方法还可以包括：在当前时刻的当前液压油温度、第一预测温度以及第二预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间的情况下，确定第一差值和第二差值，其中第一差值为目标液压油温度上限值与第一预测温度的差值，第二差值为第二预测温度与目标液压油温度下限值的差值；在第二差值大于或者等于第一差值的情况下，控制散热风扇的工作状态为开启状态。

具体地，处理器可以分别将当前时刻的当前液压油温度、第一温度预测模型输出的预设时间间隔之后的第一预测温度、第二温度预测模型输出的预设时间间隔之后的第二预测温度与目标液压油温度下限值和目标液压油温度上限值进行大小比较，当确定当前液压油温度、第一预测温度以及第二预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间的时候，处理器可以计算目标液压油温度上限值与第一预测温度之间的第一差值、第二预测温度与目标液压油温度下限值的第二差值，并比较第一差值和第二差值的大小，在确定第二差值大于或者等于第一差值的时候，处理器可以控制散热风扇的工作状态为开启状态，即控制散热风扇在当下直至未来预设时间间隔内保持开启状态不变。

在本发明实施例中，当第二差值大于第一差值的时候，表明第一预测温度与目标液压油温度上限值之间的距离小于第二预测温度与目标液压油温度下限值的距离，由于第一预测温度总是大于或等于第二预测温度，即关闭散热风扇的液压油温度总是高于或者等于开启散热风扇的液压油温度，此时说明关闭散热风扇的情况下预设时间间隔后的液压油温度即将达到目标液压油温度上限值，故为了增大液压油处于最佳工作温度区间(目标液压油温度上限值和目标液压油温度下限值所在的范围)的时间占比，控制散热风扇开启可以提高液压油散热系统的工作效率，减少液压油温度过高造成的密封件、管路等老化现象的发生，延长液压系统元器件的使用寿命。

在一个实施例中，用于液压油散热系统的控制方法还可以包括：在第二差值小于第一差值的情况下，控制散热风扇的工作状态为关闭状态。

具体地，在确定第二差值小于第一差值的时候，处理器可以控制散热风扇的工作状态为关闭状态，即控制散热风扇在当下直至未来预设时间间隔内保持关闭状态不变。

在本发明实施例中，当第二差值小于第一差值的时候，表明第一预测温度与目标液压油温度上限值之间的距离大于第二预测温度与目标液压油温度下限值的距离，由于第一预测温度总是大于或等于第二预测温度，即关闭散热风扇的液压油温度总是高于或者等于开启散热风扇的液压油温度，此时说明关闭散热风扇的情况下预设时间间隔后的液压油温度距离目标液压油温度上限值还存在一定的距离，故为了增大液压油处于最佳工作温度区间(目标液压油温度上限值和目标液压油温度下限值所在的范围)的时间占比，控制散热风扇关闭可以提高液压油散热系统的工作效率，减少液压油温度过高造成的密封件、管路等老化现象的发生，延长液压系统元器件的使用寿命。

在一个实施例中，温度预测模型的得到包括：获取设备的历史相关数据；基于深度神经网络算法，根据历史相关数据训练得到温度预测模型。

可以理解，历史相关数据为过去较长时间(例如，1年)内设备在作业过程中的相关检测数据和相关作业数据等，可以包括液压油温度、环境温度以及发动机负载率等数据。

在一个实施例中，在温度预测模型为第一温度预测模型的情况下，历史相关数据包括散热风扇在处于关闭状态下的历史相关数据；在温度预测模型为第二温度预测模型的情况下，历史相关数据包括散热风扇在处于开启状态下的历史相关数据。

具体地，处理器可以获取设备在散热风扇处于开启状态下的历史相关数据和处于关闭状态下的历史相关数据，并基于深度神经网络算法，根据散热风扇处于关闭状态下的历史相关数据训练得到第一温度预测模型的参数，根据散热风扇处于开启状态下的历史相关数据训练得到第二温度预测模型的参数，从而得到预先训练的第一温度预测模型和第二温度预测模型。例如，假设第一温度预测模型(或第二温度预测模型)为：y₁＝(α₁A₁+α₂A₂+α₂A₂)t+b，那么其中y₁可以表示第一温度预测模型(或第二温度预测模型)的预测液压油温度，A₁，A₂，A₃分别表示在预设时间段内的液压油温、环境温度以及发动机负载率数据，t可以表示时间，α₁，α₂，α₃，b可以表示第一温度预测模型(或第二温度预测模型)的参数。

在一些实施例中，处理器可以从数据库获取已经存储的散热风扇的状态信息和设备的历史相关数据，从而可以基于深度神经网络算法，根据散热风扇的状态信息和设备的历史相关数据训练得到第一温度预测模型和第二温度预测模型。

在一个实施例中，设备还包括执行机构；历史相关数据和相关数据还包括执行机构的动作状态数据、执行机构的动作强度数据、执行结构的动作时间、发动机的扭矩以及发动机的转速中的至少一种。

可以理解，执行结构可以包括但不限于主卷扬、副卷扬、回转设备以及臂架等，进一步的，执行机构的动作状态数据可以包括但不限于主卷扬动作、副卷扬动作、回转动作、变幅动作以及主臂伸缩动作等。

在本发明实施例中，第一温度预测模型和第二温度预测模型可以与除液压油温度、环境温度以及发动机负载率之外的其他因素相关，进而可以提高温度预测模型的准确率。

在本发明一具体的实施例中，用于液压油散热系统的控制方法可以分为两个阶段：1、离线的基于大数据分析的液压油温建模；2、在线的液压油散热风扇开关机的智能控制。

(一)基于大数据分析的液压油温建模

以起重机为例进行说明，起重机在作业时，会将相关状态信息以及传感器数据回转到物联网大数据平台中，所得的数据类型有(不限于)：环境温度、液压油温度、发动机扭矩与转速、散热风扇开闭状态、执行机构动作状态(主卷扬动作、副卷扬动作、回转动作、变幅动作、主臂伸缩动作)等。

经过历史数据的积累，物联网大数据平台中存储了众多起重机的大量的作业数据。通过机器学习的方法，从历史数据训练得到液压油温升特性曲线(包括第一温度预测模型和第二温度预测模型)，即液压油温度、环境温度以及发动机负载率等数据之间的关系模型，如下所示：

(1)、当风扇处于关闭状态时(这里用off代表风扇关闭)，液压油温升特性曲线(即第一温度预测模型)为：f_off(A₁，A₂，A₃，t)。

(2)、当风扇处于开启状态时(这里用on代表风扇开启)，液压油温升特性曲线(即第二温度预测模型)为：f_on(A₁，A₂，A₃，t)。

其中，t代表时间，A₁，A₂，A₃分别代表在[t₀-T，t₀]时间段内的液压油温、环境温度以及发动机负载率数据。t₀代表当前时间，T代表时间段的长度。

(二)液压油散热风扇开关机智能控制

为了便于说明智能控制过程，采用如下符号：当前时刻：t₀；t₀时刻油温：W；最佳油温范围：[W₁，W₂]，W₁为目标液压油温度下限值，W₂为目标液压油温度上限值；散热风扇状态：off代表关闭，on代表开启；散热风扇状态切换时间为：ΔT，表示如果从on切换成off，或者从off切换成on，维持该状态的最小时间单位。

本发明的控制策略在于：根据第一温度预测模型和第二温度预测模型基于固定时间(即预设时间间隔)的温度预测值与当前时刻的当前液压油温度、预存储的目标液压油温度上限值以及目标液压油温度下限值的关系进行决策，实现散热风扇开关的智能控制。例如，当t＝t₀+Δt时，f_on(A₁，A₂，A₃，t₀+Δt)＝Won，f_off(A₁，A₂，A₃，t₀+Δt)＝Woff，t₀为当前时刻，Δt为固定时间(即预设时间间隔)，Won为第二预测温度，Woff为第一预测温度。

图2示意性示出了本发明一实施例中第一温度预测模型的预测曲线示意图。图3示意性示出了本发明另一实施例中第一温度预测模型的预测曲线示意图。图4示意性示出了本发明一实施例中第一温度预测模型和第二温度预测模型的预测曲线示意图。图5示意性示出了本发明另一实施例中第一温度预测模型和第二温度预测模型的预测曲线示意图。下面分别举例介绍不同情况的控制策略：

情况1：当W₁≤W≤W₂，Woff≤W₁时，如图2所示，则切换风扇为off状态。

可理解地，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度，若当前时刻的温度(W)处于目标液压油温度范围(即目标液压油温度下限值W₁和目标液压油温度上限值W₂所在的区间)之内，且风扇在预设时间间隔内一直保持关闭状态，预设时间间隔之后的第一预测温度(Woff，即t₀+Δt时刻的液压油温度)小于或等于目标液压油温度下限值(W₁)，则表明未来预设时间间隔内液压油温度的变化趋势是往下降低，则处理器此时可以切换或控制散热风扇的状态为关闭状态，避免开启散热风扇导致的液压油温度更低的问题，还可以减少风扇开启所导致的不必要的能源浪费。

情况2：当W₁≤W≤W₂，Woff≥W₂时，如图3所示，则切换风扇为on状态。

可理解地，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度，若当前时刻的温度(W)处于目标液压油温度范围(即目标液压油温度下限值W₁和目标液压油温度上限值W₂所在的区间)之内，且风扇在预设时间间隔内一直保持关闭状态，预设时间间隔之后的第一预测温度(Woff，即t₀+Δt时刻的液压油温度)大于或等于目标液压油温度上限值(W₂)，则表明未来预设时间间隔内液压油温度的变化趋势是往上提高，则处理器此时可以切换或控制散热风扇的状态为开启状态，避免关闭散热风扇导致的液压油温度过高的问题，减少液压油温度过高造成的密封件、管路等老化现象的发生，延长液压系统元器件的使用寿命。

情况3：当W₁≤W≤W₂，W₁≤Woff≤W₂时，如果Won≤W₁，如图4所示，则切换风扇为off状态。

可理解地，通过第一温度预测模型可以得到预设时间间隔之后的第一预测温度(Woff)，通过第二温度预测模型可以得到预设时间间隔之后的第二预测温度(Won)，若当前时刻的温度(W)处于目标液压油温度范围(即目标液压油温度下限值W₁和目标液压油温度上限值W₂所在的区间)之内，当散热风扇在预设时间间隔内一直保持关闭状态的时候，预设时间间隔之后的第一预测温度处于目标液压油温度范围(即目标液压油温度下限值和目标液压油温度上限值所在的区间)之内，而当散热风扇在预设时间间隔内一直保持开启状态的时候，预设时间间隔之后的第二预测温度小于或等于目标液压油温度下限值，在这种情况下，将散热风扇设置在关闭状态的液压油温度控制效果更好，能够使预设时间间隔后的液压油温度处于目标液压油温度范围内，避免了开启散热风扇导致的液压油温度更低的问题，提高了液压油散热系统的工作效率，还可以减少风扇开启所导致的不必要的能源浪费。

情况4：当W₁≤W≤W₂，W₁≤Woff≤W₂，W₁＜Won≤W₂，如图5所示，则计算：

Yoff＝W₂-Woff

Yon＝Won-W₁

如果Yon≥Yoff，则切换风扇为on状态，否则切换风扇为off状态。

可理解地，当第二差值(Yon)大于第一差值(Yoff)的时候，表明第一预测温度(Woff)与目标液压油温度上限值(W₂)之间的距离小于第二预测温度(Won)与目标液压油温度下限值(W₁)的距离，由于第一预测温度总是大于或等于第二预测温度，即关闭散热风扇的液压油温度总是高于或者等于开启散热风扇的液压油温度，此时说明关闭散热风扇的情况下预设时间间隔后的液压油温度即将达到目标液压油温度上限值，故为了增大液压油处于最佳工作温度区间(目标液压油温度上限值和目标液压油温度下限值所在的范围)的时间占比，控制散热风扇开启可以提高液压油散热系统的工作效率，减少液压油温度过高造成的密封件、管路等老化现象的发生，延长液压系统元器件的使用寿命。

在一些实施例中，当W＜W₁时，切换风扇状态为off。

可理解地，在当前时刻的当前液压油温度(W)小于目标液压油温度下限值(W₁)的时候，表明此时液压油温度较低，处理器可以控制散热风扇的工作状态为关闭状态，以免不必要的能源浪费。

在一些实施例中，当W＞W₂，则切换风扇为on状态。

可理解地，在当前时刻的当前液压油温度(W)大于目标液压油温度上限值(W₂)的时候，表明此时液压油温度较高，处理器可以控制散热风扇的工作状态为开启状态，防止液压油温度过高造成密封件、管路等老化的问题，延长液压系统元器件的使用寿命。

本发明实施例提供的用于液压油散热系统的控制方法，在不改变硬件的情况下，与现有技术相比，本技术方案通过对历史作业工况数据进行大数据分析的方式建立关于液压油的温度预测模型，基于该温度预测模型实现散热风扇开/闭的智能控制，根据预设时间段内的相关数据和温度预测模型提前预判了液压油温度的可能变化趋势，从而控制当下或者未来某一时间段内散热风扇的工作状态，增大了液压油处于最佳工作温度区间的时间占比，降低了液压系统故障，延长了液压系统元器件的使用寿命，进一步提高了液压油散热系统的工作效率，还可以减少不必要的能源浪费。

图6示意性示出了本发明一实施例中用于液压油散热系统的控制装置的结构框图。如图6所示，在本发明实施例中，提供了一种用于液压油散热系统的控制装置，包括：液压油温度检测设备610、环境温度检测设备620以及处理器630，其中：

液压油温度检测设备610，被配置成检测液压油温度。

可理解地，液压油温度检测设备610可以设置于设备的液压系统内部，用于检测液压油温度。

环境温度检测设备620，被配置成检测环境温度。

可理解地，环境温度检测设备620可以设置于设备上，例如起重机的车身上，用于检测环境温度。

处理器630，被配置成：获取设备在预设时间段内的相关数据，其中相关数据包括液压油温度、环境温度以及发动机负载率；将相关数据和预设时间间隔输入预先训练的温度预测模型，以得到温度预测模型输出的预设时间间隔之后的预测温度；根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值，控制散热风扇的工作状态。

上述用于液压油散热系统的控制装置，通过获取设备在预设时间段内的相关数据，从而将相关数据和预设时间间隔输入预先训练的温度预测模型，以得到温度预测模型输出的预设时间间隔之后的预测温度，进一步根据预测温度、当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值，控制散热风扇的工作状态。在不改变硬件的情况下，考虑了作业工况负载率和环境温度等因素，通过预先建立关于液压油的温度预测模型，并基于该温度预测模型得到预设时间间隔之后的预测温度，从而根据该预测温度与当前时刻的当前液压油温度以及预存储的目标液压油温度上限值和目标液压油温度下限值之间的关系进行决策，从而确定散热风扇的工作状态，可以实现散热风扇开启或关闭的智能控制，提高了液压油散热系统的工作效率，降低了液压系统的故障发生率，延长了液压系统元器件的使用寿命。

在一个实施例中，温度预测模型包括散热风扇在关闭状态下的第一温度预测模型；预测温度包括第一预测温度；处理器630进一步被配置成：在当前时刻的当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度小于或者等于目标液压油温度下限值的情况下，控制散热风扇的工作状态为关闭状态。

在一个实施例中，处理器630进一步被配置成：在当前时刻的当前液压油温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第一预测温度大于或者等于目标液压油温度上限值的情况下，控制散热风扇的工作状态为开启状态。

在一个实施例中，温度预测模型还包括散热风扇在开启状态下的第二温度预测模型；预测温度还包括第二预测温度；处理器630进一步被配置成：在当前时刻的当前液压油温度和第一预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间且第二预测温度小于或者等于目标液压油温度下限值的情况下，控制散热风扇的工作状态为关闭状态。

在一个实施例中，处理器630进一步被配置成：在当前时刻的当前液压油温度、第一预测温度以及第二预测温度位于目标液压油温度下限值和目标液压油温度上限值所在的区间的情况下，确定第一差值和第二差值，其中第一差值为目标液压油温度上限值与第一预测温度的差值，第二差值为第二预测温度与目标液压油温度下限值的差值；在第二差值大于或者等于第一差值的情况下，控制散热风扇的工作状态为开启状态。

在一个实施例中，处理器630进一步被配置成：在第二差值小于第一差值的情况下，控制散热风扇的工作状态为关闭状态。

在一个实施例中，处理器630进一步被配置成：获取设备的历史相关数据；基于深度神经网络算法，根据历史相关数据训练得到温度预测模型。

在一个实施例中，在温度预测模型为第一温度预测模型的情况下，历史相关数据包括散热风扇在处于关闭状态下的历史相关数据；在温度预测模型为第二温度预测模型的情况下，历史相关数据包括散热风扇在处于开启状态下的历史相关数据。

在一个实施例中，设备还包括执行机构；历史相关数据和相关数据还包括执行机构的动作状态数据、执行机构的动作强度数据、执行结构的动作时间、发动机的扭矩以及发动机的转速中的至少一种。

本发明实施例提供了一种处理器，处理器被配置成执行根据上述的用于液压油散热系统的控制方法。

本发明实施例提供了一种液压油散热系统，包括：散热风扇；以及根据上述的用于液压油散热系统的控制装置。

本发明实施例提供了一种设备，包括：发动机；以及根据上述的液压油散热系统。

在一个实施例中，设备包括起重机。

以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。

此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。