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，还将导致液压油在最佳工作温度范围内的时长占比不理想，影响系统性能及液压系统元器件的使用寿命，液压油温度过高则会容易造成密封件、管路等老化。

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，将相关数据和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长，其中第一温度预测模型为散热风扇在开启状态下的温度预测模型，第二温度预测模型为散热风扇在关闭状态下的温度预测模型。

可以理解，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。第一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、时间以及预测液压油温度之间的关系模型，第二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、时间以及预测液压油温度之间的关系模型。第一时长为第一温度预测模型基于目标液压油温度上限值和目标液压油温度下限值分别输出的时间值的差，第一时长为第二温度预测模型基于目标液压油温度上限值和目标液压油温度下限值分别输出的时间值的差。

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)和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长。

在一个实施例中，图2示意性示出了本发明一实施例中得到第一时长和第二时长的步骤的流程示意图，如图2所示，将相关数据和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长，可以包括以下步骤：

步骤S202，将相关数据和预存储的目标液压油温度上限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型输出的第一上限时间值和第二温度预测模型输出的第二上限时间值。

可以理解，第一上限时间值为第一时长对应的两个时间端点数据中较大的数值，也就是第一温度预测模型关于目标液压油温度上限值所对应的时间，第二上限时间值为第二时长对应的两个时间端点数据中较大的数值，也就是第二温度预测模型关于目标液压油温度上限值所对应的时间。

具体地，处理器将相关数据和预存储的目标液压油温度上限值作为输入值输入至预先训练好的第一温度预测模型和第二温度预测模型，得到第一温度预测模型输出的第一上限时间值和第二温度预测模型输出的第二上限时间值。

步骤S204，将相关数据和预存储的目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型输出的第一下限时间值和第二温度预测模型输出的第二下限时间值。

可以理解，第一下限时间值为第一时长对应的两个时间端点数据中较小的数值，也就是第一温度预测模型关于目标液压油温度下限值所对应的时间，第二下限时间值为第二时长对应的两个时间端点数据中较小的数值，也就是第二温度预测模型关于目标液压油温度下限值所对应的时间。

具体地，处理器将相关数据和预存储的目标液压油温度下限值作为输入值输入至预先训练好的第一温度预测模型和第二温度预测模型，得到第一温度预测模型输出的第一下限时间值和第二温度预测模型输出的第二下限时间值。

步骤S206，确定第一上限时间值与第一下限时间值之差，以得到第一温度预测模型对应的第一时长。

具体地，处理器可以根据第一上限时间值和第一下限时间值，计算第一上限时间值和第一下限时间值之间的差值，从而得到第一温度预测模型对应的第一时长，即第一上限时间值与第一下限时间值之间的时间长度。

步骤S208，确定第二上限时间值与第二下限时间值之差，以得到第二温度预测模型对应的第二时长。

具体地，处理器可以根据第二上限时间值和第二下限时间值，计算第二上限时间值和第二下限时间值之间的差值，从而得到第二温度预测模型对应的第二时长，即第二上限时间值与第二下限时间值之间的时间长度。

步骤S104之后为步骤S106，根据第一时长和第二时长控制散热风扇的工作状态。

具体地，处理器可以根据第一时长和第二时长确定散热风扇当下的工作状态和/或未来某一时间周期内的工作状态，从而控制散热风扇在当下处于该工作状态和/或在未来某一时间周期内保持该工作状态不变。

在一个实施例中，根据第一时长和第二时长控制散热风扇的工作状态，可以包括：在第一时长小于第二时长的情况下，控制散热风扇的工作状态为关闭状态。

具体地，处理器可以比较第一时长和第二时长的大小，在确定第一时长小于第二时长的时候，也就是表明散热风扇的工作状态为开启状态且液压油处于最佳工作温度范围(区间)的时间长度小于散热风扇的工作状态为关闭状态且液压油处于最佳工作温度范围(区间)的时间长度，此时为了提高液压油在最佳工作温度范围(区间)的工作时间占比，可以控制散热风扇的工作状态为关闭状态，进一步地，处理器可以控制散热风扇在当下的工作状态为关闭状态或者在未来某一时间周期内保持关闭状态不变。

在一个实施例中，根据第一时长和第二时长控制散热风扇的工作状态，可以包括：在第一时长大于或者等于第二时长的情况下，控制散热风扇的工作状态为开启状态。

具体地，处理器可以比较第一时长和第二时长的大小，在确定第一时长大于或者等于第二时长的时候，也就是表明散热风扇的工作状态为开启状态且液压油处于最佳工作温度范围(区间)的时间长度大于或者等于散热风扇的工作状态为关闭状态且液压油处于最佳工作温度范围(区间)的时间长度，此时为了提高液压油在最佳工作温度范围(区间)的工作时间占比，可以控制散热风扇的工作状态为开启状态。进一步地，处理器可以控制散热风扇在当下的工作状态为开启状态或者在未来某一时间周期内保持开启状态不变。

在本发明实施例中，通过比较第一温度预测模型和第二温度预测模型在最佳温度区间的时长，即第一时长和第二时长，可以实时计算控制散热风扇的开闭时机，实现散热风扇开闭的智能控制，从而在不改变硬件的情况下实现液压油在最佳油温区间工作时间占比的提高。

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，进而将相关数据和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长，从而根据第一时长和第二时长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，基于该温度预测模型实现散热风扇开启或关闭的智能控制，根据第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长控制散热风扇的工作状态，可以增大液压油处于最佳工作温度区间的时间占比，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，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的情况下，确定第一下限时间值和第二下限时间值为当前时刻。

具体地，处理器可以获取预设时间段内的相关数据中的当前时刻的当前液压油温度，并将当前液压油温度与目标液压油温度下限值、目标液压油温度上限值比较，在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温度区间的时候，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的时候，处理器可以直接确定第一下限时间值和第二下限时间值为当前时刻所对应的时间信息。

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：在第一上限时间值为无穷大的情况下，确定第一时长为无穷大。

可以理解，在第一温度预测模型输出的第一上限时间值为趋向无穷大的时候，即表明散热风扇在处于开启状态下的时候，液压油温度将不会等于目标液压油温度上限值，而只会无限接近于目标液压油温度上限值，此时可以毫无疑义地确定第一时长为无穷大。

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：在第二上限时间值为无穷大的情况下，确定第二时长为无穷大。

可以理解，在第二温度预测模型输出的第二上限时间值为趋向无穷大的时候，即表明散热风扇在处于关闭状态下的时候，液压油温度将不会等于目标液压油温度上限值，而只会无限接近于目标液压油温度上限值，此时可以毫无疑义地确定第二时长为无穷大。

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以下中的至少一种情况：在第一上限时间值的数量为多个的情况下，确定多个第一上限时间值中最小的数值为最终的第一上限时间值；在第一下限时间值的数量为多个的情况下，确定多个第一下限时间值中最小的数值为最终的第一下限时间值；在第二上限时间值的数量为多个的情况下，确定多个第二上限时间值中最小的数值为最终的第二上限时间值；在第二下限时间值的数量为多个的情况下，确定多个第二下限时间值中最小的数值为最终的第二下限时间值。

可以理解，当第一上限时间值、第一下限时间值、第二上限时间值以及第二下限时间值中的至少一者的数量为多个的时候，即当第一温度预测模型和/或第二温度预测模型输出多个解的时候，处理器可以确定多个解中数值最小的解为最终对应的时间值。

在一个示例中，当第一上限时间值的数量为多个的情况下，处理器可以确定多个第一上限时间值中最小的数值为最终的第一上限时间值。

在一个示例中，在第一下限时间值的数量为多个的情况下，处理器可以确定多个第一下限时间值中最小的数值为最终的第一下限时间值。

在一个示例中，在第二上限时间值的数量为多个的情况下，处理器可以确定多个第二上限时间值中最小的数值为最终的第二上限时间值。

在一个示例中，在第二下限时间值的数量为多个的情况下，处理器可以确定多个第二下限时间值中最小的数值为最终的第二下限时间值。

在一个实施例中，第一温度预测模型和第二温度预测模型的得到可以包括：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；基于深度神经网络算法，根据开启状态下的历史作业数据和关闭状态下的历史相关数据分别训练得到第一温度预测模型和第二温度预测模型。

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。

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，根据散热风扇处于开启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，根据散热风扇处于关闭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，设备还可以包括执行机构；历史相关数据和相关数据还可以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(即第一温度预测模型)为：f_on(A₁,A₂,A₃,t)。

(2)、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(即第二温度预测模型)为：f_off(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

图3示意性示出了本发明另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3所示，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。

智能控制过程的基本原理是：处理器或者控制器(例如，车载控制器)每隔ΔT时间分别计算一次散热风扇处于on状态和off状态的液压油温升特性曲线(即第一温度预测模型和第二温度预测模型)，然后分别计算f_on(A₁,A₂,A₃,t)曲线(即第一温度预测模型)处于[W₁,W₂]的时间长度，及f_off(A₁,A₂,A₃,t)曲线(即第二温度预测模型)处于[W₁,W₂]的时间长度，比较两者在最佳温度区间的时长，实时计算控制散热风扇的开闭时机，实现风扇开闭的智能控制，从而在不改变硬件的情况下实现液压油在最佳油温区间工作时间占比的提高。

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。图6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。图7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：当前时刻t₀的油温W<W₁，分别计算f_on(A₁,A₂,A₃,t)和f_off(A₁,A₂,A₃,t)，如图4所示：

f_on(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DTon＝ton2–ton1。

f_off(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DToff＝toff2–toff1。

如果DToff>DTon，即第二时长大于第一时长，则将风扇状态切换成off状态，否则，将风扇状态切换成on状态。

情况2：当前时刻t₀的油温W₁≤W≤W₂，分别计算f_on(A₁,A₂,A₃,t)和f_off(A₁,A₂,A₃,t)，如图5所示：

f_on(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DTon＝ton1–t₀。

f_off(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DToff＝toff1–t₀。

如果DToff>DTon，即第二时长大于第一时长，则将风扇状态切换成off状态，否则，将风扇状态切换成on状态。

情况3：当前时刻t₀的油温W₁≤W≤W₂，分别计算f_on(A₁,A₂,A₃,t)和f_off(A₁,A₂,A₃,t)，如图6所示：

f_on(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DTon＝∞。

f_off(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DToff＝toff1–t₀。

此时，第一时长(∞)大于第二时长，将风扇状态切换成on状态。

情况4：当前时刻t₀的油温W₁≤W≤W₂，分别计算f_on(A₁,A₂,A₃,t)和f_off(A₁,A₂,A₃,t)，如图7所示：

f_on(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DTon＝ton1–t₀。

f_off(A₁,A₂,A₃,t)在[W₁,W₂]的时间长度为：DToff＝toff1–t₀。

如果DToff>DTon，即第二时长大于第一时长，则将风扇状态切换成off状态，否则，将风扇状态切换成on状态。

情况5：当前时刻t₀的油温W>W₂，此时，将风扇状态切换成on状态。

可理解地，在确定当前液压油温度值大于目标液压油温度上限值的情况下，处理器可以控制散热风扇的工作状态为开启状态。

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液压油温预测模型，基于该预测模型实现散热风扇开/闭的智能控制，也就是基于预测的温升曲线在最佳油温范围内的时长，进行风扇开关机决策的智能控制，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。

图8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8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810、环境温度检测设备820以及处理器830，其中：

液压油温度检测设备810，被配置成检测液压油温度。

可理解地，液压油温度检测设备810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820，被配置成检测环境温度。

可理解地，环境温度检测设备820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830，被配置成：获取设备在预设时间段内的相关数据，相关数据包括液压油温度、环境温度以及发动机负载率；将相关数据和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长，其中第一温度预测模型为散热风扇在开启状态下的温度预测模型，第二温度预测模型为散热风扇在关闭状态下的温度预测模型；根据第一时长和第二时长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，进而将相关数据和预存储的目标液压油温度上限值、目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长，从而根据第一时长和第二时长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，基于该温度预测模型实现散热风扇开启或关闭的智能控制，根据第一温度预测模型对应的第一时长和第二温度预测模型对应的第二时长控制散热风扇的工作状态，可以增大液压油处于最佳工作温度区间的时间占比，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，处理器830进一步被配置成：将相关数据和预存储的目标液压油温度上限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型输出的第一上限时间值和第二温度预测模型输出的第二上限时间值；将相关数据和预存储的目标液压油温度下限值输入预先训练的第一温度预测模型和第二温度预测模型，以得到第一温度预测模型输出的第一下限时间值和第二温度预测模型输出的第二下限时间值；确定第一上限时间值与第一下限时间值之差，以得到第一温度预测模型对应的第一时长；确定第二上限时间值与第二下限时间值之差，以得到第二温度预测模型对应的第二时长。

在一个实施例中，处理器830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的情况下，确定第一下限时间值和第二下限时间值为当前时刻。

在一个实施例中，处理器830进一步被配置成：在第一上限时间值为无穷大的情况下，确定第一时长为无穷大。

在一个实施例中，处理器830进一步被配置成：在第二上限时间值为无穷大的情况下，确定第二时长为无穷大。

在一个实施例中，处理器830进一步被配置成以下中的至少一种情况：在第一上限时间值的数量为多个的情况下，确定多个第一上限时间值中最小的数值为最终的第一上限时间值；在第一下限时间值的数量为多个的情况下，确定多个第一下限时间值中最小的数值为最终的第一下限时间值；在第二上限时间值的数量为多个的情况下，确定多个第二上限时间值中最小的数值为最终的第二上限时间值；在第二下限时间值的数量为多个的情况下，确定多个第二下限时间值中最小的数值为最终的第二下限时间值。

在一个实施例中，处理器830进一步被配置成：在第一时长小于第二时长的情况下，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830进一步被配置成：在第一时长大于或者等于第二时长的情况下，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830进一步被配置成：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；基于深度神经网络算法，根据开启状态下的历史作业数据和关闭状态下的历史相关数据分别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。

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。