開発機械・岩盤工学・資源開発技術・資源経済と社会システム（1）

[1601-06-02] Early diagnosis of rotary percussion drill bits using machine learning -In case of time-frequency contents as an input-

○Jo Sasaki¹, Yohei Kawamura¹, Syun Mizuno², Takeshi Shibuya² (1. Akita University, 2. Tsukuba University)

司会:濱中 晃弘(九州大学)

Keywords:Drill Bit, Early Diagnosis, Waveform analysis, Deep Learning

資源採掘現場において、ドリル先端の部品のドリルビットが破損した状態での掘削は解決すべき問題である。トップハンマー式のロータリーパーカッションドリルにおけるボタンビットのボタンの破損は他のボタンやビット以外の部品の破損を誘発し作業効率を大きく下げることになるため、早期異常検知が求められている。これまでの異常検知は熟練のオペレーターによる掘削音の変化や掘削の進み具合で判断されていたが、音の反響する地下鉱山内では熟練のオペレーターでも判断が難しいとされている。加えて近年は熟練のオペレーターの減少による新規オペレーターの育成や現状のオペレーターの維持費用が問題となっている。本研究では、ドリルビット早期異常診断にディープラーニングの適用を目的とした。これまでの研究では、時間-音圧波形の音圧強度を入力としてエンジンに学習させたが、破損状態の特徴がノイズに埋もれてしまい誤判定を起こした。本論文では、ドリルビットが稼働している音データに対してショートタイムフーリエ解析を行い、一定時間ごとの周波数成分を入力としてエンジンに学習させ出力としてドリルビット正常もしくは破損を判定する。