開発機械／岩盤工学／資源経済と社会システム／資源開発技術

[3K0201-06-06] 機械学習を活用したエクスカベーターモータ部の早期異常診断システムの提案

○細田 玲¹、川村 洋平¹、ヤンダスレン ドルジスレン²、ルカムジャヴ オーホン² (1. 秋田大学、2. モンゴル科学技術大学)

司会：濵中 晃弘（九州大学）

キーワード：深層学習、モータベアリング、加速度計測、波形解析

世界規模の炭鉱での採掘には、効率性からエクスカベーターと呼ばれる超大型の採掘重機が用いられている。エクスカベーターには機構を稼働させるために多数のモータが搭載されているが、過酷な鉱山環境ではモータに破損が生じる。モータ異常の原因としては、長時間の運転による高熱やオイル切れ、鉱物等の粒子侵入によるベアリング部の摩耗があげられる。ベアリングの破損は他の部品の破損を誘発し作業効率の低下に繋がる。これまでの異常診断は熟練のオペレーターが実際に目視し回転の様子や採掘音からモータの異常を判断していたが、近年の熟練オペレーターの減少問題、さらに新たなオペレーターの育成問題などの観点から異常診断システムの開発が求められる。本研究では、エクスカベーターモータ部の早期異常診断システムの開発を目的とした。稼働中のモータに加速度センサを設置し正常振動と異常振動をそれぞれ計測した。得られた加速度データに対し、従来の手法である時間－周波数解析を行った。さらに異常診断にリアルタイム性を持たせるために加速度データを入力として学習させ出力としてモータの異常診断を行った。