JP2022144522A - ワイヤロープ異常検知システム、方法、ウインチ及びクレーン - Google Patents

Abstract

【課題】 既存のウインチに容易に装備でき、ウインチの運転状態にかかわらずワイヤロープの乱巻きといった異常を検知できるワイヤロープ異常検知システムを提供すること。【解決手段】 ウインチのドラムに巻き取られたワイヤロープの画像を撮影する撮像部と、撮像部により撮影された画像からワイヤロープに異常があるか否かを判定する異常判定部と、異常があると判定された場合に警報を出力する警報出力部とを備えるワイヤロープ異常検知システムである。これにより、既存のウインチやクレーンに容易に装備でき、運転状態にかかわらずワイヤロープの異常を検知することができる。【選択図】 図１

Description

本発明は、クレーン等に用いられるウインチのワイヤロープ異常検知システム、方法、ウインチ及びクレーンに関するものである。

クレーン等に用いられるウインチ（巻き上げ機）において、ワイヤロープがドラムに規則正しく巻かれていない状態を乱巻きという。乱巻きはウインチのワイヤロープに発生する代表的な異常であり、乱巻きの状態のままウインチの運転を続けるとワイヤロープの損傷、切断、脱索などを引き起こし、重大事故につながる恐れがある。そのため、事故を未然に防ぐために乱巻きを検出する技術が提供されている（例えば特許文献１）。

特開２０１８－０８３７１３号公報

特許文献１に記載の方法は、伸縮ブームと、フックを吊るワイヤロープと、前記ワイヤロープを案内する複数のガイドシーブと、前記ワイヤロープを巻回するウインチとを備えたクレーンに搭載されるウインチの乱巻き防止装置であって、前記複数のガイドシーブにそれぞれ設けられるガイドシーブ回転数検出手段と、前記ウインチのドラムの回転数を検出するドラム回転数検出手段と、を備え、前記ワイヤロープの巻下げ時において、前記ドラム回転数検出手段により取得されたドラム回転数検出値と前記ガイドシーブ回転数検出手段により取得された前記複数のガイドシーブの回転数検出値との差を算出し、予め算出した乱巻きが発生していない正常状態時の前記回転数の差と比較することによりワイヤロープの乱巻きの発生を検出するものである。

しかし、特許文献１に記載の乱巻き防止装置は、ガイドシーブとドラムのそれぞれについて回転数検出手段を備える必要があった。そのため既存のクレーン等のウインチに後から組み込むことは困難であり、クレーンのようにガイドシーブが備わっていないウインチには適用できない問題があった。さらに、ガイドシーブとドラムの回転数の差から乱巻きの発生を検出するため、ウインチ停止時には乱巻きを検知することが出来なかった。

そこで、本発明は、既存のウインチに容易に適用でき、ウインチの運転状態にかかわらず乱巻きといった異常を検知することができる、ワイヤロープ異常検知システム、方法、ウインチ及びクレーンを提供することを目的とする。

上記課題を解決するため、本発明は以下の態様を含む。
［１］ウインチのドラムに巻き取られたワイヤロープの画像を撮影する撮像部と、
前記撮像部により撮影された画像から前記ワイヤロープに異常があるか否かを判定する異常判定部と、
異常があると判定された場合に警報を出力する警報出力部と、を備えるワイヤロープ異常検知システム。
［２］ 前記異常判定部は、機械学習により予め構築された学習済みモデルを用いて、前記撮像部により撮影された画像から前記ワイヤロープに異常があるか否かを判定する、［１］に記載のワイヤロープ異常検知システム。
［３］ ウインチのドラムに巻き取られたワイヤロープの画像を撮影し、撮影された画像から前記ワイヤロープに異常があるか否かを判定し、異常があると判定された場合に警報を出力する、ワイヤロープ異常検知方法。
［４］ ［１］または［２］のいずれかに記載のワイヤロープ異常検知システムを備えたウインチ。
［５］ ［１］または［２］のいずれかに記載のワイヤロープ異常検知システムを備えたクレーン。

本発明のワイヤロープ異常検知システムによれば、既存のウインチに容易に適用することができ、ウインチの運転状態にかかわらず乱巻きといった異常を検知することができる、ワイヤロープ異常検知システム及び方法を提供することができる。本発明は、ウインチ及びクレーンに備えて好適に用いることができる。

本発明のワイヤロープ異常検知システムの概略図である。 本発明のワイヤロープ異常検知システムの処理の流れを示すフロー図である。 本発明のワイヤロープ異常検知システムによる警報出力の一例である。

以下、本発明の実施形態について図面を参照しながら説明する。

＜ワイヤロープ異常検知システムの構成＞
図１は、本発明の一実施形態に係るワイヤロープ異常検知システム１０の概略図である。本発明のワイヤロープ異常検知システム１０は、クレーンなどに備えられたウインチのドラムに巻かれたワイヤロープの異常を検知するものであって、ウインチ３０のドラム３０ａに巻き取られたワイヤロープ４０の画像を撮影する撮像部１２と、撮像部１２により撮影された画像からワイヤロープ４０に異常があるか否かを判定する異常判定部１３と、異常があると判定された場合に警報を出力する警報出力部１６と、を備える。異常判定部１３は、撮像部１２及び警報出力部１６と、有線や無線を問わずＬＡＮなどの各種ネットワークや、ＵＳＢケーブル、ＢＮＣケーブルなどを介して、通信可能に接続される。
本発明におけるワイヤロープの異常とは、乱巻きのほか、ワイヤロープの外観により発見できる他の異常も含む。具体的には、ワイヤロープの腐食（錆）、キンク、つぶれ、摩耗、グリース不足に起因する変色、素線の断線などである。

撮像部１２は、ウインチ３０のドラム３０ａに巻かれたワイヤロープ４０を撮像するためのカメラである。撮像部１２は、時系列に複数の画像を撮影するものである。複数の画像は、例えば動画データに含まれる複数の静止画像（フレーム）であってもよいし、所定の時間間隔で撮影して個別に生成された複数の静止画像であってもよい。撮像部１２は、このような撮像機能を備えた装置であればよく、例えば、デジタルビデオカメラ、アナログビデオカメラ、携帯電話、スマートフォン、タブレット端末などを用いることができる。
撮像部１２の設置場所は、ドラム３０ａに巻かれたワイヤロープ４０を撮影できる場所であれば特に制限はなく、例えば、ウインチのフレームや、ウインチを搭載したクレーンのフレーム等に設ければよい。

異常判定部１３は、撮像部１２で撮影された画像を解析してワイヤロープ４０に異常があるか否かを判定し、異常があると判定した場合には、異常が発生したことを示す異常発生信号を警報出力部１６に送信する情報処理装置である。また、異常判定部１３は、後述する学習済みモデルＭの生成を行う学習部２０を備えてもよい。
異常判定部１３は、例えば汎用のコンピュータで構成することができ、ハードウェア構成として、ＣＰＵやＧＰＵなどのプロセッサ、ＲＡＭなどの主記憶装置、ハードディスクやＳＳＤなどの補助記憶装置、入出力インターフェース（ディスプレイ、キーボード、マウス、タッチパネルなど）、映像入力インターフェースなどを備えている。また、補助記憶装置には、学習済みモデルＭが記憶されている。異常判定部１３は、撮像部１２及び警報出力部１６と通信可能であれば、例えば撮像部１２の設置場所から離れた場所や、所謂クラウド上にあってもよい。

異常判定部１３は、ワイヤロープの異常を判定するための機能部として、取得部１４と画像判定部１５とを備える。取得部１４は、撮像部１２で撮影された画像を取得して画像判定部１５へ送る。学習済みモデルＭを生成する際は、取得部１４は、取得した画像を後述の学習部２０へ送る。
画像判定部１５は、取得部１４から送られた画像から、機械学習により予め構築された学習済みモデルＭを用いてワイヤロープ４０に異常があるか否かを判定する処理を行う。異常があると判定された場合は、警報出力部１６へ異常発生信号を送信する。

さらに、異常判定部１３内に、学習済みモデルＭを生成するための機能部として、学習部２０を備えてもよい。学習部２０は、学習データ蓄積部２２と学習器２４の機能部で構成される。学習データ蓄積部２２は、学習済みモデルＭを生成するために必要な画像データの蓄積と教師データの作成を行う。学習器２４は、学習データ蓄積部２２に記憶されたデータを用いて機械学習を行い、学習済みモデルＭの生成を行う。
これらの機能部は、集積回路などによってハードウェア的に実現してもよいし、異常判定部１３のプロセッサが、補助記憶装置などからメモリに読み込まれたプログラムに従って情報処理を実施することによりソフトウェア的に実現してもよい。

学習部２０は、異常判定部１３とネットワークや記憶メディアを介して通信可能であれば、異常判定部１３とは異なる情報処理装置内にあってもよく、所謂クラウド上にあってもよい。このとき、学習部２０が含まれる情報処理装置は異常判定部１３と同様に、汎用のコンピュータなどを用いて構成することができる。学習部２０を異常判定部１３と異なる情報処理装置内に備える場合、学習部２０による学習モデルＭ作成を、異常判定部１３より処理能力の高い装置で行うことができる。

警報出力部１６は、異常判定部１３から異常発生信号を受信すると警報を出力する。警報出力部１６は、例えば、ディスプレイ、回転灯、照明、スピーカーなどを含んで構成される。警報出力部１６は、異常判定部１３とは独立した装置として構成してもよいし、異常判定部１３のハードウェア構成に含まれる表示装置などを用いて構成してもよい。
警報の出力の態様に特に制限はなく、ディスプレイへの警告表示、回転灯などの点灯、音による警告など種々の態様を選択できる。また、警報出力部１６は、異常発生信号の受信時に本発明のワイヤロープ異常検知システムを備えたウインチやクレーンの運転を停止するなどの制御をしてもよい。
警報出力部１６の設置場所に特に制限はないが、ウインチ操作者が警報を認識できる場所に設置することが好ましく、例えば、移動式クレーンの運転席などが挙げられる。

＜学習済みモデルの生成＞
上述の学習済みモデルＭは、ウインチのドラムに巻かれたワイヤロープの画像とワイヤロープに異常があるか否かとの関係性を機械学習している学習済みモデルである。学習済みモデルＭは、ウインチのドラムに巻かれたワイヤロープの画像を入力すると、ワイヤロープに異常があるか否かを出力するように学習されている。学習済みモデルＭは機械学習によって生成される。
以下に、教師あり学習によって学習済みモデルＭを生成する手順の一例を説明する。

（学習データの取得）
まず、撮像部１２が、ウインチ３０のドラム３０ａに巻かれたワイヤロープ４０を撮影する。次に、異常判定部１３は、撮像部１２で撮影されたワイヤロープ４０の画像を取得する（取得部１４としての処理）。取得した画像は、学習データ蓄積部２２に保存する。これを繰り返して学習データ蓄積部２２に複数の画像を保存する。学習データ蓄積部２２に保存した画像には、ワイヤロープが正常な状態及び乱巻きなどの異常が発生している状態のどちらも含まれるようにする。

（教師データの作成）
次に、学習データ蓄積部２２に保存された画像から教師データを作成する。教師データは、画像に「正常」又は「異常」のラベルを付すことによって作られる。ラベルは、人間がそれぞれの画像に写されたワイヤロープの状態を目視で確認した結果に基づいて付してもよいし、既存の異常検出手段を用いて自動的に付してもよい。

（学習器による学習済みモデル生成）
このようにして得られたラベルを付した複数の画像を教師データとし、学習器２４によって教師あり学習を行わせる。学習器２４は、サポートベクターマシン、畳み込みニューラルネットワーク、二値分類などのアルゴリズムを用いることができる。この学習器２４による機械学習の結果、学習済みモデルＭが生成される。生成された学習済みモデルＭは、異常判定部１３の補助記憶装置に保存される。ここで、教師データの数を増やすことで、ワイヤロープに異常があるか否かの判定精度を一層向上させることが出来る。

なお、学習モデルＭは、教師なし学習を用いて生成してもよい。教師なし学習の場合は、学習データとして正常な状態のワイヤロープの画像のみを用いる。この学習データを、例えば１クラスサポートベクターマシンなどのアルゴリズムを用いた学習器２４で学習し、学習モデルＭを生成する。

＜ワイヤロープ異常検知方法＞
次に、本発明のワイヤロープ異常検知方法について説明する。図２は、本発明のワイヤロープ異常検知システムにより実現される異常検知方法の流れを示すフロー図である。

まず、撮像部１２が、ウインチ３０のドラム３０ａに巻かれたワイヤロープ４０を撮影する（Ｓ１０１）。このとき、ウインチ３０は稼働状態（巻き取り／巻き戻しを行っている状態）であっても停止状態であってもよい。

次に、異常判定部１３が、撮像部１２で撮影されたワイヤロープ４０の画像を取得する（Ｓ１０２、取得部１４としての処理）。

続いて、異常判定部１３が、画像判定部１５の処理として、取得したワイヤロープの画像を学習済みモデルＭに入力して、異常があるか否かを判定する（Ｓ１０３）。異常があると判定された場合（Ｓ１０４）、警報出力部１６に異常発生信号を送信する（Ｓ１０５）。
なお、異常があるか否かの判定（Ｓ１０３）は、学習済みモデルＭに限らず、例えば画像から異常の有無を表わす所定のパターンを抽出する画像認識技術が用いられてもよい。このような画像認識技術の例として、ウェーブレット解析などが挙げられる。

警報出力部１６は、異常発生信号を受信して警報を出力する（Ｓ１０６）。

本発明は以上の手順によりワイヤロープの異常を検知する。また、撮像部１２で時系列に撮影される複数の画像に対して順次適用するように上記のフローを繰り返し実行することで、ワイヤロープの異常発生の有無を常時監視することができる。

本発明のワイヤロープ異常検知システム及び方法は、ワイヤロープを使用するウインチであれば、定置式、可搬式などに関わらず用いることができる。また、そのようなウインチを備えた様々な機械装置にも用いることができる。機械装置の例としてはクレーンが挙げられ、ラフタークレーン、オールテレーンクレーン、クローラクレーン等の移動式クレーン、固定式クレーン、デリックなど様々な種類のクレーンに用いることが出来る。

図３は、移動式クレーンに本発明のワイヤロープ異常検知システムを装備し、警報出力部としてディスプレイを用い、運転中のウインチを常時監視した際の警報出力例である。図３（ａ）は異常がない状態のディスプレイの表示であり、ワイヤロープの現在の状態を撮影した画像と、表示左上に異常がないことを示す「ＯＫ」の文字を表示している。図３（ｂ）は、ワイヤロープに異常（乱巻き）が発生した際のディスプレイの表示であり、表示左上に「ＮＧ」と警報が出力されている。なお、「ＯＫ」及び「ＮＧ」の隣に表示した「９９％」の数値は判定確率を表示したものである。このように、本発明のワイヤロープ異常検知システム及び方法は、クレーンに装備したウインチのワイヤロープの異常検知に好適に用いることができ、クレーンの運転における安全性の向上が図られる。

以上のように、本発明は、ワイヤロープを撮影できる位置に撮影部を設け、画像によりワイヤロープに異常があるか否かを判定するものであるため、ガイドシーブが無いものも含めた様々なウインチに容易に備えることができ、ウインチの運転状態（巻き取り／巻き戻し中、または停止状態）にかかわらず、乱巻きなどの異常を検知することができる。

また、ワイヤロープの画像から異常があるか否かの判断に、機械学習によって構築された学習済みモデルを用いることにより、判断精度を向上することができる。

さらに、本発明は、ワイヤロープの画像を基にして異常があるか否かを検知するため、乱巻きのほか、ワイヤロープの外観により発見できる異常（ワイヤロープの腐食、キンク、つぶれ、摩耗、グリース不足に起因する変色、素線の断線など）の検知にも適用できる。これにより、ウインチやクレーンの運用における安全性をより一層高めることができる。

１０ ワイヤロープ異常検知システム
１２ 撮像部
１３ 異常判定部
１６ 警報出力部
３０ ウインチ
３０ａ ドラム
４０ ワイヤロープ
Ｍ 学習済みモデル

Claims (5)

1. ウインチのドラムに巻き取られたワイヤロープの画像を撮影する撮像部と、
   前記撮像部により撮影された画像から前記ワイヤロープに異常があるか否かを判定する異常判定部と、
   異常があると判定された場合に警報を出力する警報出力部と、を備えるワイヤロープ異常検知システム。
2. 前記異常判定部は、機械学習により予め構築された学習済みモデルを用いて、前記撮像部により撮影された画像から前記ワイヤロープに異常があるか否かを判定する、請求項１に記載のワイヤロープ異常検知システム。
3. ウインチのドラムに巻き取られたワイヤロープの画像を撮影し、撮影された画像から前記ワイヤロープに異常があるか否かを判定し、異常があると判定された場合に警報を出力する、ワイヤロープ異常検知方法。
4. 請求項１または２のいずれかに記載のワイヤロープ異常検知システムを備えたウインチ。
5. 請求項１または２のいずれかに記載のワイヤロープ異常検知システムを備えたクレーン。
   
   

Images