JP2023114687A - 発破情報処理装置、発破情報処理方法、および学習済みモデル - Google Patents
発破情報処理装置、発破情報処理方法、および学習済みモデル Download PDFInfo
- Publication number
- JP2023114687A JP2023114687A JP2022017139A JP2022017139A JP2023114687A JP 2023114687 A JP2023114687 A JP 2023114687A JP 2022017139 A JP2022017139 A JP 2022017139A JP 2022017139 A JP2022017139 A JP 2022017139A JP 2023114687 A JP2023114687 A JP 2023114687A
- Authority
- JP
- Japan
- Prior art keywords
- section
- face
- perforation
- blasting
- input data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005422 blasting Methods 0.000 title claims abstract description 146
- 230000010365 information processing Effects 0.000 title claims abstract description 63
- 238000003672 processing method Methods 0.000 title claims description 10
- 239000002360 explosive Substances 0.000 claims abstract description 92
- 238000005553 drilling Methods 0.000 claims abstract description 87
- 238000010801 machine learning Methods 0.000 claims abstract description 27
- 238000005520 cutting process Methods 0.000 claims abstract description 17
- 238000004880 explosion Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 239000010410 layer Substances 0.000 description 19
- 238000004891 communication Methods 0.000 description 15
- 238000003860 storage Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000009412 basement excavation Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 210000002569 neuron Anatomy 0.000 description 9
- 239000011435 rock Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007790 scraping Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Drilling And Exploitation, And Mining Machines And Methods (AREA)
Abstract
【課題】発破パターンを設定するために利用される学習済みモデルを生成するための教師データを容易に収集すること。【解決手段】発破情報処理装置5が、切羽Rに形成される複数の穿孔のうち切羽Rに垂直な所定の断面内に形成される穿孔Hの位置と、穿孔Hが穿孔されるときの穿孔エネルギーと、穿孔Hに装填された爆薬の量とを入力データとして取得する入力データ取得部502と、複数の穿孔Hに装填された爆薬が爆発することによって形成された領域Aの所定の断面Cの形状を出力データとして取得する出力データ取得部503と、入力データおよび出力データに基づいて機械学習を実行し、穿孔Hの位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成するモデル生成部と、を備える。【選択図】図5
Description
本発明は、発破情報処理装置、発破情報処理装置において実行される発破情報処理方法、および発破情報処理装置によって生成される学習済みモデルに関する。
従来、山岳トンネルの建設において中硬質岩の地山を掘削する場合、一般に、発破によって地盤の掘削が行われる。発破に際し、爆薬などが装填される穿孔の位置および穿孔に装填される爆薬の量などは、熟練技術者の経験に基づいて決定される。
ところが、熟練技術者であっても発破後の地山形状を設計通りにすることは困難である。熟練工の技能や経験、判断に頼らず、三次元形状計測のよる発破後のズリの飛散・堆積状態及び切羽の掘削状況に基づいた発破状況を指標値として発破熟練工の発破の良否判断を機械学習する試みがなされている。この学習済みモデルを利用すれば、最適な発破パターンを設定できる可能性がある(特許文献1)。
しかし、従来の技術では、ズリの飛散・堆積状態の計測及び入力が必要となることで複雑化する。また、学習には熟練工の判断も必要となる。さらに、1回の発破における発破状況の指標と発破の良否を示すデータが機械学習の教師データとして利用されているため、1回の発破で1組の教師データしか得られず、教師データの収集には多くの時間とコストがかかる。
本発明は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集し、収集された教師データを利用して機械学習を実行することが可能な発破情報処理装置、発破情報処理装置において実行される発破情報処理方法、および発破情報処理装置によって生成される学習済みモデルを提供することを目的とする。
請求項1に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置であって、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得する入力データ取得部と、前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得する出力データ取得部と、前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成するモデル生成部と、を備える発破情報処理装置である。
請求項2に係る発明は、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出する算出部をさらに備え、前記入力データ取得部は、さらに、前記算出部によって算出された前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとして取得し、前記モデル生成部は、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成する請求項1に記載の発破情報処理装置である。
請求項3に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項1又は請求項2に記載の発破情報処理装置である。
請求項4に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理方法であって、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得することと、前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得することと、前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、を含む発破情報処理方法である。
請求項5に係る発明は、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出することをさらに含み、前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとしてさらに取得すること、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、を含む請求項4に記載の発破情報処理方法である。
請求項6に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項4又は請求項5に記載の発破情報処理方法である。
請求項7に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置において、入力データおよび出力データに基づいて生成された学習済みモデルであって、前記入力データは、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、前記出力データは、前記穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を前記所定の断面ごとに取得されたものであって、前記入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルである。
請求項8に係る発明は、前記入力データおよび出力データに、さらに加えて他の入力データに基づいて生成される学習済みモデルであって、前記他の入力データは、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影して算出された投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す請求項7に記載の学習済みモデルである。
請求項9に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項7又は請求項8に記載の学習済みモデルである。
本開示により、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集することができる。
以下、本発明の一実施形態について図面を用いて説明する。なお、以下の実施形態で説明する特徴のすべての組み合わせが課題解決に必ずしも必要であるとは限らない。また、必要以上の詳細な説明を省略する場合がある。また、以下の実施形態の説明、および図面は、当業者が本発明を十分に理解するために提供されるものであり、特許請求の範囲を限定することを意図していない。
<第1の実施形態>
山岳トンネルの建設において中硬質岩などの岩盤の地山を掘削する場合、一般に、発破工法が採用される。発破工法とは岩盤を穿孔して爆薬を内部で爆発させて岩盤を破砕するものである。
山岳トンネルの建設において中硬質岩などの岩盤の地山を掘削する場合、一般に、発破工法が採用される。発破工法とは岩盤を穿孔して爆薬を内部で爆発させて岩盤を破砕するものである。
図1は、発破工法における作業の一例について説明する図である。トンネルの切羽Rには、穿孔機1によって一掘進長Sを掘削するために必要な穿孔(不図示)が複数あけられる。穿孔機1は、あらかじめ定められた発破パターンに基づいて決定された位置に穿孔する。
穿孔には爆薬が装填される。穿孔の各々に装填される爆薬の量もあらかじめ定められた発破パターンに基づいて決定される。
発破パターンで規定された位置に穿孔された穿孔に爆薬が装填されると、発破が行われる。発破が行われると、図示しないホイールローダなどでずりの搬出作業が行われる。なお、必要に応じてずり搬出前や搬出後にコソクやアタリ取りが行われる。
ずりの搬出作業後は、地山を補強するため壁面に図示しない吹付機などによってコンクリートが吹き付けられる。壁面に吹き付けられたコンクリートが固まると、ロックボルトの打ち込みが行われる。
ロックボルトの打ち込みが行われると、再び一掘進長Sを掘削するため、切羽Rに穿孔が設けられ、穿孔の各々に爆薬が装填され、発破が行われる。これらの作業が繰り返し行われることにより、トンネルが掘削される。
次に、トンネルを掘削するために用いられる装置について説明する。
図2は、トンネルを掘削するため利用される装置の一例を示す図である。トンネルを掘削するために利用される装置には、例えば、上述した穿孔機1、さらに、発破パターン管理装置2、通信回線3、および形状測定器4が含まれる。
発破パターン管理装置2は、一掘進長Sにおける発破パターンを管理する装置である。発破パターンは、切羽Rの穿孔位置と、穿孔に装填される爆薬の量との組み合わせの情報を含む。発破パターンは、例えば、熟練した作業者の経験に基づいてあらかじめ定められたものや公知のものの他、現場の特性に応じてアレンジされたものも含まれる。
図3は、発破パターンが示す穿孔位置の一例を説明する図である。発破パターンは、切羽Rに穿孔される複数の穿孔Hの位置を示す情報が含まる。複数の穿孔Hの位置を示す情報は、例えば、所定の位置を原点とする座標値で表される。トンネルの断面形状が馬蹄形でその一部が楕円の一部分の形状に一致する場合、原点は、例えば、楕円の長軸と短軸との交点である。
発破パターンは、切羽Rに対する穿孔Hのそれぞれの角度、穿孔Hの直径、および穿孔Hの深さなどのデータを含んでいてもよい。
発破パターン管理装置2は、複数の発破パターンを管理してもよい。すなわち、発破パターン管理装置2は、掘削するトンネルの大きさ、岩盤の硬さなどに応じて、複数の発破パターンを管理してもよい。
発破パターン管理装置2は、例えば、PC(Personal Computer)によって構成される。発破パターン管理装置2は、発破パターンを示すデータを通信回線3を介して穿孔機1に送信する。
通信回線3は、発破パターン管理装置2と、穿孔機1と、形状測定器4とを互いに接続する。通信回線3は、有線回線であっても無線回線であってもよい。通信回線3は、例えば、インターネット回線である。
穿孔機1は、切羽Rに穿孔する装置である。穿孔機1は、例えば、ドリルを用いて穿孔する。穿孔機1は、発破パターン管理装置2から発破パターンを受信する。穿孔機1は、発破パターンが示す穿孔Hの位置に基づいて穿孔する。穿孔機1は、例えば、フルオートコンピュータジャンボ、セミオートコンピュータジャンボである。
穿孔機1は、例えば、プロジェクタを備え、プロジェクタが、発破パターンに基づいて、切羽Rに穿孔位置、各穿孔位置における爆薬の装填量などを示す画像を映し出す。穿孔機1は、切羽Rに映し出された穿孔位置にドリルで穿孔する。また、作業員は、切羽Rに映し出された爆薬の量を目安に爆薬を所定の穿孔Hに装填する。穿孔Hに装填された爆薬の量は実測され、実測された爆薬量が穿孔Hの位置と関連付けられて、例えば、発破パターン管理装置2に入力される。
穿孔機1は複数のガイドシェルを備え、各ガイドシェルは穿孔方向にスライドする油圧ドリフタを有している。各油圧ドリフタが穿孔方向にスライドすることによって切羽Rの穿孔が行われる。穿孔機1は、穿孔を行う際に所定の物理量を検出する複数のセンサを備えている。
各センサは、例えば、それぞれ、油圧ドリフタにかかる油圧、油圧ドリフタのスライド速度、油圧ドリフタのスライド距離を検出する。穿孔機1は、各センサが検知した物理量を用いて、各穿孔Hを穿孔する際に消費される穿孔エネルギーを取得する。
形状測定器4は、発破によって堆積したずりが搬出された後、一掘進長Sに相当する部分の形状を測定する。形状測定器4は、例えば、3次元形状測定器である。3次元形状測定器は、例えば、3次元レーザスキャナである。形状測定器4は、発破前と発破後の切羽Rの形状に基づいて、発破によって破砕された領域を特定する。形状測定器4は、例えば、切羽Rに所定の座標系を設定し、発破前後の地山形状を、所定の座標系における座標値を用いて特定する。なお、形状測定器4は、ずり搬出前に形状を測定しても良く、また、コソクやアタリ取りの作業を控除して測定をする。すなわち、発破によって掘削された形状を測定するようにする。
次に、発破情報処理装置5について説明する。発破情報処理装置5は、切羽Rに穿孔される穿孔Hの位置、穿孔エネルギー、および穿孔Hに装填された爆薬の量と、所定の断面の形状との相関を学習する。発破情報処理装置5は、図2に示す通信回線3に接続され、発破パターン管理装置2、穿孔機1および形状測定器4から各種データを取得する。発破情報処理装置5は、例えば、PCで構成される。発破情報処理装置5は、発破パターン管理装置2を実装されているが別に設けて良い。
図4は、発破情報処理装置5のハードウェア構成の一例を示す図である。発破情報処理装置5は、CPU(Central Processing Unit)51と、バス52と、ROM(Read Only Memory)53と、RAM(Random Access Memory)54と、不揮発性メモリ55と、入出力インタフェース56とを備える。
CPU51は、システムプログラムに従って発破情報処理装置5全体を制御するプロセッサである。CPU51は、バス52を介してROM53に格納されたシステムプログラムなどを読み出し、システムプログラムに基づいて各種処理を行う。
バス52は、発破情報処理装置5内の各ハードウェアを互いに接続する通信路である。発破情報処理装置5内の各ハードウェアはバス52を介してデータをやり取りする。
ROM53は、発破情報処理装置5全体を制御するためのシステムプログラムなどを記憶する記憶装置である。ROM53は、コンピュータ読み取り可能な記憶媒体である。
RAM54は、各種データを一時的に格納する記憶装置である。RAM54は、CPU51が各種データを処理するための作業領域として機能する。
不揮発性メモリ55は、発破情報処理装置5の電源が切られた状態でもデータを保持する記憶装置である。不揮発性メモリ55は、機械学習プログラム、学習済みモデルなど各種情報を記憶する。不揮発性メモリ55は、コンピュータ読み取り可能な記憶媒体である。不揮発性メモリ55は、例えば、SSD(Solid State Drive)で構成される。
入出力インタフェース56は、外部機器(不図示)とバス52とを接続する通信路である。発破情報処理装置5は、入出力インタフェース56を介して、通信回線3に接続する。
次に、発破情報処理装置5の機能について説明する。
図5は、発破情報処理装置5の機能の一例について説明する図である。上述したように、発破情報処理装置5は、切羽Rに穿孔される穿孔Hの位置、穿孔エネルギー、および穿孔Hに装填された爆薬の量と、所定の断面の形状との相関を学習する。
発破情報処理装置5は、受付部501と、入力データ取得部502と、出力データ取得部503と、モデル生成部504と、モデル記憶部505と、出力部506とを備える。
受付部501、および出力部506は、入出力インタフェース56が、通信回線3を介して各種データをやり取りすることによって実現される。入力データ取得部502、出力データ取得部503、およびモデル生成部504は、CPU51が、ROM53に記憶されているシステムプログラムならびに不揮発性メモリ55に記憶されている機械学習プログラム、および各種データを用いて演算処理を実行することにより実現される。モデル記憶部505は、CPU51による演算処理の演算結果が、RAM54、または不揮発性メモリ55に記憶されることにより実現される。
受付部501は、各種データの入力を受け付ける。受付部501は、例えば、発破パターン管理装置2から通信回線3を介して、発破パターンを示すデータ、および各穿孔Hに装填された爆薬の量の実測値を示す情報を受け付ける。また、受付部501は、穿孔機1から、各穿孔Hをあける際に消費される穿孔エネルギーを示すデータを受け付ける。また、受付部501は、形状測定器4から発破後の形状を示すデータを受け付ける。
入力データ取得部502は、受付部501が受け付けたデータから、切羽Rに形成される複数の穿孔Hのうち切羽Rに垂直な所定の断面内に形成される穿孔Hの位置と、穿孔Hが穿孔されるときの穿孔エネルギーと、穿孔Hに装填された爆薬の量とを入力データとして取得する。穿孔Hに装填された爆薬の量とは、穿孔Hに実際に装填された爆薬の量である。つまり、穿孔Hに装填された爆薬の量は、実測された値である。ただし、穿孔Hに装填された爆薬の量は、実測された値ではなく、発破パターンで規定される量であってもよい。
図6は、切羽Rに垂直な所定の断面の一例を示す図である。切羽Rに垂直な断面Cは、例えば、発破パターンに基づいて定められる断面である。なお、この断面Cをどの位置に設定するかは、例えば、熟練技術者の経験に基づいて決定しても良いし、所定のピッチで割り振るようにしても良い。
切羽Rに垂直な断面Cは、例えば、図6に示すように切羽Rに対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した複数の鉛直断面である。切羽Rに垂直な断面Cは、切羽Rに対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した複数の水平断面であってもよい。切羽Rに垂直な断面Cは、これら両者を含んでいるいわゆるメッシュにするようなものでもよい。メッシュにすることで学習モデルは複雑になるが、より精度があがり最適な発破設計に適用できる。また、切羽Rに垂直な断面Cは、上方に向かって傾斜していてもよい。もちろん、傾斜した断面も組み合わせてメッシュにしても良い。また、切羽Rに垂直な断面Cは、等間隔に配置してもいなくてもよい。また、切羽Rに垂直な断面Cは、曲面や折曲面であってもよいがあまり多く曲げたものであると学習の精度が落ちるので留意する。図6では、切羽Rを左右方向に複数に分割する複数の鉛直断面である場合の例について示している。
切羽Rに垂直な断面Cは、例えば、1つの断面Cに多くの穿孔Hが含まれるように、断面Cの位置が決定されてもよい。
切羽Rに垂直な断面Cは、必ず、穿孔Hを通るものでなくてもよく、穿孔Hを近似的に通るように決定されても良い。
切羽Rに垂直な断面Cは、必ず、穿孔Hを通るものでなくてもよく、穿孔Hを近似的に通るように決定されても良い。
入力データは、切羽Rに垂直な所定の断面C内に形成される穿孔Hの位置と、各穿孔Hが穿孔されるときの穿孔エネルギーと、各穿孔Hに装填された爆薬の量とを示すデータのデータセットである。入力データには、複数の断面Cのそれぞれに対応する複数のデータセットが含まれる。
出力データ取得部503は、穿孔Hに装填された爆薬が爆発することによって形成された領域の所定の断面Cの形状を出力データとして取得する。
図7は、出力データ取得部503が取得する出力データが示すある所定の断面Cの形状の一例を示す図である。破線は設計上の掘削ラインLを示している。一点鎖線は、爆薬が装填された穿孔Hの位置を示している。出力データ取得部503は、形状測定器4によって特定された発破前後の切羽付近の地山の形状に基づいて、穿孔Hに装填された爆薬が爆発することによって形成された領域Aの所定の断面Cの形状を取得する。
モデル生成部504は、入力データおよび出力データに基づいて機械学習を実行し、少なくとも穿孔Hの位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。言い換えれば、モデル生成部504は、穿孔Hの位置によって特定される断面C内における穿孔Hの配列、各穿孔Hを穿孔したときの穿孔エネルギー、および各穿孔Hに装填された爆薬の量が、発破後の断面Cの形状に与える影響を学習する。モデル生成部504は、1つの断面Cについて取得された入力データおよび出力データを1組の教師データとして機械学習を実行する。モデル生成部504は、例えば、ニューラルネットワークを用いた教師あり学習を実行する。
図8は、ニューラルネットワークを用いた機械学習の一例を説明する図である。ニューラルネットワークNNは、入力層と、中間層と、出力層とを備えている。入力層、中間層、および出力層はそれぞれ、複数のニューロンNを備えている。図8に示す例では、中間層は、単層構造となっているが、中間層は多層構造であってもよい。
入力層のニューロンNには、入力データが入力される。また、入力層のニューロンNから出力される出力値には、重みが乗算されて中間層のニューロンNに入力される。中間層のニューロンNには伝達関数が設定されており、中間層からは伝達関数を通した出力値が出力される。中間層から出力される出力値にはさらに重みが乗算されて出力層のニューロンNに入力される。出力層の各ニューロンNからは出力結果が出力される。
出力層の各ニューロンNから出力された出力結果は、出力データに近づくように、例えば、誤差逆伝播法により中間層の重みが調整される。すなわち、各ニューロンNに入力されるデータに乗算される各重みを最適解に近づけるように機械学習が行われる。
モデル記憶部505は、モデル生成部504によって生成された学習済みモデルを記憶する。
出力部506は、モデル記憶部505に記憶された学習済みモデルを出力する。出力部506は、例えば、通信回線3を介して発破パターン管理装置2に学習済みモデルを送信する。
次に、発破情報処理装置5で実行される処理の流れについて説明する。
図9は、発破情報処理装置5が実行する処理の流れの一例について説明する図である。まず、受付部501が各種データを受け付ける(ステップS1)。上述したように、各種データには、発破パターンを示すデータ、穿孔エネルギーを示すデータ、および発破後の地山の形状を示すデータが含まれる。
次に、入力データ取得部502が入力データを取得する(ステップS2)。入力データとは、少なくとも切羽Rに形成される複数の穿孔Hのうち切羽Rに垂直な所定の断面C内に形成される穿孔Hの位置と、穿孔Hが穿孔されるときの穿孔エネルギーと、穿孔Hに装填された爆薬の量とを示すデータである。
次に、出力データ取得部503が出力データを取得する(ステップS3)。出力データは、穿孔Hに装填された爆薬が爆発することによって形成された領域Aの所定の断面Cの形状を示すデータである。
次に、モデル生成部504が機械学習を実行することにより学習済みモデルを生成する(ステップS4)。学習済みモデルは、少なくとも穿孔Hの位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す。
次に、モデル記憶部505が学習済みモデルを記憶する(ステップS5)。
最後に、出力部506がモデル記憶部505に記憶された学習済みモデルを出力し(ステップS6)、処理を終了する。
以上説明したように、発破情報処理装置5が、少なくとも切羽Rに形成される複数の穿孔Hのうち切羽Rに垂直な所定の断面C内に形成される穿孔Hの位置と、穿孔Hが穿孔されるときの穿孔エネルギーと、穿孔Hに装填された爆薬の量とを入力データとして取得する入力データ取得部502と、穿孔Hに装填された爆薬が爆発することによって形成された領域Aの所定の断面Cの形状を出力データとして取得する出力データ取得部503と、入力データおよび出力データに基づいて機械学習を実行し、穿孔Hの位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成するモデル生成部504と、を備える。
したがって、発破情報処理装置5は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易にかつ多数収集することが可能となり、収集された教師データを利用して機械学習を実行することができる。すなわち、発破情報処理装置5は、一回の発破により、切羽Rに設定された断面Cの数だけ教師データを得ることができる。その結果、発破情報処理装置5は、少なくとも切羽Rに穿孔される穿孔Hの位置、切羽Rに穿孔Hを穿孔したときに消費される穿孔エネルギー、および穿孔Hに装填された爆薬の量と、穿孔Hに装填された爆薬が爆発することによって形成される領域Aの所定の断面Cの形状との相関を示す学習済みモデルを容易に生成することができる。
なお、出力部506によって出力された学習済みモデルは、例えば、発破パターン管理装置2において、発破パターンの最適設計に用いられる。例えば、切羽Rに穿孔される穿孔Hの位置、切羽Rに穿孔Hを穿孔したときに消費される穿孔エネルギー、および穿孔Hに装填された爆薬の量と、穿孔Hに装填された爆薬が爆発することによって形成される領域Aの所定の断面Cの形状との相関に基づいて、穿孔位置および爆薬の装填量の最適化を図ることができる。その結果、掘削に係るコストの削減を図ることができる。さらに、発破後の切羽形状を設計形状に近づけることができる。
上述した実施形態では、入力データ取得部502は、穿孔Hが穿孔されたときに消費される穿孔エネルギー、および穿孔Hに装填された爆薬の量を入力データとして取得するがこれに限られない。入力データ取得部502は、さらに、穿孔Hの深さを示す情報を入力データとして取得してもよい。この場合、一掘進長を変更した場合に対応することができ、モデル生成部504は、所定の断面C内に形成される穿孔Hの位置、穿孔Hの深さ、穿孔Hを穿孔する際に消費される穿孔エネルギー、および穿孔Hに装填された爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。
<第2の実施形態>
以下、本発明の第2の実施形態を図10及び図11と共に説明する。なお、第1の実施形態と同様の部分については説明を省略し、主に異なる部分について説明する。
以下、本発明の第2の実施形態を図10及び図11と共に説明する。なお、第1の実施形態と同様の部分については説明を省略し、主に異なる部分について説明する。
第2の実施形態では、発破情報処理装置5が、さらに、所定の断面C上になく所定の断面Cから所定の距離以下の位置に形成される他の穿孔を所定の断面Cに投影した投影位置を取得して機械学習を実行する例について説明する。
図10は、発破情報処理装置5の機能の一例について説明するブロック図である。図10に示す発破情報処理装置5は、図5に示す発破情報処理装置5が備える機能に加え、さらに、算出部511を備える。算出部511は、CPU51が、ROM53に記憶されているシステムプログラムならびに不揮発性メモリ55に記憶されている機械学習プログラム、および各種データを用いて演算処理を実行することにより実現される。
受付部501は、例えば、発破パターン管理装置2から通信回線3を介して、発破パターンを示すデータ、および各穿孔Hに装填された爆薬の量の実測値を示す情報を受け付ける。また、受付部501は、穿孔機1から、各穿孔Hをあける際に消費される穿孔エネルギーを示すデータを受け付ける。また、受付部501は、形状測定器4から発破後の形状を示すデータを受け付ける。
算出部511は、切羽Rに垂直な所定の断面Cから所定の距離以下の位置に形成される他の穿孔を所定の断面Cに投影した投影位置を算出する。所定の距離は、他の穿孔に装填された爆薬が爆発することによって生じる爆発力が、発破後の所定の断面Cにおける形状に大きな影響を及ぼすか否かを考慮して決定される。所定の距離は、あらかじめ実行された実験に基づいて決定されてもよい。また、所定の距離は、熟練技術者の経験に基づいて決定されてもよい。
図11は、算出部511が実行する処理について説明する図である。図11では、所定の断面Cから所定の距離dの位置を破線で示す。算出部511は、所定の断面Cから所定の距離d以下の位置にある他の穿孔Hoを所定の断面Cに投影し、他の穿孔Hoが投影された投影位置を算出する。なお、他の穿孔Hoは、投影しようとする所定の断面Cとは異なる例えば、隣設する他の所定の断面Cに対応するものであっても良く、さらに離れた他の所定の断面Cに対応するものであっても良い。
所定の断面Cが垂直断面である場合、算出部511は、他の穿孔Hoを所定の断面Cに向けて水平方向に投影した投影位置を算出する。所定の断面Cが水平断面である場合、算出部511は、他の穿孔Hoを所定の断面Cに向けて鉛直方向に投影した投影位置を算出する。
入力データ取得部502は、受付部501が受け付けたデータから、切羽Rに形成される複数の穿孔のうち切羽Rに垂直な所定の断面C内に形成される穿孔の位置と、穿孔が穿孔されるときの穿孔エネルギーと、穿孔に装填された爆薬の量とを入力データとして取得する。入力データ取得部502は、さらに、算出部511によって算出された投影位置と、他の穿孔Hoが穿孔されるときの穿孔エネルギーと、他の穿孔Hoに装填された爆薬の量とを他の入力データとして取得する。
モデル生成部504は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、穿孔の位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。ここで、入力データは、切羽Rに形成される複数の穿孔のうち切羽Rに垂直な所定の断面C内に形成される穿孔の位置と、穿孔が穿孔されるときの穿孔エネルギーと、穿孔に装填された爆薬の量とを示すデータである。また、他の入力データは、算出部511によって算出された投影位置と、他の穿孔Hoが穿孔されるときの穿孔エネルギーと、他の穿孔Hoに装填された爆薬の量とを示すデータである。また、出力データは、複数の穿孔に装填された爆薬が爆発することによって形成された領域Aの所定の断面Cの形状を示すデータである。
モデル生成部504は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、少なくとも穿孔の位置、投影位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。モデル生成部504は、例えば、ニューラルネットワークNNを用いた教師あり学習を実行する。
モデル記憶部505は、モデル生成部504によって生成された学習済みモデルを記憶する。
出力部506は、モデル記憶部505に記憶された学習済みモデルを出力する。出力部506は、例えば、通信回線3を介して発破パターン管理装置2に学習済みモデルを送信する。
以上説明したように、発破情報処理装置5は、所定の断面Cから所定の距離d以下の位置に形成される他の穿孔Hoを所定の断面Cに投影した投影位置を算出する算出部511をさらに備え、入力データ取得部502は、さらに、算出部511によって算出された投影位置と、他の穿孔Hoが穿孔されるときの穿孔エネルギーと、他の穿孔Hoに装填された爆薬の量とを他の入力データとして取得し、モデル生成部504は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、孔の位置、投影位置、穿孔エネルギー、および爆薬の量と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。
したがって、発破情報処理装置5は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集し、収集された教師データを利用して機械学習を実行することができる。
〔その他の変形例〕
本発明は上記の実施形態に限定されるものではない。例えば以下のようなものも含まれる。
本発明は上記の実施形態に限定されるものではない。例えば以下のようなものも含まれる。
本実施形態では、入力データ取得部は、穿孔の位置(配列)、穿孔が穿孔されたときに消費される穿孔エネルギー、および穿孔に装填された爆薬の量を入力データとして取得する。しかし、これに限られず、入力データ取得部は、さらに、穿孔の深さ(穿孔長さ)を示す情報を入力データとして取得してもよい。また、他のデータとして爆薬の種類や穿孔の径などの情報を入力データとして取得するようにしても良い。この場合、モデル生成部は、これらを含んだ情報と、所定の断面Cの形状との相関を示す学習済みモデルを生成する。また、さらに他の入力データとして、穿孔位置の岩質、亀裂密度、湧水圧などの情報を取得するようにし、これらを含んだ情報と、所定の断面Cの形状との相関を示す学習済みモデルを生成するようにしても良い。
本実施形態では、全断面の発破工法であったが、これに限られず補助ベンチ付き全断面工法や上部半団円工法などにも適用しても良い。
いずれの実施形態における各技術的事項を組み合わせて実施例としても良い。
1 穿孔機
2 発破パターン管理装置
3 通信回線
4 形状測定器
5 発破情報処理装置
51 CPU
52 バス
53 ROM
54 RAM
55 不揮発性メモリ
56 入出力インタフェース
501 受付部
502 入力データ取得部
503 出力データ取得部
504 モデル生成部
505 モデル記憶部
506 出力部
511 算出部
2 発破パターン管理装置
3 通信回線
4 形状測定器
5 発破情報処理装置
51 CPU
52 バス
53 ROM
54 RAM
55 不揮発性メモリ
56 入出力インタフェース
501 受付部
502 入力データ取得部
503 出力データ取得部
504 モデル生成部
505 モデル記憶部
506 出力部
511 算出部
Claims (9)
- 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置であって、
前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得する入力データ取得部と、
前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得する出力データ取得部と、
前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成するモデル生成部と、
を備える発破情報処理装置。 - 前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出する算出部をさらに備え、
前記入力データ取得部は、さらに、前記算出部によって算出された前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとして取得し、
前記モデル生成部は、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成する請求項1に記載の発破情報処理装置。 - 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項1又は請求項2に記載の発破情報処理装置。
- 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理方法であって、
前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得することと、
前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得することと、
前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、
を含む発破情報処理方法。 - 前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出することをさらに含み、
前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとしてさらに取得すること、
前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、
を含む請求項4に記載の発破情報処理方法。 - 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項4又は請求項5に記載の発破情報処理方法。
- 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置において、入力データおよび出力データに基づいて生成された学習済みモデルであって、
前記入力データは、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、
前記出力データは、前記穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を前記所定の断面ごとに取得されたものであって、
前記入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデル。 - 前記入力データおよび出力データに、さらに加えて他の入力データに基づいて生成される学習済みモデルであって、
前記他の入力データは、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影して算出された投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、
前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す請求項7に記載の学習済みモデル。 - 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Rを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Rを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項7又は請求項8に記載の学習済みモデル。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022017139A JP2023114687A (ja) | 2022-02-07 | 2022-02-07 | 発破情報処理装置、発破情報処理方法、および学習済みモデル |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022017139A JP2023114687A (ja) | 2022-02-07 | 2022-02-07 | 発破情報処理装置、発破情報処理方法、および学習済みモデル |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023114687A true JP2023114687A (ja) | 2023-08-18 |
Family
ID=87569720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022017139A Pending JP2023114687A (ja) | 2022-02-07 | 2022-02-07 | 発破情報処理装置、発破情報処理方法、および学習済みモデル |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2023114687A (ja) |
-
2022
- 2022-02-07 JP JP2022017139A patent/JP2023114687A/ja active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Clark | Minimizing dilution in open stope mining with a focus on stope design and narrow vein longhole blasting | |
JP3135207B2 (ja) | トンネル掘進機の施工管理システム | |
Navarro et al. | Application of drill-monitoring for chargeability assessment in sublevel caving | |
KR100806258B1 (ko) | 터널 내부의 여굴 또는 미굴을 실시간으로 계측하여 제어하기 위한 제어시스템 및 그 제어방법 | |
JP7219181B2 (ja) | シールド掘進機の施工管理方法 | |
KR102294384B1 (ko) | 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법 및 이를 이용한 굴진율 예측시스템 | |
JP3168181B2 (ja) | 最適発破設計システム | |
CN117556687A (zh) | 一种隧道爆破参数确定方法、系统、电子设备及介质 | |
Navarro et al. | Assessment of drilling deviations in underground operations | |
Mohammadi et al. | Applying rock engineering systems approach for prediction of overbreak produced in tunnels driven in hard rock | |
CN117973007A (zh) | 隧道钻爆参数控制方法、装置、设备及可读存储介质 | |
JP6820505B2 (ja) | トンネル地山探査方法 | |
JP2023114687A (ja) | 発破情報処理装置、発破情報処理方法、および学習済みモデル | |
JP7544633B2 (ja) | シールド掘進機の施工管理方法 | |
JP2023043638A (ja) | 発破情報処理装置、発破情報処理方法、および学習済みモデル | |
JP7492482B2 (ja) | シールド掘進機の掘進予測モデル | |
JP7393240B2 (ja) | 穿孔エネルギーによる地山評価方法 | |
JP2022143627A (ja) | シールド掘進機の掘進予測モデル | |
Singh | New trends in drilling and blasting technology | |
You et al. | Stratigraphic identification using real-time drilling data | |
Louwerse | Waste rock dilution in stoping of steeply dipping narrow-vein deposits | |
JP2023003192A (ja) | トンネル施工管理システム | |
JP2024089479A (ja) | 解析装置、学習装置、及びプログラム | |
JP7247597B2 (ja) | 地山評価方法、地山評価システム及び地山評価プログラム | |
JP7412171B2 (ja) | 教師データ生成装置、及び教師データ生成方法 |