JP6802322B2 - 制御装置 - Google Patents

Description

本発明は、制御装置に関する。

従来より、ボーリング用の掘削機が存在する。掘削機は、ボーリング用のロッドをスピンドルに装着させた状態で、掘削対象の地面を掘削する（例えば、特許文献１参照）。

特開２００４−２７８０６３号公報

しかしながら、ボーリング用の掘削機に対する掘削の自動制御の実現化が要望されているが、上述の特許文献１の技術を含む従来技術を単に適用しても、このような要望に充分に応えることができない状況である。

本発明は、このような状況に鑑みてなされたものであり、ボーリング用の掘削機に対する掘削の自動制御の実現化を図ることを目的とする。

上記目的を達成するため、本発明の一態様の制御装置は、
スピンドルを少なくとも有するボーリング用の掘削機に対する掘削の制御を実行する制御手段と、
前記制御手段による前記掘削の制御の実行の結果、前記スピンドルを含む前記掘削機から出力される１以上の出力パラメータの各値を取得する出力パラメータ取得手段と、
前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値に基づいて、掘削対象の地層又は硬さを予測判断する判断手段と、
を備え、
前記制御手段は、複数のモードのうち、前記判断手段により予測判断された前記地層又は硬さに応じたモードで、掘削の制御を実行する。

さらに、前記判断手段は、前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値に基づいて地層又は硬さを出力するモデルを用いて、前記掘削対象の地層又は硬さを予測判断し、
前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値を含む、複数のパラメータの値を説明変数として用いて機械学習を行うことで、前記モデルを生成又は更新する学習手段、
をさらに備えることができる。

本発明によれば、ボーリング用の掘削機に対する掘削の自動制御を実現化することができる。

本発明の一実施形態に係る制御装置を含む掘削機の概観の構成の一例を示す斜視図である。 図１の掘削機に対する掘削自動制御処理を実行する制御装置についての機能的構成の一例を示す機能ブロック図である。 図２の制御装置により実行される掘削自動制御処理の一例として、掘削対象の地層が既知の場合の例について、その処理の流れを説明する図である。 図２の制御装置により実行される掘削自動制御処理の一例として、掘削対象の地層が未知の場合の例について、その処理の流れを説明する図である。 図２の制御装置の学習部による機械学習の一例の概要を説明する図である。 図２の制御装置の学習部による機械学習の一例であって、図５とは異なる例の概要を説明する図である。 掘削対象の地面の固さに応じた可変制御を実行するための、図１の掘削機に対する制御装置の学習部が実行する学習処理と、その制御装置が実行する掘削自動制御処理との一例を説明するアローチャートである。 現地システムがインターネット等に接続している環境における、図１の掘削機と図２の制御装置の構成の一例を示すブロック図である。 掘削対象の地面の固さに応じた可変制御を実行するための、図１の掘削機に対する制御装置の学習部が実行する学習処理と、その制御装置が実行する掘削自動制御処理との一例であって、図７とは異なる例を説明するアローチャートである。

以下、本発明の実施形態について、図面を用いて説明する。
図１は、本発明の一実施形態に係る制御装置を含む掘削機の概観の構成の一例を示す斜視図である。

図１に示す掘削機１は、スピンドル１１と、ドリルヘッド１２と、本発明の一実施形態に係る制御装置（図１には図示せず）を内蔵する制御盤１３とを含むように構成される。

図１には、掘削機１が配置される実空間を規定するために、ｘ軸、ｙ軸、ｚ軸の３軸が示されている。
ｘ軸とｙ軸で規定されるｘｙ平面のうち、ｚ＝０におけるｘｙ平面が、水平面とされている。ここでは説明の便宜上、掘削対象の地面は水平面に形成されているとする。
ｚ軸は、垂直方向の軸である。地面（水平面）からみて、上方向がｚ軸の正方向とされており、下方向が負方向とされている。掘削は地面に対して水平方向まで可能であるが、ここでは説明の便宜上、掘削機１は、地面に対して、ｚ軸の負方向に掘削をするものとする。

スピンドル１１は、図示せぬ所定長のボーリング用のロッドが接続された状態で、図１には図示せぬ回転エンジン（例えば後述の図２の回転エンジン２３）により駆動されて、ｘｙ平面に対して略平行に当該ロッドを回転させる。
ドリルヘッド１２は、図１には図示せぬ給進・オシレータエンジン（例えば後述の図２の給進・オシレータエンジン２２）により駆動されて、スピンドル１１に接続されたロッドをｚ軸の方向に移動させる。なお、以下、このようなロッドのｚ軸方向への移動を、「給進」と呼ぶ。ドリルヘッド１２は、さらに図示せぬオシレータを内蔵しており、このオシレータによりｚ軸方向への微小な振動（以下、「オシレーション」と呼ぶ）をロッドに与えながら、当該ロッドを給進させることができる。

制御盤１３に内蔵される図１には図示せぬ制御装置（例えば後述の図２の制御装置５１）は、掘削機１の自動掘削に対する制御処理（以下、このような制御処理を「掘削自動制御処理」と呼ぶ）を実行する。
図２は、図１の掘削機に対する掘削自動制御処理を実行する制御装置についての機能的構成の一例を示す機能ブロック図である。

制御装置５１は、掘削機１に対する掘削自動制御処理を実行すべく、制御部３１と、入力パラメータ設定部３２と、出力パラメータ取得部３３と、地層判断部３４と、学習部３５と、地層モデルＤＢ４１とを含むように構成される。
制御部３１乃至学習部３５並びに地層モデルＤＢ４１の各存在場所は、特に限定されず任意でよい。ただし、本実施形態では説明の便宜上、制御部３１乃至出力パラメータ取得部３３は、制御盤１３（図１）に内蔵される図示せぬ情報処理装置に設けられているものとする。一方、地層判断部３４、学習部３５、及び地層モデルＤＢ４１は、掘削機１の外部に存在する図示せぬ１以上の情報処理装置に設けられているものとする。

制御部３１は、後述の入力パラメータ設定部３２により設定された各種入力パラメータの各値に基づいて、掘削機１の自動制御を行う。

図２の例では、掘削機１の自動制御は、スピンドル１１の回転の制御、ドリルヘッド１２の給進及びオシレーションの制御、並びに循環水を掘削機１に供給するための循環水ポンプ２１の圧力（以下、「循環水圧力」と呼ぶ）及び循環水の水量（以下、「循環水量」と呼ぶ）の制御等、各種制御の組み合わせで実現される。

ここで、スピンドル１１の回転の制御は、次のような各入力パラメータに対する各値に基づいて実現される。
即ち、スピンドル１１の回転の制御の入力パラメータとして、スピンドル１１自体の回転数（以下、「スピンドル回転数」と呼ぶ）、スピンドル１１を駆動する回転エンジン２３の回転数（以下、「エンジン回転数」と呼ぶ）、及びスピンドル１１のトルク（以下、「スピンドルトルク」と呼ぶ）が採用されている。
なお、図２の例では、スピンドル１１の回転の制御として、主に回転エンジン２３に対する制御が行われ、スピンドル１１自体に対する積極的な制御は行われない。即ち、図２の例では、スピンドル１１の回転数又はトルクが最大値を超えたときのみ、エラー処理が行われる。このため、図２の例では、スピンドル回転数及びスピンドルトルクは、最大値のみが入力パラメータの値として設定される。なお、エラー処理の具体例については図３及び図４を参照して後述する。
以上まとめると、図２の例では、入力パラメータ設定部３２は、入力パラメータとして、スピンドル回転数（最大値）、エンジン回転数、及びスピンドルトルク（最大値）の各値を設定し、制御部３１に通知する。
制御部３１は、スピンドル回転数（最大値）、エンジン回転数、及びスピンドルトルク（最大値）の各値に基づいて、回転エンジン２３等に対して各種指示を行い、回転エンジン２３を駆動させることで、スピンドル１１の回転の制御を実行する。

また、図２の例では、ドリルヘッド１２の給進及びオシレーションの制御として、主にオシレーションの制御が行われ、給進自体に対する積極的な制御は行われない。具体的には例えば図２の例では、ドリルヘッド１２の給進の速度の上限値（以下、「掘削限界上限速度」と呼ぶ）を超えない範囲内の給進の速度に応じて、オシレータの周波数（以下、「オシレータ周波数」と呼ぶ）を変化させる制御が、ドリルヘッド１２の給進及びオシレーションの制御として実行される。
従って、図２の例では、入力パラメータ設定部３２は、入力パラメータとして、掘削限界上限速度、及びオシレータ周波数（初期値）の各値を設定し、制御部３１に通知する。
制御部３１は、設定されたオシレータ周波数（初期値）でドリルヘッド１２のオシレーションの制御を開始させ、ドリルヘッド１２の給進の速度が掘削限界上限速度を超えないように監視しつつ、ドリルヘッド１２の給進の速度（現在値）に応じて、オシレータ周波数を変化させる制御を実行する。

また、入力パラメータ設定部３２は、図２の例では、循環水圧力及び循環水量の制御のための入力パラメータとして、循環水圧力及び循環水量を取得する。
なお、図２の例では、循環水圧力の積極的な制御は行われないため、循環水圧力については最大値のみが、入力パラメータの値として入力される。
制御部３１は、設定された循環水圧力（最大値）を超えないように監視しつつ、循環水ポンプ２１に対する指示等の各種指示を行うことで、循環水圧力及び循環水量の制御を実行する。
そして、循環水圧力の制御として、循環水圧力によるフィード制御とビット荷重の制御がある。
ここで、循環水圧力によるフィード制御とは、循環水圧力が設定された最大値を超えないようにドリルヘッド１２をフィード（給進・後退、上下動）させることである。
具体的に例えば、掘削中にビット先端が掘削面より埋まっている状態が続くと、ビット先端から放出される循環水の出口が塞がってしまうため、循環水圧力が上昇する。そのため、循環水は、ロッドの中から送られてビット先端から放出されるので、掘削した孔壁とロッドの隙間から地上に排出される。
従って、循環水圧力が大きくなると、ロッドと結合されたドリルヘッド１２を上げる（フィードさせる）ことで、制御部３１は、掘削面に埋まったビット先端を引上げて隙間をつくり、圧力を逃がすよう循環水圧力によるフィード制御を実行する。
なお、循環水圧力が設定最大値を超えると、循環水ポンプが故障したり、掘削した孔壁が崩壊したり、機械自体がバランスを崩したりする危険性が発生する。
このような危険性を回避するため、制御部３１は、循環水圧力によるフィード制御を実行する。
また、ビット荷重とは、先端のビットが掘削面に与えている力を意味する。そして、ビット荷重の設定は、対象とする地層によって異なる。そのため、掘削している深さが深くなるに従い、結合されるロッド本数は増加するので、ビット荷重も増加する。従って、制御部３１は、引上げ力（バランス力）を作用させて所定のビット荷重となるように、ビット荷重の制御を実行する。
なお、制御部３１は、ロッドを１本つなぐ毎にロッド荷重を調整することも可能である。
そして、循環水量の制御の意義は、ロッド内から送られビット先端から放出される水量について、地表面付近まで、ある一定の戻り量を確保することである。循環水量の戻り量は、地層の種類又は同じ層種でも粒度の違いにより逸水量が異なり、これらを考慮して適切な循環水圧力の範囲内で、適切な循環水量（送り量）の増減を制御する必要があり、このような制御が循環水量の制御である。
具体的に例えば、循環水の戻り量が少なくなると、ロッド等が地中で拘束されて回転不能となる状態（ジャミング）となり、掘削作業の停止、中止ならびにロッドの回収作業などが発生する危険性が発生する。そこで、このような危険性の発生を回避すべく、循環水量の制御が実行される。

以上説明した制御、即ち、スピンドル１１の回転の制御、ドリルヘッド１２の給進及びオシレーションの制御、並びに循環水圧力及び循環水の水量の制御等には、掘削対象の地層に応じて適切なパターンが存在する。
また、スピンドル１１に装着されるロッドには、掘削対象の地層に応じて適切なサイズが存在する。
従って、掘削対象の地層が既知の場合、当該掘削対象の地層に適した制御のモードが、入力パラメータ設定部３２により設定される。
即ち、地層の層種毎に予め用意されている自動掘削の制御のモード（以下、「深度別掘削モード（層種）」と呼ぶ）のうち、当該掘削対象の地層に適した制御のモードを示す値が、入力パラメータの値の１つとして入力パラメータ設定部３２により設定される。
また、地層の深度毎に予め用意されている自動掘削の制御のモード（以下、「深度別掘削モード（深度）」と呼ぶ）のうち、当該掘削対象の地層に適した制御のモードを示す値が、入力パラメータの値の１つとして入力パラメータ設定部３２により設定される。

これに対して、掘削対象の地層が未知の場合、地層判断部３４は、地層モデルＤＢ４１に格納された地層モデルに基づいて、当該掘削対象の地層の層種及び深度を判断する。

ここで、地層モデルとは、掘削対象に対して掘削の自動制御が実行されている場合において、掘削機１に設置された図示せぬ各種センサから出力される値（以下、「出力パラメータの値」と呼ぶ）を入力することで、地層の層種及び深度を出力可能なモデルをいう。
この地層モデルは、本実施形態では図５を用いて後述するように、学習部３５の機械学習により生成又は更新される。
なお、地層モデルは、任意の個数の任意の種類の出力パラメータの値に基づいて地層の層種及び深度を出力するものであれば足り、その形態等は特に限定されない。例えば本実施形態では、オシレータの圧力（以下、「オシレータ圧力」と呼ぶ）、スピンドルトルク、循環水圧力、及び掘削速度の夫々の現在値が、出力パラメータの各値として用いる地層モデルが採用されている。ここで、現在値とは、瞬時値（１回のサンプル値）のみならず、複数回のサンプル値に基づいて算出される値（例えば平均値）も含む。

つまり、本実施形態では、出力パラメータ取得部３３は、オシレータ圧力、スピンドルトルク、循環水圧力、及び掘削速度の夫々の現在値を、出力パラメータの各値として取得して、地層判断部３４に通知する。
地層判断部３４は、出力パラメータ取得部３３により取得された出力パラメータの各値を地層モデルに入力し、その地層モデルの出力に基づいて当該地層の層種及び深度を判断する。地層判断部３４の判断結果は、入力パラメータ設定部３２に供給される。
入力パラメータ設定部３２は、地層判断部３４の判断結果に基づいて、掘削対象の地層に適した深度別掘削モード（層種）及び深度別掘削モード（深度）の夫々を示す各値を決定して、制御部３１に通知する。
制御部３１は、通知された深度別掘削モード（層種）及び深度別掘削モード（深度）に切替えて、掘削の自動制御を実行する。

学習部３５は、入力パラメータ設定部３２の設定内容、出力パラメータ取得部３３により取得された各値、及び地層判断部３４の判断結果等に基づいて機械学習を行い、地層モデルを生成又は更新して、地層モデルＤＢ４１に格納させる。
学習部３５による機械学習の詳細については、図５及び図６を参照して後述する。

次に、図３及び図４を参照して、このような図２の機能的構成を有する制御装置５１により実行される掘削自動制御処理の流れの概要を説明する。

図３は、図２の制御装置により実行される掘削自動制御処理の一例として、掘削対象の地層が既知の場合の例について、その処理の流れを説明する図である。

ステップＳ１において、入力パラメータ設定部３２は、入力パラメータの初期値の設定を行う。
具体的には例えば、入力パラメータとして、次のようなパラメータａ乃至ｌの初期値が夫々設定される。
パラメータａは、掘削時でのエンジン回転数である。
パラメータｂは、循環水圧力（最大値）である。
パラメータｃは、オシレータ周波数である。
パラメータｄは、スピンドル回転数である。
パラメータｅは、掘削限界上限速度である。
パラメータｆは、スピンドルトルクである。
パラメータｇは、ロッドサイズである。
パラメータｈは、深度別掘削モード（層種）である。
パラメータｉは、深度別掘削モード（深度）である。
パラメータｊは、ビット荷重である。
パラメータｋは、循環水量（送水）である。
パラメータｌは、循環水圧力によるフィード制御を行う（ＯＮ）のかそれとも行わない（ＯＦＦ）のかを示すパラメータである。
なお、上述のパラメータｂは、循環水圧力の初期値（設定値）として、最大値を入力することを意味する。
また、上述のパラメータｌは、循環水圧力が最大値、即ち、上述のパラメータｂの初期値（設定値）が最大値を超えた場合にフィード制御を作動させるためのパラメータである。

ステップＳ２において、制御部３１は、ステップＳ１において設定された入力パラメータの値、即ち初期値で入力した既知情報（地層種・深度）による掘削の自動制御を開始する。

ステップＳ３において、制御部３１は、掘削時での判断行動として、次のような第１パターン乃至第３パターンの夫々を必要に応じて実行する。
即ち、制御部３１は、第１パターンの判断行動として、出力パラメータ取得部３３により出力パラメータの１つとして取得される循環水圧力の現在値が、ステップＳ１において設定された初期パラメータｂの設定値を超えると、コア詰まりと判断し、上下運動（ドリルヘッド１２のｚ軸方向の給進）へ移行させる。
また、制御部３１は、第２パターンの判断行動として、出力パラメータ取得部３３により出力パラメータの１つとして取得されるスピンドルトルクの現在値が、１．５ｋＮ・ｍ（プログラム内での固定値）を超えると、孔曲りと判断して、上下運動（ドリルヘッド１２のｚ軸方向の給進）へ移行させる。
また、制御部３１は、第３パターンの判断行動として、出力パラメータ取得部３３により出力パラメータの１つとして取得される掘削速度の現在値に応じて、オシレータ周波数を変化させる。

図４は、図２の制御装置により実行される掘削自動制御処理の一例として、掘削対象の地層が未知の場合の例について、その処理の流れを説明する図である。

ステップＳ１１において、入力パラメータ設定部３２は、入力パラメータの初期値の設定を行う。
具体的には例えば、入力パラメータとして、次のようなパラメータａ乃至ｌの初期値が夫々設定される。
パラメータａは、掘削時でのエンジン回転数である。
パラメータｂは、循環水圧力（最大値）である。
パラメータｃは、オシレータ周波数である。
パラメータｄは、スピンドル回転数である。
パラメータｅは、掘削限界上限速度である。
パラメータｆは、スピンドルトルクである。
パラメータｇは、ロッドサイズである。
パラメータｊは、ビット荷重である。
パラメータｋは、循環水量（送水）である。
パラメータｌは、循環水圧力によるフィード制御を行う（ＯＮ）のかそれとも行わない（ＯＦＦ）のかを示すパラメータである。
なお、上述のパラメータｂは、図３と同様、循環水圧力の初期値（設定値）として、最大値を入力することを意味する。
上述のパラメータｌは、図３と同様、循環水圧力が最大値、即ち、上述のパラメータｂの初期値（設定値）が最大値を超えた場合にフィード制御を作動させるためのパラメータである。

即ち、パラメータｈ（深度別掘削モード（層種））、及びパラメータｉ（深度別掘削モード（深度））は、図３の例では地層が既知であったため入力されたが、図４の例では地層は未知のため入力されない。
また、パラメータｃ（オシレータ周波数）、パラメータｊ（ビット荷重）、パラメータｋ（循環水量（送水））、及びパラメータｌ（循環水圧力によるフィード制御）については、地層の各層種毎に異なる値が入力されるものであるが、図４の例では地層が未知のため、予測値として適当な値が夫々入力される。

ステップＳ１２において、制御部３１は、ステップＳ１１において設定された入力パラメータの値による掘削の自動制御を開始する。

ステップＳ１３において、地層判断部３４は、出力パラメータ取得部３３により出力パラメータとして取得される下記のパラメータｍ乃至ｐの値（現在値）に基づいて、地層の判断をする。
パラメータｍとは、オシレータ圧力である。
パラメータｎとは、スピンドルトルクである。
パラメータｏとは、循環水圧力である。
パラメータｐとは、掘削速度である。
なお、パラメータｏは、パラメータｂと異なり、稼働中に出力される循環水圧力の値である。

ステップＳ１４において、制御部３１は、ステップＳ１３において判断された地層での掘削の自動制御を実行する。
換言すると、制御部３１は、パラメータｃ（オシレータ周波数）、パラメータｊ（ビット荷重）、パラメータｋ（循環水量（送水））、及びパラメータｌ（循環水圧力によるフィード制御）の夫々を、ステップＳ１３において判断された地層に適する各値に夫々更新する。そして、制御部３１は、更新後の値を用いて掘削の自動制御を実行する。

ステップＳ１５において、制御部３１は、掘削時での判断行動として、次のような第１パターン１及び第２パターンの夫々を必要に応じて実行する。
即ち、制御部３１は、第１パターンの判断行動として、出力パラメータ取得部３３により出力パラメータの１つとして取得される循環水圧力の現在値が、ステップＳ１において設定された初期パラメータｂの設定値を超えると、コア詰まりと判断し、上下運動（ドリルヘッド１２のｚ軸方向の給進）へ移行させる。
また、制御部３１は、第２パターンの判断行動として、出力パラメータ取得部３３により出力パラメータの１つとして取得されるスピンドルトルクの現在値が、１．５ｋＮ・ｍ（プログラム内での固定値）を超えると、孔曲りと判断して、上下運動（ドリルヘッド１２のｚ軸方向の給進）へ移行させる。

ステップＳ１６において、地層判断部３４は、出力パラメータ取得部３３により出力パラメータとして例えば１５秒毎に取得される上記のパラメータｍ乃至ｐの各値の移動平均値（現在値）に基づいて、地層の判断をする。

ステップＳ１７において、制御部３１は、ステップＳ１５における地層判断部３４の地層の判断が８回連続で一致した場合、その地層への制御に変更して、掘削の自動制御を実行する。
「その地層への制御に変更」として、例えば、深度別掘削モード（層種）及び深度別掘削モード（深度）を、地層判断部３４により判断された層種及び深度の夫々に適したモードへ変更する処理が行われる。

以上説明したように、掘削対象の地層が未知の場合には、図４の例の掘削自動制御処理が実行される。図４の例の掘削自動制御処理では、地層モデルＤＢ４１に格納された地層モデルが用いられて地層が判断される。
以下、このような地層モデルを生成又は更新するための機械学習の一例について、図５を参照して説明する。
図５は、図２の制御装置の学習部による機械学習の一例の概要を説明する図である。

学習部３５は、既知の地層について制御部３１による掘削の自動制御を実行させ、その際に出力パラメータ取得部３３により出力パラメータとして取得される下記のパラメータａ１乃至ｏ１の各値を説明変数として用いて、アンサブル機械学習（Ｅｘｔｒａ Ｔｒｅｓｓ）による地層判断を行う。学習部３５は、この地層判断を繰り返し行い、地層モデルを生成又は更新する。
パラメータａ１は、掘削速度である。
パラメータｂ１は、ビット荷重である。
パラメータｃ１は、スピンドルトルクである。
パラメータｄ１は、スピンドル回転数である。
パラメータｅ１は、循環水量である。
パラメータｆ１は、循環水圧力である。
パラメータｇ１は、オシレータ圧力である。
パラメータｈ１は、エンジン回転数である。
パラメータｉ１は、油圧ポンプ圧力Ｐ１である。
パラメータｊ１は、油圧ポンプ圧力Ｐ２である。
パラメータｋ１は、ヘッド給油圧力である。
パラメータｌ１は、エア圧力である。
パラメータｍ１は、フレーム傾斜角Ｘである。
パラメータｎ１は、フレーム傾斜角Ｙである。
パラメータｏ１は、エンジン冷却水温度である。
なお、パラメータｉ１の油圧ポンプ圧力Ｐ１は、第１油圧ポンプ圧力を意味し、パラメータｊ１の油圧ポンプ圧力Ｐ２は、第２油圧ポンプ圧力を意味する。
ここで、第１油圧ポンプは主にオシレータモータを作動させるためのポンプであり、第２油圧ポンプは主にスピンドルモータを作動させるポンプである。
また、パラメータｆ１は、パラメータｂと異なり、稼働中に出力される循環水圧力の値である。

以上、本発明の実施形態について説明したが、本発明は、上述の実施形態に限定されるものではなく、本発明の目的を達成できる範囲での変形、改良等は本発明に含まれるものである。

例えば、上述の実施形態では、掘削の自動制御として、掘削対象の地層に応じた可変制御が採用されたが、特に限定されない。
例えば、掘削の自動制御として、掘削対象の地面の固さ（ＳＰＴ）に応じた可変制御を採用してもよい。

図６は、図２の制御装置の学習部による機械学習の一例であって、図５とは異なる例の概要を説明する図である。
学習部３５は、既知の地層について制御部３１による掘削の自動制御を実行させ、その際に出力パラメータ取得部３３により出力パラメータとして取得されるパラメータａ１乃至ｏ１の各値を説明変数として用いて、アンサブル機械学習（Ｅｘｔｒａ Ｔｒｅｓｓ）によるＳＰＴ判断を行う。学習部３５は、このＳＰＴ判断を繰り返し行い、ＳＰＴモデルを生成又は更新する。
ＳＰＴモデルとは、掘削対象に対して掘削の自動制御が実行されている場合において出力パラメータの各値を入力することで、当該掘削対象のＳＰＴを出力可能なモデルをいう。
ここで、図５と図６を比較するに、説明変数として用いるパラメータａ１乃至ｏ１は、地層に対する機械学習と、ＳＰＴに対する機械学習とで同一である。換言すると、学習部３５は、同一の説明変数を用いて、地層に対する機械学習もＳＰＴに対する機械学習も実行することができる。

もっとも図５と図６の夫々に示す説明変数は例示に過ぎず、地層に対する機械学習に用いる説明変数と、ＳＰＴに対する機械学習に用いる説明変数とを異ならせてもよい。
なお、本出願人らにより実際に行われた掘削の自動制御の結果と、当該掘削の自動制御の結果により得られた図５及び図６に示す説明変数を用いて行われたアンサブル機械学習の結果とによれば、機械学習の説明変数として、スピンドル回転数、オシレータ圧力、及びスピンドルトルクを採用すると好適である。

ここで、図７乃至図９を参照して、掘削対象の地面の固さ（ＳＰＴ）に応じた可変制御を実行するための、学習処理と掘削自動制御処理の一例について説明する。
なお、図７乃至図９の例では、制御装置５１は、上述の図２に示す機能的構成に対して、地層判断部３４を、掘削対象の地面の硬さ（Ｎ値）を判断（推定）する機能ブロック（図示はしないが、以下、「硬さ判断部」と呼ぶ）に変更した機能的構成を有している。

図７は、掘削対象の地面の固さ（ＳＰＴ）に応じた可変制御を実行するための、図１の掘削機に対する制御装置の学習部が実行する学習処理と、その制御装置が実行する掘削自動制御処理との一例を説明するアローチャートである。
図７の例では、図２の学習部３５を含む制御装置５１は、掘削機１の制御盤１３（図１）に内蔵される図示せぬ情報処理装置に設けられているものとされている。即ち、図７の例では、後述する図９の例とは異なり、掘削機１内の当該情報処理装置がインターネット等に接続されていない状態、即ち掘削機１単独の自立した環境の状態でも、学習（学習処理）と掘削（掘削自動制御処理）の繰り返しの実施が可能とされている。

ステップＳ５１において、制御装置５１の学習部３５は事前学習を実行する。
ここでいう「事前学習」とは、後述のステップＳＬ１及びステップＳＬ２の掘削自動制御処理において使用（又は更新）されるＳＰＴモデルを学習により生成する処理をいう。

ここで、ＳＰＴモデルとは、掘削対象に対して掘削の自動制御が実行されている場合において、掘削機より得られる出力パラメータの各値を読み込み、最適な精度で硬さ（Ｎ値）を推定可能なモデルをいう。
このＳＰＴモデルは、学習部３５の機械学習により生成又は更新される。

ステップＳ６１において、掘削機１は、制御部３１の制御に基づいて、初期値で掘削を開始する。
即ち、入力パラメータ設定部３２は、入力パラメータの初期値の設定を行う。
入力パラメータの種類は、特に限定されないが、本例では上述の図６に対応したものであり、例えば上述の図４の例のパラメータｈ（深度別掘削モード（層種））の代わりに、硬さ（Ｎ値）毎の深度別掘削モード又は暫定値が採用されている。
制御部３１は、入力パラメータの初期値による掘削の自動制御を開始する。

ステップＳ５２において、学習部３５は、学習済みデータを読み込む。
ここで、学習済みデータとは、過去の熟練技術者操作により得られた掘削データ、又は後述のステップＳＬ１で得られる掘削データをさらに加えたデータを用いて取得された出力パラメータの各値をいう。

ステップＳ６２において、掘削機１は、より正確には掘削機１に内蔵された出力パラメータ取得部３３は、掘削の際に得られる出力パラメータの各値（以下、これらをまとめて「掘削データ」と呼ぶ）を取得して、図示せぬ記憶媒体に保存する。
ステップＳ５３において、硬さ判断部は、掘削データの取得（要求）を行う。
ステップＳ６３において、掘削機１は、より正確には掘削機１に内蔵された出力パラメータ取得部３３は、ステップＳ６２において保存した掘削データを所定の形式等に変換して、硬さ判断部に送信する。
ステップＳ５４において、硬さ判断部は、掘削データに対して各種処理を施す。なお、このような各種処理をまとめて、以下、「掘削データ処理」と呼ぶ。

ステップＳ５５において、硬さ判断部は、ステップ５３において取得されてステップＳ５４において掘削データ処理が施された掘削データを、ＳＰＴモデルに入力することで、硬さ（Ｎ値）を判断（推定）する。
ステップＳ５６において、入力パラメータ設定部３２は、ステップＳ５６において推定された硬さ（Ｎ値）に基づいて、掘削速度が最も早くなる条件（以下、「選定条件」と適宜呼ぶ）を選定する。
ここで、選定条件は、特に限定されないが本例では推定された硬さ（Ｎ値）に対して適したパターン（掘削モード）が採用されている。
即ち、複数の掘削モードと、複数の硬さ（Ｎ値）との対応関係（適するか否かの関係）については、事前学習等により予め求められている。掘削自動制御処理時における計算コストを低減させるためである。
そこで、入力パラメータ設定部３２は、このような対応関係に基づいて、ステップＳ５６において推定された硬さ（Ｎ値）に適したパターン（掘削モード）を、選定条件として選定する。
ステップＳ５７において、入力パラメータ設定部３２は、選定条件を掘削機１（より正確には掘削機１に内蔵される制御部３１）に対して送信する。
ステップＳ６４において、掘削機１（より正確には掘削機１に内蔵される制御部３１）は、選定条件に則して掘削を行う。
制御部３１の制御に基づいて、初期値で掘削を開始する。

即ち、入力パラメータ設定部３２は、ステップＳ５６及びステップＳ５７において、選定条件により特定される入力パラメータの各値を設定する。
制御部３１は、ステップＳ６４の処理として、設定された入力パラメータの各値による掘削の自動制御を実行する。

このような制御装置５１側のステップＳ５３乃至Ｓ５７及び掘削機１（より正確には掘削機１に内蔵される制御部３１）側のステップＳ６２乃至Ｓ６４の一連の処理を、以下、「第１ループ処理ＳＬ１」と呼ぶ。
第１ループ処理ＳＬ１は、掘削の深さが所定の深さ（予定の深さ）に到達するまで繰り返し実行される。
つまり、ステップＳ６２の処理で保存される掘削データは、その直前の第１ループ処理ＳＬ１で選定された掘削条件に則して掘削された結果（直前の第１ループ処理ＳＬ１のステップＳ６４の処理の結果）得られる出力パラメータの各値である。
そこで、学習部３５は、ステップＳ５２において読み込んだ学習済みデータに対して、第１ループ処理ＳＬ１毎に得られる掘削データを加えて、ＳＰＴモデルを更新又は新たに生成することができる。
このＳＰＴモデルの更新又は新たな生成は、掘削機１の掘削後にすることもできるが、掘削機１による掘削が行われている最中（第１ループ処理ＳＬ１の実行中）に、リアルタイム又は定時的に行うこともできる。

このような第１ループ処理ＳＬ１が繰り返し実行されて、掘削の深さが所定の深さ（予定の深さ）に到達すると、処理はステップＳ６５に進む。
ステップＳ６５において、掘削機１（より正確には掘削機１に内蔵される制御部３１）は、所定の深さ毎に掘削を中止する。
ステップＳ６６において、掘削機１は、深さに応じたロッドに変更する（又はロッドを増やす）処理を実行する。このような処理を、以下、「ロッドチェンジ」と呼ぶ。
なお以下、ステップＳ６５とステップＳ６６の処理をまとめて、以下、「第２ループ処理ＳＬ２」と呼ぶ。
第２ループ処理ＳＬ２が実行されると、第１ループ処理ＳＬ１が再度繰り返し実行される。
その後、さらに掘削の深さが所定の深さ（前回よりも深い）に到達すると、第２ループ処理ＳＬ２が再度実行される。

ここで、掘削機１の内部又は近辺に存在する機器（コンピュータ、通信機器、管理端末等）の集合体を、以下、「現地システム」と呼ぶ。
この場合、上述した図７の例は、現地システムがインターネット等に接続せず、掘削機１が単独で自立した環境（自立機能型の環境）に適した例である。
即ち、ＳＰＴモデルの生成又は更新や選定条件の設定等を目的とする機械学習は、現地システムがインターネット等に接続していない場合、掘削機１が単独で自立した環境（図７の環境）で繰り返し実行される。

これに対して、ＳＰＴモデルの生成又は更新や選定条件の設定等を目的とする機械学習は、現地システムがインターネット等に接続している環境、即ち図８に示す環境でも当然に実行可能である。
図８は、現地システムがインターネット等に接続している環境における、図１の掘削機と制御装置の構成の一例を示すブロック図である。
図８に示すように、制御装置５１は、掘削機１の遠隔の地に存在するサーバ６１と、掘削機１の近辺に存在する現地システム６２とが、インターネット等のネットワークに接続されることで構成されている。
サーバ６１は、主に学習部３５（図２）の機能を有する。現地システム６２は、主に硬さ判定部や制御部３１（図２）の機能を有する。

図９は、掘削対象の地面の固さに応じた可変制御を実行するための、図１の掘削機に対する制御装置の学習部が実行する学習処理と、その制御装置が実行する掘削自動制御処理との一例であって、図７とは異なる例を説明するアローチャートである。
図９の例では、図８の例の環境が前提となっている。

ステップＳ１０１において、サーバ６１は、事前学習を実行する。
ステップＳ８１において、現地システム８１は、学習済みデータの取得（要求）をサーバ６１に対して行う。
ステップＳ８２において、サーバ６１は、学習済みデータを所定の形式等に変換して、現地システム８１に送信する。
ステップＳ８３において、現地システム８１は、ステップＳ８２において送信されてきた学習済みデータを読み込む。

ここで、それ以降の現地システム６２側のステップＳ８４乃至Ｓ８８及び掘削機１（より正確には掘削機１に内蔵される制御部３１）側のステップＳ９２乃至Ｓ９４の一連の処理を、以下、「第１ループ処理ＳＬ３」と呼ぶ。
図９の第１ループ処理ＳＬ３は、図７の第１ループ処理ＳＬ１と同様の処理である。
即ち、第１ループ処理ＳＬ３は、掘削の深さが所定の深さ（予定の深さ）に到達するまで繰り返し実行される。

ここで、図９には図示はしないが、サーバ６１は、現地システム６２とインターネット等で接続しているので、現地システム６２との間で各種データ等を同期できるものとする。
この場合、サーバ６１は、ステップＳ８３において読み込んだ学習済みデータに対して、第１ループ処理ＳＬ３毎に得られる掘削データを加えて、ＳＰＴモデルを更新又は新たに生成することができる。
このＳＰＴモデルの更新又は新たな生成は、掘削機１の掘削後にすることもできるが、掘削機１による掘削が行われている最中（第１ループ処理ＳＬ３の実行中）に、リアルタイム又は定時的に行うこともできる。

このような第１ループ処理ＳＬ３が繰り返し実行されて、掘削の深さが所定の深さ（予定の深さ）に到達すると、処理はステップＳ９５に進む。
ここで、ステップＳ９５及びステップＳ９６の一連の処理を、以下、「第２ループ処理ＳＬ４」と呼ぶ。
図９の第２ループ処理ＳＬ４は、図７の第２ループ処理ＳＬ２と同様の処理である。
第２ループ処理ＳＬ４が実行されると、第１ループ処理ＳＬ３が再度繰り返し実行される。
その後、さらに掘削の深さが所定の深さ（前回よりも深い）に到達すると、第２ループ処理ＳＬ４が再度実行される。

ここで、現地システム６２が何らかの要因でインターネット等に接続できない状態になる場合がある。このような場合を想定し、現地システム６２（例えば管理端末）は、オフライン機能を有しており、定期的にサーバ６１（ＷＥＢ）に同期させることができるようになっている。
即ち、現地システム６２は、必要に応じてステップ８９の処理を実行して、フィードバック（定期的なサーバ６１（ＷＥＢ）との同期）を実行する。

なお、上述の図７乃至図９の例において、ＳＰＴモデルの生成又は更新のために機械学習に用いられる説明変数は、出力パラメータ取得部３３により取得される複数種類の出力パラメータのうち全ての種類を用いてもよいが、一部の１以上の種類の出力パラメータを用いてもよい。
あまりに多くの種類の出力パラメータを用いて機械学習をすると過度に適合したＳＰＴモデルが完成し、逆に精度が低くなってしまう「過学習」を招くおそれがある。そこで、このようなおそれをなくすように、適度な種類数の出力パラメータを用いると好適だからである。

また例えば、上述の図７乃至図９の例では、深度がなくても適切な掘削自動制御処理が実行可能であるため、ＳＰＴモデルは、深度を出力（推定）しないモデルとなっている。ただし、これは例示に過ぎず、深度も出力（推定）するＳＰＴモデルを採用してもよい。
さらに例えば、上述の図７乃至図９の例では、ＳＰＴモデルを例示として採用したが、当然に地層モデルを採用してもよい。

また例えば上述の例では、図５及び図６に示す説明変数は例示に過ぎず、特に限定されない。
具体的に例えば、油圧ポンプ圧力については、油圧ポンプ圧力Ｐ１、油圧ポンプ圧力Ｐ２の他、油圧ポンプ圧力Ｐ３乃至油圧ポンプ圧力Ｐ６といったボーリング用の掘削機の種類に応じて油圧ポンプ圧力等のパラメータの数を増減することも可能である。

また例えば上述の例では、地層判断部３４による地層の判断の手法は、学習部３５によるアンサンブル機械学習により得られた地層モデルを用いる手法が採用されたが、特に限定されない。図５の「各層に対する掘削設定の選択肢」に記載されているように、従来の人のアルゴリズムでのアプリケーションの作製が行われた場合には当該アプリケーションを用いる手法を、地層判断部３４による地層の判断の手法として適用することができる。
つまり、地層判断部３４による地層の判断の手法は、制御部３１による掘削の自動制御を実際に実行させ、その際に出力パラメータ取得部３３により取得される出力パラメータのうち少なくとも１つの値を用いて地層を判断する手法であれば足りる。
本段落で述べた点は、図６の「各層に対する掘削設定の選択肢」に記載されているように、掘削対象の地面の固さ（ＳＰＴ）に応じた可変制御でも同様である。

また例えば、上述した一連の処理は、ハードウェアにより実行させることもできるし、ソフトウェアにより実行させることもできる。
換言すると、図２の機能的構成は例示に過ぎず、特に限定されない。
即ち、上述した掘削の自動制御に必要な機能がシステム全体の中に備えられていれば足り、この機能を実現するためにどのような機能ブロックを用いるのかは特に図２の例に限定されない。また、機能ブロックの存在場所も、図２に特に限定されず、任意でよい。
また、１つの機能ブロックは、ハードウェア単体で構成してもよいし、ソフトウェア単体で構成してもよいし、それらの組み合わせで構成してもよい。
つまり、制御部３１乃至学習部３５、並びに地層モデルＤＢ４１は、１つの筐体（例えば図１の制御盤１３）に設けられる必要はなく、複数の筐体に独立して設けられていてもよい。さらにいえば、装置にとって筐体は必須な構成要素ではなく、制御部３１乃至学習部３５、並びに地層モデルＤＢ４１の少なくとも一部は、筐体なく設けられていてもよい。

また例えば、一連の処理をソフトウェアにより実行させる場合には、そのソフトウェアを構成するプログラムが、コンピュータ等にネットワークや記録媒体からインストールされる。
コンピュータは、専用のハードウェアに組み込まれているコンピュータであってもよい。
また、コンピュータは、各種のプログラムをインストールすることで、各種の機能を実行することが可能なコンピュータ、例えばサーバの他、スマートフォンやパーソナルコンピュータ、又は各種デバイス等であってもよい。

また例えば、このようなプログラムを含む記録媒体は、ユーザにプログラムを提供するために装置本体とは別に配布される図示せぬリムーバブルメディアにより構成されるだけでなく、装置本体に予め組み込まれた状態でユーザに提供される記録媒体等で構成される。

なお、本明細書において、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的或いは個別に実行される処理をも含むものである。

以上を換言すると、本発明が適用される制御装置は、次のような構成を有する各種各様の実施形態を取ることができる。
即ち、本発明が適用される制御装置（例えば図２の制御装置５１）は、
スピンドル（例えば図１のスピンドル１１）を少なくとも有するボーリング用の掘削機（例えば図１の掘削機１）に対する掘削の制御を実行する制御手段（例えば図２の制御部３１）と、
前記制御手段による前記掘削の制御の実行の結果、前記スピンドルを含む前記掘削機から出力される１以上の出力パラメータの各値（例えば図４のステップＳ１３に示すパラメータｍ乃至ｐの値）を取得する出力パラメータ取得手段（例えば図２の出力パラメータ取得部３３）と、
前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値に基づいて、掘削対象の地層又は硬さを予測判断する判断手段（例えば図２の地層判断部３４）と、
を備え、
前記制御手段は、複数のモードのうち、前記判断手段により予測判断された前記地層又は硬さに応じたモードで、掘削の制御を実行する、
制御装置であれば足りる。
このように、本発明が適用される制御装置は、掘削対象の地層又は固さに応じた可変制御を、掘削の自動制御として実行することができる。このような制御装置を実装することで、ボーリング用の掘削機に対する掘削の自動制御を実現化させることができる。

さらに、
前記判断手段は、前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値に基づいて地層又は硬さを出力するモデルを用いて、前記掘削対象の地層又は硬さを予測判断し、
前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値を含む、複数のパラメータの値を説明変数として用いて機械学習を行うことで、前記モデルを生成又は更新する学習手段、
をさらに備えることができる。
これにより、掘削対象の地層又は固さをより適切に判断することができる。その結果、ボーリング用の掘削機に対する掘削の自動制御として、より適切な制御を実行することが可能になる。

さらに、前記学習手段は、
前記制御手段の制御により新たに前記掘削が行われる前に前記モデルとして、第１モデルを生成又は更新しており（例えば上述の図７のステップＳ５１や図９のステップＳ１０１）、
前記第１モデルの生成又は更新に用いられた前記複数のパラメータの値に加えて、さらに、前記制御手段の制御により新たに行われた前記掘削の際に前記出力パラメータ取得手段により取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値を説明変数として用いて機械学習を行うことで、生成又は前記第１モデルの更新の結果として第２モデルを出力する、
ことができる。

前記制御手段の前記掘削の制御に用いられる前記モードとして、前記地層又は前記硬さ毎に、最も早く掘削を可能とする条件を示す前記複数のモードが設けられており、
前記制御手段は、複数のモードのうち、前記判断手段により予測判断された前記地層又は硬さにおいて最も早く掘削を可能とする条件（例えば図７のステップＳ５７や図９のステップＳ５８で選定された選定条件）を示すモードで、掘削の制御を実行する、
ことができる。

前記制御装置は、
前記掘削機の内部又は第１距離だけ離間して配置される第１情報処理装置（例えば図８の現地システム６２）と、
前記第１距離よりも遠い第２距離だけ離間して配置され、前記第１情報処理装置と所定のネットワークにより接続される第２情報処理装置（例えば図８のサーバ６１）と、
を備え、
前記第２情報処理装置は、少なくとも前記学習手段を有する、
ことができる。
さらに、
前記第１情報処理装置は、定期的に前記ネットワークを介して前記第２情報処理装置にアクセスして、情報の同期を図る、
ことができる。

１・・・サーバ、１１・・・スピンドル、１２・・・ドリルヘッド、１３・・・制御盤、２１・・・循環水ポンプ、２２・・・給進・オシレータエンジン、２３・・・回転エンジン、３１・・・制御部、３２・・・入力パラメータ設定部、３３・・・出力パラメータ取得部、３４・・・地層判断部、３５・・・学習部、４１・・・地層モデルＤＢ、５１・・・制御装置、６１・・・サーバ、６２・・・現地システム

Claims (7)

1. 掘削機から出力される１以上の出力パラメータの各値を取得する出力パラメータ取得手段と、
   前記１以上の出力パラメータの各値のうち少なくとも１以上の値に基づいて、掘削対象の地層又は硬さを予測判断する判断手段と、
   前記地層の層種毎に予め用意される自動掘削の第１制御モードと前記地層の深度毎に予め用意される自動掘削の第２制御モードとを有し、前記判断手段により予測判断された前記地層又は硬さに応じて前記第１制御モード又は第２制御モードに切替えて前記掘削機に対する掘削の制御を実行する制御手段と、
   を備える制御装置。
2. 前記判断手段は、
   前記掘削機から学習用として取得される前記１以上の出力パラメータの各値を説明変数として用いて機械学習して地層判断を行った結果として得られた学習モデルであって、前記掘削機から処理対象として取得される前記１以上の出力パラメータの各値を入力すると、前記地層の層種及び硬さを出力する学習モデルを用いて、前記掘削対象の地層又は硬さを予測判断する、
   請求項１に記載の制御装置。
3. 前記制御手段の制御により新たに前記掘削が行われる前に前記学習モデルとして、第１学習モデルを生成又は更新し、
   前記第１学習モデルの生成又は更新に用いられた前記複数のパラメータの値に加えて、さらに、前記制御手段の制御により新たに行われた前記掘削の際に取得された前記１以上の出力パラメータの各値のうち少なくとも１以上の値を説明変数として用いて機械学習を行うことで、生成又は前記第１学習モデルの更新の結果として第２学習モデルを出力する学習手段、
   を備える請求項２に記載の制御装置。
4. 前記制御手段は、
   前記第１制御モード及び前記第２制御モードのうち、前記判断手段により予測判断された前記地層又は硬さにおいて最も早く掘削を可能とする条件を示す制御モードで、掘削の制御を実行する、
   請求項１乃至３のうち何れか１項に記載の制御装置。
5. 前記制御装置は、
   前記掘削機の内部又は第１距離だけ離間して配置される第１情報処理装置と、
   前記第１距離よりも遠い第２距離だけ離間して配置され、前記第１情報処理装置と所定のネットワークにより接続される第２情報処理装置と、
   を備え、
   前記第２情報処理装置は、少なくとも前記学習手段を有する、
   請求項３に記載の制御装置。
6. 前記第１情報処理装置は、定期的に前記ネットワークを介して前記第２情報処理装置にアクセスして、情報の同期を図る、
   請求項５に記載の制御装置。
7. 前記掘削機が、
   オシレータを内蔵したドリルヘッドを有する、
   請求項１乃至６のうち何れか１項に記載の制御装置。

Images