MT 法を用いた農業機械の異常検出 ○高田康兵・光岡宗司１）・井上英二１）・岡安祟史１）・平井康丸１） (九大院生資環・１）九大院農) 【目的】近年，半導体加工技術の向上による各種センサの小型・低コスト化が進むとともにこれらのセンサ群が機械システム，通信システムに採用され，多数の時系列データが取得可能となっている。農業分野においても農業ロボットやトラクタのナビゲーションシステム等には多数の小型慣性センサが導入されている。一方，近年，農業機械の使用中の死亡事故の低減化の面から農業機械の安全対策への必要性が強まっており，故障や異常の早期発見や転落・転倒の事故予防が課題となっている。そこで本研究では,複数の時系列データを用いた農業機械の異常・故障の検出を目的とし，農業機械の 3 軸並進加速度および 3 軸回転角速度時系列データ用いて,相関関係をもつ多次元（多変量）空間の距離であるマハラノビス距離(MD)による異常値検出の可能性について検討を行った。【材料および方法】本研究では，2 種類の実験によって得られた複数時系列データを用いて解析を行った。実験 1 では，自脱コンバインの収穫作業中の加速度および角速度の計測を行った。実験はエンジンの定格回転数 3000rpm であり,アイドリング状態から刈り取り,脱穀を含む一連の刈り取り作業を行い，機体前方のトラックフレームに設置したＭＥＭＳ慣性センサより並進 3 軸加速度と回転 3 軸角速度をサンプリング周波数 200Ｈｚで計測した。また，実験 2 では，模型車両を用いた傾斜面走行実験における転倒および非転倒時の並進 3 軸加速度と回転 3 軸角速度をサンプリング周波数 200Ｈｚで計測を行った。測定で得られた並進 3 軸加速度および回転 3 軸角速度の 6 つの振動時系列データを用いてマハラノビス距離（MD）を算出した。項目数 k,データ数 n 個のデータ群を基準化し,基準化後の P 番目のデータを [x p1 , xp2 ⋯ xpn ]とすると，MD(Dp )は次の式で表せる。ここで，rij は相関係数を表わす。 MD の算出にあたり SN 比による変数選択と周波数特性の把握を行った。まず，P.S.D より振動の主要な周波数成分を抽出し, MD を計算する際の最小データ数を決定した。次に 6 つの時系列データの組み合わせから計算された SN 比に基づく変数選択を行った。【結果および考察】実験 1 で測定した 6 つの時系列データの P.S.D の結果より，10Hz 以下の低周波成分と 30～50Hz までの高周波成分において大きなピークが示された。これらはそれぞれ走行部及びエンジンと脱穀部に起因する振動だと考えられるため，これらの周波数帯を含むデータから MD を算出する必要があると推測される。また，L12 直行表を用いて MD の計算に用いる変数の組み合わせを検討した。正常時のデータ群(単位空間)と解析対象のデータ群(信号空間) について 6 変数を用いて 12 通りの組み合わせを作成し,それぞれの信号空間について SN 比を算出したところ，6 変数すべてを用いるのが適切である。以上の結果を元に全６次元の単位空間(15s,3000 データ)および信号空間(2.5s,500 データおよび 1s,200 データ)の MD の算出を行った。図 1 模型車両実験でのデータの MD 単位空間の算出においては SN 比が高くなる組み合わせでも用いた変数が少ない場合データの標準偏差が大きくなる傾向がみられた。信号空間については,SN 比の高くなる組み合わせの中でも MD の算出に用いた変数の数が多いほど分布が単位空間から分離された。模型車両による転倒時の MD の分布の明らかな分離が確認された。本実験から MD による農業機械の挙動に基づく時系列データの異常性の判定は可能であると考えられる。しかしながら, 本実験では実機による異常時のデータが不足しており検討が不十分であった。今後は様々な条件下での作業中のデータを蓄積し単位空間の改善を行う事でより高精度な異常判定ができると考えられる。また， MD の計算に用いる変数として角加速度を追加することを検討している。 ─ 96 ─ p91-104cs6.indd 96 2014/07/31 9:06:51