프로프리오셉티브 센싱만으로 암석 파쇄도 추정하기

초록

본 연구는 배터리 전기 LHD 로더가 굴착 중에 수집한 가속도·압력 등 내부 센서 데이터만을 이용해 암석 파쇄도의 상대 평균 입자 크기를 추정하는 방법을 제안한다. 연속 웨이브렛 변환으로 정의한 ‘웨이브렛 특징(β)’의 비율이 서로 다른 암석 더미의 평균 입자 크기 비율과 일치함을 현장 실험을 통해 검증했으며, 결과를 시각 기반 파쇄 분석 툴과 체질 분석과 비교하였다.

상세 분석

이 논문은 기존의 시각·LiDAR 기반 파쇄도 측정이 현장 적용 비용과 환경 제약을 갖는 점을 지적하고, 장비 자체에 내장된 관성·유압 센서(IMU, 압력 트랜스듀서)만으로도 충분한 정보를 얻을 수 있음을 실증한다. 핵심 아이디어는 굴착 과정에서 발생하는 충돌·진동 신호가 암석 입자의 크기와 질량에 비례하는 충격 횟수와 충격 강도를 반영한다는 가정이다. 이를 정량화하기 위해 연속 웨이브렛 변환을 적용해 신호 g(t)를 다양한 스케일 s의 모자이크 웨이브렛 Ψ_s와 컨볼루션한 후, 스케일‑시간 영역에서 최대값 β를 추출한다(식 8). β는 신호 에너지의 스케일‑분포를 나타내며, 입자 크기가 클수록 충돌 지속 시간이 길어 저주파 성분이 강화돼 β가 증가한다는 물리적 해석이 가능하다.

실험에서는 18톤급 전기 LHD를 이용해 5개의 서로 다른 파쇄도 암석 더미를 각각 3회 이상 굴착하였다. 각 굴착 구간의 시작·종료 시점을 α1, α2로 정의하고, 가속도와 유압 압력 두 채널을 독립적으로 처리한 뒤 β값을 계산했다. 두 더미 간 β 비율을 구하고, 이를 Rosin‑Rammler 모델을 통해 추정한 평균 입자 크기(¯x) 비율과 비교하였다. 결과는 β 비율이 ¯x 비율과 0.92~1.07 사이의 상관계수를 보이며, 특히 입자 크기 차이가 30 % 이상일 때는 오차가 5 % 이하로 수렴했다.

시각 기반 파쇄 분석 툴(WipFrag™)은 이미지 촬영·딥러닝 분할을 통해 표면 입자만을 추출하므로, 실제 파쇄도와 차이가 발생한다. 체질 분석은 표본 채취·체질 과정을 거쳐 가장 정확한 결과를 제공했지만, 시간·노동 비용이 크게 소요된다. 본 연구의 프로프리오셉티브 방식은 실시간으로 굴착 중에 연속적인 파쇄도 추정이 가능하며, 추가 하드웨어 설치 없이 기존 장비에 바로 적용할 수 있다는 실용적 장점을 가진다.

한계점으로는 (1) 신호에 영향을 미치는 토양·수분·장비 마모 등 외부 요인을 완전히 보정하지 못했으며, (2) 현재는 평균 입자 크기 비율만을 추정하고 전체 입도 분포 형태는 파악하지 못한다는 점이다. 향후 연구에서는 다중 센서 융합(예: 진동·압력·전류)과 머신러닝 기반 회귀 모델을 도입해 절대 입도 분포를 추정하고, 자동화된 굴착 제어 루프에 피드백하는 방법을 모색한다.