本プロンプトは、火星基地における気密ゲートの閉鎖音データ（WAV/FLAC等）から、機械学習モデルを用いて物理的な摩耗や異音を検出し、故障箇所を特定するための解析フレームワークである。 ### 1. 解析用データ準備と前処理指示 以下のPythonコードスニペットを用いて、時系列の音響データを周波数領域に変換し、異常検知に適した形式へ加工する。 ```python import librosa import numpy as np def preprocess_gate_sound(file_path): # 音声データのロードとサンプリングレートの統一 y, sr = librosa.load(file_path, sr=44100) # ゲート閉鎖動作の開始点抽出（エネルギー閾値処理） onset_env = librosa.onset.onset_strength(y=y, sr=sr) # メルスペクトログラムへの変換（閉鎖時の物理的摩耗を捉える） spectrogram = librosa.feature.melspectrogram(y=y, sr=sr, n_mels=128) return librosa.power_to_db(spectrogram, ref=np.max) ``` ### 2. 故障診断プロンプト（LLMへの入力用） AIエージェントに以下のプロンプトを入力し、スペクトログラムデータから故障箇所を特定させる。 **【AI入力用指示セット】** あなたは火星基地のメンテナンスエンジニアです。以下の音響特徴データに基づき、気密ゲートの故障箇所を特定してください。 1. **解析対象データ:** [ここにpreprocess_gate_soundで出力された数値データの要約を挿入] 2. **比較基準:** 基地建設時の「正常な閉鎖音（ベースライン）」と比較し、以下の項目を特定せよ。 - 摩擦音の発生タイミング（ms単位） - 特定周波数帯（Hz）の異常な増幅または欠落 - 閉鎖完了直前の衝撃音の減衰率の変化 3. **推論フレームワーク:** - 物理的摩耗の可能性：(高・中・低) - 潤滑剤の劣化可能性：(高・中・低) - シール材の硬化可能性：(高・中・低) 4. **出力形式:** 故障診断レポート（箇条書きで原因と推奨処置を記載） ### 3. 音響イベントと故障箇所の対応表（ナレッジベース） 解析結果を照合するための、閉鎖音に含まれる物理的シグナルの解読マニュアル。 1. **高周波の金属的な擦れ音（8kHz - 12kHz）** - 箇所：ガイドレールの微細な歪み、またはダストの混入。 - 処置：エアパージによるクリーニングとレール面の研磨確認。 2. **閉鎖直前の低い打音（100Hz - 300Hz）** - 箇所：ラッチ機構の噛み合わせのズレ。 - 処置：アクチュエータのトルク再調整と、駆動ギアのバックラッシュ測定。 3. **閉鎖音全体の持続時間の伸長（ベースライン比 +50ms以上）** - 箇所：ヒンジ部のグリース硬化、または低温による金属の熱収縮。 - 処置：ヒンジ加熱ヒーターの出力確認、または潤滑油の粘度再設定。 4. **「キィ」という断続的な鳴き音（2kHz - 5kHz）** - 箇所：シール材（ゴムパッキン）の摩耗による気密接触面の摩擦。 - 処置：シール材の交換、またはシリコン系潤滑剤の塗布。 ### 4. 連続監視のための監視ループ設定 以下の擬似コードをメインの基地管理システムに組み込み、定期的な自動診断を実行すること。