JP2002180295A

JP2002180295A - 電着塗装解析方法および電着塗装解析装置

Info

Publication number: JP2002180295A
Application number: JP2000387152A
Authority: JP
Inventors: Toru Komoriya; 徹小森谷
Original assignee: Fuji Heavy Industries Ltd
Current assignee: Subaru Corp
Priority date: 2000-12-20
Filing date: 2000-12-20
Publication date: 2002-06-26

Abstract

(57)【要約】【課題】被塗装物表面の塗膜析出量を解析する電着塗装
解析の精度向上を図る。【解決手段】電位解析によって得られた電流密度と、塗
料温度、塗料特性または被塗装物特性の少なくとも一つ
とを入力とした予測式に基づいて、被塗装物４の表面の
塗膜析出量を求める電着塗装解析方法を提供する。この
予測式として、電流密度を入力変数とし、かつ、塗料温
度、塗料特性値または被塗装物特性値の少なくとも一つ
を入力変数とした実験相関式を用いてもよい。また、こ
の予測式として、電流密度を入力とし、かつ、塗料温
度、塗料特性または被塗装物特性の少なくとも一つを入
力としたニューラルネットワークを用いてもよい。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば、自動車の
ボディ等の表面に施される電着塗装の解析方法およびそ
の解析装置に関する。

【０００２】

【従来の技術】電着塗装は、高分子電解質における電気
泳動現象および電気透析現象などを利用した塗装法であ
る。電着塗装の利点としては、塗膜が被塗装物に均一に
付着し、防食性にも優れているため、自動車のボディや
部品等の下塗塗装として広く用いられている。電着塗装
により、自動車ボディ表面の塗装膜厚を一定の範囲内に
収めることは、防錆対策、塗料消費量の低減、或いはボ
ディの重量軽減等の観点から重要な設計課題である。そ
のため、従来より、これらの課題を解決するために、様
々な解析が試みられている。

【０００３】本願発明者は、電着塗装における塗料析出
現象をモデル化し、数値解析する研究を進めている（例
えば、「電着塗装の膜厚分布予測手法の開発-第１報(20
005066)」（社団法人自動車技術会：学術講演会前刷集N
o.51-00、2000年春季大会［2000年5月25日開催］）を参
照）。図８は、従来の電着塗装解析のフローチャートで
ある。まず、ステップ１において、計算格子および塗料
データベースを入力し、解析を行う上で必要な各種条件
（例えば、境界条件や計算条件等）を設定する。つぎ
に、電着塗装液槽の電位分布、被塗装物の塗膜厚さ分布
等の初期値を設定した上で（ステップ２）、計算前の値
（電位分布、塗膜厚さ分布）を磁気ディスク等の記憶装
置に格納する（ステップ３）。そして、計算のタイムス
テップをΔｔ[sec]だけ進め（ステップ４）、現在の時
刻ｔnewにおける電着塗装液槽の電位境界を更新する
（ステップ５）。ステップ６では、有限体積法、有限要
素法、或いは有限差分法等により、周知の電位拡散方程
式を解いて、電着塗装液槽内の電位分布を算出する。こ
のステップ６で算出された電位分布より、被塗装物の表
面に吸着している塗料の膜厚抵抗を考慮して、被塗装物
の表面の電流密度を算出する（ステップ７）。ステップ
８では、予め実験等を通じて確認した電流密度と塗膜析
出量との実験相関式に、電流密度を入力変数として代入
することにより、被塗装物表面の塗膜析出量を算出す
る。ステップ９では、直前（１タイムステップ前）の塗
膜厚さに、ステップ８で算出された塗膜析出量を加算す
ることにより、現在の塗膜厚さを算出する。以上のよう
なステップ３からステップ９までの一連の手順は、ステ
ップ１０の判断に従って、所定の設定時間が経過するま
で繰り返される。そして、所定の設定時間が経過した場
合には、ステップ１０からステップ１１に進み、塗膜析
出量に関する計算結果が出力されて、電着塗装解析が終
了する。

【０００４】

【発明が解決しようとする課題】上述した従来技術で
は、実験等を通じて特定された電流密度と塗膜析出量と
の実験相関式を用い、電流密度を入力として被塗装物表
面の塗膜析出量を算出している。換言すれば、この実験
相関式の入力変数は電流密度のみであり、それ以外の変
数を考慮していない。そのため、塗料の種類や被塗装物
の表面処理方法等が異なれば、電流密度が同じであって
も塗膜析出量が変化するにも拘わらず、それに対応でき
ない。また、塗膜析出量は、電着塗装の設備条件、部材
の組付誤差、或いは計測誤差等の影響も受けるにも拘わ
らず、これらが実験相関式に反映されていない。そのた
め、電着塗装の解析精度の低下を招くといった問題が生
じる。

【０００５】本発明は、かかる事情に鑑みてなされたも
のであり、その目的は、被塗装物表面の塗膜析出量を解
析する電着塗装解析の精度向上を図ることである。

【０００６】

【課題を解決するための手段】かかる課題を解決するた
めに、第１の発明は、電位解析によって得られた電流密
度と、塗料温度、塗料特性または被塗装物特性の少なく
とも一つとを入力とした予測式に基づいて、被塗装物表
面の塗膜析出量を求める電着塗装解析方法を提供する。
この予測式として、電流密度を入力変数とし、かつ、塗
料温度、塗料特性値または被塗装物特性値の少なくとも
一つを入力変数とした実験相関式を用いてもよい。ま
た、この予測式として、電流密度を入力とし、かつ、塗
料温度、塗料特性または被塗装物特性の少なくとも一つ
を入力としたニューラルネットワークを用いてもよい。

【０００７】また、上記予測式から求められた塗膜析出
量に対して、電位解析で考慮されていない物理量に基づ
いた補正を行うことが好ましい。さらに、この予測式
は、塗料成分やメーカごとに予め設定されており、個々
の電着塗装液に対応した予測式を選択可能であることが
望ましい。

【０００８】第２の発明は、上述した構成を有する電着
塗装解析方法を実行する電着塗装解析装置を提供する。

【０００９】

【発明の実施の形態】図１は、自動車のボディ表面に対
する電着塗装の概略説明図である。電着塗装液槽１内に
は、電着塗装液（希釈水溶性塗料液）が貯留されてお
り、陽極板２と陰極板３とが所定の間隔だけ離れて配置
されている。また、この電着塗装液槽１内には、自動車
のボディ等の被塗装物４が、図示しない搬送装置によっ
て吊されており、被塗装物４全体が電着塗装液中に浸漬
されている。陽極板２と被塗装物４との間に電位差を与
えて被塗装物４側をマイナスに荷電した状態にすると、
塗装粒子の電気泳動によって、被塗装物４の表面に不水
溶性塗膜が形成される。

【００１０】しかしながら、電気の流れにくい箇所、例
えば、自動車のフロントピラーやセンタピラーのように
補強部材が幾重にも重なり合った構造部位では、電流密
度が低下して塗膜が析出し難くなる。一般に、電着塗装
の付回りに関する評価は、車種開発の後半になって実施
されるため、問題発生時には開発期間の遅れや開発費の
増加が余儀なくされる。このような理由で、電着塗装の
付回りの解析シミュレーション技術が非常に重要とな
る。

【００１１】図２に示すように、本実施形態に係る電着
塗装解析装置は、コンピュータ５、キーボードやマウス
等の入力装置６、および表示装置７を有する。コンピュ
ータ５は、ＲＡＭ等の主記憶装置、ＣＰＵ、磁気ディス
ク等で構成されている。この電着塗装解析装置は、基本
的に、図８に示したフローチャートと同様の手順で電着
塗装解析を行うが、ステップ８の塗膜析出量の算出処理
に関して、以下の第１から第４の実施形態のいずれかを
用いる点が相違する。いずれの形態にも共通する特徴
は、塗膜析出量の算出に際して、電流密度のみならず、
それ以外の変数（塗料温度、塗料特性値、被塗装物特性
値）も考慮している点である。

【００１２】（第１の実施形態）この形態では、下記の
一般式で表される実験相関式に基づいて塗膜析出量Ｙを
算出する。

【数１】Ｙ＝ｆ（Ｘ1，Ｘ2，Ｘ3，Ｘ4）

【００１３】同数式において、入力変数Ｘ1は電流密度
であり、入力変数Ｘ2，Ｘ3，Ｘ4はそれぞれ塗料温度、
塗料特性値、被塗装物特性値である。ここで、「塗料特
性値Ｘ3」とは、塗料の基本特性を示す値であり、例え
ば、塗料の伝導度、ＰＨ、中和剤濃度、溶剤量、灰分量
等が挙げられる。また、「被塗装物特性値Ｘ4」とは、
被塗装物４の基本特性を示す値であり、例えば、被塗装
物４の電気伝導度等が挙げられるが、それ以外にも被塗
装物４の表面処理方法等も考慮される。なお、数式１に
おいて、電流密度Ｘ1は、必須の入力変数であるが、そ
れ以外の塗料温度Ｘ2，塗料特性値Ｘ3，被塗料物特性値
Ｘ4に関しては、すべてを入力変数とする必要は必ずし
もなく、これらの内の少なくとも一つを用いていればよ
い。

【００１４】例えば、多次元一次関数を用いて塗膜析出
量Ｙを算出する場合、その算出式は、数式２のように表
すことができる。

【数２】Ｙ＝ａ0＋ａ1Ｘ1＋ａ2Ｘ2＋ａ3Ｘ3＋ａ4Ｘ4

【００１５】同数式において、定数ａ0，ａ1，ａ2，ａ
3，ａ4は、電着塗装条件を変えて行った多くの基礎実験
結果を相関分析した結果から得られる最も相関関係の高
い値を用いる（後述する数式３〜５についても同様）。
基礎実験は逐次行われ、最新の基礎実験結果に基づき、
実験相関式を更新可能である。また、異なる塗料成分を
用いる場合や異なる塗料メーカの電着塗装液を用いる場
合には、それぞれに対応した実験相関式が予め用意され
ており、これらの中から適宜のものを選択する。

【００１６】また、高次関数を用いて塗膜析出量Ｙを算
出する場合、その算出式は数式３のように表すことがで
きる。

【数３】Ｙ＝ａ0＋ａ1Ｘ1＋ａ2Ｘ1²＋ａ3Ｘ1³＋・・・＋ｂ
1Ｘ2＋ｂ2Ｘ2²＋ｂ3Ｘ2³＋・・・＋ｃ1Ｘ3＋ｃ2Ｘ3²＋ｃ3
Ｘ3³＋・・・＋ｄ1Ｘ4＋ｄ2Ｘ4²＋ｄ3Ｘ4³

【００１７】また、指数関数を用いて塗膜析出量Ｙを算
出する場合、その算出式は数式４のように表すことがで
きる。

【数４】Ｙ＝ａ0・ａ1^X1・ａ2^X2・ａ3^X3・ａ4^X4

【００１８】さらに、べき乗関数を用いて塗膜析出量Ｙ
を算出する場合、その算出式は数式５のように表すこと
ができる。

【数５】Ｙ＝ａ0・Ｘ1^a1・Ｘ2^a2・Ｘ3^a3・Ｘ4^a4

【００１９】本実施形態では、電流密度Ｘ1を入力変数
とし、かつ、塗料温度Ｘ2，塗料特性値Ｘ3，被塗装物特
性値Ｘ4の少なくとも一つを入力変数とする実験相関式
に基づいて、塗膜析出量Ｙを算出する。このように、電
流密度Ｘ1以外の変数も考慮した上で塗料析出量Ｙを算
出することにより、塗膜析出量の予測精度の向上を図る
ことができる。

【００２０】なお、本実施形態では、実験相関式に基づ
き塗膜析出量Ｙを求める例について示したが、入力変数
Ｘ1〜Ｘ4と塗膜析出量Ｙとの対応関係が記述されたテー
ブル等を参照して、塗膜析出量Ｙを求めてもよい。

【００２１】（第２の実施形態）この形態では、ニュー
ラルネットワークを用いて塗膜析出量を求める。図３
は、ニューラルネットワークの基本構成を示す図であ
る。入力層、中間層および出力層からなる階層型ニュー
ラルネットワークにおいて、それぞれの層は、同一機能
を有する複数の素子で構成されている。それぞれの素子
は、固有の重み係数ｗijで結合されている。

【００２２】図４は、素子の内部構造の説明図である。
それぞれの素子は、入力データｙiに対して数式６，７
に示す計算を行い、その演算結果を出力データＹjして
出力する。ここで、ｗijは、ｉ番目の素子とｊ番目の素
子との間の重み係数であり、θjはしきい値である。

【数６】

【数７】

【００２３】数式７は、シグモイド関数と呼ばれ、ニュ
ーラルネットワーク素子の関数として一般的に用いられ
ている。図５は、シグモイド関数の入出力特性図であ
る。この特性図からわかるように、シグモイド関数は０
から１まで連続的に変化し、しきい値θjが小さくなる
につれて、ステップ関数に近づいていく。

【００２４】ニューラルネットワークによる推定結果の
精度向上を図るためには、重み係数ｗijとしきい値θj
とを適切に調整する必要がある。この調整（学習ともい
う）は、Back-Propagation法と呼ばれる手法を用いて行
う。これは、学習するための教師用データを予め用意
し、結果が教師用データと一致するように学習を進め、
重み係数ｗijとしきい値θjとを決定する方法である。
重み係数ｗijとしきい値θjとの初期値は、ともに乱数
で与える。入力データをニューラルネットワークの入力
層素子に入力し、出力層素子からの出力結果を教師用デ
ータの値と比較し、数式８で表される誤差Ｅを算出す
る。ここで、Ｙkは、ニューラルネットワーク出力素子
の出力値、Ｄkは望ましい出力値、ｎは教師用データ数
である。

【数８】

【００２５】つぎに、数式９により算出された誤差Ｅに
対する各重み係数ｗij、しきい値の寄与率∂Ｅ/∂ｗi
j，∂Ｅ/∂θjを求め、数式９，１０に基づき、各重み
係数の変化量Δｗij(t+1)、しきい値の変化量Δθj(t+
1)を算出する。

【数９】

【数１０】

【００２６】ここで、α，β，γ，εは定数であり、α
＝γ＝0.1，β＝ε＝0.9とする。また、Δｗij(t)は１
学習前の重み係数の修正量であり、Δθj(t)は、１学習
前のしきい値の修正量である。上述した重み係数ｗij，
しきい値θjに対する修正を繰り返して学習を進める。
学習回数は、１教師データ当たり500回以上とする。

【００２７】図６は、塗膜析出量を予測するニューラル
ネットワークの構成図である。同図に示した３層モデル
のように、入力層の素子数は２つ以上必要であり、電流
密度以外に、塗料液温、現在の塗膜厚さ、塗料特性、被
塗装物特性を設定する。なお、第１の実施形態と同様
に、塗料温度、塗料特性、被塗装物特性のすべてを入力
とする必要は必ずしもなく、これらの内の少なくとも一
つを用いていればよい（後述する第３および第４の実施
形態についても同様）。また、中間層の素子数に関して
は、理論的に求める方法がないため、中間層の素子数を
変えた場合に推定精度がどのように変化するかを調べた
上で適切な数を設定する。出力層の素子からの出力が塗
膜析出量に相当する。

【００２８】このニューラルネットワークにおける教師
用データは、電着塗装条件を変えて行った基礎実験結果
から得られる電流密度、塗料液温、塗料特性、被塗装物
特性、現在の塗膜厚さ（入力データ）と、その塗膜析出
量（出力データ）である。

【００２９】本実施形態では、電流密度を入力とし、か
つ、塗料温度、塗料特性、被塗装物特性の少なくとも一
つを入力とするニューラルネットワークを用いて、塗料
析出量を求める。塗料イオンの吸着メカニズムが十分に
解明されていないが、非線形的な現象の予測にも適用で
きるニューラルネットワークを用いることにより、塗膜
析出量の予測精度の向上を図ることができる。なお、電
位解析をせずに塗膜析出量を予測する場合には、電流密
度の入力は不要となる。

【００３０】（第３の実施形態）この形態では、第１の
実施形態で述べた実験相関式や第２の実施形態で述べた
ニューラルネットワークといった複数の予測式が、塗料
成分やメーカごとに予め設定されており、個々の電着塗
装液に対応した予測式を選択可能とする。その際、電位
解析で使用する塗料データベースからの情報に基づいて
自動的に実験相関式が選択される。

【００３１】本実施形態では、塗料成分や塗料メーカが
異なる場合においても、適切な予測式を選択することに
より、塗膜析出量の予測精度の向上を図ることができ
る。また、塗料データベースから実験相関式を自動検出
させることで、実験相関式の人為的な選択ミスを防ぐこ
とができる。

【００３２】（第４の実施形態）この形態では、上述し
た実施形態により得られた塗膜析出量を、塗装環境また
は被塗装物（ボディ）に関する物理量に基づいた補正を
行う。そのための補正手法としては、補正式（ニューラ
ルネットワークや実験相関式）を用いることができる。
図７は、補正式の一例であるニューラルネットワークの
構成図である。同図に示した３層モデルにおいて、入力
層の素子は、予測式（実験相関式やニューラルネットワ
ーク）で求められた塗膜析出量の他に、図８に示したス
テップ６で電位解析する際に考慮していない物理量を設
定する。例えば、電圧や電流の変動、ラインスピードの
変動、液深の変動、塗料成分のばらつき等の塗装環境に
関する物理量を設定することができる。また、車両の組
立誤差といった車両条件に関するばらつき値を設定す
る。中間層の素子数に関しては、上述したような手法に
基づき適切な数を設定する。出力層の素子は、相関関係
式の各係数である。

【００３３】本実施形態では、電着条件のばらつき、被
塗装構造物の組付誤差、塗膜厚さ計測誤差といった誤差
要因を補正することにより、電着解析手法の汎用性の向
上を図ることができる。

【００３４】

【発明の効果】このように、本発明によれば、電位解析
によって得られた被塗装物表面の電流密度から塗膜析出
量を求める際に、基礎実験結果をデータベースとする予
測式（実験相関式やニューラルネットワーク）の入力と
して電流密度以外の物理量も加味している。これによ
り、電着塗装解析の精度向上を図ることが可能となる。

【図面の簡単な説明】

【図１】自動車ボディ表面に対する電着塗装の概略説明
図

【図２】電着塗装解析装置の構成図

【図３】塗膜析出量を予測する他のニューラルネットワ
ークの構成図

【図４】ニューラルネットワークの基本構成の説明図

【図５】素子の内部構造の説明図

【図６】シグモイド関数の入出力特性図

【図７】塗膜析出量を予測するニューラルネットワーク
の構成図

【図８】従来の電着塗装解析のフローチャート

【符号の説明】

１電着塗装液槽、２陽極板、３陰極板、４被塗装物、５コンピュータ、６入力装置、７表示装置

Claims

【特許請求の範囲】

【請求項１】被塗装物表面の塗膜析出量を解析する電着
塗装解析方法において、電位解析によって得られた電流密度と、塗料温度、塗料
特性または被塗装物特性の少なくとも一つとを入力とし
た予測式に基づいて、被塗装物表面の塗膜析出量を求め
ることを特徴とする電着塗装解析方法。
【請求項２】前記予測式は、電流密度を入力変数とし、
かつ、塗料温度、塗料特性値または被塗装物特性値の少
なくとも一つを入力変数とした実験相関式であることを
特徴とする請求項１に記載された電着塗装解析方法。
【請求項３】前記予測式は、電流密度を入力とし、か
つ、塗料温度、塗料特性または被塗装物特性の少なくと
も一つを入力としたニューラルネットワークであること
を特徴とする請求項１に記載された電着塗装解析方法。
【請求項４】前記予測式から求められた塗膜析出量に対
して、電位解析で考慮されていない物理量に基づいた補
正を行うことを特徴とする請求項１から３のいずれかに
記載された電着塗装解析方法。
【請求項５】前記予測式は、塗料成分やメーカごとに予
め設定されており、個々の電着塗装液に対応した予測式
を選択可能であることを特徴とする請求項１から４のい
ずれかに記載された電着塗装解析方法。
【請求項６】請求項１から５のいずれかに記載された電
着塗装解析方法を実行する電着塗装解析装置。