JP3056661B2

JP3056661B2 - ヒータ制御装置

Info

Publication number: JP3056661B2
Application number: JP6326353A
Authority: JP
Inventors: 輝彦松岡
Original assignee: Sharp Corp
Current assignee: Sharp Corp
Priority date: 1994-12-27
Filing date: 1994-12-27
Publication date: 2000-06-26
Anticipated expiration: 2015-06-26
Also published as: DE69535702D1; US5683605A; EP0720071A2; EP0720071A3; JPH08185079A; DE69535702T2; EP0720071B1

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、レーザ光を用いて静電
潜像を形成するレーザプリンタ、読込んだ原稿像の画像
処理が可能なデジタルコピア、従来からのアナログ複写
機および普通紙ファクシミリ等の電子写真方式を用いる
画像形成装置における熱定着装置のヒータ温度を制御す
るための装置に関する。

【０００２】

【従来の技術】上述のような電子写真方式の画像形成装
置では、記録紙に転写されたトナー像を熱定着させるた
めに、従来から図９で示すような熱定着装置１０が用い
られている。この熱定着装置１０は、交流電源２からの
電力を、ヒータ制御回路７が温度ヒューズ６を介してヒ
ータ５に与えることによって、該ヒータ５を所望とする
温度に維持するように構成されている。前記ヒータ５
は、ハロゲンランプなどで実現され、熱定着ローラ４内
に設けられている。

【０００３】また、熱定着ローラ４の近傍には、該熱定
着ローラ４の表面温度を検出するために、サーミスタな
どで実現される温度検出手段１が設けられている。この
温度検出手段１で検出された表面温度が予め定められる
設定温度以上であるか否かに対応して、コントローラ３
が前記ヒータ制御回路７を駆動制御し、前記設定温度の
維持が可能となる。

【０００４】

【発明が解決しようとする課題】上述の従来技術では、
温度検出手段１で検出された表面温度と、設定温度との
比較の結果のみに基づいて、コントローラ３がヒータ５
を点灯制御するので、熱定着ローラ４内に設けられてい
るヒータ５で発生した熱が該熱定着ローラ４の表面に伝
導されるまでの熱応答時間が存在するために、特にヒー
タ５を連続点灯させた場合には、前記表面温度が前記設
定温度を超えてオーバーシュートが発生するという問題
がある。

【０００５】この問題を解決するために、特開平３−１
０２７５号で示される従来技術では、熱定着ローラの表
面温度、雰囲気温度および本体電源が投入されてからの
累積時間などを入力値として、ファジィルールに従っ
て、熱定着ローラの回転開始時期および停止時期ならび
に回転速度を制御するように構成されている。

【０００６】また、特開平４−７３７８６号および特開
平４−３０３８７５号で示される他の従来技術では、熱
定着ローラの温度とその変化量とを用いて、ファジィル
ールに従ってヒータを駆動するように構成されている。
さらにまた、特開平４−１７８６７８号で示されるよう
な、熱定着ローラの温度とその微分値とを用いてヒータ
の点灯時間をファジィ制御する構成や、特開平５−３２
３８３０号で示されるような、室温値偏差と、サーミス
タの出力値と、その勾配とに基づいてヒータの点灯時間
をファジィ制御するようにした構成が提案されている。

【０００７】しかしながら上述の各従来技術では、予め
正しいファジィルールを作成しておく必要があり、すな
わち間違ったルールが存在すると、正しい制御ができな
くなってしまう。また、ファジィ変数を表すメンバーシ
ップ関数は、一旦決定してしまうと修正することができ
ないので、試行錯誤によって望ましい値を予め求めてお
く必要があり、作成が煩雑であるという問題もある。

【０００８】さらにまた、一旦作成してしまったファジ
ィルールおよびメンバーシップ関数は変更することがで
きず、したがって機種の違いや個体差および経年変化や
周囲環境の違いに対応することができないという問題が
ある。

【０００９】本発明の目的は、経年変化および周囲環境
の違いなどを逐次学習して、オーバーシュートのない最
適な点灯時間を常に求めることができるヒータ制御装置
を提供することである。

【００１０】

【課題を解決するための手段】請求項１の発明に係るヒ
ータ制御装置は、ヒータで発生された熱が放熱手段に伝
導されて該放熱手段から放出されるようにしたヒータの
制御装置において、前記放熱手段の表面温度を検出する
ための温度検出手段と、前記温度検出手段の検出結果か
ら、予め定める時間間隔のそれぞれにおける前記ヒータ
の点灯時間および消灯時間のそれぞれでの温度変化量を
演算する温度変化量演算手段と、前記温度検出手段の検
出結果およびｎ−１回目（ｎは整数）の前記時間間隔に
おける温度変化量演算手段の演算結果から、ファジィ・
ニューラルネットワークによって、ｎ回目の前記時間間
隔における前記ヒータの点灯時間を演算して制御する点
灯時間演算制御手段と、前記点灯時間演算制御手段で演
算された点灯時間で前記ヒータが点灯制御されたときの
ｎ＋１回目の前記時間間隔の開始時点での前記放熱手段
の表面温度を予測する予測演算手段と、予測演算手段で
演算されていた表面温度の、温度検出手段によって検出
されたｎ＋１回目の前記時間間隔の開始時点での実際の
表面温度に対する誤差を演算し、前記誤差が予め定める
値よりも大きいときには、その誤差が最小となるように
前記点灯時間演算制御手段におけるファジィ・ニューラ
ルネットワークの重みを調整する比較手段とを備えるこ
とを特徴とする。

【００１１】また請求項２の発明に係るヒータ制御装置
は、前記ファジィ・ニューラルネットワークの入力層お
よびメンバーシップ層は、前記温度検出手段の検出結果
の入力値および温度変化量演算手段の演算結果の入力値
をそれぞれファジィ集合の３領域に分割するように構成
され、かつルール層は、前記各入力値の各領域の全ての
組合わせルールの論理積で構成されることを特徴とす
る。さらに請求項３の発明に係るヒータ制御装置は、前
記放熱手段が、画像形成装置の熱定着装置に用いられる
熱定着ローラであることを特徴とする。

【００１２】

【作用】上記の発明に従えば、たとえば画像形成装置に
おける熱定着装置に用いられ、ヒータで発生された熱が
熱定着ローラなどの放熱手段に伝導されて該放熱手段か
ら放出されるようにしたヒータの制御装置において、放
熱手段の表面温度を温度検出手段によって検出し、また
その検出結果から予め定める時間間隔のそれぞれにおけ
るヒータの点灯時間および消灯時間のそれぞれでの温度
変化量を温度変化量演算手段で演算し、それらの検出結
果および演算結果を入力とするように構築された点灯時
間演算制御手段のファジィ・ニューラルネットワークに
よって、前記検出結果およびｎ−１回目の時間間隔にお
ける温度変化量からｎ回目の時間間隔におけるヒータの
点灯時間を演算し、該ヒータを制御する。

【００１３】また、そのような制御によってヒータが点
灯制御されたときのｎ＋１回目の時間間隔の開始時点で
の放熱手段の表面温度を予測演算手段で予測しておき、
比較手段が、その予測された表面温度が温度検出手段に
よって検出された実際の表面温度に対する誤差を演算
し、その誤差が予め定める値、たとえば±５℃よりも大
きいときには、その誤差が最小となるように前記ファジ
ィ・ニューラルネットワークの重みを調整する。

【００１４】したがって、パラメータなどを大まかに設
定しておくだけで、それらは逐次学習によって、オーバ
ーシュートのない最適な点灯時間を得ることができる値
となるように修正されてゆくので、プログラム作成の手
間を簡略化できるとともに、機種や個体差および経年変
化や周囲環境の違いなどに容易に対応することができ
る。また、実際に検出するパラメータは、放熱手段の表
面温度だけであるので、簡便な構成で実現することがで
きるとともに、少ない入力パラメータで、演算時間を短
縮して、温度変化に対して迅速に点灯時間を変化させる
ことができる。

【００１５】また好ましくは、前記ファジィ・ニューラ
ルネットワークの入力層およびメンバーシップ層は、温
度検出手段の検出結果の入力値および温度変化量演算手
段の演算結果の入力値を、それぞれファジィ集合の３領
域、Ｂｉｇ，Ｍｉｄｄｌｅ，Ｓｍａｌｌに分割するよう
に構成されており、かつルール層は、各入力値の各領域
の全ての組合せルールの論理積で構成される。

【００１６】したがって、各入力値の前記各領域毎に相
互に異なる制御を行うことができ、複雑な変化を伴った
制御が可能になる。また、各入力値の各領域の全てのル
ールの組合せを選択しておくことによって、予めエキス
パートの知識によって得られるファジィルール以外の入
力の組合わせが発生しても、必ずいずれかの組合せに対
応することになり、上述のように逐次学習してゆくこと
によって、最適な制御を行うことができる。

【００１７】

【実施例】本発明を複写機などの画像形成装置に適用し
た一実施例について、図１〜図８に基づいて説明すれば
以下の通りである。

【００１８】図１は、本発明の一実施例の熱定着装置３
０の電気的構成を示すブロック図である。交流電源１２
からの電力は、ヒータ制御回路１７および温度ヒューズ
１６を介してヒータ１５に与えられる。前記ヒータ制御
回路１７は、リレーやＩＣスイッチなどで実現され、後
述するヒータ点灯時間演算手段２０からの、点灯または
消灯すべきことを表す駆動信号に応答して、ヒータ１５
に電力供給を行う。また、このヒータ制御回路１７の前
記駆動信号に応答したＯＮまたはＯＦＦを表す状態表示
信号が、後述するローラ表面温度演算手段１８へ出力さ
れる。

【００１９】前記ヒータ１５は、たとえばハロゲンラン
プなどで実現され、放熱手段である熱定着ローラ１４内
に設けられる。したがって、ヒータ１５への通電が開始
または停止されてから、熱定着ローラ１４の温度上昇が
それぞれ開始または停止するまで、熱定着ローラ１４の
熱伝導遅れによって、２〜３秒程度の応答遅れを生じ
る。

【００２０】また、前記熱定着ローラ１４に近接して、
サーミスタなどで実現される温度検出手段１１が設けら
れている。この温度検出手段１１は、熱定着ローラ１４
の表面温度の変化に対して、その端子間抵抗値が変化す
る。このため、この温度検出手段１１に関連して、ロー
ラ表面温度演算手段１８が設けられている。

【００２１】前記ローラ表面温度演算手段１８は、ま
ず、図２で示すように、予め定める時間間隔ｔ（ｈ）
（ｈ＝１，２，…，ｎ−１，ｎ，ｎ＋１，ｎ＋２，…，
以下同じ）、たとえば３〜５秒周期で入力される前記ヒ
ータ制御回路１７からの前記状態表示信号に応答して、
ヒータ１５のＯＮタイミングとＯＦＦタイミングとで、
それぞれ温度検出手段１１の前記端子間抵抗値に対応す
る端子間電圧値をアナログ／デジタル変換してサンプリ
ングを行う。次に、ローラ表面温度演算手段１８は、こ
のようにして得られた電圧値から、該電圧値に予め対応
して求められている表面温度値に変換するための電圧−
温度変換テーブルを対照して、前記電圧値に対応した表
面温度を求める。

【００２２】なお、図２において、ｔｏｎ（ｈ）は、ｈ
回目の時間間隔ｔ（ｈ）におけるヒータ１５のＯＮ期間
を表し、ｔｏｆｆ（ｈ）は、時間間隔ｔ（ｈ）における
ＯＦＦ期間を表す。また、Ｔ（ｈ）は、前記時間間隔ｔ
（ｈ）の開始時点での表面温度を表し、Ｔｏｎ（ｈ）
は、前記時間間隔ｔ（ｈ）におけるＯＮ期間の終了時に
おける表面温度を表す。さらにまた、Ｔｌｍｔは、熱定
着ローラ１４の上限温度であり、かつ設定温度を表す。
このようにして求められた熱定着ローラ１４の表面温度
は、ローラ表面温度変化量演算手段１９、ヒータ点灯時
間演算手段２０およびローラ表面温度比較手段２２に与
えられる。

【００２３】ローラ表面温度変化量演算手段１９は、メ
モリなどで記憶している前回入力された表面温度、たと
えばＴ（ｎ−１）と、今回入力された表面温度Ｔｏｎ
（ｎ−１）とから、前記時間間隔ｔ（ｎ−１）における
ヒータ１５のＯＮ期間ｔｏｎ（ｎ−１）での温度変化量
ΔＴｏｎ（ｎ−１）を演算し、さらに次に入力された表
面温度Ｔ（ｎ）とから、ヒータ１５のＯＦＦ期間ｔｏｆ
ｆ（ｎ−１）における温度変化量ΔＴｏｆｆ（ｎ−１）
を求める。これら温度変化量ΔＴｏｎ（ｎ−１），ΔＴ
ｏｆｆ（ｎ−１）は、数１から求めることができる。こ
こで、ｔｏｆｆ（ｎ−１）＝ｔ（ｎ−１）−ｔｏｎ（ｎ
−１）である。

【００２４】

【数１】

【００２５】このようにして求められた表面温度Ｔ
（ｎ）と、温度変化量ΔＴｏｎ（ｎ−１），ΔＴｏｆｆ
（ｎ−１）とを入力パラメータとして、ヒータ点灯時間
演算手段２０は、後述するようなファジィ・ニューラル
ネットワークを用いて、ヒータ１５の点灯期間ｔｏｎ
（ｎ）を演算し、今回の時間間隔ｔ（ｎ）の開始タイミ
ングから、求められたＯＮ期間ｔｏｎ（ｎ）だけ、前記
ヒータ制御回路１７に駆動信号を出力して、ヒータ１５
を点灯させる。

【００２６】また、前記ＯＮ期間ｔｏｎ（ｎ）は、ロー
ラ表面温度予測演算手段２１に与えられており、このロ
ーラ表面温度予測演算手段２１は、前記ＯＮ期間ｔｏｎ
（ｎ）およびＯＦＦ期間ｔｏｆｆ（ｎ）ならびに温度変
化量ΔＴｏｎ（ｎ−１），ΔＴｏｆｆ（ｎ−１）および
表面温度Ｔ（ｎ）から、数２に基づいて、次に検出され
るべき表面温度Ｔ（ｎ＋１）を予測演算し、ローラ表面
温度比較手段２２へ与える。

【００２７】

【数２】

【００２８】ローラ表面温度比較手段２２は、入力され
たｎ＋１回目の時間間隔ｔ（ｎ＋１）での表面温度Ｔ
（ｎ＋１）の予想された値と、ローラ表面温度演算手段
１８で算出された実際の値とを比較し、両者の差が±５
℃よりも大きくなると、ヒータ点灯時間演算手段２０に
おけるファジィ・ニューラルネットワークの微調整を行
うための制御信号を出力する。この制御信号に応答し
て、ヒータ点灯時間演算手段２０は、後述するような微
調整をまず行った後、そのｎ＋１回目の時間間隔ｔ（ｎ
＋１）で求められた実際の表面温度Ｔ（ｎ＋１）と、温
度変化量ΔＴｏｎ（ｎ），ΔＴｏｆｆ（ｎ）とから、該
ｎ＋１回目の時間間隔におけるＯＮ時間ｔｏｎ（ｎ＋
１）を演算する。

【００２９】図３は、前記ヒータ点灯時間演算手段２０
内に構築される本発明に従うファジィ・ニューラルネッ
トワーク３１の構成を示すブロック図である。このファ
ジィ・ニューラルネットワーク３１の構成方法は、本件
出願人によって先に提案された特願平６−１７５８０５
号に従うものであり、当該出願中に詳述されている。

【００３０】本実施例では、参照符ｘ１で表す前記表面
温度Ｔと、参照符ｘ２で表すその変化量ΔＴとの２入力
とし、かつヒータ制御回路１７へは、参照符ｙで示す１
出力としている。このファジィ・ニューラルネットワー
ク３１は、入力層Ａと、メンバーシップ入力層Ｂと、メ
ンバーシップ出力層Ｃと、ルール層Ｄと、出力層Ｆとを
含んで構成されている。

【００３１】まず、入力層Ａにおいて、前記表面温度Ｔ
である入力値ｘ１が入力されるノードＡ２と、その表面
温度Ｔに関連する定数１が入力されるノードＡ１と、前
記温度変化量ΔＴである入力値ｘ２が入力されるノード
Ａ４と、その温度変化量ΔＴに関連する定数１が入力さ
れるノードＡ３とが設けられている。

【００３２】各入力値ｘ１，１；ｘ２，１のメンバーシ
ップ関数は、図４で示されるとおり、参照符Ｇ１で示す
Ｓｍａｌｌ、参照符Ｇ２で示すＭｉｄｄｌｅおよび参照
符Ｇ３で示すＢｉｇの３つの領域に分割されている。こ
の図４において、横軸は入力値ｘ１，ｘ２であり、縦軸
はメンバーシップ関数のグレード値である。これらのメ
ンバーシップ関数によって、たとえばｘ１＝０．２であ
るとき、ファジィ命題「ｘ１ｉｓｓｍａｌｌ」，
「ｘ１ｉｓｍｉｄｄｌｅ」，「ｘ１ｉｓｂｉｇ」
の確からしさを表すグレード値は、図４からそれぞれ
０．６，０．４，０．０である。このようにファジィ命
題のグレード値は、０〜１の範囲の任意の値となる。

【００３３】上述のような入力層Ａの各ノードＡ１，Ａ
２；Ａ３，Ａ４に対して、本発明では、メンバーシップ
入力層Ｂには、各入力値ｘ１，ｘ２毎に、４つのノード
Ｂ１〜Ｂ４；Ｂ５〜Ｂ８を設定する。すなわちこれは、
前記図４で示すメンバーシップ関数のうち、参照符Ｇ１
で示すＳｍａｌｌ領域および参照符Ｇ３で示すＢｉｇ領
域は、それぞれ単調減少および単調増加であるけれど
も、参照符Ｇ２で示すＭｉｄｄｌｅ領域は山形をしてお
り、このため２つのノードを用い、それらのシグモイド
関数の論理積によって表現するためである。

【００３４】前記各ノードＡ１，Ａ２；Ａ３，Ａ４とノ
ードＢ１〜Ｂ４；Ｂ５〜Ｂ８とは、それぞれリンクＬｉ
ｊ（ｉ＝１，２，３，４、ｊ＝１，２，３，４）で接続
されている。そのうち、各リンクＬ１１〜Ｌ１４，Ｌ３
１〜Ｌ３４は、メンバーシップ関数のセンター値を表す
重みＷｃｉｊ（ただしｉ＝１，３、ｊ＝１〜４）を有し
ており、残余のリンクＬ２１〜Ｌ２４，Ｌ４１〜Ｌ４４
は、重み１に設定される。前記重みＷｃｉｊは、たとえ
ば図５で示すような単調増加のメンバーシップ関数を考
えるとき、グレード値（出力値）が０．５（センター
値）となるときの入力値（図５では０．５）を示す。

【００３５】したがって、たとえば入力値ｘ１がＢｉｇ
であることを表すメンバーシップ関数のセンター値の重
みはＷｃ１１であり、Ｓｍａｌｌであることを表すメン
バーシップ関数のセンター値の重みはＷｃ１４である。
また、Ｍｉｄｄｌｅであることを表すメンバーシップ関
数のセンター値の重みは、該Ｍｉｄｄｌｅは２つのメン
バーシップ関数の論理積で表されるので、Ｗｃ１２とＷ
ｃ１３となっている。

【００３６】前記重みＷｃｉｊは、各ノードＡ１，Ａ３
からの出力値が０．５となるときの入力値ｘ１，ｘ２の
値であり、したがってメンバーシップ入力層Ｂへの入力
値Ｈｉｊは、数３で示されるように、入力値ｘｉに前記
重みＷｃｉｊが加算された値となる。

【００３７】

【数３】

【００３８】ニューラルネットワーク計算の一般式で
は、各層の出力は、ｆ｛Σ（各層への入力×結合の重
み）｝で表され、したがって前記数３の右辺はＸｉ×１
＋１×Ｗｃｉｊとなり、また上述のように、入力値ｘ
１，ｘ２のためのリンクＬ２１〜Ｌ２４，Ｌ４１〜Ｌ４
４の重みは１に設定され、定数１のためのリンクＬ１１
〜Ｌ１４，Ｌ３１〜Ｌ３４にはそれぞれ重みＷｃ１１〜
Ｗｃ１４，Ｗｃ３１〜Ｗｃ３４が設定されることにな
る。

【００３９】次に、メンバーシップ出力層Ｃには、前記
ファジィ命題の３つの領域Ｇ１〜Ｇ３に対応して、各入
力値ｘ１，ｘ２毎に３つのノードＣ１〜Ｃ３；Ｃ４〜Ｃ
６が設けられており、メンバーシップ入力層Ｂからメン
バーシップ出力層Ｃの間は、リンクＫｉｊ（ｉ＝１，
３、ｊ＝１〜４）で接続されている。このメンバーシッ
プ入力層Ｂからメンバーシップ出力層Ｃの間では、数４
で示すように、メンバーシップ入力層Ｂの入力値Ｈｉｊ
にメンバーシップ関数の傾きを表す重みＷｇｉｊが乗算
され、その乗算結果をシグモイド関数の入力値として、
シグモイド関数の出力値Ｍｉｋが求められる。

【００４０】

【数４】

【００４１】前記重みＷｇｉｊは、前記図５で示される
ように、前記入力値Ｈｉｊがセンター値となるときのメ
ンバーシップ関数の傾きを表す。また前記シグモイド関
数とは、図６で示すように、入力値ｘの範囲が−∞〜＋
∞に対して、出力値ｆ（ｘ）の範囲が０．０＜ｆ（ｘ）
＜１．０となる非線形の関数である。すなわち、数式で
表せば数５のようになる。

【００４２】

【数５】

【００４３】ここでＭｉｄｄｌｅ領域Ｇ２の演算を行う
ときには、２つのシグモイド関数の論理積を求める必要
がある。具体的には、前記図３の入力値ｘ１に関して、
ノードＢ２からノードＣ２へ演算された結果と、ノード
Ｂ３からノードＣ２へ演算された結果とを比較し、小さ
い方の値を前記Ｍｉｄｄｌｅ領域Ｇ２の出力値とするこ
とである。同様に入力値ｘ２に関しても、ノードＢ６か
らノードＣ５へ演算された結果と、ノードＢ７からノー
ドＣ５へ演算された結果とを比較して、小さい方の値が
選択される。

【００４４】したがって、前記メンバーシップ関数の３
つの領域Ｇ１，Ｇ２，Ｇ３にそれぞれ対応して設けられ
ているメンバーシップ出力層ＣのノードＣ１，Ｃ２，Ｃ
３；Ｃ４，Ｃ５，Ｃ６に対して、前記ノードＢ１，Ｂ
４；Ｂ５，Ｂ８は、それぞれ前記重みＷｇ１１，Ｗｇ１
４；Ｗｇ３１，Ｗｇ３４を有するリンクＫ１１，Ｋ１
４；Ｋ３１，Ｋ３４によってノードＣ１，Ｃ３；Ｃ４，
Ｃ６に接続され、また前記ノードＢ２，Ｂ３は、それぞ
れ重みＷｇ１２，Ｗｇ１３を有するリンクＫ１２，Ｋ１
３によってノードＣ２と接続され、さらにノードＢ５，
Ｂ６は、それぞれ重みＷｇ３２，Ｗｇ３３を有するリン
クＫ３２，Ｋ３３によってノードＣ５と接続される。

【００４５】またルール層Ｄには、各入力値ｘ１，ｘ２
毎の３つの領域Ｇ１〜Ｇ３にそれぞれ対応したメンバー
シップ出力層Ｃの前記ノードＣ１〜Ｃ３とノードＣ４〜
Ｃ６との全ての組合せ通りに対応して、９つのノードＤ
１〜Ｄ９が設けられている。

【００４６】ノードＣ１，Ｃ２，Ｃ３は、ノードＤ１〜
Ｄ３；Ｄ４〜Ｄ６；Ｄ７〜Ｄ９と、それぞれリンクＪ１
１〜Ｊ１３；Ｊ２１〜Ｊ２３；Ｊ３１〜Ｊ３３によって
接続されている。これに対してノードＣ４，Ｃ５，Ｃ６
は、ノードＤ１，Ｄ４，Ｄ７；Ｄ２，Ｄ５，Ｄ８；Ｄ
３，Ｄ６，Ｄ９と、リンクＪ４１〜Ｊ４３；Ｊ５１〜Ｊ
５３；Ｊ６１〜Ｊ６３を介して、それぞれ接続されてい
る。なお、各リンクＪ１１〜Ｊ１３；Ｊ２１〜Ｊ２３；
Ｊ３１〜Ｊ３３；Ｊ４１〜Ｊ４３；Ｊ５１〜Ｊ５３；Ｊ
６１〜Ｊ６３は、重み１に設定される。

【００４７】こうして２つの入力が与えられた各ノード
Ｄ１〜Ｄ９は、数６で示すように、２つの入力Ｍｉ１ｋ
１，Ｍｉ２ｋ２のうち、小さい方の値を選択して出力Ｒ
ｐ（ｐ＝１，２，…，９）とする。

【００４８】

【数６】

【００４９】ルール層Ｄから出力層Ｆへは、ルール層Ｄ
の全てのノードＤ１〜Ｄ９の出力値Ｒｐが、エキスパー
トから得られる知識を反映して設定されている重みＷｆ
１〜Ｗｆ９を有するリンクＱ１〜Ｑ９をそれぞれ介し
て、ノードＦ１に与えられて加算されて出力される。す
なわち、

【００５０】

【数７】

【００５１】したがって、各ノードＤ１〜Ｄ９の出力値
Ｒｐは、ヒータ点灯時間を割振るために各リンクＱ１〜
Ｑ９に設定されている各重みＷｆ１〜Ｗｆ９に対応して
加重平均されて前記出力値ｙとなり、この出力値ｙが前
記ＯＮ期間ｔｏｎとなる。

【００５２】次に図７を参照して、各重みの具体的な設
定方法を説明する。まず、予めエキスパートの経験から
得られた知識をルールｌ１として作成しておく。この例
では、「X1 is Big then Y is Big 」、「X2 is Small
then Y is Small 」、「X1 is Big and X2 is Big then
Y is Big 」の３つである。次に、ルール層において、
論理積ルールａ１〜ａ３を構成する。その後、エキスパ
ートのルールｌ１とルール層の論理積ルールａ１〜ａ３
の各ノードの結合を比較し、重みの初期値を決定する。

【００５３】各ルールの初期値は、当初は基準値とし
て、ある値、たとえば０．１としておく。次に、エキス
パートのルールｌ１の出力値が増加するルールに当ては
まる部分の論理積ルールから出力層への結合の重みに
は、ネットワークの入力項目数を掛ける。これに対し
て、前記出力値が減少するルールに当てはまる部分の論
理積ルールから出力層への結合の重みには、ネットワー
クの入力項目数の逆数をかける。

【００５４】たとえば、論理積ルールａ１において、入
力値Ｘ１がＢｉｇであるというのはエキスパートの知識
から得たルールであり、その時の出力はＢｉｇであるの
で、最初の重みの初期値０．１に入力項目数２を乗算す
る。さらに入力値Ｘ２がＳｍａｌｌであるというのもエ
キスパートの知識から得たルールであり、そのときの出
力はＳｍａｌｌであるので、さらに入力項目数２の逆数
０．５を乗算する。これによって、論理積ルールａ１の
重みの初期値は、０．１×２×０．５から、０．１に決
定される。同様にして、論理積ルールａ２の重みは、
０．１×２×２＝０．４に決定され、論理積ルールａ３
の重みは、０．１×０．５＝０．０５のように決定され
る。こうして求められた各値が、学習前の重みの初期値
として決定される。

【００５５】前記ネットワークを構成した当初は、各重
みは、上述のようにエキスパートの知識などから予め設
定されている。しかしながら、入力値ｘ１，ｘ２に対し
て必ずしも適応した値とならないこともあり、したがっ
て本発明のファジィ・ニューラルネットワーク３１で
は、以下のような学習による重みの調整を、ヒータ１５
の制御とともにリアルタイムで行う。本発明では、ニュ
ーラルネットワークでよく用いられるバックプロバケー
ション法に基づく学習アルゴリズムを用いている。

【００５６】前記ローラ表面温度比較手段２２からヒー
タ点灯時間演算手段２０へ前記制御信号が出力される
と、ヒータ点灯時間演算手段２０は、その比較で用いた
ローラ表面温度Ｔと温度変化量ΔＴとをローラ表面温度
予測演算手段２１に与え、これに応答してローラ表面温
度予測演算手段２１は、前記表面温度Ｔに温度変化量Δ
Ｔを加算した予測値となるためのヒータ点灯時間を逆演
算して、その演算結果を、出力の目標値（以下教師デー
タＯｔとする）として、ヒータ点灯時間演算手段２０へ
設定する。またヒータ点灯時間演算手段２０は、前記ロ
ーラ表面温度Ｔと温度変化量ΔＴとをそれぞれ２つの入
力値ｘ１，ｘ２として、前記ファジィ・ニューラルネッ
トワーク３１に代入して、出力値ｙを算出する。

【００５７】こうして得られた出力値ｙと教師データＯ
ｔとの２乗誤差Ｅを数８から求め、この誤差Ｅが最小と
なるように前記各重みＷｃｉｊ，Ｗｇｉｊ，Ｗｆｐを微
調整することによって学習が行われる。

【００５８】

【数８】

【００５９】前記微調整は、この数８で示される誤差関
数を前記各重みＷｃｉｊ，Ｗｇｉｊ，Ｗｆｐで偏微分す
ることによって、各重みＷｃｉｊ，Ｗｇｉｊ，Ｗｆｐの
影響を求め、誤差関数の出力値が小さくなるような方向
に各重みを微小変化させることによって行う。すなわ
ち、まず数９で示すように、数８で示す誤差関数を出力
値ｙで偏微分して、前記誤差関数における出力値ｙの影
響を求める。

【００６０】

【数９】

【００６１】この数９から、出力値ｙが教師データＯｔ
よりも大きいときには、出力値ｙの影響は、誤差の＋方
向に大きくなることを表している。したがってこの誤差
関数を最小にするためには、該出力値ｙの影響を小さく
する方向、すなわち出力値ｙの−方向に誤差が得られる
ように微調整する必要がある。これに対して、出力値ｙ
の影響が誤差が−方向に大きくなるように表れるときに
は、同様に逆方向、すなわち＋方向に出力値ｙを得るよ
うに微調整を行う。具体的には、前記各重みＷｃｉｊ，
Ｗｇｉｊ，Ｗｆｐの前記誤差関数に対する影響を求め、
その逆方向に各重みＷｃｉｊ，Ｗｇｉｊ，Ｗｆｐを微調
整することによって、誤差関数の値を小さくすることが
できる。

【００６２】したがって、まず数１０に重みＷｆｐの誤
差関数に対する影響を求める式を示し、この影響を小さ
くする方向に重みＷｆｐを修正するための式を数１１に
示す。

【００６３】

【数１０】

【００６４】

【数１１】

【００６５】ここで、αは学習パラメータであり、重み
Ｗｆｐを微小変化させる度合を調整するためのものであ
る。

【００６６】次に、数１２に誤差関数における重みＷｇ
ｉｊの影響を求める式を示し、数１３にその影響を小さ
くする方向に重みを修正するための式を示す。

【００６７】

【数１２】

【００６８】

【数１３】

【００６９】ここで、βも前記学習パラメータαと同様
に、重みを微小変化させるための学習パラメータであ
る。

【００７０】さらにまた、数１４に誤差関数における重
みＷｃｉｊの影響を求める式を表す。また、この影響を
小さくする方向に重みを修正するための式を数１５で表
す。

【００７１】

【数１４】

【００７２】

【数１５】

【００７３】ここで、γも学習パラメータである。これ
ら学習パラメータα，β，γは、重みの修正が大きくな
りすぎないように、予め実験によって、これらの各学習
パラメータα，β，γを変動させたときの誤差関数が最
も小さくなる値に定めておく。たとえばα≧β≧γに設
定する。最後に、前記数１１、１３、１５によって求め
られた単位修正値ΔＷｆｐ，ΔＷｇｉｊ，ΔＷｃｉｊを
用いて、数１６に示すように、各重みＷｆｐ，Ｗｇｉ
ｊ，Ｗｃｉｊの修正を行う。

【００７４】

【数１６】

【００７５】ただし、ｌｔは、学習回数を表し、たとえ
ばＷｆｐ（ｌｔ＋１）＝Ｗｆｐ（ｌｔ）＋ΔＷｆｐは、
次回の値Ｗｆｐ（ｌｔ＋１）として、今回の値Ｗｆｐ
（ｌｔ）を単位修正値ΔＷｆｐで補正した値を代入する
ことを表す。

【００７６】このようにして、各重みＷｃｉｊ，Ｗｇｉ
ｊ，Ｗｆｐを微調整した後、再度入力値ｘ１，ｘ２を与
え、演算して、教師データＯｔとの誤差Ｅを求める。そ
の誤差Ｅが予め設定した範囲内、たとえば±２℃以下と
なるか、または前記ｌｔが予め定める学習回数、たとえ
ば１００回となると学習を終了する。

【００７７】なお、学習回数ｌｔは、微小時間、たとえ
ば１秒以内に繰返し実行可能な回数に設定する。すなわ
ちこのような学習を行う期間は、前記ヒータ１５の制御
を休止するので、該学習期間は前記微小時間に設定され
る。しかしながら、メーカ側で標準的な実験データでの
学習は終了しており、新たに新しいデータを１つだけ学
習させるだけであるので、少ない学習回数であっても支
障はない。また、前記学習期間には、余熱や放熱によっ
て熱定着ローラ１４の温度が変化するけれども、学習期
間終了後に再びその時点での表面温度Ｔ（ｎ）と温度変
化量ΔＴｏｎ（ｎ−１）とを演算し、学習を終了したフ
ァジィ・ニューラルネットワーク３１によって出力値ｙ
を演算させる。

【００７８】図８は、前述のヒータ１５の制御方法を説
明するためのフローチャートである。ステップＳ１で
は、前記時間間隔ｔ（ｈ）のサンプリングタイミングと
なったか否かが判断され、サンプリングタイミングとな
るまでこのステップＳ１を繰返し、サンプリングタイミ
ングとなるとステップＳ２に移る。ステップＳ２では、
温度検出手段１１の出力電圧値が、ローラ表面温度演算
手段１８にアナログ／デジタル変換されて読込まれる。
ステップＳ３では、ローラ表面温度演算手段１８が前記
電圧−温度変換テーブルを対照して、電圧値に対応した
表面温度を求める。ステップＳ４では、その求められた
表面温度から、ローラ表面温度変化量演算手段１９が温
度変化量を演算する。

【００７９】ステップＳ５では、前記ステップＳ３で求
められた表面温度と、後述するステップＳ６において前
記ローラ表面温度予測演算手段２１において予測されて
いた表面温度との差がローラ表面温度比較手段２２にお
いて比較され、前記温度±５℃よりも小さいときには、
ステップＳ７においてヒータ点灯時間演算手段２０は点
灯時間を演算し、ステップＳ８においてヒータ制御回路
１７を介してヒータ１７の点灯制御を行う。また、前記
ステップＳ７において点灯時間が演算されると、前記ス
テップＳ５において使用される表面温度の予測が行われ
る。

【００８０】これに対して、前記ステップＳ５において
前記温度差が±５℃よりも大きいときには、ステップＳ
９でローラ表面温度比較手段２２はヒータ点灯時間演算
手段２０へ前記制御信号を出力し、上述のような学習パ
ラメータα，β，γの学習が行われた後、前記ステップ
Ｓ７に移って点灯時間が演算される。前記ステップＳ８
でヒータ１５の点灯が行われ、ステップＳ１０におい
て、前記ステップＳ７で演算された点灯時間に到達した
か否かが判断され、そうでないときにはこのステップＳ
８に戻って継続して点灯が行われ、前記時間が経過した
ときには表面温度のサンプリングタイミングとなって前
記ステップＳ２に移って、前記図２におけるＯＦＦタイ
ミングでの表面温度Ｔｏｎ（ｎ−１）が求められる。

【００８１】以上のように本発明に従う熱定着装置３０
では、ヒータ１５の点灯時間をファジィ・ニューラルネ
ットワーク３１によって求めるようにし、逐次、学習に
よってオーバーシュートのない最適な点灯時間を得るこ
とができるパラメータに修正してゆくので、プログラム
作成の手間を簡略化することができるとともに、熱定着
装置３０の機種や個体差および経年変化や周囲環境の違
いなどに容易に対応することができる。また、実際に検
出するパラメータは、熱定着ローラ１４の表面温度と、
その温度変化量とだけであるので、センサを多数用いる
ことのない低コストな構成で実現することができ、かつ
短い演算時間で温度変化に対して迅速に対応することが
できる。

【００８２】また、ファジィ・ニューラルネットワーク
３１の入力層Ａおよびメンバーシップ層Ｂ，Ｃをファジ
ィ集合の３領域Ｇ１，Ｇ２，Ｇ３に分割するように構成
し、ルール層Ｄを各入力値ｘ１，ｘ２の各領域Ｇ１，Ｇ
２，Ｇ３の全ての組合せルールの論理積で構成するの
で、各領域毎に相互に異なる制御を行うことができ、複
雑な制御を伴った制御が可能になる。また、エキスパー
トの知識によって得られているルール以外の入力の組合
せが発生しても、必ずいずれかの組合せに対応すること
になり、逐次学習してゆくことで、大雑把なパラメータ
の設定に対しても、最適な点灯時間制御を行うことがで
きる。

【００８３】

【発明の効果】本発明に係るヒータ制御装置は、以上の
ように、熱定着ローラなどの放熱手段の表面温度および
そのｎ−１回目の時間間隔における変化量から、ファジ
ィ・ニューラルネットワークによってｎ回目の時間間隔
におけるヒータの点灯時間を演算して制御するととも
に、その制御によるｎ＋１回目の時間間隔の開始時点で
の表面温度の予測結果と実測値との誤差が大きいときに
は、その誤差が最小となるように前記ファジィ・ニュー
ラルネットワークの重みを調整する。

【００８４】それゆえ、パラメータなどを大まかに設定
しておくだけで、逐次、学習によってオーバーシュート
のない最適な点灯時間を得ることができる値となってゆ
く。これによって、プログラム作成の手間を簡略化する
ことができるとともに、機種や個体差および経年変化や
周囲環境の違いなどに容易に対応することができる。ま
た、実際に検出するパラメータは放熱手段の表面温度だ
けであるので、簡便な構成で実現することができるとと
もに、入力パラメータが２つであるので、演算時間を短
縮して、温度変化に迅速に対応することができる。

【００８５】また本発明に従うヒータ制御装置は、以上
のように、ファジィ・ニューラルネットワークの入力層
およびメンバーシップ層を各入力値毎にファジィ集合の
３領域で構成し、ルール層を各入力値の各領域の全ての
組合せルールの論理積で構成する。

【００８６】それゆえ、各入力値の各領域毎に相互に異
なる制御を行うことができ、複雑な変化を伴った制御を
可能にすることができる。また、各入力値の各領域の全
てのルールの組合せを選択しておくので、予めエキスパ
ートの知識から得ることができるファジィルール以外の
入力の組合せが発生しても、学習によって対応すること
ができ、大雑把なパラメータの設定であっても、最適な
制御を行うことができる。

【図面の簡単な説明】

【図１】本発明の一実施例の熱定着装置の電気的構成を
示すブロック図である。

【図２】熱定着ローラの表面温度のサンプリングタイミ
ングとサンプリングした温度との一例を示すためのグラ
フである。

【図３】前記熱定着装置のヒータ点灯時間演算手段内に
構築される本発明に従うファジィ・ニューラルネットワ
ークの構成を示すブロック図である。

【図４】本発明に適用されるメンバーシップ関数のグラ
フである。

【図５】メンバーシップ関数と、重みＷｃｉｊ，Ｗｇｉ
ｊとの関係を説明するためのグラフである。

【図６】シグモイド関数を説明するためのグラフであ
る。

【図７】ネットワーク間における各ルールの重みの決定
方法を説明するための図である。

【図８】ヒータの点灯制御動作を説明するためのフロー
チャートである。

【図９】典型的な従来技術の熱定着装置の電気的構成を
示すブロック図である。

【符号の説明】

１１温度検出手段１４熱定着ローラ（放熱手段）１５ヒータ１６温度ヒューズ１７ヒータ制御回路（点灯時間演算制御手段）１８ローラ表面温度演算手段（温度検出手段）１９ローラ表面温度変化量演算手段（温度変化量演
算手段）２０ヒータ点灯時間演算手段（点灯時間演算制御手
段）２１ローラ表面温度予測演算手段（予測演算手段）２２ローラ表面温度比較手段（比較手段）３０熱定着装置３１ファジィ・ニューラルネットワークＡ入力層Ｂメンバーシップ入力層Ｃメンバーシップ出力層Ｄルール層Ｆ出力層

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩＨ０５Ｂ 3/00 ３３５Ｈ０５Ｂ 3/00 ３３５ (58)調査した分野(Int.Cl.⁷，ＤＢ名) G03G 15/20 G05B 13/02 G05D 23/19 H05B 3/00 335

Claims

(57)【特許請求の範囲】

【請求項１】ヒータで発生された熱が放熱手段に伝導さ
れて該放熱手段から放出されるようにしたヒータの制御
装置において、前記放熱手段の表面温度を検出するための温度検出手段
と、前記温度検出手段の検出結果から、予め定める時間間隔
のそれぞれにおける前記ヒータの点灯時間および消灯時
間のそれぞれでの温度変化量を演算する温度変化量演算
手段と、前記温度検出手段の検出結果およびｎ−１回目（ｎは整
数）の前記時間間隔における温度変化量演算手段の演算
結果から、ファジィ・ニューラルネットワークによっ
て、ｎ回目の前記時間間隔における前記ヒータの点灯時
間を演算して制御する点灯時間演算制御手段と、前記点灯時間演算制御手段で演算された点灯時間で前記
ヒータが点灯制御されたときのｎ＋１回目の前記時間間
隔の開始時点での前記放熱手段の表面温度を予測する予
測演算手段と、予測演算手段で演算されていた表面温度の、温度検出手
段によって検出されたｎ＋１回目の前記時間間隔の開始
時点での実際の表面温度に対する誤差を演算し、前記誤
差が予め定める値よりも大きいときには、その誤差が最
小となるように前記点灯時間演算制御手段におけるファ
ジィ・ニューラルネットワークの重みを調整する比較手
段とを備えることを特徴とするヒータ制御装置。
【請求項２】前記ファジィ・ニューラルネットワークの
入力層およびメンバーシップ層は、前記温度検出手段の
検出結果の入力値および温度変化量演算手段の演算結果
の入力値をそれぞれファジィ集合の３領域に分割するよ
うに構成され、かつルール層は、前記各入力値の各領域
の全ての組合わせルールの論理積で構成されることを特
徴とする請求項１記載のヒータ制御装置。
【請求項３】前記放熱手段が、画像形成装置の熱定着装
置に用いられる熱定着ローラであることを特徴とする請
求項１または２に記載のヒータ制御装置。