JP3260793B2 - Electrophotographic process control equipment - Google Patents
Electrophotographic process control equipmentInfo
- Publication number
- JP3260793B2 JP3260793B2 JP00932392A JP932392A JP3260793B2 JP 3260793 B2 JP3260793 B2 JP 3260793B2 JP 00932392 A JP00932392 A JP 00932392A JP 932392 A JP932392 A JP 932392A JP 3260793 B2 JP3260793 B2 JP 3260793B2
- Authority
- JP
- Japan
- Prior art keywords
- developing bias
- value
- information
- potential
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Developing For Electrophotography (AREA)
- Electrostatic Charge, Transfer And Separation In Electrography (AREA)
- Control Or Security For Electrophotography (AREA)
- Feedback Control In General (AREA)
Description
【0001】[0001]
【産業上の利用分野】本発明は複写機,プリンタ等の電
子写真装置の電子写真プロセスを制御する電子写真プロ
セス制御装置に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an electrophotographic process control device for controlling an electrophotographic process of an electrophotographic apparatus such as a copying machine and a printer.
【0002】[0002]
【従来の技術】従来、複写機等の電子写真装置は、感光
体を駆動部により回転させて帯電部により均一に帯電さ
せた後にこの感光体に露光部により画像露光を行って静
電潜像を形成し、この静電潜像を現像部により現像剤で
現像してトナー像としてから転写部により転写材に転写
して定着装置により定着するという電子写真プロセスを
行っている。2. Description of the Related Art Conventionally, in an electrophotographic apparatus such as a copying machine, a photosensitive member is rotated by a driving portion to be uniformly charged by a charging portion, and then the photosensitive member is exposed to an image by an exposure portion to form an electrostatic latent image. An electrophotographic process is performed in which the electrostatic latent image is formed by a developing unit using a developer to form a toner image, transferred to a transfer material by a transfer unit, and fixed by a fixing device.
【0003】また、特開昭63−151973号公報に
は、感光体の露光部電位(明部電位)を測定し、この露
光部電位が目標値の公差範囲内になるように露光部の光
量をフィードバック制御するようにした電子写真装置が
記載されている。Japanese Patent Application Laid-Open No. 63-151973 discloses that the potential of an exposed portion (bright portion potential) of a photoreceptor is measured and the light amount of the exposed portion is set so that the potential of the exposed portion falls within a tolerance range of a target value. An electrophotographic apparatus is described in which feedback control is performed.
【0004】[0004]
【発明が解決しようとする課題】上記電子写真装置で
は、現像部の現像能力が変動する原因となる系が複雑で
あるので、現像部の現像能力を制御するためのモデル化
ができない。しかも、トナーの帯電能力や現像剤のコー
ディング剥がれ,スペント化等のように直接に測定する
ことが不可能なパラメータが多く、温湿度等の環境変動
により現像γ特性が変化して画像濃度が不安定になる。
さらに、現像部の設計開発時に必要な実験データが膨大
になる。In the above-described electrophotographic apparatus, a model for controlling the developing ability of the developing unit cannot be modeled because the system which causes the developing ability of the developing unit to vary is complicated. In addition, there are many parameters that cannot be directly measured, such as toner charging ability, developer peeling, and spent, etc., and development γ characteristics change due to environmental fluctuations such as temperature and humidity, and image density becomes poor. Become stable.
Further, the amount of experimental data required when designing and developing the developing unit becomes enormous.
【0005】また、特開昭63−151973号公報記
載の電子写真装置では、感光体の露光部電位を測定し、
この露光部電位が目標値の公差範囲内になるように露光
部の光量をフィードバック制御しているが、環境要因や
劣化要因によって感光体の感度が変化するので、単に露
光部電位のみを用いて露光部の光量を決定しても安定し
た出力画像品質が得られない。In an electrophotographic apparatus described in JP-A-63-151973, the potential of an exposed portion of a photoreceptor is measured.
The amount of light in the exposed portion is feedback-controlled so that the exposed portion potential falls within the tolerance range of the target value. However, since the sensitivity of the photoconductor changes due to environmental factors and deterioration factors, simply using the exposed portion potential alone is used. Even if the light quantity of the exposure unit is determined, stable output image quality cannot be obtained.
【0006】本発明は上記欠点を改善し、適正な出力画
像濃度を得ることができて安定した出力画像品質が得ら
れる電子写真プロセス制御装置を提供することを目的と
する。SUMMARY OF THE INVENTION An object of the present invention is to provide an electrophotographic process control apparatus which can solve the above-mentioned drawbacks, obtain an appropriate output image density, and obtain a stable output image quality.
【0007】[0007]
【課題を解決するための手段】上記目的を達成するた
め、請求項1記載の発明は、現像バイアス操作値に応じ
て現像バイアスを現像バイアス制御部により制御する電
子写真プロセス制御装置において、出力画像の品質に影
響を与える複数の情報を修得するためのセンサ手段と、
このセンサ手段から複数の情報が入力されこれらの複数
の情報が得られた各環境において最適な現像ポテンシャ
ル値を出力するニューラルネットワークと、このニュー
ラルネットワークからの現像ポテンシャル値と露光部電
位情報とを加算して現像バイアス操作値を求めこの現像
バイアス操作値を前記現像バイアス制御部へ出力する現
像バイアス計算部と、前記センサ手段からの情報と制御
前の帯電グリッド操作値と前記現像バイアス計算部から
の現像バイアス操作値とが入力されて帯電グリッド操作
値を決定する帯電グリッド操作値決定部とを備えたもの
であり、請求項2記載の発明は、現像バイアス操作値に
応じて現像バイアスを現像バイアス制御部により制御す
る電子写真プロセス制御装置において、出力画像の品質
に影響を与える複数の情報を修得するためのセンサ手段
と、このセンサ手段から複数の情報が入力されこれらの
複数の情報が得られた各環境において最適な現像ポテン
シャル値を出力するニューラルネットワークと、このニ
ューラルネットワークからの現像ポテンシャル値と露光
部電位情報とを加算して現像バイアス操作値を求めこの
現像バイアス操作値を前記現像バイアス制御部へ出力す
る現像バイアス計算部と、前記センサ手段からの情報よ
り露光部電位情報を推定して前記現像バイアス計算部へ
出力する露光部電位推定部とを備えたものであり、請求
項3記載の発明は、請求項2記載の電子写真プロセス制
御装置において、前記センサ手段からの情報と制御前の
帯電グリッド操作値と前記現像バイアス計算部からの現
像バイアス操作値とが入力されて帯電グリッド操作値を
決定する帯電グリッド操作値決定部を備えたものであ
り、請求項4記載の発明は、現像バイアス操作値に応じ
て現像バイアスを現像バイアス制御部により制御する電
子写真プロセス制御装置において、出力画像の品質に影
響を与える複数の情報を修得するためのセンサ手段と、
このセンサ手段から複数の情報が入力されこれらの複数
の情報が得られた各環境において最適な現像ポテンシャ
ル値と推定画像濃度値とを出力するニューラルネットワ
ークと、このニューラルネットワークからの現像ポテン
シャル値と露光部電位情報とを加算して現像バイアス操
作値を求めこの現像バイアス操作値を前記現像バイアス
制御部へ出力する現像バイアス計算部と、前記ニューラ
ルネットワークからの推定画像濃度値が適正範囲外であ
ることにより前記ニューラルネットワークの入力データ
が異常であるとして検出する現像バイアス制御異常検出
部とを備えたものであり、請求項5記載の発明は、現像
バイアス操作値に応じて現像バイアスを現像バイアス制
御部により制御する電子写真プロセス制御装置におい
て、出力画像の品質に影響を与える複数の情報を修得す
るためのセンサ手段と、このセンサ手段から複数の情報
が入力されこれらの複数の情報が得られた各環境におい
て最適な推定画像濃度値を出力するニューラルネットワ
ークと、適正画像濃度値と前記ニューラルネットワーク
からの推定画像濃度値とから現像バイアス操作値を決定
して前記現像バイアス制御部へ出力する現像バイアス操
作値決定部とを備えたものであり、請求項6記載の発明
は、請求項5記載の電子写真プロセス制御装置におい
て、前記ニューラルネットワークからの推定画像濃度値
が適正範囲外であることにより前記ニューラルネットワ
ークの入力データが異常であるとして検出する現像バイ
アス制御異常検出部を備えたものであり、請求項7記載
の発明は、請求項5記載の電子写真プロセス制御装置に
おいて、前記センサ手段からの情報より露光部電位情報
を推定して前記現像バイアス操作値決定部へ出力する露
光部電位推定部を備えたものであり、請求項8記載の発
明は、請求項5記載の電子写真プロセス制御装置におい
て、前記センサ手段からの情報と制御前の帯電グリッド
操作値と前記現像バイアス操作値決定部からの現像バイ
アス操作値とが入力されて帯電グリッド操作値を決定す
る帯電グリッド操作値決定部とを備えたものであり、請
求項9記載の発明は、請求項8記載の電子写真プロセス
制御装置において、前記センサ手段からの情報より露光
部電位情報を推定して前記現像バイアス操作 値決定部へ
出力する露光部電位推定部を備えたものである。According to a first aspect of the present invention, there is provided an electrophotographic process control apparatus for controlling a developing bias by a developing bias controller in accordance with a developing bias operation value. Sensor means for acquiring multiple pieces of information that affect the quality of the
A neural network that outputs an optimum development potential value in each environment where a plurality of information is input from the sensor means and the plurality of information is obtained, and adds a development potential value from the neural network and exposure unit potential information. A developing bias operating value, and a developing bias calculating unit that outputs the developing bias operating value to the developing bias control unit; information from the sensor unit; a charging grid operating value before control; and the developing bias calculating unit.
And a charging grid operation value determining unit for inputting the developing bias operation value to determine the charging grid operation value. The invention according to claim 2, wherein the developing bias is developed in accordance with the developing bias operation value. In an electrophotographic process control apparatus controlled by a bias control unit, a sensor means for acquiring a plurality of pieces of information affecting the quality of an output image, and a plurality of pieces of information are input from the sensor means to obtain the plurality of pieces of information. A neural network that outputs an optimal developing potential value in each environment, and a developing bias operating value obtained by adding the developing potential value from the neural network and the exposure section potential information to obtain the developing bias operating value. A developing bias calculating unit to be output to the control unit; and exposure unit potential information from information from the sensor unit. And an exposure section potential estimating section for estimating and outputting to the developing bias calculating section. The invention according to claim 3 is the electrophotographic process control apparatus according to claim 2, wherein the information from the sensor means is provided. And the operation value of the charging grid before control and the current value from the developing bias calculation unit.
A charging grid operation value determining unit that receives the image bias operation value and determines the charging grid operation value is provided. The invention according to claim 4, wherein the developing bias is controlled in accordance with the developing bias operation value. In the electrophotographic process control device controlled by the unit, sensor means for acquiring a plurality of information affecting the quality of the output image,
A neural network that outputs an optimum development potential value and an estimated image density value in each environment where a plurality of information is input from the sensor means and the plurality of information is obtained; and a development potential value and an exposure value from the neural network. a developing bias calculation unit adds the part potential information and outputs the developing bias operating value determined developing bias operation value to said developing bias control unit, that the estimated image density value from the neural network is outside the appropriate range And a developing bias control abnormality detecting unit for detecting that the input data of the neural network is abnormal, wherein the developing bias control unit controls the developing bias in accordance with the developing bias operation value. Quality of the output image in the electrophotographic process controller controlled by A sensor means for acquire a plurality of information that affects a neural network for outputting an optimum estimated image density values in each environment where the plurality of information a plurality of information from the sensor means is input is obtained, Appropriate image density value and the neural network
Determined developing bias operation value from the estimated image density value from
And a developing bias operation value determining unit that outputs the operating value to the developing bias control unit. The invention according to claim 6 is the electrophotographic process control device according to claim 5, wherein the estimation from the neural network is performed. The image forming apparatus according to claim 7, further comprising a developing bias control abnormality detecting unit that detects that the input data of the neural network is abnormal when the image density value is out of the proper range. 9. The electrophotographic process control device according to claim 8, further comprising an exposure unit potential estimating unit that estimates exposure unit potential information from information from the sensor unit and outputs the information to the developing bias operation value determination unit . , in the electrophotographic process control device according to claim 5, wherein said developing server and the charging grid operation value before control information from said sensor means Development by from Ass operating value determiner
And a charging grid operation value determining unit that receives the operation value and determines the charging grid operation value. The invention according to claim 9 is the electrophotographic process control device according to claim 8, wherein An exposure section potential estimating section for estimating exposure section potential information from information from the sensor means and outputting the information to the developing bias operation value determining section is provided.
【0008】[0008]
【作用】請求項1記載の発明では、センサ手段が出力画
像の品質に影響を与える複数の情報を修得する。そし
て、ニューラルネットワークはセンサ手段から複数の情
報が入力され、これらの複数の情報が得られた各環境に
おける最適な現像ポテンシャル値を出力する。さらに、
現像バイアス計算部がニューラルネットワークからの現
像ポテンシャル値と露光部電位情報とを加算して現像バ
イアス操作値を求め、この現像バイアス操作値を現像バ
イアス制御部へ出力する。帯電グリッド操作値決定部は
センサ手段からの情報と制御前の帯電グリッド操作値と
現像バイアス計算部からの現像バイアス操作値とが入力
され、帯電グリッド操作値を決定する。According to the first aspect of the present invention, the sensor means acquires a plurality of pieces of information which affect the quality of the output image. The neural network receives a plurality of pieces of information from the sensor means and outputs an optimum development potential value in each environment where the plurality of pieces of information are obtained. further,
The developing bias calculation unit adds the developing potential value from the neural network and the exposure unit potential information to obtain a developing bias operation value, and outputs this developing bias operation value to the developing bias control unit. The charging grid operation value determining unit calculates the information from the sensor means and the charging grid operation value before control.
The developing bias operation value from the developing bias calculator is input to determine the charging grid operation value.
【0009】請求項2記載の発明では、センサ手段が出
力画像の品質に影響を与える複数の情報を修得する。そ
して、ニューラルネットワークはセンサ手段から複数の
情報が入力され、これらの複数の情報が得られた各環境
における最適な現像ポテンシャル値を出力する。さら
に、現像バイアス計算部がニューラルネットワークから
の現像ポテンシャル値と露光部電位情報とを加算して現
像バイアス操作値を求め、この現像バイアス操作値を現
像バイアス制御部へ出力する。露光部電位推定部はセン
サ手段からの情報より露光部電位情報を推定して現像バ
イアス計算部へ出力する。According to the second aspect of the present invention, the sensor means acquires a plurality of pieces of information which affect the quality of the output image. The neural network receives a plurality of pieces of information from the sensor means and outputs an optimum development potential value in each environment where the plurality of pieces of information are obtained. Further, the developing bias calculator calculates a developing bias operating value by adding the developing potential value from the neural network and the exposure unit potential information, and outputs the developing bias operating value to the developing bias controller. The exposure section potential estimating section estimates the exposure section potential information from the information from the sensor means and outputs the information to the developing bias calculation section.
【0010】請求項3記載の発明では、請求項2記載の
電子写真プロセス制御装置において、帯電グリッド操作
値決定部がセンサ手段からの情報と制御前の帯電グリッ
ド操作値と現像バイアス計算部からの現像バイアス操作
値とが入力されて帯電グリッド操作値を決定する。According to a third aspect of the present invention, in the electrophotographic process control apparatus according to the second aspect, the charging grid operation value determining section includes information from the sensor means, the charging grid operation value before control, and the development grid calculation section. Development bias operation
The value is input to determine the charging grid operating value.
【0011】請求項4記載の発明では、センサ手段が出
力画像の品質に影響を与える複数の情報を修得する。そ
して、ニューラルネットワークはセンサ手段から複数の
情報が入力され、これらの複数の情報が得られた各環境
における最適な現像ポテンシャル値と推定画像濃度値と
を出力する。さらに、現像バイアス計算部がニューラル
ネットワークからの現像ポテンシャル値と露光部電位情
報とを加算して現像バイアス操作値を求め、この現像バ
イアス操作値を現像バイアス制御部へ出力する。また、
現像バイアス制御異常検出部がニューラルネットワーク
からの推定画像濃度値が適正範囲外であることによりニ
ューラルネットワークの入力データが異常であるとして
検出する。According to the fourth aspect of the present invention, the sensor means acquires a plurality of pieces of information which affect the quality of the output image. Then, the neural network receives a plurality of pieces of information from the sensor means, and outputs an optimum development potential value and an estimated image density value in each environment where the plurality of pieces of information are obtained. Further, the developing bias calculator calculates a developing bias operating value by adding the developing potential value from the neural network and the exposure unit potential information, and outputs the developing bias operating value to the developing bias controller. Also,
The developing bias control abnormality detecting unit detects that the input data of the neural network is abnormal because the estimated image density value from the neural network is outside the proper range.
【0012】請求項5記載の発明では、センサ手段が出
力画像の品質に影響を与える複数の情報を修得する。そ
して、ニューラルネットワークは、センサ手段から複数
の情報が入力され、これらの複数の情報を生成させる各
環境において最適な推定画像濃度値を出力する。さら
に、現像バイアス操作値決定部が適正画像濃度値とニュ
ーラルネットワークからの推定画像濃度値とから現像バ
イアス操作値を決定して前記現像バイアス制御部へ出力
する。According to the invention described in claim 5, the sensor means acquires a plurality of pieces of information which affect the quality of the output image. Then, the neural network receives a plurality of pieces of information from the sensor means and outputs an optimum estimated image density value in each environment in which the plurality of pieces of information are generated. Further, the developing bias operation value determining unit determines the proper image density value and the new value.
A developing bias operation value is determined from the estimated image density value from the neural network and output to the developing bias control unit.
【0013】請求項6記載の発明では、請求項5記載の
電子写真プロセス制御装置において、現像バイアス制御
異常検出部がニューラルネットワークからの推定画像濃
度値が適正範囲外であることによりニューラルネットワ
ークの入力データが異常であるとして検出する。According to a sixth aspect of the present invention, in the electrophotographic process control device according to the fifth aspect, the developing bias control abnormality detecting section detects the estimated image density value from the neural network is out of an appropriate range, and thereby inputs the neural network. Detects that data is abnormal.
【0014】請求項7記載の発明では、請求項5記載の
電子写真プロセス制御装置において、露光部電位推定部
がセンサ手段からの情報より露光部電位情報を推定して
現像バイアス操作値決定部へ出力する。According to a seventh aspect of the present invention, in the electrophotographic process control apparatus according to the fifth aspect, the exposure section potential estimating section estimates the exposure section potential information from information from the sensor means.
Output to the developing bias operation value determination unit .
【0015】請求項8記載の発明では、請求項5記載の
電子写真プロセス制御装置において、帯電グリッド操作
値決定部がセンサ手段からの情報と制御前の帯電グリッ
ド操作値と現像バイアス操作値決定部からの現像バイア
ス操作値とが入力されて帯電グリッド操作値を決定す
る。According to an eighth aspect of the present invention, in the electrophotographic process control apparatus according to the fifth aspect, the charging grid operation value determining unit determines the information from the sensor means, the charging grid operation value before control, and the developing bias operation value determining unit. Development vias from
The operation value is input to determine the charging grid operation value.
【0016】請求項9記載の発明では、請求項8記載の
電子写真プロセス制御装置において、露光部電位推定部
がセンサ手段からの情報より露光部電位情報を推定して
現像バイアス操作値決定部へ出力する。According to a ninth aspect of the present invention, in the electrophotographic process control device according to the eighth aspect, the exposure unit potential estimating unit estimates the exposure unit potential information from information from the sensor means.
Output to the developing bias operation value determination unit .
【0017】[0017]
【0018】[0018]
【0019】[0019]
【0020】[0020]
【実施例】図4は本発明を応用した電子写真装置の例の
前提となる電子写真装置の一例(以下第1の例という)
を示す。この第1の例は、複写機の例であり、原稿11
は原稿台12上に載置されて原稿カバー13が被せられ
る。この原稿台12上の原稿11は光源14により照明
され、その反射光がミラー15などの光学系を介してC
CDからなる撮影素子16に照射されて光電変換される
ことによって原稿11が読み取られる。撮像素子16か
らの画像信号はA/D変換器17によりA/D変換さ
れ、原稿画像処理部18により補正等の画像処理が行わ
れ、露光操作値決定部19が原稿画像処理部18からの
画像信号等により露光量操作値を決定する。FIG. 4 shows an example of an electrophotographic apparatus to which the present invention is applied.
An example of a prerequisite electrophotographic apparatus (hereinafter referred to as a first example)
Is shown. This first example is an example of a copying machine, and the original 11
Is placed on a document table 12 and covered with a document cover 13. The original 11 on the original table 12 is illuminated by a light source 14 and its reflected light is transmitted through an optical system such as a mirror 15 to a C source.
The original 11 is read by irradiating the imaging element 16 made of a CD and performing photoelectric conversion. The image signal from the image sensor 16 is A / D converted by the A / D converter 17, image processing such as correction is performed by the document image processing unit 18, and the exposure operation value determination unit 19 receives the image signal from the document image processing unit 18. An exposure operation value is determined based on an image signal or the like.
【0021】感光体ドラム20は駆動部により回転駆動
されてグリッドを有するスコロトロンからなる帯電用チ
ャージャ21により均一に帯電されてレーザダイオード
から光が照射され、その露光量が露光制御部22にて露
光操作値決定部19からの露光量操作値により制御され
て静電潜像が形成される。この静電潜像はネガ・ポジ現
像方式の現像部23により2成分現像剤で現像されてト
ナー像となり、また、給紙装置24からレジストローラ
25へ転写紙が給紙される。この転写紙はレジストロー
ラ25により感光体ドラム20上のトナー像と先端を合
わせて送出されて転写用チャージャ26により感光体ド
ラム20上のトナー像が転写され、分離用チャージャ2
7により感光体ドラム20から分離されて定着装置28
によりトナー像が定着された後にコピーとして排紙トレ
イ29へ排出される。The photosensitive drum 20 is driven to rotate by a driving unit, is uniformly charged by a charging charger 21 composed of a scorotron having a grid, and is irradiated with light from a laser diode. An electrostatic latent image is formed under the control of the exposure value operation value from the operation value determination unit 19. This electrostatic latent image is developed with a two-component developer by a negative-positive developing type developing unit 23 to become a toner image. Further, a transfer sheet is fed from a sheet feeding device 24 to a registration roller 25. The transfer paper is sent out by the registration rollers 25 so that the toner image on the photosensitive drum 20 is aligned with the leading end thereof, and the toner image on the photosensitive drum 20 is transferred by the transfer charger 26.
7 and separated from the photosensitive drum 20 by the fixing device 28.
After the toner image is fixed, the image is discharged to the paper output tray 29 as a copy.
【0022】また、感光体ドラム20は転写紙分離後に
クリーニング装置により残留トナーが除去されて除電器
により残留電荷が除去され、次の複写動作に備える。帯
電操作値決定部30は帯電操作値を各種センサからの情
報や制御前の帯電グリッド操作値(帯電用チャージャ2
1のグリッド電位操作値)などにより帯電グリッド操作
値を決定し、帯電制御部31は帯電用チャージャ21の
オン/オフ制御をしたり帯電用チャージャ21のグリッ
ド電位を帯電グリッド制御部により帯電操作値決定部3
0からの帯電グリッド操作値に応じて制御したりする。
表面電位計32は感光体ドラム20上における露光され
た露光部の電位を露光位置と現像位置との間で測定し、
トナー濃度計33は現像装置23内の2成分現像剤のト
ナー濃度を検知する。現像バイアス決定部34は現像バ
イアス電圧の絶対値に相当する現像バイアス操作値を決
定する。現像バイアス制御部35は現像バイアス決定部
34からの現像バイアス操作値を制御して現像バイアス
電圧を生成し、この現像バイアス電圧を現像装置23へ
印加する。After the transfer paper is separated from the photosensitive drum 20, the residual toner is removed by the cleaning device, and the residual charge is removed by the charge eliminator, to prepare for the next copying operation. The charging operation value determining unit 30 determines the charging operation value from information from various sensors and the charging grid operation value before control (the charging charger 2).
The charging grid operation value is determined by the charging grid operation unit, etc., and the charging control unit 31 performs on / off control of the charging charger 21 and sets the grid potential of the charging charger 21 to the charging operation value by the charging grid control unit. Decision part 3
Control is performed according to the charging grid operation value from 0.
The surface voltmeter 32 measures the potential of the exposed portion on the photosensitive drum 20 between the exposure position and the development position,
The toner concentration meter 33 detects the toner concentration of the two-component developer in the developing device 23. The developing bias determining unit 34 determines a developing bias operation value corresponding to the absolute value of the developing bias voltage. The developing bias controller 35 controls a developing bias operation value from the developing bias determiner 34 to generate a developing bias voltage, and applies the developing bias voltage to the developing device 23.
【0023】コピーカウンタ36はレジストローラ25
と連動してコピーの枚数を測定する。画像濃度検知時に
は露光制御部22によるレーザダイオードの制御で感光
体ドラム20上に画像濃度検知用パターンが露光されて
静電潜像が形成され、この静電潜像が現像部23により
現像された後に転写紙に転写されずに画像濃度センサ3
7により濃度が光学的に検知されてクリーニング装置に
より除去される。ドラム回転数カウンタ38は感光体ド
ラム20と連動してその回転数をカウントし、温度セン
サ39,湿度センサ40は温度,湿度をそれぞれ測定す
る。The copy counter 36 is a register roller 25
The number of copies is measured in conjunction with. At the time of image density detection, the pattern for image density detection is exposed on the photosensitive drum 20 by the control of the laser diode by the exposure control unit 22 to form an electrostatic latent image, and this electrostatic latent image is developed by the developing unit 23. The image density sensor 3 is not transferred to the transfer paper later.
The density is optically detected by 7 and removed by the cleaning device. The drum rotation counter 38 counts the number of rotations in conjunction with the photosensitive drum 20, and the temperature sensor 39 and the humidity sensor 40 measure temperature and humidity, respectively.
【0024】図2は上記感光体ドラム20上の各部の電
位の関係を示す。感光体ドラム20は帯電用チャージャ
21により帯電電位VDに帯電され、画像となる部分が
レーザダイオードからの露光により露光部電位VLとな
る。現像バイアス制御部35から現像装置23に印加さ
れる現像バイアス電圧VBと露光部電位VLとの差は現
像ポテンシャルと呼ばれており、この現像ポテンシャル
に比例したトナーの量が現像部23から感光体ドラム2
0上に付着して転写紙に転写される。また、VDとVB
との差は地汚れ余裕度と呼ばれ、この電位差が適正な範
囲に制御されていないと、地汚れや現像剤付着の原因と
なる。例えば、地汚れ余裕度が小さくなると、地汚れが
発生しやすくなり、現像剤付着が引き起こされる。FIG. 2 shows the relationship between the potentials of various parts on the photosensitive drum 20. The photoreceptor drum 20 is charged to a charging potential VD by the charging charger 21, and an image portion becomes an exposed portion potential VL by exposure from a laser diode. The difference between the developing bias voltage VB applied from the developing bias control unit 35 to the developing device 23 and the exposure unit potential VL is called a developing potential, and the amount of toner proportional to this developing potential is Drum 2
0 and is transferred to transfer paper. VD and VB
Is called a background contamination margin, and if this potential difference is not controlled within an appropriate range, it causes background contamination and developer adhesion. For example, when the stain margin decreases, Ri of background fouling is likely to occur, caused the developer deposited.
【0025】図3は上記画像濃度検知用パターンに対す
る画像濃度センサ37の検知電位と実際の感光体ドラム
20上の画像の濃度との関係、及び現像ポテンシャルと
出力画像の濃度との関係を示す。現像ポテンシャルと出
力画像濃度との特性曲線A,B,C,D,Eはトナー濃
度が高いほど出力画像濃度が高いものになり、温度,湿
度が低いほど出力画像濃度が高いものになり、感光体ド
ラム20の摩耗が小さいほど出力画像濃度が高いものに
なる。現像ポテンシャルに対する出力画像濃度は環境変
動やトナー濃度等により図3に示すように変化する。こ
のような系において、適正な出力画像濃度を常に得るた
めには環境条件の変化に伴って現像ポテンシャルを変更
する必要がある。図3には3つの場合についてそれぞれ
最適な現像ポテンシャルを求める手順が示してある。FIG. 3 shows the relationship between the detection potential of the image density sensor 37 and the actual density of the image on the photosensitive drum 20, and the relationship between the development potential and the density of the output image for the image density detection pattern. The characteristic curves A, B, C, D, and E of the development potential and the output image density are such that the higher the toner density, the higher the output image density, and the lower the temperature and humidity, the higher the output image density. The smaller the abrasion of the body drum 20, the higher the output image density. The output image density with respect to the development potential changes as shown in FIG. 3 due to environmental fluctuations, toner density, and the like. In such a system, in order to always obtain an appropriate output image density, it is necessary to change the developing potential in accordance with changes in environmental conditions. FIG. 3 shows a procedure for obtaining the optimum developing potential for each of the three cases.
【0026】例えば、画像濃度検知用パターンに対する
画像濃度センサ37の検知電位が1であるときには出力
画像濃度は1’である。出力画像濃度が1’のときの現
像ポテンシャルは感光体ドラム20上に画像濃度検知用
パターンを作成したときの現像ポテンシャルを示す。こ
のとき、環境条件等から現像ポテンシャル対出力画像濃
度の特性曲線Bを特定できれば、適正な出力画像濃度
1”を得るための現像ポテンシャル1''' が得られて最
適な現像バイアスが決定される。For example, when the detection potential of the image density sensor 37 for the image density detection pattern is 1, the output image density is 1 '. The development potential when the output image density is 1 'indicates the development potential when an image density detection pattern is formed on the photosensitive drum 20. At this time, if the characteristic curve B of development potential versus output image density can be specified from environmental conditions and the like, a development potential 1 '''for obtaining an appropriate output image density 1 "is obtained, and an optimum development bias is determined. .
【0027】また、画像濃度検知用パターンに対する画
像濃度センサ37の検知電位が2であるときには出力画
像濃度は2’であり、この出力画像濃度2’は適正な出
力画像濃度2”である。このとき、環境条件等から現像
ポテンシャル対画像濃度の特性曲線Cを特定できれば、
適正な出力画像濃度2”を得るための現像ポテンシャル
2''' が得られて最適な現像バイアスが決定される。When the detection potential of the image density sensor 37 for the image density detection pattern is 2, the output image density is 2 ', and this output image density 2' is an appropriate output image density 2 ". At this time, if the characteristic curve C of development potential versus image density can be specified from environmental conditions and the like,
A developing potential 2 '''for obtaining an appropriate output image density 2 "is obtained, and an optimum developing bias is determined.
【0028】また、画像濃度検知用パターンに対する画
像濃度センサ37の検知電位が3であるときには出力画
像濃度は3’である。このとき、環境条件等から現像ポ
テンシャル対画像濃度の特性曲線Eを特定できれば、適
正な出力画像濃度3”を得るための現像ポテンシャル
3''' が得られて最適な現像バイアスが決定される。When the detection potential of the image density sensor 37 for the image density detection pattern is 3, the output image density is 3 '. At this time, if the characteristic curve E of development potential versus image density can be specified from environmental conditions and the like, a development potential 3 '''for obtaining an appropriate output image density 3 "is obtained, and an optimum development bias is determined.
【0029】現像バイアス決定部34は図1に示すよう
に現像バイアス操作値決定用ニューラルネットワーク
(NN)41を用いて構成され、現像バイアス操作値決
定用ニューラルネットワーク41は表面電位計32,ド
ラム電流計42,ドラム回転数カウンタ38,露光時間
カウンタ43,コピーカウンタ36,温度センサ39,
湿度センサ40,画像濃度センサ37,トナー濃度計3
3からなるセンサ部44等から出力画像濃度に影響を与
えるパラメータが入力される。As shown in FIG. 1, the developing bias determining section 34 is constituted by using a developing bias operating value determining neural network (NN) 41. The developing bias operating value determining neural network 41 includes a surface voltmeter 32 and a drum current. 42, a drum rotation counter 38, an exposure time counter 43, a copy counter 36, a temperature sensor 39,
Humidity sensor 40, image density sensor 37, toner density meter 3
The parameters that affect the output image density are input from the sensor unit 44 and the like consisting of the three.
【0030】ここに、トナー濃度計33は現像部23内
のトナーとキャリアとからなる2成分現像剤とそのキャ
リアとの重量比をトナー濃度として検知する。表面電位
計32は感光体ドラム20の帯電用チャージャ21によ
る帯電電位と感光体ドラム20上の露光部電位、つまり
画像濃度検知用パターンが露光された画像部の電位を測
定する。この表面電位計32の測定した帯電電位及び露
光部電位を目標値に安定させることが静電潜像制御の目
標となる。ここに、画像濃度検知時には露光制御部22
によるレーザダイオードの制御で感光体ドラム20上に
画像濃度検知用パターンが露光されて静電潜像が形成さ
れ、この静電潜像が現像部23により現像された後に転
写紙に転写されずに画像濃度センサ37により濃度が光
学的に検知されてクリーニング装置により除去される。Here, the toner densitometer 33 detects the weight ratio between the two-component developer composed of the toner and the carrier in the developing unit 23 and the carrier as the toner concentration. The surface voltmeter 32 measures the charging potential of the photosensitive drum 20 by the charging charger 21 and the potential of the exposed portion on the photosensitive drum 20, that is, the potential of the image portion where the image density detecting pattern is exposed. Stabilizing the charged potential and the exposed portion potential measured by the surface voltmeter 32 to target values is a target of the electrostatic latent image control. Here, when the image density is detected, the exposure control unit 22
The pattern for image density detection is exposed on the photosensitive drum 20 by the control of the laser diode according to the above, an electrostatic latent image is formed, and after this electrostatic latent image is developed by the developing unit 23, it is not transferred to the transfer paper. The density is optically detected by the image density sensor 37 and is removed by the cleaning device.
【0031】ドラム電流計42は感光体ドラム20の通
過電荷量を測定するものであり、帯電用チャージャ21
から感光体ドラム20に供給された電流を使用時間で積
分して得る。感光体ドラム20は長期的な帯電/除電の
繰返しにより次第に感度が低下するが、感光体ドラム2
0の通過電荷量は感光体ドラム20の使用限度値(最大
定格値)に対する百分率で表現される。The drum ammeter 42 measures the amount of electric charge passing through the photosensitive drum 20.
And the current supplied to the photoreceptor drum 20 is integrated over time. The sensitivity of the photosensitive drum 20 gradually decreases due to long-term repetition of charging / discharging.
The passing charge amount of 0 is expressed as a percentage with respect to the use limit value (maximum rated value) of the photosensitive drum 20.
【0032】ドラム回転数カウンタ38は感光体ドラム
20の摩耗量を測定する。感光体ドラム20はクリーニ
ング装置のクリーニング部やブレード等によって削ら
れ、静電容量が低下する。感光体ドラム20の摩耗量は
ほぼ感光体ドラム20の総回転数に比例するので、感光
体ドラム20の総回転数を感光体ドラム20の摩耗量の
代用値としてドラム回転数カウンタ38によりカウント
し、感光体ドラム20の使用限度値(最大定格値)に対
する百分率で表現する。The drum rotation counter 38 measures the amount of wear of the photosensitive drum 20. The photoreceptor drum 20 is scraped by a cleaning unit, a blade, or the like of the cleaning device, and the capacitance is reduced. Since the amount of wear of the photosensitive drum 20 is substantially proportional to the total number of rotations of the photosensitive drum 20, the total number of rotations of the photosensitive drum 20 is counted by the drum rotation number counter 38 as a substitute for the amount of wear of the photosensitive drum 20. , And expressed as a percentage of the use limit value (maximum rated value) of the photosensitive drum 20.
【0033】露光時間カウンタ43は感光体ドラム20
の露光疲労量をカウントする。感光体ドラム20の短期
的な露光の繰返しによっても変化する。この感光体ドラ
ム20の露光による感度低下は露光時間に比例するの
で、露光時間を感光体ドラム20の露光疲労量の代用値
として露光時間カウンタ43によりカウントし、感光体
ドラム20の使用限度値(最大定格値)に対する百分率
で表現する。コピーカウンタ36は連続使用度を測定
し、この連続使用度は現在から過去の所定時間までに何
枚分の複写動作が行われたかを示す値である。これは短
期的な使用時間と休止時間との割合を意味する。感光体
ドラム20は連続使用により感度が低下したり残留電荷
が発生したりする。The exposure time counter 43 is provided for the photosensitive drum 20.
The exposure fatigue amount is counted. It also changes due to the repetition of short-term exposure of the photosensitive drum 20. Since the decrease in sensitivity due to the exposure of the photoconductor drum 20 is proportional to the exposure time, the exposure time is counted by the exposure time counter 43 as a substitute for the exposure fatigue amount of the photoconductor drum 20, and the use limit value of the photoconductor drum 20 ( Expressed as a percentage of the maximum rated value. The copy counter 36 measures the continuous usage, and the continuous usage is a value indicating how many copies have been made between the present time and the past predetermined time. This means the ratio between short usage time and downtime. The sensitivity of the photosensitive drum 20 is reduced or residual charge is generated by continuous use.
【0034】温度センサ39は温度を測定し、湿度セン
サ40は湿度を測定する。感光体ドラム20の感度は温
度,湿度及びその変化によって大きく影響される。これ
は感光体ドラム20の静電容量の変化や帯電時,帯電後
の漏れ電流等によるが、これらの直接的な関係を把握す
ることは難しい。画像濃度センサ37はレーザダイオー
ドとフォトセンサからなるPセンサ等を使用し、反射率
の違いにより感光体ドラム20上の画像部に付着したト
ナーの量を測定する。The temperature sensor 39 measures temperature, and the humidity sensor 40 measures humidity. The sensitivity of the photosensitive drum 20 is greatly affected by temperature, humidity, and changes thereof. This is due to a change in the capacitance of the photosensitive drum 20, a leakage current during charging, a leakage current after charging, and the like, but it is difficult to grasp a direct relationship between them. The image density sensor 37 uses a P sensor or the like including a laser diode and a photo sensor, and measures the amount of toner attached to the image portion on the photosensitive drum 20 based on the difference in reflectance.
【0035】現像バイアス操作値決定用ニューラルネッ
トワーク41は図5に示すように入力層41a,中間層
41b及び出力層41cを積層したものである。この現
像バイアス操作値決定用ニューラルネットワーク41は
学習時にはあらゆる環境条件の下で現像バイアス決定部
34内にて現像バイアス操作値を変えながら、出力画像
濃度に影響を与えるパラメータとして、センサ部44に
おける表面電位計32からの帯電電位値及び露光部電位
値,ドラム電流計42からの感光体ドラム通過電荷量
値,ドラム回転数カウンタ38からの感光体ドラム摩耗
量値,露光時間カウンタ43からの露光疲労量値,コピ
ーカウンタ36からの連続使用度値,温度センサ39か
らの温度値,湿度センサ40からの湿度値,画像濃度セ
ンサ37からの画像濃度値,トナー濃度計33からのト
ナー濃度値、及び帯電制御部31からの帯電用チャージ
ャ21による感光体ドラム20の帯電電位値が入力層4
1aに入力されて修得され、出力画像濃度を濃度測定手
段により測定して各環境において最適な出力画像濃度が
得られたときの現像バイアス操作値を教師値として出力
層41cに与えて学習させる。As shown in FIG. 5, the developing bias operation value determining neural network 41 has an input layer 41a, an intermediate layer 41b, and an output layer 41c laminated. The neural network 41 for determining a developing bias operation value changes the developing bias operation value in the developing bias determining unit 34 under various environmental conditions during learning, and sets the surface bias in the sensor unit 44 as a parameter affecting the output image density. The charge potential value and exposure portion potential value from the electrometer 32, the photosensitive drum passing charge amount value from the drum ammeter 42, the photosensitive drum wear amount value from the drum rotation counter 38, and the exposure fatigue from the exposure time counter 43 Amount value, continuous use value from copy counter 36, temperature value from temperature sensor 39, humidity value from humidity sensor 40, image density value from image density sensor 37, toner density value from toner densitometer 33, and The charging potential value of the photosensitive drum 20 by the charging charger 21 from the charging control unit 31 is changed to the input layer 4.
1a, the output image density is measured by the density measuring means, and the developing bias operation value at the time when the optimum output image density is obtained in each environment is given to the output layer 41c as a teacher value for learning.
【0036】また、現像バイアス操作値決定用ニューラ
ルネットワーク41は制御実行時には上記センサ部44
からの情報が入力層41aに入力され、入力層41aに
入力される情報が得られる環境条件において最適な現像
バイアス操作値が出力層41cから現像バイアス制御部
35へ出力される。The neural network 41 for determining the operation value of the developing bias operates when the control is executed.
Is input to the input layer 41a, and the optimum developing bias operation value is output from the output layer 41c to the developing bias control unit 35 under the environmental conditions where the information input to the input layer 41a is obtained.
【0037】この第1の例では、現像バイアス操作値決
定用ニューラルネットワーク41を用いて現像バイアス
操作値を決定するので、多数の環境要因・劣化要因が複
雑にかかっても、実験的に修得した要因と最適な値との
関係を現像バイアス操作値決定用ニューラルネットワー
ク41に学習させることができ、電子写真プロセスのよ
うな制御モデルの同定が難しくても制御が可能となる。
このため、最適な画像濃度を得ることができて安定した
画像品質が得られ、しかも、現代制御理論等に必要とさ
れる制御用モデルが不要になる。さらに、プロセス設計
開発時に行う実験量を軽減でき、複写機の開発期間、開
発コストを低減できる。In the first example, the developing bias operation value is determined by using the developing bias operation value determining neural network 41. Therefore, even if a large number of environmental factors and deterioration factors are complicated, it is experimentally learned. The relationship between the factor and the optimum value can be learned by the developing bias operation value determining neural network 41, and control can be performed even when it is difficult to identify a control model such as an electrophotographic process.
For this reason, an optimum image density can be obtained and stable image quality can be obtained, and a control model required for modern control theory and the like is not required. Further, the amount of experiments performed during the process design and development can be reduced, and the development period and development cost of the copying machine can be reduced.
【0038】図8は本発明を応用した電子写真装置の例
の前提となる電子写真装置の他の例(以下第2の例とい
う)の一部を示す。この第2の例は、上記第1の例にお
いて、現像バイアス操作値決定用ニューラルネットワー
ク41の代りに現像ポテンシャル決定用ニューラルネッ
トワーク(NN)45及び現像バイアス計算部46を用
いたものである。現像ポテンシャル決定用ニューラルネ
ットワーク45は表面電位計32,ドラム電流計42,
ドラム回転数カウンタ38,露光時間カウンタ43,コ
ピーカウンタ36,温度センサ39,湿度センサ40,
画像濃度センサ37,トナー濃度計33からなるセンサ
部44等からの画像濃度に影響を与えるパラメータや現
在の現像バイアス制御部35から現像部23への現像バ
イアス電圧が入力される。FIG. 8 shows an example of an electrophotographic apparatus to which the present invention is applied.
Of another example of the electrophotographic apparatus which is the premise of
U) . In the second example, a developing potential determining neural network (NN) 45 and a developing bias calculator 46 are used in place of the developing bias operation value determining neural network 41 in the first example. The development potential determining neural network 45 includes a surface electrometer 32, a drum ammeter 42,
Drum rotation counter 38, exposure time counter 43, copy counter 36, temperature sensor 39, humidity sensor 40,
The parameters affecting the image density from the sensor unit 44 including the image density sensor 37 and the toner densitometer 33 and the current developing bias voltage from the developing bias control unit 35 to the developing unit 23 are input.
【0039】現像ポテンシャル決定用ニューラルネット
ワーク45は図6に示すように入力層45a,中間層4
5b及び出力層45cを積層したものである。この現像
ポテンシャル決定用ニューラルネットワーク45は学習
時にはあらゆる環境条件の下で現像バイアス決定部34
内にて現像バイアス操作値を変えながら、出力画像濃度
に影響を与えるパラメータとして、センサ部44におけ
る表面電位計32からの帯電電位値及び露光部電位値,
ドラム電流計42からの感光体ドラム通過電荷量値,ド
ラム回転数カウンタ38からの感光体ドラム摩耗量値,
露光時間カウンタ43からの露光疲労量値,コピーカウ
ンタ36からの連続使用度値,温度センサ39からの温
度値,湿度センサ40からの湿度値,画像濃度センサ3
7からの画像濃度値,トナー濃度計33からのトナー濃
度値が入力層45aに入力されて修得され、濃度測定手
段により出力画像濃度を測定して各環境において最適な
出力画像濃度が得られたときの現像ポテンシャル、即
ち、(現像バイアス電圧)−(露光部電位)を教師値と
して出力層45cに与えて学習させる。As shown in FIG. 6, the neural network 45 for determining the development potential includes an input layer 45a and an intermediate layer 4
5b and the output layer 45c. The neural network 45 for determining the developing potential is used for the developing bias determining section 34 under learning conditions under any environmental conditions.
The parameters that affect the output image density while changing the operation value of the developing bias within the image forming unit include the charging potential value from the surface voltmeter 32 in the sensor unit 44, the exposure unit potential value, and the like.
The charge amount of the photosensitive drum passing from the drum ammeter 42, the wear amount of the photosensitive drum from the drum rotation counter 38,
Exposure fatigue value from exposure time counter 43, continuous use value from copy counter 36, temperature value from temperature sensor 39, humidity value from humidity sensor 40, image density sensor 3
7 and the toner density value from the toner densitometer 33 were input to the input layer 45a, and were acquired. The output image density was measured by the density measuring means, and the optimum output image density was obtained in each environment. The development potential at that time, that is, (development bias voltage)-(exposure portion potential) is given to the output layer 45c as a teacher value for learning.
【0040】また、現像ポテンシャル決定用ニューラル
ネットワーク45は制御実行時には上記センサ部44か
らの情報が入力層45aに入力され、入力層45aに入
力される情報が得られる環境条件において最適な現像ポ
テンシャルが出力層45cから現像バイアス計算部46
へ出力される。現像バイアス計算部46は現像ポテンシ
ャル決定用ニューラルネットワーク45からの現像ポテ
ンシャルと表面電位計32からの露光部電位とを加算す
ることにより最適な現像バイアス電圧を算出して現像バ
イアス制御部35へ出力する。この計算の原理は、図2
に基づく説明で述べたように(現像ポテンシャル)=
(現像バイアス電圧VB)−(露光部電位VL)である
ことに基づいている。Further, the neural network 45 for determining the development potential inputs the information from the sensor section 44 to the input layer 45a when the control is executed, and determines the optimum development potential under the environmental conditions where the information input to the input layer 45a is obtained. From the output layer 45c to the developing bias calculator 46
Output to The developing bias calculator 46 calculates an optimum developing bias voltage by adding the developing potential from the developing potential determining neural network 45 and the exposure unit potential from the surface voltmeter 32 and outputs the optimum developing bias voltage to the developing bias controller 35. . The principle of this calculation is shown in FIG.
As described in the description based on (development potential) =
(Development bias voltage VB)-(exposure portion potential VL).
【0041】図9は本発明を応用した電子写真装置の一
例(以下第3の例という)の一部を示す。この第3の例
は、上記第2の例において、現像ポテンシャル決定用ニ
ューラルネットワーク(NN)45及び現像バイアス計
算部46の代りに、現像ポテンシャル決定用ニューラル
ネットワーク(NN)47及び現像バイアス計算部48
を用い、現像バイアス制御異常検出部49を設けたもの
である。現像ポテンシャル決定用ニューラルネットワー
ク47は表面電位計32,ドラム電流計42,ドラム回
転数カウンタ38,露光時間カウンタ43,コピーカウ
ンタ36,温度センサ39,湿度センサ40,画像濃度
センサ37,トナー濃度計33からなるセンサ部44等
からの画像濃度に影響を与えるパラメータや現在の現像
バイアス制御部35から現像部23への現像バイアス電
圧、現在の現像ポテンシャル(感光体ドラム20上の露
光部電位と上記現像バイアス電圧との差)が入力され
る。[0041] One 9 electrophotographic apparatus which applies the present invention
A part of an example (hereinafter, referred to as a third example) is shown. The third example is different from the second example in that the developing potential determining neural network (NN) 45 and the developing bias calculator 46 are replaced with the developing potential determining neural network (NN) 47 and the developing bias calculator 48.
And a developing bias control abnormality detecting section 49 is provided. The development potential determining neural network 47 includes a surface electrometer 32, a drum ammeter 42, a drum rotation counter 38, an exposure time counter 43, a copy counter 36, a temperature sensor 39, a humidity sensor 40, an image density sensor 37, and a toner density meter 33. , The current developing bias voltage from the developing bias control unit 35 to the developing unit 23, the current developing potential (the potential of the exposed portion on the photosensitive drum 20, (Difference from the bias voltage).
【0042】現像ポテンシャル決定用ニューラルネット
ワーク47は図7に示すように入力層47a,中間層4
7b及び出力層47cを積層したものである。この現像
ポテンシャル決定用ニューラルネットワーク47は学習
時にはあらゆる環境条件の下で現像バイアス決定部34
内にて現像バイアス操作値を変えながら、出力画像濃度
に影響を与えるパラメータとして、センサ部44におけ
る表面電位計32からの帯電電位値及び露光部電位値,
ドラム電流計42からの感光体ドラム通過電荷量値,ド
ラム回転数カウンタ38からの感光体ドラム摩耗量値,
露光時間カウンタ43からの露光疲労量値,コピーカウ
ンタ36からの連続使用度値,温度センサ39からの温
度値,湿度センサ40からの湿度値,画像濃度センサ3
7からの画像濃度値,トナー濃度計33からのトナー濃
度値が入力層45aに入力されて修得され、測定手段に
より出力画像濃度と現像ポテンシャルとを測定して各環
境において最適な出力画像濃度が得られたときの現像ポ
テンシャル、即ち、(現像バイアス電圧)−(露光部電
位)と出力画像濃度とを教師値として出力層45cに与
えて学習させる。As shown in FIG. 7, the neural network 47 for determining the development potential comprises an input layer 47a and an intermediate layer 4
7b and the output layer 47c. The neural network 47 for determining the developing potential is used for the developing bias determining unit 34 under any environmental conditions during learning.
The parameters that affect the output image density while changing the operation value of the developing bias within the image forming unit include the charging potential value from the surface voltmeter 32 in the sensor unit 44, the exposure unit potential value,
The charge amount of the photosensitive drum passing from the drum ammeter 42, the wear amount of the photosensitive drum from the drum rotation counter 38,
Exposure fatigue value from exposure time counter 43, continuous use value from copy counter 36, temperature value from temperature sensor 39, humidity value from humidity sensor 40, image density sensor 3
7 and the toner density value from the toner densitometer 33 are input to the input layer 45a, and are acquired. The output image density and the development potential are measured by measuring means, and the optimum output image density in each environment is determined. The obtained developing potential, that is, (developing bias voltage)-(exposure portion potential) and the output image density are given as learning values to the output layer 45c for learning.
【0043】また、現像ポテンシャル決定用ニューラル
ネットワーク47は制御実行時には上記センサ部44か
らの情報及び帯電用チャージャ21による感光体ドラム
20の帯電電位値が入力層47aに入力され、入力層4
7aに入力される情報が得られる環境条件において最適
な現像ポテンシャル値と推定画像濃度値とが出力層47
cから出力される。現像バイアス計算部48は現像ポテ
ンシャル決定用ニューラルネットワーク47からの現像
ポテンシャル値と表面電位計32からの露光部電位値と
を加算することにより最適な現像バイアス電圧値を算出
して現像バイアス制御部35へ出力する。また、現像ポ
テンシャル決定用ニューラルネットワーク47は異常環
境もしくはセンサ部44の異常によって不正なデータが
入力された場合には正常な値を出力できなくなる。それ
は現像ポテンシャル決定用ニューラルネットワーク47
が未学習データの入力に対して出力値が不定になること
に起因している。そこで、現像バイアス制御異常検出部
49は現像ポテンシャル決定用ニューラルネットワーク
47からの推定画像濃度値が予め設定された適正な画像
濃度値の範囲を外れたときにそれを検出して異常検出信
号を出力する。この異常検出信号は例えば操作パネルの
表示部に入力されて制御系異常の表示が行われることに
より利用者に制御系異常が知らされる。The developing potential determining neural network 47 inputs the information from the sensor unit 44 and the charging potential value of the photosensitive drum 20 by the charging charger 21 to the input layer 47a when the control is executed.
The optimum development potential value and the estimated image density value are output in the output layer 47 under the environmental conditions where the information to be input to 7a is obtained.
c. Developing bias calculation unit 48 optimal development bias voltage value calculated <br/> to by adding the exposed portion potential value from the development potential values and surface potential meter 32 from the developing potential determined neural network 47 developing Output to the bias control unit 35. In addition, the development potential determination neural network 47 cannot output a normal value when incorrect data is input due to an abnormal environment or an abnormality of the sensor unit 44. It is a neural network 47 for determining development potential.
This is due to the fact that the output value becomes indefinite with respect to the input of the unlearned data. Therefore, the developing bias control abnormality detecting section 49 detects when the estimated image density value from the developing potential determining neural network 47 is out of the range of the preset proper image density value, and outputs an abnormality detection signal. I do. The abnormality detection signal is input to, for example, a display unit of the operation panel, and the control system abnormality is displayed to notify the user of the control system abnormality.
【0044】図10は本発明を応用した電子写真装置の
他の例(以下第4の例という)の一部を示す。上述の第
1の例,第2の例では、表面電位計32を用いて帯電電
位値及び露光部電位を検知し、その値を現像バイアス操
作値の計算に使用しているので、露光部電位を測定する
ための画像濃度検知用パターンを感光体ドラム20上に
形成しなければならず、この画像濃度検知用パターンは
転写紙に転写されずにクリーニング装置により回収され
る。このため、クリーニング装置の負担が大きくなる上
に、無駄なトナー消費を行ってしまう。そこで、第4の
例では、上記第2の例において、現像ポテンシャル決定
用ニューラルネットワーク(NN)45及び現像バイア
ス計算部46、表面電位計32の代りに、現像ポテンシ
ャル決定用ニューラルネットワーク(NN)50及び現
像バイアス計算部51、表面電位計52、露光部電位推
定部53が設けている。FIG. 10 shows an electrophotographic apparatus to which the present invention is applied.
A part of another example (hereinafter, referred to as a fourth example) is shown. In the first and second examples described above, the charged potential value and the exposed portion potential are detected by using the surface voltmeter 32, and the values are used for calculating the developing bias operation value. Must be formed on the photosensitive drum 20 for measuring the image density, and the image density detection pattern is collected by the cleaning device without being transferred to the transfer paper. For this reason, the load on the cleaning device is increased, and wasteful toner consumption is performed. Therefore, in a fourth example, the developing potential determining neural network (NN) 50, the developing bias calculating unit 46, and the surface voltmeter 32 are replaced with the developing potential determining neural network (NN) 50 in the second example. And a developing bias calculation unit 51, a surface voltmeter 52, and an exposure unit potential estimation unit 53.
【0045】表面電位計52は画像濃度検知用パターン
の形成による露光部電位を測定せずに感光体ドラム20
上の帯電用チャージャ21による帯電電位を測定する。
現像ポテンシャル決定用ニューラルネットワーク50は
入力層,中間層及び出力層を積層したものであり、学習
時には、あらゆる環境条件の下で現像バイアス決定部3
4内にて現像バイアス操作値を変えながら、出力画像濃
度に影響を与えるパラメータとして、センサ部44にお
ける表面電位計52からの帯電電位値,ドラム電流計4
2からの感光体ドラム通過電荷量値,ドラム回転数カウ
ンタ38からの感光体ドラム摩耗量値,露光時間カウン
タ43からの露光疲労量値,コピーカウンタ36からの
連続使用度値,温度センサ39からの温度値,湿度セン
サ40からの湿度値,画像濃度センサ37からの画像濃
度値,トナー濃度計33からのトナー濃度値が入力層に
入力されて修得され、濃度測定手段により出力画像濃度
を測定して各環境において最適な出力画像濃度が得られ
たときの現像ポテンシャル、即ち、(現像バイアス電
圧)−(露光部電位)を教師値として出力層に与えて学
習させる。The surface voltmeter 52 does not measure the potential of the exposed portion due to the formation of the pattern for detecting the image density.
The charging potential by the upper charging charger 21 is measured.
The development potential determining neural network 50 is formed by laminating an input layer, an intermediate layer, and an output layer.
4, the charging potential value from the surface voltmeter 52 in the sensor unit 44 and the drum current meter 4
2, the amount of charge passing through the photoconductor drum, the photoconductor drum wear value from the drum rotation counter 38, the exposure fatigue value from the exposure time counter 43, the continuous use value from the copy counter 36, and the temperature sensor 39 Temperature value, the humidity value from the humidity sensor 40, the image density value from the image density sensor 37, and the toner density value from the toner densitometer 33 are input to the input layer to be acquired, and the output image density is measured by the density measuring means. Then, the development potential when the optimum output image density is obtained in each environment, that is, (development bias voltage)-(exposure portion potential) is given to the output layer as a teacher value for learning.
【0046】また、現像ポテンシャル決定用ニューラル
ネットワーク50は制御実行時には上記センサ部44か
らの情報が入力層に入力され、入力層に入力される情報
が得られる環境条件において最適な現像ポテンシャルが
出力層から現像バイアス計算部51へ出力される。露光
部電位推定部53は潜像γ特性判定用ニューラルネット
と露光量決定部とで構成される。潜像γ特性判定用ニュ
ーラルネットは学習時にはセンサ部44からの情報が入
力され、出力数分の階調を持つグレイスケールパターン
を使用してその各階調に対する感光体ドラム20の表面
電位を測定することにより感光体ドラム20の露光量と
画像部電位との関係を示す潜像γ特性を得てこの時の画
像部電位を学習データとする。また、潜像γ特性判定用
ニューラルネットは判定時にはセンサ部44からの情報
により潜像γ特性を判定して潜像γ特性情報を出力し、
露光量決定部はその潜像γ特性判定用ニューラルネット
からの潜像γ特性情報より最適な露光量を決定する。Further, the neural network 50 for determining the development potential inputs information from the sensor unit 44 to the input layer during the execution of the control, and determines the optimum development potential under the environmental conditions where the information input to the input layer can be obtained. Is output to the developing bias calculator 51. The exposure section potential estimation section 53 is composed of a latent image γ characteristic determination neural network and an exposure amount determination section. The information from the sensor unit 44 is input to the latent image γ characteristic determination neural network during learning, and the surface potential of the photosensitive drum 20 for each gradation is measured using a gray scale pattern having gradations corresponding to the number of outputs. As a result, a latent image γ characteristic indicating the relationship between the exposure amount of the photosensitive drum 20 and the image portion potential is obtained, and the image portion potential at this time is used as learning data. In addition, the latent image γ characteristic determining neural network determines the latent image γ characteristic based on information from the sensor unit 44 at the time of determination and outputs latent image γ characteristic information.
The exposure determining unit determines an optimal exposure based on the latent image γ characteristic information from the latent image γ characteristic determining neural network.
【0047】また、現像バイアス計算部51は現像ポテ
ンシャル決定用ニューラルネットワーク50からの現像
ポテンシャルと露光部電位推定部53からの露光部電位
とを加算することにより最適な現像バイアス電圧を算出
して現像バイアス制御部35へ出力する。The developing bias calculating section 51 calculates an optimum developing bias voltage by adding the developing potential from the developing potential determining neural network 50 and the exposed section potential from the exposed section potential estimating section 53 to develop. Output to the bias control unit 35.
【0048】図11は本発明を応用した電子写真装置の
他の例の前提となる電子写真装置の例(以下第5の例と
いう)の一部を示す。上述の例では、現像バイアス電圧
が図2に示すように感光体ドラム20の帯電電位との差
(地汚れ余裕度)に影響する。この差が所定の範囲内に
制御されていないと、地汚れや現像剤付着の原因とな
る。この問題を解決するために、第5の例では、感光体
ドラム20の帯電電位制御について考慮している。即
ち、第5の例では、第1の例において、帯電操作値決定
部30の代りに帯電グリッド操作値決定部54を設けて
いる。この帯電グリッド操作値決定部54は制御前の帯
電グリッド操作値とセンサ部44の出力情報とを用いて
感光体ドラム20の目標の帯電電位を得るための帯電グ
リッド操作値を決定して帯電グリッド制御部へ出力す
る。その際に、帯電グリッド操作値決定部54は図2に
示すような地汚れ余裕度を保証するために(地汚れ余裕
度)=(帯電電位VD)−(現像バイアス電圧VB)と
いう関係を使用し、(現像バイアス電圧VB)に(地汚
れ余裕度)を加えた電位を目標の帯電電位として帯電グ
リッド操作値を決定する。FIG. 11 shows an electrophotographic apparatus to which the present invention is applied.
An example of an electrophotographic apparatus as a premise of another example (hereinafter referred to as a fifth example)
Part ) . In the above-described example, the developing bias voltage affects the difference from the charged potential of the photoconductor drum 20 (the background contamination margin) as shown in FIG. If this difference is not controlled within a predetermined range, it causes background contamination and developer adhesion. In order to solve this problem, in the fifth example, charging potential control of the photosensitive drum 20 is considered. That is, in the fifth example, a charging grid operation value determination unit 54 is provided instead of the charging operation value determination unit 30 in the first example. The charging grid operation value determination unit 54 determines a charging grid operation value for obtaining a target charging potential of the photosensitive drum 20 by using the charging grid operation value before control and the output information of the sensor unit 44, and Output to the control unit. At this time, the charging grid operation value determination unit 54 uses the relationship of (background contamination margin) = (charging potential VD)-(development bias voltage VB) to guarantee the background contamination margin as shown in FIG. Then, a charging grid operation value is determined by using a potential obtained by adding (development bias voltage VB) to (the background contamination margin) as a target charging potential.
【0049】図12は本発明を応用した電子写真装置の
他の例(以下第6の例という)の一部を示す。この第6
の例は、上記第2の例と第5の例とを組合せたものであ
り、第2の例において、上記帯電操作値決定部30の代
りに帯電グリッド操作値決定部54を設けている。ここ
に、第2の例と同様に、現像ポテンシャル決定用ニュー
ラルネットワーク45は学習時にはあらゆる環境条件の
下で現像バイアス決定部34内にて現像バイアス操作値
を変えながら、出力画像濃度に影響を与えるパラメータ
として、センサ部44における表面電位計31からの帯
電電位値及び露光部電位値,ドラム電流計42からの感
光体ドラム通過電荷量値,ドラム回転数カウンタ38か
らの感光体ドラム摩耗量値,露光時間カウンタ43から
の露光疲労量値,コピーカウンタ36からの連続使用度
値,温度センサ39からの温度値,湿度センサ40から
の湿度値,画像濃度センサ37からの画像濃度値,トナ
ー濃度計33からのトナー濃度値が入力層45aに入力
されて修得され、濃度測定手段により出力画像濃度を測
定して各環境において最適な出力画像濃度が得られたと
きの現像ポテンシャル、即ち、(現像バイアス電圧)−
(露光部電位)を教師値として出力層に与えて学習させ
る。 また、現像ポテンシャル決定用ニューラルネットワ
ーク45は制御実行時には上記センサ部44からの情報
が入力層に入力され、入力層に入力される情報が得られ
る環境条件において最適な現像ポテンシャルが出力層か
ら現像バイアス計算部46へ出力される。現像バイアス
計算部46は現像ポテンシャル決定用ニューラルネット
ワーク45からの現像ポテンシャルと表面電位計32か
らの露光部電位とを加算することにより最適な現像バイ
アス電圧を算出して現像バイアス制御部35へ出力す
る。 さらに、第5の例と同様に、帯電グリッド操作値決
定部54は制御前の帯電グリッド操作値とセンサ部44
の出力情報と現像バイアス計算部46からの現像バイア
ス操作値とを用いて感光体ドラム20の目標の帯電電位
を得るための帯電グリッド操作値を決定して帯電グリッ
ド制御部へ出力する。この第6の例では、露光部電位,
現像ポテンシャル及び帯電電位の3つのパラメータを図
2に示した理想的な関係に維持することができる。FIG. 12 shows a part of another example (hereinafter referred to as a sixth example) of an electrophotographic apparatus to which the present invention is applied. This sixth
Is a combination of the second and fifth examples. In the second example, a charging grid operation value determination unit 54 is provided instead of the charging operation value determination unit 30. here
Next, as in the second example, a developing potential determination new
At the time of learning, the Ral network 45
The operation value of the developing bias is determined in the developing bias determining unit 34 below.
That affect output image density while changing
As a band from the surface electrometer 31 in the sensor unit 44
The electric potential value and the exposure portion electric potential value, and the sensitivity from the drum ammeter 42
Drum charge amount value, drum rotation counter 38
From the photoreceptor drum wear amount value and the exposure time counter 43
Fatigue amount of the camera, continuous usage from the copy counter 36
Value, temperature value from temperature sensor 39, from humidity sensor 40
Humidity value, image density value from the image density sensor 37, toner
-The toner density value from the densitometer 33 is input to the input layer 45a.
The output image density is measured by density measuring means.
The optimum output image density was obtained in each environment.
Development potential, that is, (development bias voltage) −
(Exposure section potential) as a teacher value to the output layer for learning
You. Neural network for determining development potential
When the control is executed, the mark 45 receives information from the sensor unit 44.
Is input to the input layer, and the information input to the input layer is obtained.
The optimal development potential in the output layer under different environmental conditions?
Is output to the developing bias calculator 46. Development bias
The calculation unit 46 is a neural network for determining a development potential.
Development potential from work 45 and surface potentiometer 32?
The optimum development bias is obtained by adding the
Calculate the bias voltage and output it to the developing bias control unit 35
You. Further, as in the fifth example, the operation value of the charging grid is determined.
The setting unit 54 controls the charging grid operation value before control and the sensor unit 44.
Output information and the development via from the development bias calculator 46.
Charge potential of the photosensitive drum 20 by using the
Determine the operation value of the charged grid to obtain
Output to the controller. In the sixth example, the exposure portion potential,
The three parameters of the development potential and the charging potential can be maintained in the ideal relationship shown in FIG.
【0050】図13は本発明を応用した電子写真装置の
他の例(以下第7の例という)の一部を示す。この第7
の例は、第4の例と第6の例とを組合せたものであり、
第4の例において、帯電グリッド操作値決定部55を設
けている。この帯電グリッド操作値決定部55は制御前
の帯電グリッド操作値とセンサ部44の出力情報と図1
3に示すような現像バイアス計算部51からの現像バイ
アス操作値とを用いて感光体ドラム20の目標の帯電電
位を得るための帯電グリッド操作値を決定して帯電グリ
ッド制御部へ出力する。その際に、帯電グリッド操作部
決定部55は図2に示すような地汚れ余裕度を保証する
ために(地汚れ余裕度)=(帯電電位VD)−(現像バ
イアス電圧VB)という関係を使用し、(現像バイアス
電圧VB)に(地汚れ余裕度)を加えた電位を目標の帯
電電位として帯電グリッド操作値を決定する。ここに、
第4の例と同様に、現像ポテンシャル決定用ニューラル
ネットワーク50は、学習時には、あらゆる環境条件の
下で現像バイアス決定部34内にて現像バイアス操作値
を変えながら、出力画像濃度に影響を与えるパラメータ
として、センサ部44における表面電位計52からの帯
電電位値,ドラム電流計42からの感光体ドラム通過電
荷量値,ドラム回転数カウンタ38からの感光体ドラム
摩耗量値,露光時間カウンタ43からの露光疲労量値,
コピーカウンタ36からの連続使用度値,温度センサ3
9からの温度値,湿度センサ40からの湿度値,画像濃
度センサ37からの画像濃度値,トナー濃度計33から
のトナー濃度値が入力層に入力されて修得され、濃度測
定手段により出力画像濃度を測定して各環境において最
適な出力画像濃度が得られたときの現像ポテンシャル、
即ち、(現像バイアス電圧)−(露光部電位)を教師値
として出力層に与えて学習させる。 また、現像ポテンシ
ャル決定用ニューラルネットワーク50は、制御実行時
には上記センサ部44からの情報が入力層に入力され、
入力層に入力される情報が得られる環境条件において最
適な現像ポテンシャルが出力層から現像バイアス計算部
51へ出力される。露光部電位推定部53は潜像γ特性
判定用ニューラルネットと露光量決定部とで構成され
る。潜像γ特性判定用ニューラルネットは学習 時にはセ
ンサ部44からの情報が入力され、出力数分の階調を持
つグレイスケールパターンを使用してその各階調に対す
る感光体ドラム20の表面電位を測定することにより感
光体ドラム20の露光量と画像部電位との関係を示す潜
像γ特性を得てこの時の画像部電位を学習データとす
る。また、潜像γ特性判定用ニューラルネットは判定時
にはセンサ部44からの情報により潜像γ特性を判定し
て潜像γ特性情報を出力し、露光量決定部はその潜像γ
特性判定用ニューラルネットからの潜像γ特性情報より
最適な露光量を決定する。 また、現像バイアス計算部5
1は現像ポテンシャル決定用ニューラルネットワーク5
0からの現像ポテンシャルと露光部電位推定部53から
の露光部電位とを加算することにより最適な現像バイア
ス電圧を算出して現像バイアス制御部35へ出力する。
この第7の例では、露光部電位,現像ポテンシャル及び
帯電電位の3つのパラメータを図2に示した理想的な関
係に維持することができる上に、露光部電位を測定する
ために画像濃度検知用パターンを感光体ドラム20上に
形成する必要がなくなるという利点がある。FIG. 13 shows a part of another example (hereinafter referred to as a seventh example) of an electrophotographic apparatus to which the present invention is applied. This seventh
Is a combination of the fourth and sixth examples,
In the fourth example, a charging grid operation value determining unit 55 is provided. The charging grid operation value determining unit 55 calculates the charging grid operation value before the control, the output information of the sensor unit 44, and FIG.
The development bias from the development bias calculation unit 51 as shown in FIG.
It determines the charging grid operation value to obtain a charging potential of the goals of the photosensitive drum 20 to output to the charging grid controller by using the astigmatism operating value. At this time, the charging grid operation unit determination unit 55 uses the relationship of (background contamination margin) = (charging potential VD)-(development bias voltage VB) to guarantee the background contamination margin as shown in FIG. Then, a charging grid operation value is determined by using a potential obtained by adding (development bias voltage VB) to (the background contamination margin) as a target charging potential. here,
As in the fourth example, the neural network for determining the development potential
When learning, the network 50 is designed to meet all environmental conditions.
The operation value of the developing bias is determined in the developing bias determining unit 34 below.
That affect output image density while changing
As a band from the surface electrometer 52 in the sensor section 44
Electric potential value, electric charge passing through the photosensitive drum from the drum ammeter 42
Load value, photosensitive drum from drum rotation counter 38
Abrasion amount value, exposure fatigue amount value from exposure time counter 43,
Continuous usage value from copy counter 36, temperature sensor 3
9, the humidity value from the humidity sensor 40, the image density.
Image density value from the degree sensor 37, from the toner density meter 33
The toner density value of
The output image density is measured by the
Development potential when an appropriate output image density is obtained,
That is, (developing bias voltage)-(exposure portion potential) is a teacher value.
To the output layer for learning. Also, the development potential
The neural network 50 for determining the
, Information from the sensor unit 44 is input to the input layer,
Under the environmental conditions where the information input to the input layer can be obtained,
Appropriate development potential is calculated from output layer by development bias calculator
Output to 51. Exposure section potential estimation section 53 is a latent image γ
It consists of a neural network for judgment and an exposure amount determination unit.
You. Latent image γ characteristic determination for the neural net is sometimes learning cell
The information from the sensor unit 44 is input, and the
Each gray level using one grayscale pattern
Measuring the surface potential of the photosensitive drum 20
A latent value indicating the relationship between the exposure amount of the optical drum 20 and the image portion potential.
Image γ characteristics are obtained, and the image portion potential at this time is used as learning data.
You. The neural network for determining the latent image γ characteristic
The latent image γ characteristic is determined based on information from the sensor section 44.
And outputs the latent image γ characteristic information.
From latent image γ characteristic information from neural network for characteristic determination
Determine the optimal exposure. The developing bias calculator 5
1 is a neural network for determining development potential 5
From the developing potential from 0 and the exposure portion potential estimating portion 53
The optimum development via is obtained by adding the
The developing voltage is calculated and output to the developing bias controller 35.
In the seventh example, the three parameters of the exposure portion potential, the development potential, and the charging potential can be maintained in the ideal relationship shown in FIG. 2, and the image density detection is performed to measure the exposure portion potential. There is an advantage that it is not necessary to form a pattern for use on the photosensitive drum 20.
【0051】図14は本発明を応用した電子写真装置の
他の例(以下第8の例という)で用いる画像濃度推定用
ニューラルネットワークを示す。FIG. 14 shows an electrophotographic apparatus to which the present invention is applied.
15 shows a neural network for image density estimation used in another example (hereinafter, referred to as an eighth example) .
【0052】上述の例で使用したニューラルネットワー
クは、環境条件等から最適な現像バイアス操作値や現像
ポテンシャル操作値,推定画像濃度値を出力するもので
あるが、学習時には環境条件を変えながらその環境にお
ける最適な値を見つける必要がある。しかし、ニューラ
ルネットワークにおいて、環境条件を変えながらその環
境における最適な値を見つけるために試行錯誤を多数回
繰り返すと、環境が変化してしまい、環想的な値とは若
干異なる値を最適な値としてしまう可能性がある。この
問題を解決するために、第8の例では、上述のニューラ
ルネットワークとは異なる図14及び図15に示すよう
な画像濃度推定用ニューラルネットワーク56を使用し
ている。The neural network used in the above-described example outputs optimal developing bias operating values, developing potential operating values, and estimated image density values from environmental conditions and the like. It is necessary to find the optimal value for. However, in a neural network, when trial and error are repeated many times to find the optimal value in the environment while changing the environmental conditions, the environment changes, and a value that is slightly different from the ideal value changes to the optimal value. There is a possibility that it will be. In order to solve this problem, in the eighth example, a neural network 56 for estimating the image density as shown in FIGS. 14 and 15, which is different from the above-described neural network, is used.
【0053】この画像濃度推定用ニューラルネットワー
ク56は入力層56a,中間層56b及び出力層56c
を積層したものであり、上述のニューラルネットワーク
とは入力パラメータとして現像バイアス値を加えた点
と、出力パラメータが推定画像濃度値である点が異な
る。即ち、この画像濃度推定用ニューラルネットワーク
56は学習時には、現像バイアス操作値と環境条件との
組合せを変更しながら、画像濃度に影響を与えるパラメ
ータ(センサ部44の出力情報)と現像バイアス操作値
とを入力層56aに入力し、出力層56cには実際の画
像濃度値を教師値として与える。The neural network 56 for estimating the image density includes an input layer 56a, an intermediate layer 56b and an output layer 56c.
Are different from the above-described neural network in that a developing bias value is added as an input parameter and that the output parameter is an estimated image density value. That is, at the time of learning, the image density estimating neural network 56 changes the combination of the developing bias operation value and the environmental condition, and adjusts the parameters (output information of the sensor unit 44) affecting the image density and the developing bias operation value. Is input to the input layer 56a, and the actual image density value is given to the output layer 56c as a teacher value.
【0054】また、この画像濃度推定用ニューラルネッ
トワーク56は、制御実行時にはセンサ部44からの情
報、1枚前の複写動作時における現像バイアス操作値が
入力層56aに入力され、入力層56aに入力される情
報が得られる環境条件において最適な出力画像濃度の推
定値が出力層56cから出力される。In the image density estimating neural network 56, the information from the sensor unit 44 at the time of control execution and the developing bias operation value at the time of the previous copy operation are input to the input layer 56a and input to the input layer 56a. The output layer 56c outputs an optimum estimated value of the output image density under the environmental condition where the information to be obtained is obtained.
【0055】また、第8の例では、上記第1の例におい
て、図15に示すように現像バイアス操作値決定部を構
成する現像バイアス操作値変更部57が用いられる。こ
の現像バイアス操作値変更部57は画像濃度推定用ニュ
ーラルネットワーク56からの推定画像濃度値と最適な
画像濃度値とを比較し、(適正画像濃度値)>(推定画
像濃度値)ならば現像バイアス電圧値を上げて(適正画
像濃度値)<(推定画像濃度値)ならば現像バイアス電
圧値を下げるように現像バイアス操作値を変更する。こ
の場合、現像バイアス操作値変更部57は図3の説明で
述べたように、ある環境下での現像ポテンシャルと出力
画像濃度との関係に基づいて現像バイアス操作値を変更
し、その現像バイアス操作値を現像バイアス制御部35
へ出力する。In the eighth example, the developing bias operation value changing unit 57 constituting the developing bias operation value determining unit as shown in FIG. 15 is used in the first example. The developing bias operation value changing unit 57 compares the estimated image density value from the image density estimating neural network 56 with the optimum image density value. If (appropriate image density value)> (estimated image density value), the developing bias If the voltage value is increased (appropriate image density value) <(estimated image density value), the developing bias operation value is changed so as to decrease the developing bias voltage value. In this case, the developing bias operating value changing unit 57 changes the developing bias operating value based on the relationship between the developing potential and the output image density under a certain environment, as described with reference to FIG. Value to the developing bias controller 35
Output to
【0056】図16は本発明を応用した電子写真装置の
他の例(以下第9の例という)の一部を示す。この第9
の例は、上記第8の例と第3の例とを組合せたものであ
り、第8の例において、現像バイアス制御異常検出部4
9を設けている。FIG. 16 shows an electrophotographic apparatus to which the present invention is applied.
A part of another example (hereinafter, referred to as a ninth example) is shown. This ninth
Is a combination of the eighth example and the third example. In the eighth example, the developing bias control abnormality detection unit 4
9 are provided.
【0057】図17は本発明を応用した電子写真装置の
他の例(以下第10の例という)の一部を示す。この第
10の例は、上記第4の例と第8の例とを組合わせたも
のであり、第4の例において、現像ポテンシャル決定用
ニューラルネットワーク50及び現像バイアス計算部5
1の代りに、画像濃度推定用ニューラルネットワーク5
8及び現像バイアス操作値変更部57が用いられる。FIG. 17 shows an electrophotographic apparatus to which the present invention is applied.
A part of another example (hereinafter, referred to as a tenth example) is shown. The tenth example is a combination of the fourth example and the eighth example. In the fourth example, the neural network 50 for determining the developing potential and the developing bias calculating unit 5
Neural network 5 for image density estimation instead of 1
8 and a developing bias operation value changing unit 57 are used.
【0058】画像濃度推定用ニューラルネットワーク5
8は上記画像濃度推定用ニューラルネットワーク56と
同様に構成され、学習時には、現像バイアス操作値と環
境条件との組合せを変更しながら、画像濃度に影響を与
えるパラメータ(センサ部44の出力情報)と現像バイ
アス操作値とを入力層に入力し、出力層には実際の画像
濃度値を教師値として与える。Neural network 5 for estimating image density
8 is configured in the same manner as the image density estimating neural network 56. At the time of learning, a parameter (output information of the sensor unit 44) that affects the image density while changing the combination of the developing bias operation value and the environmental condition is changed. The developing bias operation value is input to the input layer, and the actual image density value is given to the output layer as a teacher value.
【0059】また、この画像濃度推定用ニューラルネッ
トワーク58は、制御実行時にはセンサ部44からの情
報、1枚前の複写動作時における現像バイアス操作値が
入力層に入力され、入力層に入力される情報が得られる
環境条件において最適な出力画像濃度の推定値が出力層
から現像バイアス操作値変更部57へ出力される。In the image density estimating neural network 58, the information from the sensor unit 44 at the time of execution of the control, and the developing bias operation value at the time of the previous copy operation are input to the input layer and input to the input layer. An estimated value of the optimum output image density is output from the output layer to the developing bias operation value changing unit 57 under the environmental conditions where information can be obtained.
【0060】図18は本発明を応用した電子写真装置の
他の例(以下第11の例という)の一部を示す。この第
11の例は、上記第6の例と第8の例とを組合せたもの
であり、第8の例において、帯電グリッド操作値決定部
54を設けている。この第11の例では、帯電グリッド
操作値決定部54で決定された露光部電位に対して適切
な地汚れ余裕度を保証することができる。FIG. 18 shows an electrophotographic apparatus to which the present invention is applied.
A part of another example (hereinafter, referred to as an eleventh example) is shown. The eleventh example is a combination of the sixth example and the eighth example. In the eighth example, a charging grid operation value determination unit 54 is provided. In the eleventh example, it is possible to guarantee an appropriate background contamination margin for the exposure unit potential determined by the charging grid operation value determination unit 54.
【0061】図19は本発明を応用した電子写真装置の
他の例(以下第12の例という)の一部を示す。この第
12の例は、上記第7の例と第8の例とを組合せたもの
であり、上記第7の例において、現像ポテンシャル決定
用ニューラルネットワーク(NN)50及び現像バイア
ス計算部51の代りに上記画像濃度推定用ニューラルネ
ットワーク58及び現像バイアス操作値変更部57を用
いている。FIG. 19 shows an electrophotographic apparatus to which the present invention is applied.
A part of another example (hereinafter, referred to as a twelfth example) is shown. The twelfth example is a combination of the seventh and eighth examples. In the seventh example, a neural network (NN) 50 for determining a developing potential and a developing bias The image density estimating neural network 58 and the developing bias operation value changing unit 57 are used.
【0062】[0062]
【発明の効果】以上のように請求項1記載の発明によれ
ば、現像バイアス操作値に応じて現像バイアスを現像バ
イアス制御部により制御する電子写真プロセス制御装置
において、出力画像の品質に影響を与える複数の情報を
修得するためのセンサ手段と、このセンサ手段から複数
の情報が入力されこれらの複数の情報が得られた各環境
において最適な現像ポテンシャル値を出力するニューラ
ルネットワークと、このニューラルネットワークからの
現像ポテンシャル値と露光部電位情報とを加算して現像
バイアス操作値を求めこの現像バイアス操作値を前記現
像バイアス制御部へ出力する現像バイアス計算部と、前
記センサ手段からの情報と制御前の帯電グリッド操作値
と前記現像バイアス計算部からの現像バイアス操作値と
が入力されて帯電グリッド操作値を決定する帯電グリッ
ド操作値決定部とを備えたので、多数の環境要因・劣化
要因が複雑にかかっても、実験的に修得した要因と最適
な値との関係を現像バイアス操作値決定用ニューラルネ
ットワークに学習させることができ、電子写真プロセス
のような制御モデルの同定が難しくても制御が可能とな
る。このため、適正な画像濃度を得ることができて安定
した画像品質が得られ、しかも、現代制御理論等に必要
とされる制御用モデルが不要になる。また、プロセス設
計開発時に行う実験量を軽減でき、複写機の開発期間、
開発コストを低減でき、高い現像バイアス電圧制御精度
が得られる。さらに、前記センサ手段からの情報と制御
前の帯電グリッド操作値と前記ニューラルネットワーク
からの現像ポテンシャル値とが入力されて帯電グリッド
操作値を決定する帯電グリッド操作値決定部を備えたの
で、露光部電位,現像ポテンシャル及び感光体の帯電電
位の関係を理想的な関係に維持することが可能になる。As described above, according to the first aspect of the present invention, in an electrophotographic process control apparatus in which a developing bias is controlled by a developing bias controller in accordance with a developing bias operation value, the quality of an output image is affected. Sensor means for acquiring a plurality of pieces of information to be given; a neural network which receives a plurality of pieces of information from the sensor means and outputs an optimum development potential value in each environment where the plurality of pieces of information are obtained; and a neural network. A developing bias operation value obtained by adding the developing potential value from the exposure unit and the exposure unit potential information, and a developing bias calculating unit for outputting the developing bias operation value to the developing bias control unit; charging grid operation value and the the developing bias operation value from the developing bias calculation unit input charge Equipped with a charging grid operation value determination unit that determines the lid operation value, so that even if many environmental factors and deterioration factors are involved, the relationship between the experimentally learned factors and the optimal value can be determined by the development bias operation value. The neural network for decision can be made to learn, and control is possible even if it is difficult to identify a control model such as an electrophotographic process. For this reason, an appropriate image density can be obtained, stable image quality can be obtained, and a control model required for modern control theory or the like is not required. Also, the amount of experiments performed during process design and development can be reduced,
The development cost can be reduced, and high developing bias voltage control accuracy can be obtained. Furthermore, the information processing apparatus further includes a charging grid operation value determining unit that receives the information from the sensor unit, the charging grid operation value before control, and the development potential value from the neural network to determine the charging grid operation value. The relationship between the potential, the development potential, and the charging potential of the photoconductor can be maintained in an ideal relationship.
【0063】請求項2記載の発明によれば、現像バイア
ス操作値に応じて現像バイアスを現像バイアス制御部に
より制御する電子写真プロセス制御装置において、出力
画像の品質に影響を与える複数の情報を修得するための
センサ手段と、このセンサ手段から複数の情報が入力さ
れこれらの複数の情報が得られた各環境において最適な
現像ポテンシャル値を出力するニューラルネットワーク
と、このニューラルネットワークからの現像ポテンシャ
ル値と露光部電位情報とを加算して現像バイアス操作値
を求めこの現像バイアス操作値を前記現像バイアス制御
部へ出力する現像バイアス計算部とを備えたので、多数
の環境要因・劣化要因が複雑にかかっても、実験的に修
得した要因と最適な値との関係を現像バイアス操作値決
定用ニューラルネットワークに学習させることができ、
電子写真プロセスのような制御モデルの同定が難しくて
も制御が可能となる。このため、適正な画像濃度を得る
ことができて安定した画像品質が得られ、しかも、現代
制御理論等に必要とされる制御用モデルが不要になる。
また、プロセス設計開発時に行う実験量を軽減でき、複
写機の開発期間、開発コストを低減でき、高い現像バイ
アス電圧制御精度が得られる。さらに、前記センサ手段
からの情報より露光部電位情報を推定して前記現像バイ
アス計算部へ出力する露光部電位推定部を備えたので、
請求項1記載の発明と同様な効果が得られるだけでな
く、露光部電位を測定するためのパターンの作成を行う
必要がなくなる。According to the second aspect of the present invention, in the electrophotographic process control device in which the developing bias is controlled by the developing bias controller in accordance with the developing bias operation value, a plurality of pieces of information affecting the quality of the output image can be acquired. And a neural network that outputs an optimal development potential value in each environment where a plurality of information is input from the sensor means and the plurality of information is obtained, and a development potential value from the neural network. A developing bias operating section for obtaining the developing bias operating value by adding the exposure section potential information to the developing bias operating section and outputting the developing bias operating value to the developing bias controlling section; However, the relationship between the factor learned experimentally and the optimal value is It is possible to learn to network,
Even if it is difficult to identify a control model such as an electrophotographic process, control is possible. For this reason, an appropriate image density can be obtained, stable image quality can be obtained, and a control model required for modern control theory or the like is not required.
Further, the amount of experiments performed during the process design and development can be reduced, the development period and development cost of the copying machine can be reduced, and high developing bias voltage control accuracy can be obtained. Furthermore, since the exposure unit potential estimating unit that estimates the exposure unit potential information from the information from the sensor unit and outputs the information to the developing bias calculation unit,
In addition to obtaining the same effect as the first aspect of the present invention, there is no need to create a pattern for measuring the exposed portion potential.
【0064】請求項3記載の発明によれば、請求項2記
載の電子写真プロセス制御装置において、前記センサ手
段からの情報と制御前の帯電グリッド操作値と前記現像
バイアス計算部からの現像バイアス操作値とが入力され
て帯電グリッド操作値を決定する帯電グリッド操作値決
定部を備えたので、多数の環境要因・劣化要因が複雑に
かかっても、実験的に修得した要因と最適な値との関係
を現像バイアス操作値決定用ニューラルネットワークに
学習させることができ、電子写真プロセスのような制御
モデルの同定が難しくても制御が可能となる。このた
め、適正な画像濃度を得ることができて安定した画像品
質が得られ、しかも、現代制御理論等に必要とされる制
御用モデルが不要になる。また、プロセス設計開発時に
行う実験量を軽減でき、複写機の開発期間、開発コスト
を低減でき、高い現像バイアス電圧制御精度が得られ
る。さらに、露光部電位,現像ポテンシャル及び感光体
の帯電電位の関係を理想的な関係に維持することが可能
になり、かつ、露光部電位を測定するためのパターンの
作成を行う必要がなくなる。According to a third aspect of the present invention, in the electrophotographic process control apparatus according to the second aspect, information from the sensor means, a charged grid operation value before control, and the development
Equipped with a charging grid operation value determination unit that determines the charging grid operation value by inputting the development bias operation value from the bias calculation unit , so that it can be experimentally learned even if many environmental factors and deterioration factors are involved. The relationship between the factor and the optimum value can be learned by the neural network for determining the operation value of the developing bias, and the control can be performed even if it is difficult to identify the control model such as the electrophotographic process. For this reason, an appropriate image density can be obtained, stable image quality can be obtained, and a control model required for modern control theory or the like is not required. Further, the amount of experiments performed during the process design and development can be reduced, the development period and development cost of the copying machine can be reduced, and high developing bias voltage control accuracy can be obtained. Furthermore, it is possible to maintain an ideal relationship between the exposed portion potential, the development potential, and the charged potential of the photosensitive member, and it is not necessary to create a pattern for measuring the exposed portion potential.
【0065】請求項4記載の発明によれば、現像バイア
ス操作値に応じて現像バイアスを現像バイアス制御部に
より制御する電子写真プロセス制御装置において、出力
画像の品質に影響を与える複数の情報を修得するための
センサ手段と、このセンサ手段から複数の情報が入力さ
れこれらの複数の情報が得られた各環境において最適な
現像ポテンシャル値と推定画像濃度値とを出力するニュ
ーラルネットワークと、このニューラルネットワークか
らの現像ポテンシャル値と露光部電位情報とを加算して
現像バイアス操作値を求めこの現像バイアス操作値を前
記現像バイアス制御部へ出力する現像バイアス計算部
と、前記ニューラルネットワークからの推定画像濃度値
が適正範囲外であることにより前記ニューラルネットワ
ークの入力データが異常であるとして検出する現像バイ
アス制御異常検出部とを備えたので、多数の環境要因・
劣化要因が複雑にかかっても、実験的に修得した要因と
最適な値との関係を現像バイアス操作値決定用ニューラ
ルネットワークに学習させることができ、電子写真プロ
セスのような制御モデルの同定が難しくても制御が可能
となる。このため、適正な画像濃度を得ることができて
安定した画像品質が得られ、しかも、現代制御理論等に
必要とされる制御用モデルが不要になる。また、プロセ
ス設計開発時に行う実験量を軽減でき、複写機の開発期
間、開発コストを低減でき、高い現像バイアス電圧制御
精度が得られる。さらに、異常環境等によりニューラル
ネットワークの入力データが異常になってもこれに対処
することが可能になる。According to the fourth aspect of the present invention, the developing via
The developing bias to the developing bias controller according to the operation value
Output in a more controlled electrophotographic process controller
To learn multiple pieces of information that affect the quality of images
Sensor means and a plurality of pieces of information input from the sensor means.
In each environment where these multiple pieces of information were obtained,
New output for developing potential value and estimated image density value
Neural network and this neural network
Of the developing potential value and the exposed portion potential information
Calculate the developing bias operating value and set this developing bias operating value to
Output to the developing bias controllerDevelopment bias calculator
And the estimated image density value from the neural network
Is out of the proper range, the neural network
Development input that detects abnormal input data
Since it is equipped with an assault control abnormality detection unit,
Even if the deterioration factor is complicated, it is possible to
New value for developing bias operation value determination
Network can be learned by an electronic photography professional
It is possible to control even if it is difficult to identify a control model like Seth
Becomes Therefore, an appropriate image density can be obtained.
Stable image quality is obtained, and in addition to modern control theory
The required control model is not required. In addition,
Can reduce the amount of experiments performed during the design and development of
High development bias voltage control
Accuracy is obtained. In addition, it is neural due to abnormal environment etc.
Dealing with abnormal network input data
It becomes possible to do.
【0066】請求項5記載の発明によれば、現像バイア
ス操作値に応じて現像バイアスを現像バイアス制御部に
より制御する電子写真プロセス制御装置において、出力
画像の品質に影響を与える複数の情報を修得するための
センサ手段と、このセンサ手段から複数の情報が入力さ
れこれらの複数の情報が得られた各環境において最適な
推定画像濃度値を出力するニューラルネットワークと、
適正画像濃度値と前記ニューラルネットワークからの推
定画像濃度値とから現像バイアス操作値を決定して前記
現像バイアス制御部へ出力する現像バイアス操作値決定
部とを備えたので、多数の環境要因・劣化要因が複雑に
かかっても、実験的に修得した要因と最適な値との関係
を現像バイアス操作値決定用ニューラルネットワークに
学習させることができ、電子写真プロセスのような制御
モデルの同定が難しくても制御が可能となる。このた
め、適正な画像濃度を得ることができて安定した画像品
質が得られ、しかも、現代制御理論等に必要とされる制
御用モデルが不要になる。また、プロセス設計開発時に
行う実験量を軽減でき、複写機の開発期間、開発コスト
を低減でき、高い現像バイアス電圧制御精度が得られ
る。さらに、ニューラルネットワークにより各環境条件
について試行錯誤を多数回繰り返さずに最適な現像バイ
アス操作値を得ることが可能になる。According to the fifth aspect of the present invention, in an electrophotographic process control device in which a developing bias is controlled by a developing bias controller in accordance with a developing bias operation value, a plurality of pieces of information that affect the quality of an output image can be acquired. And a plurality of pieces of information input from the sensor means to obtain the optimum information in each environment where the plurality of pieces of information are obtained.
A neural network that outputs an estimated image density value ,
The appropriate image density value and the estimation from the neural network
Since a developing bias operation value determination unit which determines and outputs a developing bias operation value to said developing bias control unit from the constant image density values, a number of environmental factors and degradation factor even under complicated, experimental The relationship between the learned factor and the optimum value can be learned by the neural network for determining the operation value of the developing bias, and the control can be performed even if it is difficult to identify the control model such as the electrophotographic process. For this reason, an appropriate image density can be obtained, stable image quality can be obtained, and a control model required for modern control theory or the like is not required. Further, the amount of experiments performed during the process design and development can be reduced, the development period and development cost of the copying machine can be reduced, and high developing bias voltage control accuracy can be obtained. Further, the neural network makes it possible to obtain an optimum developing bias operation value without repeating trial and error for each environmental condition many times.
【0067】請求項6記載の発明によれば、請求項5記
載の電子写真プロセス制御装置において、前記ニューラ
ルネットワークからの推定画像濃度値が適正範囲外であ
ることにより前記ニューラルネットワークの入力データ
が異常であるとして検出する現像バイアス制御異常検出
部を備えたので、請求項5記載の発明と同様な効果が得
られるだけでなく、異常環境等によりニューラルネット
ワークの入力データが異常になってもこれに対処するこ
とが可能になる。According to a sixth aspect of the present invention, in the electrophotographic process control device according to the fifth aspect, the input data of the neural network is abnormal because the estimated image density value from the neural network is out of an appropriate range. The development bias control abnormality detection unit for detecting that the input data of the neural network is not only provides the same effect as that of the invention described in claim 5, but also prevents the input data of the neural network from becoming abnormal due to an abnormal environment or the like. It is possible to deal with it.
【0068】請求項7記載の発明によれば、請求項5記
載の電子写真プロセス制御装置において、前記センサ手
段からの情報より露光部電位情報を推定して前記現像バ
イアス操作値決定部へ出力する露光部電位推定部を備え
たので、請求項5記載の発明と同様な効果が得られるだ
けでなく、露光部電位を測定するためのパターンの作成
を行う必要がなくなる。According to a seventh aspect of the present invention, in the electrophotographic process control device according to the fifth aspect, the exposure portion potential information is estimated from the information from the sensor means, and the developing device
Since the exposure section potential estimating section for outputting to the bias operation value determining section is provided, not only the same effect as the invention according to claim 5 can be obtained, but also it is necessary to create a pattern for measuring the exposure section potential. Disappears.
【0069】請求項8記載の発明によれば、請求項5記
載の電子写真プロセス制御装置において、前記センサ手
段からの情報と制御前の帯電グリッド操作値と前記現像
バイアス操作値決定部からの現像バイアス操作値とが入
力されて帯電グリッド操作値を決定する帯電グリッド操
作値決定部とを備えたので、請求項5記載の発明と同様
な効果が得られるだけでなく、地汚れや現像剤付着を防
止することができる。According to an eighth aspect of the present invention, in the electrophotographic process control apparatus according to the fifth aspect, information from the sensor means, a charged grid operation value before control, and the development
A charging grid operation value determining unit that receives the developing bias operation value from the bias operation value determining unit and determines the charging grid operation value is provided, so that the same effect as the invention of claim 5 can be obtained. In addition, it is possible to prevent background contamination and developer adhesion.
【0070】請求項9記載の発明によれば、請求項8記
載の電子写真プロセス制御装置において、前記センサ手
段からの情報より露光部電位情報を推定して前記現像バ
イアス操作値決定部へ出力する露光部電位推定部を備え
たので、請求項8記載の発明と同様な効果が得られるだ
けでなく、露光部電位に対する適切な現像ポテンシャル
と、帯電部電位に対する適切な地汚れ余裕度を保証する
ことができる。According to the ninth aspect of the present invention, in the electrophotographic process control apparatus according to the eighth aspect, the developing device is configured to estimate the exposure section potential information from the information from the sensor means.
Since the exposure section potential estimating section for outputting to the bias operation value determining section is provided, not only the same effect as the invention according to claim 8 is obtained, but also an appropriate development potential for the exposure section potential and an appropriate development potential for the charging section potential. It is possible to guarantee a sufficient degree of background soiling.
【0071】請求項10記載の発明によれば、請求項8
記載の電子写真プロセス制御装置において、前記センサ
手段からの情報より露光部電位情報を推定して前記現像
バイアス計算部へ出力する露光部電位推定部を備えたの
で、請求項8記載の発明と同様な効果が得られるだけで
なく、露光部電位を測定するためのパターンの作成を行
う必要がなくなる。According to the tenth aspect, the eighth aspect is provided.
9. The electrophotographic process control device according to claim 8, further comprising an exposure unit potential estimating unit that estimates exposure unit potential information from information from the sensor unit and outputs the information to the developing bias calculation unit. In addition to the above advantages, it is not necessary to create a pattern for measuring the potential of the exposed portion.
【0072】請求項11記載の発明によれば、請求項8
記載の電子写真プロセス制御装置において、前記センサ
手段からの情報と制御前の帯電グリッド操作値と前記ニ
ューラルネットワークからの現像バイアス操作値とが入
力されて帯電グリッド操作値を決定する帯電グリッド操
作値決定部とを備えたので、請求項8記載の発明と同様
な効果が得られるだけでなく、地汚れや現像剤付着を防
止することができる。According to the eleventh aspect, according to the eighth aspect,
In the electrophotographic process control device described above, the information from the sensor means, the charging grid operation value before control, and the developing bias operation value from the neural network are input to determine the charging grid operation value. With the arrangement, not only the same effects as those of the invention described in claim 8 can be obtained, but also background contamination and developer adhesion can be prevented.
【0073】請求項12記載の発明によれば、請求項1
1記載の電子写真プロセス制御装置において、前記セン
サ手段からの情報より露光部電位情報を推定して前記現
像バイアス決定部へ出力する露光部電位推定部を備えた
ので、請求項11記載の発明と同様な効果が得られるだ
けでなく、露光部電位に対する適切な現像ポテンシャル
と、帯電部電位に対する適切な地汚れ余裕度を保証する
ことができる。According to the twelfth aspect of the present invention, the first aspect is provided.
12. The electrophotographic process control device according to claim 1, further comprising an exposure unit potential estimation unit that estimates exposure unit potential information from information from the sensor unit and outputs the information to the developing bias determination unit. Not only the same effect can be obtained, but also an appropriate developing potential with respect to the exposed portion potential and an appropriate background contamination margin with respect to the charged portion potential can be guaranteed.
【図1】電子写真装置の第1の例の一部を示すブロック
図である。FIG. 1 is a block diagram illustrating a part of a first example of an electrophotographic apparatus .
【図2】同第1の例における感光体ドラム上の各部の電
位の関係を示す図である。FIG. 2 is a diagram showing a relationship between potentials of respective parts on a photosensitive drum in the first example.
【図3】同第1の例における画像濃度検知用パターンに
対する画像濃度センサの検知電位と実際の感光体ドラム
上の画像の濃度との関係、及び現像ポテンシャルと感光
体ドラム上の画像の濃度との関係を示す図である。FIG. 3 shows a relationship between a detection potential of an image density sensor for an image density detection pattern and an actual density of an image on a photosensitive drum, and a developing potential and a density of an image on a photosensitive drum in the first example. FIG.
【図4】同第1の例を示す概略図である。FIG. 4 is a schematic view showing the first example.
【図5】同第1の例における現像バイアス操作値決定用
ニューラルネットークを示す系統図である。FIG. 5 is a system diagram showing a developing bias operation value determining neural network in the first example.
【図6】電子写真装置の第2の例における現像ポテンシ
ャル決定用ニューラルネットワークを示す系統図であ
る。FIG. 6 is a system diagram showing a development potential determining neural network in a second example of the electrophotographic apparatus .
【図7】本発明を応用した電子写真装置の例における現
像ポテンシャル決定用ニューラルネットークを示す系統
図である。FIG. 7 is a system diagram showing a development potential determining neural network in an example of an electrophotographic apparatus to which the present invention is applied .
【図8】上記第2の例の一部を示すブロック図である。FIG. 8 is a block diagram showing a part of the second example.
【図9】図7に示す現像ポテンシャル決定用ニューラル
ネットークを用いた本発明を応用した電子写真装置の例
の一部を示すブロック図である。9 is a development potential determining neural shown in FIG . 7;
FIG. 3 is a block diagram illustrating a part of an example of an electrophotographic apparatus to which the present invention is applied using a network .
【図10】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 10 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図11】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 11 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図12】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 12 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図13】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 13 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図14】本発明を応用した電子写真装置の他の例で用
いる画像濃度推定用ニューラルネットワークを示す系統
図である。FIG. 14 is a system diagram showing an image density estimation neural network used in another example of the electrophotographic apparatus to which the present invention is applied.
【図15】同電子写真装置の一部を示すブロック図であ
る。FIG. 15 is a block diagram showing a part of the electrophotographic apparatus.
【図16】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 16 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図17】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 17 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図18】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 18 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
【図19】本発明を応用した電子写真装置の他の例の一
部を示すブロック図である。FIG. 19 is a block diagram showing a part of another example of the electrophotographic apparatus to which the present invention is applied.
41,45,47 現像ポテンシャル決定用ニュー
ラルネットワーク 44 センサ部 46,48,51 現像バイアス計算部 49 現像バイアス制御異常検出部 50 現像ポテンシャル決定用ニューラルネ
ットワーク 53 露光部電位推定部 54,55 帯電グリッド操作値決定部 56,58 画像濃度推定用ニューラルネットワー
ク 57 現像バイアス操作値変更部41, 45, 47 Neural network for determining the developing potential 44 Sensor unit 46, 48, 51 Developing bias calculating unit 49 Developing bias control abnormality detecting unit 50 Neural network for determining the developing potential 53 Exposure unit potential estimating unit 54, 55 Charge grid operation value Determination unit 56, 58 Neural network for image density estimation 57 Developing bias operation value changing unit
フロントページの続き (56)参考文献 特開 平2−311860(JP,A) 特開 昭63−30868(JP,A) 特開 平3−10269(JP,A) 特開 平1−263665(JP,A) 特開 平4−355773(JP,A) 特開 平3−219775(JP,A) 特開 平2−241271(JP,A) 特開 昭64−81972(JP,A) 特開 平3−87859(JP,A) (58)調査した分野(Int.Cl.7,DB名) G03G 15/00 303 G03G 21/00 370 - 540 G05B 13/02 Continuation of the front page (56) References JP-A-2-311860 (JP, A) JP-A-63-30868 (JP, A) JP-A-3-10269 (JP, A) JP-A-1-263665 (JP) JP-A-4-355773 (JP, A) JP-A-3-219775 (JP, A) JP-A-2-241271 (JP, A) JP-A-64-81972 (JP, A) 3-87859 (JP, A) (58) Fields investigated (Int. Cl. 7 , DB name) G03G 15/00 303 G03G 21/00 370-540 G05B 13/02
Claims (9)
を現像バイアス制御部により制御する電子写真プロセス
制御装置において、出力画像の品質に影響を与える複数
の情報を修得するためのセンサ手段と、このセンサ手段
から複数の情報が入力されこれらの複数の情報が得られ
た各環境において最適な現像ポテンシャル値を出力する
ニューラルネットワークと、このニューラルネットワー
クからの現像ポテンシャル値と露光部電位情報とを加算
して現像バイアス操作値を求めこの現像バイアス操作値
を前記現像バイアス制御部へ出力する現像バイアス計算
部と、前記センサ手段からの情報と制御前の帯電グリッ
ド操作値と前記現像バイアス計算部からの現像バイアス
操作値とが入力されて帯電グリッド操作値を決定する帯
電グリッド操作値決定部とを備えたことを特徴とする電
子写真プロセス制御装置。An electrophotographic process control device for controlling a developing bias by a developing bias controller in accordance with a developing bias operation value, wherein a sensor means for acquiring a plurality of pieces of information affecting the quality of an output image; A neural network that outputs an optimum development potential value in each environment where a plurality of pieces of information is input from the sensor means and these pieces of information are obtained, and adds the development potential value from the neural network and the exposure section potential information. A developing bias calculating section for obtaining a developing bias operating value by the developing bias calculating section, and outputting the developing bias operating value to the developing bias controlling section; information from the sensor means; a charging grid operating value before control; and developing from the developing bias calculating section. bias
Operation value and the electrophotographic process control device, wherein a and a charging grid operation value determination unit that determines the entered charged grid operating value.
を現像バイアス制御部により制御する電子写真プロセス
制御装置において、出力画像の品質に影響を与える複数
の情報を修得するためのセンサ手段と、このセンサ手段
から複数の情報が入力されこれらの複数の情報が得られ
た各環境において最適な現像ポテンシャル値を出力する
ニューラルネットワークと、このニューラルネットワー
クからの現像ポテンシャル値と露光部電位情報とを加算
して現像バイアス操作値を求めこの現像バイアス操作値
を前記現像バイアス制御部へ出力する現像バイアス計算
部と、前記センサ手段からの情報より露光部電位情報を
推定して前記現像バイアス計算部へ出力する露光部電位
推定部とを備えたことを特徴とする電子写真プロセス制
御装置。2. An electrophotographic process control device in which a developing bias is controlled by a developing bias controller in accordance with a developing bias operation value, wherein sensor means for acquiring a plurality of pieces of information affecting the quality of an output image, and A neural network that outputs an optimal development potential value in each environment where a plurality of information is input from the sensor means and these plurality of information are obtained, and adds the development potential value from the neural network and the exposure unit potential information. A developing bias operating value, and a developing bias calculating section for outputting the developing bias operating value to the developing bias control section; and estimating exposure section potential information from information from the sensor means and outputting the information to the developing bias calculating section. An electrophotographic process control device comprising: an exposure unit potential estimating unit.
において、前記センサ手段からの情報と制御前の帯電グ
リッド操作値と前記現像バイアス計算部からの現像バイ
アス操作値とが入力されて帯電グリッド操作値を決定す
る帯電グリッド操作値決定部を備えたことを特徴とする
電子写真プロセス制御装置。3. An electrophotographic process control apparatus according to claim 2, wherein information from said sensor means, a charging grid operation value before control, and a developing bias from said developing bias calculating section.
Ass operation value and the electrophotographic process control apparatus characterized by comprising a charging grid operation value determination unit that determines the entered charged grid operating value.
を現像バイアス制御部により制御する電子写真プロセス
制御装置において、出力画像の品質に影響を与える複数
の情報を修得するためのセンサ手段と、このセンサ手段
から複数の情報が入力されこれらの複数の情報が得られ
た各環境において最適な現像ポテンシャル値と推定画像
濃度値とを出力するニューラルネットワークと、このニ
ューラルネットワークからの現像ポテンシャル値と露光
部電位情報とを加算して現像バイアス操作値を求めこの
現像バイアス操作値を前記現像バイアス制御部へ出力す
る現像バイアス計算部と、前記ニューラルネットワーク
からの推定画像濃度値が適正範囲外であることにより前
記ニューラルネットワークの入力データが異常であると
して検出する現像バイアス制御異常検出部とを備えたこ
とを特徴とする電子写真プロセス制御装置。4. An electrophotographic process control device in which a developing bias is controlled by a developing bias controller in accordance with a developing bias operation value, wherein sensor means for acquiring a plurality of pieces of information which affect the quality of an output image. A neural network that outputs an optimum developing potential value and an estimated image density value in each environment where a plurality of information is input from the sensor means and the plurality of information is obtained; a developing potential value from the neural network and an exposure unit A developing bias calculating unit that obtains a developing bias operating value by adding the potential information to the developing bias control unit and outputs the developing bias operating value to the developing bias control unit; and that an estimated image density value from the neural network is out of an appropriate range. Development for detecting that the input data of the neural network is abnormal Electrophotographic process control apparatus characterized by comprising a bias control abnormality detection unit.
を現像バイアス制御部により制御する電子写真プロセス
制御装置において、出力画像の品質に影響を与える複数
の情報を修得するためのセンサ手段と、このセンサ手段
から複数の情報が入力されこれらの複数の情報が得られ
た各環境において最適な推定画像濃度値を出力するニュ
ーラルネットワークと、適正画像濃度値と前記ニューラ
ルネットワークからの推定画像濃度値とから現像バイア
ス操作値を決定して前記現像バイアス制御部へ出力する
現像バイアス操作値決定部とを備えたことを特徴とする
電子写真プロセス制御装置。5. An electrophotographic process control device in which a developing bias is controlled by a developing bias controller in accordance with a developing bias operation value, wherein sensor means for acquiring a plurality of pieces of information which affect the quality of an output image. said neural network having a plurality of information from the sensor means are input outputs an optimum estimation image density values in the plurality of respective environments in which information is obtained, a proper image density values neural
Electrophotographic process control device being characterized in that a developing bias operation value determination unit which determines and outputs a developing bias operation value to said developing bias control unit from the estimated image density value from Le networks.
において、前記ニューラルネットワークからの推定画像
濃度値が適正範囲外であることにより前記ニューラルネ
ットワークの入力データが異常であるとして検出する現
像バイアス制御異常検出部を備えたことを特徴とする電
子写真プロセス制御装置。6. An electrophotographic process control apparatus according to claim 5, wherein the development bias control detects that the input data of the neural network is abnormal because the estimated image density value from the neural network is out of an appropriate range. An electrophotographic process control device comprising an abnormality detection unit.
において、前記センサ手段からの情報より露光部電位情
報を推定して前記現像バイアス操作値決定部へ出力する
露光部電位推定部を備えたことを特徴とする電子写真プ
ロセス制御装置。7. An electrophotographic process control apparatus according to claim 5, further comprising an exposure section potential estimating section for estimating exposure section potential information from information from said sensor means and outputting the information to said developing bias operation value determining section . An electrophotographic process control device, characterized in that:
において、前記センサ手段からの情報と制御前の帯電グ
リッド操作値と前記現像バイアス操作値決定部からの現
像バイアス操作値とが入力されて帯電グリッド操作値を
決定する帯電グリッド操作値決定部とを備えたことを特
徴とする電子写真プロセス制御装置。8. An electrophotographic process control apparatus according to claim 5, wherein information from said sensor means, a charging grid operation value before control, and a current value from said developing bias operation value determining section are determined.
An electrophotographic process control device comprising: a charging grid operation value determining unit that receives an image bias operation value and determines a charging grid operation value.
において、前記センサ手段からの情報より露光部電位情
報を推定して前記現像バイアス操作値決定部へ出力する
露光部電位推定部を備えたことを特徴とする電子写真プ
ロセス制御装置。9. An electrophotographic process control apparatus according to claim 8, further comprising an exposure section potential estimating section for estimating exposure section potential information from information from said sensor means and outputting the information to said developing bias operation value determining section . An electrophotographic process control device, characterized in that:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00932392A JP3260793B2 (en) | 1992-01-22 | 1992-01-22 | Electrophotographic process control equipment |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP00932392A JP3260793B2 (en) | 1992-01-22 | 1992-01-22 | Electrophotographic process control equipment |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH05197270A JPH05197270A (en) | 1993-08-06 |
JP3260793B2 true JP3260793B2 (en) | 2002-02-25 |
Family
ID=11717269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP00932392A Expired - Fee Related JP3260793B2 (en) | 1992-01-22 | 1992-01-22 | Electrophotographic process control equipment |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3260793B2 (en) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7172587B2 (en) * | 2018-12-27 | 2022-11-16 | 京セラドキュメントソリューションズ株式会社 | image forming device |
JP7284061B2 (en) * | 2019-10-09 | 2023-05-30 | 株式会社ミマキエンジニアリング | Prediction method, prediction device, and printing system |
-
1992
- 1992-01-22 JP JP00932392A patent/JP3260793B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH05197270A (en) | 1993-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3026690B2 (en) | Potential estimation device | |
US5204718A (en) | Electrophotographic process control device which uses fuzzy logic to control the image density | |
JP3026630B2 (en) | Electrophotographic process control equipment | |
JP2008186013A (en) | Image forming apparatus | |
JP2007232880A (en) | Image forming apparatus and its image forming method | |
JP7167598B2 (en) | image forming device | |
JP3266297B2 (en) | Electrophotographic process control equipment | |
JP2003233225A (en) | Image forming apparatus and method for compensating development quantity | |
JP3260793B2 (en) | Electrophotographic process control equipment | |
JPH07160073A (en) | Process control device for electrophotography | |
JP4965103B2 (en) | Image forming apparatus | |
JPH07295312A (en) | Electrophotographic process controller | |
KR20040009617A (en) | Image forming apparatus comprising measurement device of surface voltage and Controling method of development voltage utilizing the same | |
JPH06161195A (en) | Electrophotographic recording device | |
JPH08286441A (en) | Electrophotographic process controller | |
JP2023121354A (en) | Image forming apparatus and method for controlling image forming apparatus | |
JP5151099B2 (en) | Image forming apparatus | |
JPH05107835A (en) | Image forming device | |
JP3200121B2 (en) | Electrophotographic process control equipment | |
JP2023085891A (en) | Image formation device | |
JP3699790B2 (en) | Electrophotographic process control device | |
JPH08110664A (en) | Electrophotographic process controller | |
JP2023003685A (en) | Image forming apparatus | |
JPH04367883A (en) | Image density controller | |
JP3162765B2 (en) | Electrophotographic process control equipment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071214 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081214 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081214 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091214 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101214 Year of fee payment: 9 |
|
LAPS | Cancellation because of no payment of annual fees |