JPH05171542A

JPH05171542A - 織機の制御装置

Info

Publication number: JPH05171542A
Application number: JP34090891A
Authority: JP
Inventors: Mitsuhiro Ara; 光弘荒; Hideichiro Imamura; 秀一郎今村
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 1991-12-24
Filing date: 1991-12-24
Publication date: 1993-07-09

Abstract

(57)【要約】【目的】織機の製織条件にあった最適な緯入れ条件に
初期設定する。【構成】織り幅、布組織、緯糸種類等の製織条件を表
すパラメータを数値化して入力し（Ｉ₁〜Ｉ₁₂）、ニュ
ーラルネットワークにより、予め定めた緯入れ制御の制
御対象毎に、各パラメータの入力値と重みとの積の総和
に基づいて、主ノズルの噴射圧力、補助ノズルの噴射圧
力等の制御量を算出する（Ｏ₁〜Ｏ_n）。そして、この
算出値に基づいて、緯入れ条件の初期設定を行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、織機の緯入れ等の制御
装置に関する。

【０００２】

【従来の技術】従来の織機の制御装置、特に流体噴射式
織機の緯入れ制御装置として、特開平３−２１６５３号
公報に示されるようなものがある。これは、熟練した作
業者による面倒な調整を行う必要をなくすことを目的と
して、製織条件（緯糸種類、織り幅、織機回転数等）の
入力データに基づいて記憶している複数の流体噴射パタ
ーン（緯入れ用ノズルの流体噴射量、流体速度等）から
適切な流体噴射パターンを設定し、この流体噴射パター
ンで運転した後の反緯入れ側への緯糸到達時期から前記
設定した流体噴射パターンを修正するようにしたもので
ある。

【０００３】

【発明が解決しようとする課題】しかしながら、この装
置にあっては、予め複数の流体噴射パターンを固定する
テーブルルックアップ方式であるので、緯入れを正確に
行うには膨大なパターンのデータの設定が必要となり、
そのデータ設定数にも限界がある。このため、記憶され
ているパターン以外には設定されず、緯入れが正確に行
われない恐れがある。

【０００４】そこで、設定後に反緯入れ側への緯糸到達
時期からパターンデータを修正するようにしているので
あるが、糸種等の条件によっては、最適な緯糸到達時期
が異なる場合があり、未だ熟練者が行うようなきめ細か
な緯入れ調整には至っていないのが実情である。また、
以上は緯入れ制御のみならず、織機の制御一般に言える
ことである。

【０００５】本発明は、このような実情に鑑み、いかな
る製織条件に対しても織機の制御対象の制御量を常に最
適に設定しうる織機の制御装置を提供することを目的と
する。

【０００６】

【課題を解決するための手段】このため、本発明は、図
１に示すように、織機の製織条件を表す複数のパラメー
タをそれぞれ数値化して入力する手段と、ニューラルネ
ットワークにより、予め定めた織機の制御対象毎に、各
パラメータの入力値と重みとの積の総和に基づいて、制
御量を算出する手段と、これらの各算出値に基づいて各
制御対象の制御量を設定する手段と、を含んで構成され
る織機の制御装置を提供する。

【０００７】

【作用】上記の装置においては、ニューラルネットワー
クを使用して、織機の製織条件を分類し、最適な制御量
との対応（法則）を学習することにより、現在の製織条
件から最適な制御量を算出して設定する。このように、
予め記憶してあるパターンから検索して設定するのでは
なく、算出による設定であるので、いかなる製織条件に
対しても、熟練者による調整と同等のきめ細かな設定が
行える。

【０００８】

【実施例】以下に、本発明の実施例、特に緯入れ制御に
適用した例を説明する。図２を参照し、主ノズル１は、
空気噴射により緯糸Ｙを緯入れするもので、圧力空気供
給源（図示せず）から、電空比例弁２、サージタンク３
及び電磁開閉弁４を介して、空気が供給される。従っ
て、主ノズル１の噴射圧力（主ノズル１へ供給する空気
の圧力）は電空比例弁２への電圧制御により制御可能で
あり、主ノズル１の噴射開始時期及び噴射終了時期は電
磁開閉弁４により制御される。

【０００９】緯糸Ｙは、給糸体（図示せず）から引出さ
れ、緯糸測長貯留装置５を経て、主ノズル１に導かれて
いる。緯糸測長貯留装置５は、モータ（図示せず）によ
り回転駆動される中空回転軸６の先端に相対回転自在に
支承して静止状態に保持したドラム７と、中空回転軸６
から斜め先方に突出しかつ連通する巻付け腕８と、ドラ
ム７の周面に設けた穴に対し突入・退出するソレノイド
駆動式の測長爪９とを有し、突入状態の測長爪９により
緯糸Ｙを係止しつつ、巻付け腕８の回転により緯糸Ｙを
ドラム７に巻付けて測長貯留する。そして、所定の爪抜
き時期（緯入れ開始時期）にて測長爪９を退出させ、主
ノズル１の空気噴射によりドラム７上の緯糸Ｙを引出さ
せて緯入れさせる。

【００１０】主ノズル１より射出された緯糸Ｙは、筬10
の筬羽に形成した凹部の列による緯糸案内通路（図示せ
ず）を飛走し、ここで所定の間隔で配置した補助ノズル
11によりリレー式に吹き送られて緯入れされる。補助ノ
ズル11は、数本（図では３本）ずつグループ化され、圧
力空気供給源に電空比例弁12を介して接続されたサージ
タンク13から、各電磁開閉弁14を介して、それぞれ空気
が供給される。従って、補助ノズル11の噴射圧力（補助
ノズル11へ供給する空気の圧力）は電空比例弁12への電
圧制御により制御可能であり、補助ノズル11の噴射開始
時期及び噴射終了時期はグループ毎に各電磁開閉弁14に
より制御される。

【００１１】マイクロコンピュータ内蔵の緯入れコント
ローラ15には、制御入力として、織機アングルセンサ1
6、緯糸解舒センサ17、緯糸到達センサ18などからそれ
ぞれ信号が入力されている。アングルセンサ16は、織機
主軸の回転角度（以下織機主軸角度という）に対応した
信号を出力する。

【００１２】緯糸解舒センサ17は、ドラム７の近傍にて
緯入れ時にドラム７回りを解舒される緯糸Ｙの通過を検
出するものである。尚、緯糸Ｙの通過による緯糸解舒信
号は、１巻解舒される毎に得られるので、１ピック分が
ｎ巻であるとすると、緯入れ終了までｎ回得られる。緯
糸到達センサ18は、緯糸案内通路の反緯入れ側にて緯入
れされた緯糸Ｙの到達を検出するものである。

【００１３】また、緯入れコントローラ15には、マン・
マシンインターフェース20が接続され、後述する緯入れ
条件の初期設定のため、織り幅、布組織、緯糸種類、緯
糸太さ、経糸張力などを人間が入力可能となっている。
ここにおいて、緯入れコントローラ15は、内蔵のマイク
ロコンピュータにより、後述する緯入れ条件の初期設定
に従って、主ノズル１の噴射圧力Ｐ_M、補助ノズル11の
噴射圧力Ｐ_Sを定め、電空比例弁２を介して主ノズル１
の噴射圧力を制御すると共に、電空比例弁12を介して補
助ノズル11の噴射圧力を制御する。

【００１４】また、主ノズル１の噴射開始時期Ｔ_MO及び
噴射終了時期Ｔ_MC、測長爪９の爪抜き時期Ｔ_CO、補助ノ
ズル11の各グループ毎の噴射開始時期Ｔ_SO（Ｔ_SO1，Ｔ
_SO2，・・・）及び噴射終了時期Ｔ_SC（Ｔ_SC1，
Ｔ_SC2，・・・）を定め、ソレノイドコントローラ21に
これら開閉時期データをセットする。ソレノイドコント
ローラ21は、織機アングルセンサ16の信号に基づいて織
機主軸角度を監視しつつ、電磁開閉弁４を介して主ノズ
ル１の噴射時期を制御し、また、ソレノイド駆動式の測
長爪９の作動を制御し、更に、電磁開閉弁14を介して補
助ノズル11の噴射時期を制御する。

【００１５】すなわち、織機主軸角度が噴射開始時期Ｔ
_MOになったときに、電磁開閉弁４をＯＮ（開）にして主
ノズル１の空気噴射を開始させる。次に爪抜き時期（緯
入れ開始時期）Ｔ_COになったときに、ソレノイドをＯＮ
にして測長爪９を抜き出し、これにより緯入れを開始さ
せる。緯入れ中は、緯糸Ｙの先端の飛走に伴って、その
位置にあるグループの補助ノズル11から空気噴射を行わ
せるべく、各グループ毎に、織機主軸角度が噴射開始時
期Ｔ_SOになったときに、電磁開閉弁14をＯＮ（開）にし
て補助ノズル11の空気噴射を開始させる。そして、噴射
終了時期Ｔ_SCになったときに、電磁開閉弁14をＯＦＦ
（閉）にして補助ノズル11の空気噴射を終了させる。

【００１６】次に噴射終了時期Ｔ_MCになったときに、電
磁開閉弁４をＯＦＦ（閉）にして主ノズル１の空気噴射
を終了させる。測長爪９の突入時期の制御は、緯糸解舒
センサ17からの緯糸解舒信号を監視して行い、緯糸解舒
センサ17からのｎ巻目の最終解舒信号が来たときに、ソ
レノイドをＯＦＦにして測長爪９を突入させる。これに
より、ｎ巻分緯入れされた時点で緯糸Ｙが測長爪９に係
止されて、緯入れが終了する。

【００１７】更に、緯入れコントローラ15は、緯糸到達
センサ18からの信号を監視し、所定の織機主軸角度範囲
において緯糸到達センサ18から緯糸到達信号が得られな
い場合に、緯入れ不良と判断して、織機停止回路（図示
せず）を介して織機を停止させる。尚、緯入れコントロ
ーラ15には、後述する緯入れ条件の初期設定に従って、
その初期設定値を表示するために、ＣＲＴディスプレイ
等の表示装置22が接続されている。

【００１８】次に、本発明に係る織機の制御装置、特に
緯入れ条件を初期設定する装置について説明する。これ
は、緯入れコントローラ15内のマイクロコンピュータに
より構成されるものであり、織機の稼働前に、織機の製
織条件を表す複数のパラメータをそれぞれ数値化して入
力し、ニューラルネットワークにより、予め定めた緯入
れ制御の制御対象毎に、各パラメータの入力値と重み
（結合係数）との積の総和に基づいて、制御量（初期設
定値）を算出して出力することにより、緯入れ条件の初
期設定を行うものである。

【００１９】ここで、制御対象としては、主ノズル１の
噴射圧力Ｐ_M、補助ノズル11の噴射圧力Ｐ_S、主ノズル
１の噴射開始時期Ｔ_MO、主ノズル１の噴射終了時期
Ｔ_MC、第１グループの補助ノズル11の噴射開始時期Ｔ
_SO1、第１グループの補助ノズル11の噴射終了時期Ｔ
_SC1、第２グループの補助ノズル11の噴射開始時期Ｔ
_SO2、第２グループの補助ノズル11の噴射終了時期Ｔ
_SC2、・・・・・・、測長爪９の爪抜き時期Ｔ_COのｎ個
を挙げ、各制御量（初期設定値）を算出するようにす
る。

【００２０】図３は、制御量算出ニューラルネットワー
クを示し、入力層、中間層、出力層の３層からなる階層
ネットワークを採用している。入力層の12個のユニット
（Ｉ₁〜Ｉ₁₂）には、織り幅Ｗ_C、織機回転数Ｒ_PM、布
組織・対称Ｐ_S1、布組織・非対称Ｐ_S2、緯糸種類Ｋ_Y1、
緯糸太さＳ_Y、経糸張力Ｔ_W、爪抜き時期Ｔ_CO、経糸退
避時期Ｔ_O、経糸侵入時期Ｔ_I、緯糸到達時期Ｔ_F1、緯
糸弛み量Ｌ_Wがそれぞれ数値化されて入力される。

【００２１】ここで、織り幅Ｗ_Cは、例えばミリメート
ルを単位として人間により入力する。織機回転数Ｒ
_PMは、人間により入力するが、織機アングルセンサ16か
らの信号に基づいて算出してもよい。布組織・対称Ｐ_S1
は、例えば対称のときＰ_S1＝１、非対称のときＰ_S1＝０
と、また、布組織・非対称Ｐ_S2は、例えば非対称のとき
Ｐ _S2＝１、対称のときＰ_S2＝０と、それぞれ人間により
入力する。緯糸種類Ｋ_Y1は、例えばスパン糸のときＫ_Y1
＝１、フィラメイト糸のときＫ_Y1＝０と、人間により入
力する。緯糸太さＳ_Yは、例えばデニールを単位として
人間により入力するが、給糸部のセンサを用いてもよ
い。経糸張力Ｔ_Wは、人間により入力するが、バックレ
ストローラ部のセンサを用いてもよい。爪抜き時期Ｔ_CO
は、設定値（基準値）を入力する。経糸退避時期Ｔ_O及
び経糸侵入時期Ｔ_Iは、筬に形成された緯糸案内通路が
経糸開口から退避する時期及び開口内に侵入する時期を
表し、両者より開口特性に依存する緯入れ可能期間を知
ることができるもので、人間により入力するが、緯糸案
内通路側に設けたセンサを用いてもよい。緯糸到達時期
Ｔ _F1は、人間により入力するが、緯糸到達センサ18から
の信号に基づいて検出してもよい。緯糸弛み量Ｌ_Wは、
人間により入力するが、緯糸解舒センサ17及び緯糸到達
センサ18からの信号に基づいて、緯糸解舒センサ17から
の最終解舒信号と緯糸到達センサ18からの到達信号との
時間差として、検出してもよい。

【００２２】従って、Ｉ₁＝Ｗ_C、Ｉ₂＝Ｒ_PM、Ｉ₃＝
Ｐ_S1、Ｉ₄＝Ｐ_S2、・・・・・・、Ｉ₁₂＝Ｌ_Wとなる。
尚、これらの値は過去の製織データに基づいて入手ある
いはセンサからの信号により入力されるが、仕掛織物仕
様書等の情報に基づき、パターン化されたデータの数値
をホストコンピュータからニューラルネットワークに転
送してもよい。また、これらの数値は算出される出力Ｏ
₁〜Ｏ_nの精度が多少悪くなることが許容されるなら、
一部を省略してもよい。

【００２３】中間層の15個のユニット（Ｈ₁〜Ｈ₁₅）に
は、各ユニットに対し、入力層の全てのユニットから信
号Ｉ₁〜Ｉ₁₂が入力される。中間層の各ユニットにおい
ては、各入力と重みとの積の総和を算出して、これにオ
フセットを加算し、この値からシグモイド関数を用いて
応答関数処理を行い、０〜１の範囲で出力値Ｈ₁〜Ｈ₁₅
を求める。

【００２４】ここで、Ｈ₁の動作例を示すと、各入力Ｉ
_iと重みＷ_1iとの積の総和を算出し、これにオフセット
θ₁を付して、Ｙ＝（ΣＷ_1i・Ｉ_i）＋θ₁を算出する
（ｉ＝１〜12）。次に、シグモイド関数を用いて応答関
数処理を行い、Ｈ₁＝ｆ（Ｙ）を求める。尚、シグモイ
ド関数は、出力が０〜１の範囲内で単調非減少の関数で
あり、実際の神経細胞の飽和的な反応の性質を反映させ
たものである。

【００２５】従って、Ｈ_j＝ｆ（（_iΣＷ_ji・Ｉ_i）＋
θ_j）となる（ｉ＝１〜12，ｊ＝１〜15）。出力層のｎ個のユニット（Ｏ₁〜Ｏ_n）には、各ユニッ
トに対し、中間層の全てのユニットから信号Ｈ₁〜Ｈ₁₅
が入力される。出力層の各ユニットにおいては、前記と
同様に、各入力と重みとの積の総和を算出して、これに
オフセットを加算し、この値からシグモイド関数を用い
て応答関数処理を行い、０〜１の範囲で出力値Ｏ₁〜Ｏ
_nを求める。

【００２６】ここで、Ｏ_nの動作例を示すと、各入力Ｈ
_jと重みＶ_njとの積の総和を算出し、これにオフセット
γ_nを付して、Ｚ＝（ΣＶ_6j・Ｈ_j）＋γ_nを算出する
（ｊ＝１〜15）。次に、シグモイド関数を用いて応答関
数処理を行い、Ｏ_n＝ｆ（Ｚ）を求める。従って、Ｏ_k
＝ｆ（（_jΣＷ_kj・Ｈ_j）＋γ_k）となる（ｊ＝１〜1
5，ｋ＝１〜ｎ）。

【００２７】ここで、Ｏ₁〜Ｏ_nは、緯入れ制御の制御
対象別にそれぞれの制御量（初期設定値）を０〜１の範
囲で表したものである。Ｏ₁は主ノズル１の噴射圧力Ｐ
_M、Ｏ₂は補助ノズル11の噴射圧力Ｐ_S、Ｏ₃は主ノズ
ル１の噴射開始時期Ｔ_MO、Ｏ₄は主ノズル１の噴射終了
時期Ｔ_MC、Ｏ₅は第１グループの補助ノズル11の噴射開
始時期Ｔ_SO1、Ｏ₆は第１グループの補助ノズル11の噴
射終了時期Ｔ_SC1、・・・・・・、Ｏ_nは測長爪９の爪
抜き時期Ｔ_COである。

【００２８】但し、Ｏ₁〜Ｏ_nは０〜１の範囲であるの
で、制御対象別の換算テーブル（制御量の最小値を０、
最大値を１に対応させた換算テーブル）より、Ｏ₁〜Ｏ
_nから実際の制御量（初期設定値）をそれぞれ算出し
て、出力する。そして、これらにより、主ノズル１の噴
射圧力Ｐ_M、補助ノズル11の噴射圧力Ｐ_S、主ノズル１
の噴射開始時期Ｔ_MO、主ノズル１の噴射終了時期Ｔ_MC、
第１グループの補助ノズル11の噴射開始時期Ｔ_SO1、第
１グループの補助ノズル11の噴射終了時期Ｔ_SC1、・・
・・・・、測長爪９の爪抜き時期Ｔ_COの初期設定を行
う。

【００２９】以上により、後述する学習により前記の重
み及びオフセットを最適化することを前提として、織機
の稼働前に、製織条件にあった最適な緯入れ条件に自動
的に初期設定することができる。次に、学習方法につい
て説明する。すなわち、少なくともあるいくつかの製織
条件においてそれぞれ最適な緯入れ条件が過去の経験に
よりわかっているので、わかっている製織条件に対応す
る入力Ｉ₁〜Ｉ₁₂を与え、この入力条件において、出力
Ｏ₁〜Ｏ_nに対し、最適な緯入れ条件に相当する教師信
号Ｔ₁〜Ｔ_nを与え、出力Ｏ₁〜Ｏ_nが教師信号Ｔ₁〜
Ｔ_nに一致するように、重み及びオフセットを学習する
ものである。

【００３０】この学習手順を図４のフローチャートに沿
って説明する。本例は、最急降下法を用いたバックプロ
パゲーション学習である。ステップ１（図にはＳ１と記
してある。以下同様）では、重み（以下結合係数とい
う）Ｖ_kj，Ｗ_ji及びオフセットγ_k，θ_jを初期化す
る。これは乱数によって与えればよい。

【００３１】ステップ２では、学習パターンＩ_i（Ｉ₁
〜Ｉ₁₂）のセットを行う。すなわち、過去に製織条件に
対し最適な緯入れ条件がわかっているいくつかのパター
ンのうちの１つになるよう、過去の製織条件に対応する
Ｉ_iをセットする。ステップ３では、Ｈ_jユニットの出
力計算を下式に従って行う。Ｈ_j＝ｆ（（_iΣＷ_ji・Ｉ_i）＋θ_j）ステップ４では、Ｏ_kユニットの出力計算を下式に従っ
て行う。

【００３２】Ｏ_k＝ｆ（（_jΣＶ_kj・Ｈ_j）＋γ_k）ステップ５では、Ｏ_kユニットの誤差δ_kの計算を下式
に従って行う。ここで、Ｔ_kはセットされた学習パター
ンに対応する最適な緯入れ条件の教師信号である。 δ_k＝（Ｔ_k−Ｏ_k）・Ｏ_k・（１−Ｏ_k）ステップ６では、Ｈ_jユニットの誤差σ_jの計算を下式
に従って行う。

【００３３】 σ_j＝_kΣδ_k・Ｖ_kj・Ｈ_j・（１−Ｈ_j）ステップ７では、Ｈ_jユニットとＯ_kユニットの結合係
数Ｖ_kjの修正を下式に従って行う。Ｖ_kj＝Ｖ_kj＋α・δ_k・Ｈ_j （但し、αは定数）ステップ８では、Ｏ_kユニットのオフセットγ_kの修正
を下式に従って行う。

【００３４】 γ_k＝γ_k＋β・δ_k （但し、βは定数）ステップ９では、Ｉ_iユニットとＨ_jユニットの結合係
数Ｗ_jiの修正を下式に従って行う。Ｗ_ji＝Ｗ_ji＋α・σ_j・Ｉ_i （但し、αは定数）ステップ10では、Ｈ_jユニットのオフセットθ_jの修正
を下式に従って行う。

【００３５】 θ_j＝θ_j＋β・σ_j （但し、βは定数）ステップ11では、学習パターンＩ_i（Ｉ₁〜Ｉ₁₂）の更
新を行う。ステップ12では、全ての学習パターン（すな
わち、過去に製織条件に対し最適な緯入れ条件がわかっ
ているパターンの全て）が終了したか否かを判定し、Ｎ
Ｏの場合はステップ２へ戻り、ＹＥＳの場合はステップ
13へ進む。

【００３６】ステップ13では、学習繰り返し回数の更新
（カウントアップ）を行う。ステップ14では、繰り返し
回数≧制限回数か否かを判定し、ＮＯの場合はステップ
２へ戻り、ＹＥＳの場合は学習を終了する。このバック
プロパゲーション学習方法（特に結合係数の修正方法）
について更に詳細に説明する。

【００３７】これは、３層以上のニューラルネットワー
クで、出力層の出力と教師信号との差の２乗（これを２
乗誤差という）を最小にするよう、結合係数を修正する
学習方法である。出力層ユニットｋ（ｋ番目のユニッ
ト）の出力Ｏ_kは、下記の（１）式になる。

【００３８】Ｏ_k＝ｆ（_jΣＶ_kj・Ｈ_j＋γ_k） …（１）関数ｆとしては、出力が０〜１の範囲内で単調非減少の
シグモイド関数を用いる。この関数は、下記のように、
その微分が元のシグモイド関数で表現できるという特徴
を持っている。ｆ(x) ＝１／〔１＋exp(-2x/u₀) 〕＝〔１＋tanh(x/u₀)〕／２ …（２） f'(x) ＝２・ｆ(x) ・〔１−ｆ(x) 〕／u₀ …（３）出力層における教師信号との誤差をδ^k（＝Ｔ_k−
Ｏ_k）とおき、その２乗誤差Ｅ_pを最小化することにす
る。

【００３９】Ｅ_p＝Σ（Ｔ_k−Ｏ_k)²／２ …（４） ∂Ｅ_p／∂Ｏ_k＝−（Ｔ_k−Ｏ_k）＝−δ^k …（５）そこで、出力層ユニットｋの内部ポテンシャルをＳ
_k（＝（_jΣＶ_kj・Ｈ_j）＋γ_k）と書き直すと、その
出力は、Ｏ_k＝ｆ（Ｓ_k）となり、結合係数Ｖ_kjの微小
変化に対する出力Ｏ_kへの影響∂Ｏ_k／∂Ｖ_kjは、
（３）式により、 ∂Ｏ_k／∂Ｖ_kj＝（∂Ｏ_k／∂Ｓ_k）・（∂Ｓ_k／∂Ｖ_kj）＝f'（Ｓ_k）・Ｈ_j ＝η₁・Ｏ_k・（１−Ｏ_k）・Ｈ_j …（６）（但し、η₁は定数）となる。

【００４０】従って、結合係数Ｖ_kjの２乗誤差Ｅ_pへの
影響∂Ｅ_p／∂Ｖ_kjは、（５），（６）式により、 ∂Ｅ_p／∂Ｖ_kj＝（∂Ｅ_p／∂Ｏ_k）・（∂Ｏ_k／∂Ｖ_kj）＝−η₁・δ^k・Ｏ_k・（１−Ｏ_k）・Ｈ_j …（７）となる。

【００４１】２乗誤差Ｅ_pを減少させるための結合係数
Ｖ_kjの更新値ΔＶ_kjは、最急降下法を使って、下記の
（８）式から得られる。 ΔＶ_kj＝−α₂・（∂Ｅ_p／∂Ｖ_kj）＝α₂・η₁・δ^k・Ｏ_k・（１−Ｏ_k）・Ｈ_j ＝α・δ^k・Ｏ_k・（１−Ｏ_k）・Ｈ_j …（８）（但し、αは定数で、α＝α₂・η₁）尚、（８）式は、パターンＰを入力したときの誤差関数
が減少する負の方向に、結合係数を修正することを意味
している。

【００４２】また、出力層ユニットｋの誤差δ_kとし
て、 δ_k＝−∂Ｅ_p／∂Ｓ_k ＝−（∂Ｅ_p／∂Ｏ_k）・（∂Ｏ_k／∂Ｓ_k）＝δ^k・Ｏ_k・（１−Ｏ_k） …（９）を使うと、（８）式は、次のようになる。

【００４３】 ΔＶ_kj＝α・δ_k・Ｈ_j …（10）以上より、Ｏ_kユニットの誤差計算式（ステップ５）
は、 δ_k＝δ^k・Ｏ_k・（１−Ｏ_k）＝（Ｔ_k−Ｏ_k）・Ｏ_k・（１−Ｏ_k） …（11）Ｈ_jとＯ_kの結合係数の修正式（ステップ７）は、Ｖ_kj＝Ｖ_kj＋ΔＶ_kj ＝Ｖ_kj＋α・δ_k・Ｈ_j …（12）となる。

【００４４】同様にして、中間層Ｈ_jから入力層Ｉ_iへ
の結合係数Ｗ_jiの更新値ΔＷ_jiに対しても最急降下法を
使用できる。先ず、中間層ユニットｊの内部ポテンシャ
ルをＵ_j（＝（_iΣＷ_ji・Ｉ_i）＋θ_j）と書き直す
と、その出力は、Ｈ_j＝ｆ（Ｕ_j）となり、結合係数Ｗ
_jiの微小変化に対する２乗誤差Ｅ_pへの影響∂Ｅ_p／∂
Ｗ_jiは、 ∂Ｅ_p／∂Ｗ_ji＝（∂Ｅ_p／∂Ｓ_k）・（∂Ｓ_k／∂Ｈ_j）・（∂Ｈ_j／∂ Ｕ_j）・（∂Ｕ_j／∂Ｗ_ji）＝〔Σ（−δ_k）・Ｖ_kj〕・f'（Ｕ_j）・Ｉ_i ＝−Σδ_k・Ｖ_kj・Ｈ_j・（１−Ｈ_j）・Ｉ_i …（13）（９）式と同様に、中間層ユニットｊの誤差σ_jとし
て、 σ_j＝−∂Ｅ_p／∂Ｕ_j ＝_kΣδ_k・Ｖ_kj・Ｈ_j・（１−Ｈ_j） …（14）を使うと、（13）式は次のようになる。

【００４５】 ∂Ｅ_p／∂Ｗ_ji＝−σ_j・Ｉ_i …（15）従って、結合係数Ｗ_jiの更新値ΔＷ_jiは、（15）式よ
り、 ΔＷ_ji＝−η₃・∂Ｅ_p／∂Ｗ_ji ＝η₃・σ_j・Ｉ_i …（16）（但し、η₃は定数）と書ける。

【００４６】以上より、Ｈ_jユニットの誤差計算式（ス
テップ６）は、 σ_j＝_kΣδ_k・Ｖ_kj・Ｈ_j・（１−Ｈ_j） …（17）Ｉ_iとＨ_jの結合係数の修正式（ステップ９）は、Ｗ_ji＝Ｗ_ji＋ΔＷ_ji ＝Ｗ_ji＋α・σ_j・Ｉ_i …（18）（但し、αは定数で、α＝η₃）となる。

【００４７】尚、これまでの式では、１つの入出力の組
に対して誤差Ｅ_pを極小化するもので、いろいろな入出
力の組合わせ（Ｐで示す）には、Ｅ_t＝_pΣ_kΣ（Ｔ_pk−Ｏ_pk)²／２＝_pΣＥ_p …（19）の誤差関数を決める必要があり、各パターンＰの学習で
の誤差Ｅ_pを徐々に小さくし、全体として誤差関数Ｅ_t
を極小化する。

【００４８】尚、本ニューラルネットワークは、織機の
稼働中に適当な教師信号を与えることにより、稼働中に
緯入れ条件を補正するように使用することもできる。ま
た、緯入れ制御以外の織機の各種制御に適用することも
可能である。

【００４９】

【発明の効果】以上説明したように本発明によれば、ニ
ューラルネットワークを使用して、過去の経験に基づく
学習により法則を見出し、この法則に基づいて算出する
ことで、いかなる製織条件に対しても制御量を常に最適
に設定することができ、織機の最適運転が可能となる。

【図面の簡単な説明】

【図１】本発明の構成を示す機能ブロック図

【図２】本発明の一実施例を示す緯入れ制御装置のシ
ステム図

【図３】制御量算出ニューラルネットワークを示す図

【図４】学習手順を示すフローチャート

【符号の説明】

１主ノズル２電空比例弁４電磁開閉弁９測長爪 11 補助ノズル 12 電空比例弁 14 電磁開閉弁 15 緯入れコントローラ 16 織機アングルセンサ 17 緯糸解舒センサ 18 緯糸到達センサ 20 マン・マシンインターフェース 21 ソレノイドコントローラ 22 表示装置

Claims

【特許請求の範囲】

【請求項１】織機の製織条件を表す複数のパラメータを
それぞれ数値化して入力する手段と、ニューラルネット
ワークにより、予め定めた織機の制御対象毎に、各パラ
メータの入力値と重みとの積の総和に基づいて、制御量
を算出する手段と、これらの各算出値に基づいて各制御
対象の制御量を設定する手段と、を含んで構成される織
機の制御装置。