JPH05201564A

JPH05201564A - 紙送り装置

Info

Publication number: JPH05201564A
Application number: JP4011215A
Authority: JP
Inventors: Mitsuru Shingyouchi; 充新行内; Takeshi Takemoto; 武竹本; Tomoki Kato; 知己加藤; Shunichi Ando; 俊一安藤
Original assignee: Ricoh Co Ltd
Current assignee: Ricoh Co Ltd
Priority date: 1992-01-24
Filing date: 1992-01-24
Publication date: 1993-08-10

Abstract

(57)【要約】【目的】扱う用紙の多様化等に対応して確実な紙送り
を可能として、フリーオペレータによるフリーペーパー
化を図れること。【構成】紙送り機構の給紙機構１３を制御する制御系
２８をニューラルネットワーク２７を有するものとし、
紙送りの具体的な制御パラメータが判らなくても学習に
より適切な制御ができ、確実な紙送りを実現できるよう
に構成した。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば複写機、プリン
タ等の機器において、原稿や転写紙などの積載用紙を分
離給紙させる紙送り装置に関する。

【０００２】

【従来の技術】一般に、この種の紙送り装置では、積層
された用紙を一枚ずつ分離して給紙することが必要であ
り、その分離給紙方式として、例えば、コーナ爪方式、
摩擦分離方式、空気吸着分離方式等が知られている。

【０００３】コーナ爪方式は、用紙の撓みを利用した低
コストの分離方式であるが、紙質、特に用紙の厚さに大
きく依存して分離性能が悪くなり、不送りや重送が発生
しやく、時には、紙折れや破れなどが起きてしまう。ま
た、空気吸着分離方式は、空気を吸引して積層された用
紙を吸着し分離する方式であり、分離性能はよいもの
の、装置が大型となり、高コストで騒々しく、用紙交換
性が煩わしい等の欠点がある。

【０００４】これに対して、摩擦分離方式は、比較的分
離性能がよく、複写機、ファクシミリ等でも最も一般的
な分離方式として採用されている。摩擦分離方式中に
も、フリクションパッド方式、ＦＲ（フリクションロー
ラ）方式、ＦＲＲ（フィード＆リバースローラ）方式と
いった幾つかの方式がある。

【０００５】例えば、図１３はフリクションパッド方式
の例を示し、まず、給紙カセット１内で底板加圧ばね２
により上方に付勢された底板３上に用紙４が積載されて
いる。このような用紙４の最上位給紙部付近に送りロー
ラ５とフリクションパッド６による給紙機構７が設けら
れている。ここに、フリクションパッド６は支点８を中
心に回動自在なパッド取付台９に取付けられ、引っ張り
ばね１０による付勢力により送りローラ５に加圧接触す
るように構成されている。このような構成により、用紙
４間の摩擦力Ａと、送りローラ５と用紙４との間の摩擦
力Ｂと、フリクションパッド６と用紙４との間の摩擦力
Ｃを、Ｂ＞Ｃ＞Ａなる関係に設定し、これらの摩擦力の
差により分離して給紙する方式である。このような摩擦
分離方式では、一般的に、温度や湿度などの環境による
摩擦力の変化、紙粉などによる汚れ、ローラ等の摩擦係
数の経時変化などが問題となっている。

【０００６】

【発明が解決しようとする課題】ところで、現在の紙送
り装置では、複写機の転写紙給紙機構にみられるように
紙質の揃った場合を想定すると、比較的高い信頼性を有
するものといえる。しかし、ＯＡ機器の発展に伴い、様
々な業務がコンピュータで処理されるようになってきて
いる。例えば、プリンタ装置には高速・高品質の印字記
録の他、葉書、封筒、タック紙や構成枚数の多い運送伝
票など、様々な用紙への出力要求が高まってきている。
また、ファクシミリや複写機の原稿送りでは、原稿に使
われる紙質も多様であり、極端な例では、一枚毎に異な
る紙質の原稿用紙を扱わなければならないこともある。

【０００７】このような状況を考えると、確実な紙送り
は非常に難しく、不送りや重送が度々発生し、オペレー
タを煩わせるものとなる。つまり、複写印刷分野の現状
では、フリーオペレータによるフリーペーパー化と信頼
性向上の要望に十分には応えられないものである。

【０００８】また、このような紙送り装置の制御は、一
般に、用紙検知程度の簡単な検出機構しか持たず、殆ど
がシーケンス制御を行なうだけのものである。特に、紙
分離機構については一般に制御系を有しない構成とされ
ている。例えば、ＦＲＲ方式やＦＲ方式に関して、連れ
回り機構を設け、厚紙に対する阻止トルクを機械的に調
整するようにしたものはあるものの、その分離性能は初
期設定により決まってしまうものであり、上述したよう
な紙粉による汚れ、ローラの摩擦係数の経時劣化等によ
り能力が変わることは、分離性能にとっては致命的な打
撃となってしまう。

【０００９】ここに、制御系がない理由としては、もち
ろんコスト面もあるが、本質的には現状では有効な制御
手段がないことが考えられる。これは、厳密な制御モデ
ルが得られていないことや、紙送り装置では「送れたか
？」「ジャムしたか？」の２値的な結果しか出ないこと
等に起因する。よって、分離機構の評価は、何千枚も送
った時のジャム発生確率で行なうようにしているに過ぎ
ないものである。

【００１０】

【課題を解決するための手段】請求項１記載の発明で
は、少なくとも一部にニューラルネットワークを有して
紙送り機構を制御する制御系を設けた。

【００１１】請求項２記載の発明では、請求項１記載の
発明につき、多数枚積層された用紙から一枚ずつ分離し
て給紙する給紙機構を有する紙送り機構とし、用紙の送
り速度、用紙の張力、信号が与えられてから用紙が動作
するまでの遅れ時間の少なくとも一つを計測する評価特
性検出手段を設け、前記給紙機構に対して用紙の分離特
性調整機構を設けた。

【００１２】また、請求項３記載の発明では、請求項２
記載の発明に加えて、温度、湿度、用紙の厚さ、用紙の
摩擦係数、用紙の腰の強さの少なくとも一つを測定する
状態測定手段を設けた。

【００１３】請求項４記載の発明では、請求項３記載の
発明において、状態測定手段により測定された状態特性
と、評価特性検出手段により検出された評価特性とを入
力として、分離特性調整機構に対して管理特性を制御量
として出力するニューラルネットワークとし、請求項５
記載の発明では、請求項３記載の発明において、状態測
定手段により測定された状態特性と、用紙分離の成否を
表す２値信号とを入力として、分離特性調整機構に対し
て管理特性を制御量として出力するニューラルネットワ
ークとした。

【００１４】

【作用】一般に、ロボット、アクチュエータの制御分野
においては、ニューラルネットワークを用いたいわゆる
ニューラル制御が盛んに研究されて、成果を挙げてい
る。ニューラル制御は、非線形性が強かったり、モデル
が不明な制御対象に対しても入出力関係をニューラルネ
ットワークに学習させることにより制御が可能になると
いう特徴を持つ。よって、請求項１記載の発明によれ
ば、紙送り機構に対する制御系にニューラルネットワー
クを有して制御するようにしたので、紙送りの具体的な
制御パラメータが判らなくてもニューラルネットワーク
の学習により適切な制御が可能となり、使用する用紙の
変化、環境温度、湿度の変化などに対処し得る確実な紙
送りが可能となり、フリーオペレータによるフリーペー
パー化が可能となる。

【００１５】ここに、本出願人によれば、用紙の送り速
度、用紙の張力、或いは、信号が与えられてから用紙が
動作するまでの遅れ時間がジャムの発生確率と関係ある
ことが見出されたものであり、これらの要素の内の何れ
かを測定することにより分離機構を評価し、制御し得る
ものとなる。このような点に着目し、請求項２記載の発
明によれば、給紙機構が用紙分離に関する評価特性検出
手段と分離特性調整機構とを有するので、ニューラルネ
ットワークの修正学習が可能となり、紙送り機構の経時
変化に対しても確実な紙分離能力が確保されるものとな
る。

【００１６】また、請求項３記載の発明によれば、さら
に状態測定手段を有しているので、従来では困難であっ
た給紙機構の制御が可能となり、紙分離が確実なものと
なる。

【００１７】ここに、請求項４又は５記載の発明によれ
ば、ニューラルネットワークにおける状態特性、管理特
性及び評価特性又は紙分離の成否を表す２値信号との間
の入出力関係を明確にしているので、給紙機構に対する
ニューラル制御系がより具体的なものとなり、確実な紙
送り制御が実現される。特に、請求項５記載の発明によ
れば、評価特性に代えて、成否を表す２値信号により紙
分離を評価するようにしているので、評価特性検出手段
を備える必要がなく、構成をより簡略化し、低コスト化
を図れるものとなる。

【００１８】

【実施例】本発明の第一の実施例を図１ないし図３に基
づいて説明する。本実施例は、図２に示すように、送り
ローラ１１と阻止ローラ１２とのローラ対による摩擦分
離方式の給紙機構１３を備えたＦＲ方式の紙送り装置に
適用したものである。これらのローラ１１，１２は直径
２５ｍｍの大きさのものであり、図３に示すように組違
いローラのオーバラップ組合せ構造とされている。この
ような給紙機構１３は用紙台１４上に積載された用紙１
５中の最上位紙が呼出しローラ１６により呼出し給紙さ
れる個所に設けられている。１７はガイドマイラであ
る。また、阻止ローラ１２の軸にはこの送りローラ１１
に対する阻止ローラ１２のオーバラップ量を可変調整す
るためのアーム１８及びソレイド１９からなるオーバラ
ップ量調整機構２０が連結されている。また、阻止ロー
ラ１２の軸には別のレバー２１も連結され、引っ張りば
ね２２による圧力調整機構２３と連結されている。この
圧力調整機構２３は、例えば、図示例のように、引っ張
りばね２２の一端に係止したコロ２３ａとこのコロ２３
ａを変位させるカム２３ｂと前記コロ２３ａの変位する
方向（従って、引っ張りばね２２の伸びる方向）を規制
するガイド部材２３ｃとにより構成し、図示しないモー
タによりカム２３ｂを回転させて引っ張りばね２２の長
さを調整することによりその圧力を調整するものとすれ
ばよい。もちろん、他の機構による圧力調整機構であっ
てもよい。このレバー２１の動き量を規制するストッパ
２４も設けられ、阻止ローラ１２の連れ回り量を決定す
るように構成されている。なお、この阻止ローラ１２は
部分的な摩耗を防止するため、送り方向とは逆方向に少
しずつ回転する機構に連結されている。

【００１９】また、本実施例では、積載された用紙１５
の最上位等に位置して紙の張力を検出する張力検出セン
サ２５や、信号が与えられてから紙１５が動作するまで
の遅れ時間を検出するフォトセンサ２６が設けられてい
る。これらの張力検出センサ２５やフォトセンサ２６は
評価特性検出手段の一つとなる。

【００２０】ここに、確実な分離を行ない給紙するため
には、送りローラ１１の摩擦係数は高いほどよく、少な
くとも１．２以上は必要である。そのため、本実施例で
は送りローラ１１の材質としてμラバーが用いられてい
る。また、阻止ローラ１２の摩擦係数は用紙１５間の摩
擦係数よりも０．１〜０．２程度大きく設定し、最大で
も１．０を越えない範囲で設定するのが好ましい。仮
に、１．０を越えると送りローラ１１の送り力を阻止力
が越えてしまい、不送りになるからである。通常、用紙
１５間の摩擦係数は０．４〜０．７程度であり、分離に
必要な阻止ローラ１２の摩擦係数は０．８〜１．０とな
り、本実施例では対摩耗性を考慮してウレタン系のゴム
材料によるものを用いた。

【００２１】しかして、本実施例では、図１に示すよう
に、給紙機構１３を制御対象とするニューラルネットワ
ーク２７を備えた制御系２８が設けられている。図１
中、(ａ)はニューラルネットワーク２７の学習時、(ｂ)
は動作時の構成を示す。本実施例にあっては、制御対象
である給紙機構１３に入力される情報τは、管理特性と
しての阻止ローラ１２の圧力とオーバラップ量、この給
紙機構１３から取出される情報ｘは、紙送りの評価特性
としての用紙１５の張力と紙の動作遅れ時間である。ま
た、ニューラルネットワーク２７としては適宜構造のも
のでよいが、本実施例では、入力層、中間層及び出力層
が各々２ニューロン（神経細胞模倣素子）からなる３層
構造のものが用いられている。

【００２２】このような構成において、まず、図１(ａ)
に示すように管理特性τをスイープ、その時の紙送り機
構の評価特性ｘをニューラルネットワーク２７の入力と
して、このニューラルネットワーク２７の出力と管理特
性τとの誤差を演算器２９で算出し、バックプロパゲー
ション法により逆伝播させて学習を行ない、紙送り機構
の逆モデルを獲得する。

【００２３】具体的には、図面用紙、１３５ｋ上質紙、
中厚口普通紙及び６８ｋジアゾ用紙を各々通紙しなが
ら、阻止ローラ１２の圧力を５０〜５００ｇｆ、オーバ
ラップ量を０〜２．０ｍｍの範囲で変化させて行なうよ
うにした。ただし、不送りが生じた場合には評価特性ｘ
は本来の意味を持たなくなるので、ニューラルネットワ
ーク２７には代用値を入力させて学習させるようにし
た。本実施例では、用紙１５の張力を０ｇｆ、紙の動作
遅れ時間を１．０秒とした。

【００２４】動作時には、制御系２８は図１(ｂ)に示す
ような構成となる。ここで、ｘｄは最も安定して紙送り
を実行する評価特性ｘの値である。本実施例では、学習
時において不送り及び重送のなかった場合の評価特性ｘ
の平均値を用いた。この時のニューラルネットワーク２
７の出力（管理特性τ）はオーバラップ量が１．１８ｍ
ｍ、阻止ローラ１２の圧力が１９５ｇｆである。

【００２５】ここに、本実施例では、上述したようにニ
ューラルネットワーク２７を学習させて給紙動作を開始
させ、その後は、随時、即ち給紙を行なう毎に、駆動時
の管理特性τと評価関数ｘの測定値とを用いて修正学習
を行なうものとした。

【００２６】このような動作・制御をとる本実施例の効
果を確認するために上質紙を用いて給紙試験を行なった
ところ、従来の給紙方式（阻止ローラ１２の圧力を１９
５ｇｆ、オーバラップ量を１．１８ｍｍに固定した状態
での給紙方式）では給紙枚数が増えるに従いジャムの発
生する確率が高くなったが、本実施例方式による場合に
は給紙枚数にかかわらず良好なる分離給紙結果が得られ
たものである。

【００２７】つづいて、本発明の第二の実施例を図４に
より説明する。前記実施例で示した部分と同一部分は同
一符号を用いて示す。本実施例は、前記実施例の構成に
加え、状態測定手段として温度センサ、湿度センサ（何
れも図示せず）とともに、用紙１５の摩擦係数を検出す
る摩擦係数検出センサ３０を設けたものである。つま
り、管理特性τを阻止ローラ１２の圧力とオーバラップ
量とし、評価特性ｘを用紙１５の張力と用紙１５の動作
遅れ時間とし、状態特性ｙを温度、湿度及び用紙１５の
摩擦係数とするものである。

【００２８】本実施例では、評価特性ｘを評価基準とし
て、ある状態における最適な管理特性τを実験的に求
め、状態特性ｙと最適な管理特性τとのテーブルを作成
しておくものである。具体的には、温度５〜３０℃、湿
度２０〜８０％の範囲で環境を変えながら、図面用紙、
１３５ｋ上質紙、中厚口普通紙及び６８ｋジアゾ用紙を
各々通紙して、評価特性ｘ（紙の張力と紙の動作遅れ時
間）が最適値になる阻止ローラ１２の圧力とオーバラッ
プ量とを求めた。本実施例の場合、給紙機構１３が前記
実施例と同じであるので評価特性ｘの評価基準は前記実
施例のｘｄを用いるようにしているが、通常は、ジャム
の確率が十分に低い条件下での評価特性ｘを測定してお
けばよい。また、阻止ローラ１２の圧力は５０〜５００
ｇｆ、オーバラップ量は０〜２．０ｍｍの範囲において
最適値を検索するものとした。

【００２９】しかして、動作時には各センサ類により状
態特性ｙを測定し、上記のテーブルにより阻止ローラ１
２の圧力とオーバラップ量とを決定するものとした。例
えば、温度２０℃、湿度３０％の場合、阻止ローラ１２
の圧力は２００ｇｆ、オーバラップ量は１．２ｍｍとさ
れる。また、数値の補間は線形補間によるものとした。

【００３０】このような動作・制御をとる本実施例の効
果を確認するために、例えば温度５〜３０℃、湿度２０
〜８０％の範囲において給紙１００枚程度で随時に環境
を変化させるものとして、ランダムに積層した１３５ｋ
上質紙と図面用紙とを用いて給紙試験を行なったとこ
ろ、阻止ローラ１２の圧力を２００ｇｆ、オーバラップ
量を１．２ｍｍに固定した給紙試験に比して、ジャムの
発生が非常に少なかったものである。

【００３１】このように、本実施例の制御による場合、
テーブルを作成する煩わしさと補間の問題（本来は、非
線形性が強い）があるものの、状態特性をも考慮するこ
とはジャムの発生を抑えるのに有効である。さらに、テ
ーブル参照型の制御に代えて、ニューラル制御を導入す
れば、非線形性の強い制御対象に対しても滑らかな補間
が可能となり、より有効な制御系となる。

【００３２】さらに、本発明の第三の実施例を図５及び
図６により説明する。本実施例は、図５に示すように、
コーナ爪３１による給紙機構３２を備えた紙送り装置に
適用したものである。即ち、給紙ガイド３３をガイドと
して積層セットされた用紙３４はその最上位紙が呼出し
ローラ３５により搬送ローラ３６側に給紙される際にコ
ーナ爪３１の規制により一枚に分離するものである。こ
こに、コーナ爪３１に対してはこのコーナ爪３１のかぶ
さり量を調整する分離特性調整機構としてのかぶさり量
調整機構３７が設けられている。また、適所には用紙３
４の送り速度を検出する速度センサ３８や厚み検出セン
サ３９が設けられ、さらには、温度センサや湿度センサ
も設けられている。ここに、かぶさり量調整機構３７や
厚み検出センサ３９は給紙ガイド３３と一体で構成され
ており、使用する用紙３４のサイズにより給紙ガイド３
３が移動した場合には、これらも連動するように構成さ
れている。

【００３３】ここで、確実な分離を行ない給紙させるた
めには、呼出しローラ３５の圧力をなるべく小さくする
必要がある。このためには、ローラ３５の摩擦係数がで
きるだけ大きいほうがよい。そこで、本実施例では呼出
しローラ３５の材質をμラバー製とし、この呼出しロー
ラ３５の荷重８５ｇｆ分だけをその圧力とした。

【００３４】このような構成において、本実施例では、
図６に示すように、図５に示した紙送り機構４０を制御
対象とするニューラルネットワーク４１を備えた制御系
４２が設けられている。図６中、(ａ)はニューラルネッ
トワーク４１の学習時、(ｂ)は動作時の構成を示す。本
実施例にあっては、管理情報τはコーナ爪３１のかぶさ
り量、状態情報ｙは温度、湿度及び厚み検出センサ３９
により検出された用紙３４の厚さ、評価特性ｘは用紙３
４の送り速度とされている。また、ニューラルネットワ
ーク４１は入力層が４ニューロン、中間層が３ニューロ
ン、出力層が１ニューロンからなる３層構造のものが用
いられている。

【００３５】このような構成において、まず、図６(ａ)
に示すように管理特性τをスイープ、その時の紙送り機
構４０の評価特性ｘと状態特性ｙとを測定し、ニューラ
ルネットワーク４１に入力させる。そして、ニューラル
ネットワーク４１の出力と管理特性τとの誤差を演算器
４３により算出し、バックプロパゲーション法により逆
伝播させて学習を行ない、紙送り機構４０の逆モデルを
獲得する。

【００３６】具体的には、図面用紙、１３５ｋ上質紙、
中厚口上質紙及び６８ｋジアゾ用紙を各々通紙しなが
ら、管理特性τとしてのコーナ爪３１のかぶさり量を
１．０〜２０．０ｍｍの範囲で０．５ｍｍずつ変化させ
るものとした。学習が収束したら、つづいて、紙送り機
構４０の環境を変えて同様の学習を行ない、状態変化に
対する紙送り機構４０の変化をニューラルネットワーク
４１に覚え込ませるようにした。

【００３７】動作時には、図６(ｂ)に示すような構成と
なる。この場合、評価特性ｘｄは前述した実施例の場合
と同様、学習時において不送り及び重送のなかった場合
の評価特性ｘの平均値を用いるものとした。ちなみに、
ニューラルネットワークを用いたロボット制御などの分
野では、通常、状態特性の変化は外乱やパラメータ変動
としてなるべく影響しない系を考えるが、本実施例のよ
うな紙送り機構４０の場合は用紙３４の厚さなど、制御
できない要因（これを、本発明では「状態」と呼んでい
る）の影響が大き過ぎる。そこで、本実施例のニューラ
ルネット制御系では、状態測定用のセンサ（例えば、厚
み検出センサ３９）を設け、図６に示したような新規な
制御系４２としたものである。このような制御系４２
は、ある状態ｙから、その状態で安定した紙送りを実現
する管理特性τの写像という一面を持つものである。ま
た、本実施例では、上述したような学習によりニューラ
ルネットワーク４１を初期化してから給紙動作を開始さ
せ、給紙する毎に駆動時の状態特性ｙと管理特性τ及び
評価特性ｘの測定値を用いて修正学習を行なうものとし
た。

【００３８】このような動作・制御をとる本実施例の効
果を確認するために、例えばランダムに積層した１３５
ｋ上質紙と図面用紙とを用いて給紙試験を行なったとこ
ろ、コーナ爪３１のかぶさり量を固定した従来のコーナ
爪方式では適用できる用紙範囲が狭くて１３５ｋ上質紙
又は図面用紙の何れか一方で最適化を図ると他方の用紙
の分離が難しく度々ジャムが発生したものの、本実施例
方式の場合にはジャムの発生が非常に少なかったもので
ある。

【００３９】なお、本実施例の場合、分離特性調整機構
をコーナ爪３１のかぶさり量調整機構３７としたが、こ
れに代えてコーナ爪３１の角度を調整する角度調整機構
（図示せず）を設けたものにも同様に適用できる。

【００４０】また、本発明の第四の実施例を図７により
説明する。本実施例も前記実施例と同様にコーナ爪方式
に適用したものであるが、分離特性調整機構としてコー
ナ爪３１のかぶさり量調整機構３７に代えて、呼出しロ
ーラ３５による圧力を可変させる圧力調整機構４４を設
け、さらに、温度センサ、湿度センサの他に、状態測定
手段として用紙３４の腰の強さを検出する検出センサ４
５を設けたものである。給紙の評価は、ジャムの発生に
よって判定するものとした。

【００４１】本実施例の制御系４２としては図６に示し
た構成をそのまま用いるものとした。ただし、スイープ
する管理特性τは呼出しローラ３５の圧力であり、本実
施例では０〜５００ｇｆの範囲で変化させるものとし
た。また、本実施例では、評価特性ｘに代えて、給紙の
成功／不成功を１／０で表す２値信号としてニューラル
ネットワーク４１に入力させるようにした。学習が収束
したら、つづいて、紙送り機構４０の環境を変えて同様
に学習を行ない、状態変化に対する紙送り機構４０の変
化をニューラルネットワーク４１に覚え込ませるように
している。動作時には図６(ｂ)の場合と同じ構成になる
が、評価特性ｘの評価基準ｘｄは給紙の成功「１」であ
る。

【００４２】本実施例の場合も前記実施例の場合と同様
に、ランダムに積層した１３５ｋ上質紙と図面用紙とを
用いて給紙試験を行なったところ、ジャムの発生が少な
い良好なる結果が得られたものである。

【００４３】特に、本実施例による場合、ニューラルネ
ットワーク４１の状態特性ｙから管理特性τの写像とい
う一面を強く打ち出したものであり、用紙３４の厚さな
ど制御できない要因に対して管理特性τの最適制御を行
なえるようにしたものであり、評価特性検出手段として
の各種センサが不要となる。

【００４４】また、本発明の第五の実施例を図８により
説明する。本実施例は、送りローラ４６とリバースロー
ラ４７との対による給紙機構４８を備えたＦＲＲ方式の
紙送り装置に適用したものである。ここに、送りローラ
４６は直径２５ｍｍでμラバー製のものとされ、リバー
スローラ４７は直径２５ｍｍでウレタン系のゴム製のも
のとされ、両者間の摩擦係数に適切な差が確保されてい
る。また、原稿台４９上に積載された用紙５０の最上位
には呼出しローラ５１が設けられている。５２はガイド
マイラである。

【００４５】さらに、用紙５０の摩擦係数を検出する摩
擦係数検出センサ５３、用紙５０の厚さを検出する厚さ
検出センサ５４、駆動時の用紙５０の張力を検出する張
力検出センサ５５、用紙５０の速度を検出する速度検出
センサ５６が設けられている。また、リバースローラ４
７にはレバー５７が連結されており、このレバー５７の
動きを規制する動き量規制ストッパ５８が設けられ、リ
バースローラ４７の連れ回り量調整機構（図示せず）に
よりストッパ５８の位置が調整されるように構成されて
いる。また、特に図示はしないが、分離特性調整機構と
して、リバースローラ４７の回転速度を調整する機構
（モータ速度制御機構）や、前述したような温度セン
サ、湿度センサも設けられている。

【００４６】このような構成において、本実施例の場合
もその制御系は図６に示したものと同様に構成される。
ただし、管理特性τはリバースローラ４７の回転速度及
び連れ回り量とされ、紙送りの評価特性ｘは用紙５０の
張力及び速度とされ、状態特性ｙは温度、湿度、用紙５
０の摩擦係数及び用紙５０の厚さとされている。そこ
で、ニューラルネットワーク４１は入力層が６ニューロ
ン、中間層が４ニューロン、出力層が２ニューロンの３
層構造とされている。

【００４７】本実施例の場合も、ニューラルネットワー
ク４１の学習は前述した第三の実施例の場合と同様に行
なわれる。具体的には、管理特性τとしてのリバースロ
ーラ４７の回転速度は１〜３００ｒｐｍ、その連れ回り
量は０〜４．８ｍｍ（連れ回り角０〜１２°）の範囲で
変化させた。ただし、送りローラ４６の回転速度は２０
０ｒｐｍとした。また、不送りが生じた場合にニューラ
ルネットワーク４１に入力する評価特性ｘの代用値は、
用紙５０の張力が０ｇｆ、速度が０ｍｍ／秒であるとし
た。

【００４８】動作時には、本実施例の場合も図６(ｂ)の
ようになる。この場合、評価特性ｘの評価基準ｘｄとし
ては前述した場合のように、学習時に不送り及び重送の
なかった場合の評価特性ｘの平均値を用いるものとし
た。また、給紙を行なう度に管理特性τと状態特性ｙ及
び評価特性ｘの測定値を用いて修正学習を行なうものと
した。

【００４９】このような動作・制御をとる本実施例の効
果を確認するために、例えば温度５〜３０℃、湿度２０
〜８０％の範囲において給紙１００枚程度で随時環境を
変化させるものとして、ランダムに積層した１３５ｋ上
質紙と図面用紙とを用いて給紙試験を行なったところ、
制御をかけずに管理特性τを固定（即ち、リバースロー
ラ４７の回転速度を１８０ｒｐｍ、その連れ回り量を
２．４ｍｍに固定）した給紙方式に比して、ジャムの発
生確率が著しく低下したことが確認されたものである。
特に、制御をかけない機構では湿度が高い場合と給紙試
験後半（経時的に）とにジャムが発生しやすくなったも
のであるが、本実施例制御方式による場合にはこのよう
な悪化の傾向はみられなかったものである。

【００５０】なお、このようなＦＲＲ方式において、分
離特性調整機構としてはリバースローラ４７の連れ回り
量調整機構に代えて、このリバースローラ４７の圧力を
調整する圧力調整機構としたものでもよい。また、状態
測定手段としても厚さ検出センサ５４に代えて用紙５０
の腰の強さを検出するセンサを用いたものでもよい。

【００５１】また、図８に示したような構成のＦＲＲ方
式の紙送り装置と、同様の構成で送りローラ４６の直径
を２５ｍｍから２３ｍｍとした紙送り装置と、リバース
ローラ４７の表面をヤスリで粗した構成の紙送り装置と
を３台用意し、第五の実施例において動作開始前の学習
が終了したニューラルネットワーク４１の状態を初期状
態として学習させたところ、リバースローラ４７表面を
ヤスリで粗した構成の紙送り装置の場合が、環境毎の学
習回数として最も長くかかったものではあるが、それで
も、第五の実施例の学習回数に比べるとかなり学習回数
が減ったものであり、学習効率が非常によくなったもの
である。また、このような学習を行なったものについて
第五の実施例の場合と同様に給紙試験を行なったとこ
ろ、３台の紙送り装置とも、第五の実施例による場合と
同様な良好なる結果が得られたものである。

【００５２】このようにニューラルネットワーク学習方
法として、学習を完了したニューラルネットワーク４１
の状態を学習の初期状態とすることにより、ニューラル
ネットワーク４１の学習の収束を著しく早くすることが
でき、大量に生産する同機種の学習方法として有利とい
える。この際に、製作誤差などによる機械個別の相違点
はニューラルネットワーク４１が吸収してくれるものと
なる。

【００５３】ついで、本発明の第六の実施例を図９によ
り説明する。本実施例は図１３に示したようなフリクシ
ョンパッド方式の紙送り装置に適用したもので、図１３
で示した部分と同一部分は同一符号を用いて示す。ま
ず、本実施例では送りローラ５は直径３６ｍｍでμラバ
ー製とされ、フリクションパッド６はポリウレタン製と
され、両者間に適切な摩擦係数の差が確保されている。

【００５４】しかして、本実施例では用紙４の摩擦係数
を検出する摩擦係数検出センサ５９と駆動時の用紙４の
張力を検出する張力検出センサ６０が設けられている。
さらには、温度センサや湿度センサも設けられている。

【００５５】このような構成において、給紙機構７を前
述した実施例の場合と同様に、ニューラル制御するもの
であり、管理特性τがフリクションパッド６の圧力とさ
れ、状態特性ｙが温度、湿度及び用紙４の摩擦係数とさ
れ、評価特性ｘが駆動時の用紙４の張力とされている。
学習方法等は前述した実施例の場合と同様である。

【００５６】このような動作・制御をとる本実施例の効
果を確認するために、例えば温度５〜３０℃、湿度２０
〜８０％の範囲において給紙１００枚程度で随時環境を
変化させるものとして、ランダムに積層した１３５ｋ上
質紙と図面用紙とを用いて給紙試験を行なったところ、
フリクションパッド６の圧力（管理特性τ）を固定した
給紙方式に比して、ジャムの発生確率が著しく低下した
ことが確認されたものである。

【００５７】また、本発明の第七の実施例を図１０ない
し図１２により説明する。本実施例は、空気吸着方式の
紙送り装置に適用したもので、まず、積載された用紙６
１の最上位紙に対して吸着動作を行なう吸盤６２が上下
方向に変位自在に設けられている。また、用紙６１を収
納したカセット６３の前縁側には剥がし部材６４が設け
られ、空気吹付け機構６５に連結されている。６６は一
対の搬送ローラであり、６７は用紙６１の腰の強さを検
出する検出センサである。

【００５８】ここに、吸盤６２は吸引ポンプ（図示せ
ず）及び分離特性調整機構となる吸引圧力調整機構（図
示せず）により用紙６１を吸引するものであるが、その
吸引圧力調整機構は弁などを調整する機構であってもよ
く、或いは、吸引ポンプの駆動力を制御するものであっ
てもよい。より具体的にみれば、本実施例の吸盤６２は
図１１及び図１２に示すようにその吸着面に吸着面積調
整用の回転板６８を備えており、吸引口６９との重なり
具合により吸着面積を可変し得るように構成されてい
る。ここに、回転板６８の駆動には円環型の超音波モー
タ７０が使用され、回転板６８の位置制御を行なうよう
に構成されている。

【００５９】このような構成において、本実施例では前
述した実施例に準じて、管理特性τを吸盤６２の吸引圧
力及び吸着面積とし、状態特性ｙを用紙６１の腰の強さ
とし、評価特性ｘを駆動時の用紙６１の張力として、ニ
ューラル制御するようにしたものである。

【００６０】本実施例の場合も前述した実施例に準じて
給紙試験を行なったところ、制御をかけない空気吸引方
式に比して、ジャム発生が極めて減少した良好なる結果
が得られたものである。

【００６１】

【発明の効果】本発明は、上述したように構成し、請求
項１記載の発明では、少なくとも一部にニューラルネッ
トワークを有して紙送り機構を制御する制御系を設けた
ので、紙送りの具体的な制御パラメータが判らなくても
ニューラルネットワークの学習により適切な制御を可能
とすることができ、使用する用紙の変化、温度、湿度変
化などに対処し得る確実な紙送りが可能となり、フリー
オペレータによるフリーペーパー化を図ることができ
る。

【００６２】また、用紙の送り速度、用紙の張力、或い
は、信号が与えられてから用紙が動作するまでの遅れ時
間がジャムの発生確率と関係あることに着目し、これら
の要素の内の何れかを測定することにより給紙機構を評
価し、制御し得ることから、請求項２記載の発明では、
用紙の送り速度、用紙の張力、信号が与えられてから用
紙が動作するまでの遅れ時間の少なくとも一つを計測す
る評価特性検出手段を設けるとともに、給紙機構に対し
て用紙の分離特性調整機構を設けたので、ニューラルネ
ットワークの修正学習が可能となり、紙送り機構の経時
変化に対しても確実な紙分離能力を確保できるものとな
る。

【００６３】また、請求項３記載の発明では、請求項２
記載の発明に加えて、温度、湿度、用紙の厚さ、用紙の
摩擦係数、用紙の腰の強さの少なくとも一つを測定する
状態測定手段を設けたので、従来では困難であった給紙
機構の制御が可能となり、紙分離を確実なものとするこ
とができる。

【００６４】特に、請求項４記載の発明では、請求項３
記載の発明において、状態測定手段により測定された状
態特性と、評価特性検出手段により検出された評価特性
とを入力として、分離特性調整機構に対して管理特性を
制御量として出力するニューラルネットワークとし、請
求項５記載の発明では、請求項３記載の発明において、
状態測定手段により測定された状態特性と、紙分離の成
否を表す２値信号とを入力として、分離特性調整機構に
対して管理特性を制御量として出力するニューラルネッ
トワークとして、ニューラルネットワークにおける状態
特性、管理特性及び評価特性又は紙分離の成否を表す２
値信号との間の入出力関係を明確にしたので、給紙機構
に対するニューラル制御系がより具体的なものとなり、
確実な紙送り制御を実現でき、特に、請求項５記載の発
明によれば、評価特性に代えて、成否を表す２値信号に
より紙分離を評価するようにしているので、評価特性検
出手段を備える必要がなく、構成をより簡略化し、低コ
スト化を図れるものとなる。

【図面の簡単な説明】

【図１】本発明の第一の実施例の制御系を示し、(ａ)は
学習時のブロック図、(ｂ)は動作時のブロック図であ
る。

【図２】紙送り装置構成の概要を示す正面図である。

【図３】ローラ構成を示す側面図である。

【図４】本発明の第二の実施例の紙送り装置の概要を示
す正面図である。

【図５】本発明の第三の実施例の紙送り装置の概要を示
す平面図である。

【図６】その制御系を示し、(ａ)は学習時のブロック
図、(ｂ)は動作時のブロック図である。

【図７】本発明の第四の実施例の紙送り装置の概要を示
す平面図である。

【図８】本発明の第五の実施例の紙送り装置の概要を示
す正面図である。

【図９】本発明の第六の実施例の紙送り装置の概要を示
す正面図である。

【図１０】本発明の第七の実施例の紙送り装置の概要を
示す正面図である。

【図１１】その吸盤付近を拡大して示す断面図である。

【図１２】吸引口と回転板との関係を示す平面図であ
る。

【図１３】従来の紙送り装置の概要を示す正面図であ
る。

【符号の説明】

４，１５，３４，５０，６１用紙７，１３，３２，４８給紙機
構２０，２３，２４，３７，４４，５８，６８分離特
性調整機構２５，２６，３８，５５，５６，６０評価特
性検出手段２７，４１ニュー
ラルネットワーク２８，４２制御系３０，３９，４５，５０，５４，６７状態測
定手段

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｂ６５Ｈ 3/52 ３３０Ｆ 9148−3Ｆ (72)発明者安藤俊一東京都大田区中馬込１丁目３番６号株式会社リコー内

Claims

【特許請求の範囲】

【請求項１】少なくとも一部にニューラルネットワー
クを有して紙送り機構を制御する制御系を設けたことを
特徴とする紙送り装置。
【請求項２】多数枚積層された用紙から一枚ずつ分離
して給紙する給紙機構を有する紙送り機構とし、用紙の
送り速度、用紙の張力、信号が与えられてから用紙が動
作するまでの遅れ時間の少なくとも一つを計測する評価
特性検出手段を設け、前記給紙機構に対して用紙の分離
特性調整機構を設けたことを特徴とする請求項１記載の
紙送り装置。
【請求項３】温度、湿度、用紙の厚さ、用紙の摩擦係
数、用紙の腰の強さの少なくとも一つを測定する状態測
定手段を設けたことを特徴とする請求項２記載の紙送り
装置。
【請求項４】状態測定手段により測定された状態特性
と、評価特性検出手段により検出された評価特性とを入
力として、分離特性調整機構に対して管理特性を制御量
として出力するニューラルネットワークとしたことを特
徴とする請求項３記載の紙送り装置。
【請求項５】状態測定手段により測定された状態特性
と、用紙分離の成否を表す２値信号とを入力として、分
離特性調整機構に対して管理特性を制御量として出力す
るニューラルネットワークとしたことを特徴とする請求
項３記載の紙送り装置。