JPH05201564A - 紙送り装置 - Google Patents
紙送り装置Info
- Publication number
- JPH05201564A JPH05201564A JP4011215A JP1121592A JPH05201564A JP H05201564 A JPH05201564 A JP H05201564A JP 4011215 A JP4011215 A JP 4011215A JP 1121592 A JP1121592 A JP 1121592A JP H05201564 A JPH05201564 A JP H05201564A
- Authority
- JP
- Japan
- Prior art keywords
- paper
- characteristic
- paper feeding
- neural network
- separation
- 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.)
- Pending
Links
Landscapes
- Handling Of Sheets (AREA)
- Handling Of Cut Paper (AREA)
- Accessory Devices And Overall Control Thereof (AREA)
- Sheets, Magazines, And Separation Thereof (AREA)
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。
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
【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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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、(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。
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。
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。
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。
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。
る。
【図13】従来の紙送り装置の概要を示す正面図であ
る。
る。
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
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 3/52 330 F 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 (5)
- 【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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4011215A JPH05201564A (ja) | 1992-01-24 | 1992-01-24 | 紙送り装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP4011215A JPH05201564A (ja) | 1992-01-24 | 1992-01-24 | 紙送り装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH05201564A true JPH05201564A (ja) | 1993-08-10 |
Family
ID=11771757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP4011215A Pending JPH05201564A (ja) | 1992-01-24 | 1992-01-24 | 紙送り装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH05201564A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286050A (zh) * | 2019-07-22 | 2021-01-29 | 柯尼卡美能达株式会社 | 机器学习装置、机器学习方法以及机器学习程序 |
JP2021071875A (ja) * | 2019-10-30 | 2021-05-06 | コニカミノルタ株式会社 | 機械学習装置、搬送装置、画像形成装置、機械学習方法、およびプログラム |
WO2022030274A1 (ja) * | 2020-08-05 | 2022-02-10 | キヤノン株式会社 | 振動型アクチュエータの制御装置及びそれを有する振動型駆動装置、交換用レンズ、撮像装置、自動ステージ |
-
1992
- 1992-01-24 JP JP4011215A patent/JPH05201564A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286050A (zh) * | 2019-07-22 | 2021-01-29 | 柯尼卡美能达株式会社 | 机器学习装置、机器学习方法以及机器学习程序 |
JP2021018644A (ja) * | 2019-07-22 | 2021-02-15 | コニカミノルタ株式会社 | 機械学習装置、機械学習方法及び機械学習プログラム |
CN112286050B (zh) * | 2019-07-22 | 2023-05-30 | 柯尼卡美能达株式会社 | 机器学习装置、机器学习方法以及机器学习程序 |
US12010280B2 (en) | 2019-07-22 | 2024-06-11 | Konica Minolta, Inc. | Machine learning device, machine learning method, and machine learning program |
JP2021071875A (ja) * | 2019-10-30 | 2021-05-06 | コニカミノルタ株式会社 | 機械学習装置、搬送装置、画像形成装置、機械学習方法、およびプログラム |
WO2022030274A1 (ja) * | 2020-08-05 | 2022-02-10 | キヤノン株式会社 | 振動型アクチュエータの制御装置及びそれを有する振動型駆動装置、交換用レンズ、撮像装置、自動ステージ |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5344571B2 (ja) | シート積載装置及びこれを備えるシート処理装置 | |
US5320336A (en) | Sheet stacking device with vertically movable tray | |
US8602405B2 (en) | Sheet aligning member for sheet processing apparatus | |
US7703758B2 (en) | Sheet stacking device and sheet processing device, and image forming apparatus provided therewith | |
US6817609B2 (en) | Printer sheet lateral registration system with automatic upstream nip disengagements for different sheet size | |
US5788229A (en) | Path guide for selectively corrugating an output medium | |
EP0352813A2 (en) | A sheet feeding device for an image developing and processing machine | |
US20050017430A1 (en) | Large capacity sheet feeding apparatus having an intermediate conveying device | |
JP3313927B2 (ja) | シート材給送装置及び記録装置 | |
JPH0532356A (ja) | 画像形成装置の給紙装置 | |
US6698747B2 (en) | Method and system for providing sheet stack level control | |
US8205867B2 (en) | Sheet processing apparatus and image forming apparatus | |
JPH05201564A (ja) | 紙送り装置 | |
JP3870178B2 (ja) | エアー吸引式の給紙搬送装置 | |
JP2000198557A (ja) | エア―吸引式の給紙搬送装置 | |
US20080315490A1 (en) | Sheet stacking apparatus and sheet processing apparatus equipped therewith | |
JPH07196186A (ja) | シート材給送装置 | |
JPH021049B2 (ja) | ||
JP5389514B2 (ja) | シート搬送装置、画像形成装置及び画像形成システム | |
JP2000203737A (ja) | 給紙装置及びこれを備えた画像形成装置 | |
JPH0524664A (ja) | 画像形成装置の給紙装置 | |
JPH07242347A (ja) | 給紙装置 | |
JP2501210Y2 (ja) | 積載記録紙のさばき機構 | |
JPS6056746A (ja) | 給紙装置 | |
JPH1111717A (ja) | シート材搬送装置及び画像形成装置 |