JPH08248749A

JPH08248749A - 画像形成装置

Info

Publication number: JPH08248749A
Application number: JP7045994A
Authority: JP
Inventors: Atsushi Kawai; 敦河合; Masaki Tanaka; 雅樹田中; Tetsuya Sakai; 哲也酒井
Original assignee: Minolta Co Ltd
Current assignee: Minolta Co Ltd
Priority date: 1995-03-06
Filing date: 1995-03-06
Publication date: 1996-09-27

Abstract

(57)【要約】【目的】画像形成プロセスにおけるトナー濃度推定に
関与する種々のパラメータを一括処理してトナー濃度を
推定することができ、現像器内のトナー濃度を常時一定
に維持すること。【構成】ブラックトナー濃度と種々の画像形成プロセ
スデータ（現像効率、湿度、温度、コピー枚数、カラー
トナー濃度）からニューラルネットワークの学習を行
い、学習したニューラルネットワークを使用して複数の
パラメーターを一括処理し、ブラックトナー濃度を推定
する。推定されたトナー濃度に基づいてトナー補給を行
う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、画像形成装置、特に、
複数の現像器を備えた電子写真法による画像形成装置に
関する。

【０００２】

【従来の技術】電子写真方式による画像形成装置にあっ
ては、通常、キャリアとトナーとの混合物からなる２成
分現像剤を使用し、感光体上に形成された静電潜像を現
像している。かかる２成分現像剤を使用する場合には、
画像の形成に伴ってトナーのみが消費され、現像剤中の
トナー濃度（キャリアとトナーの総重量に対するトナー
の重量比）が変化するため、トナー濃度が所定の基準値
を維持するように適宜トナーを補給しなければならな
い。

【０００３】このようなトナー補給制御の方式として
は、従来、磁気センサによって現像剤の透磁率を検出
し、あるいは光センサによって現像剤からの反射光量を
検出して現像剤中のトナー濃度を推定して必要な量のト
ナーを補給するいわゆるＡＴＤＣと、感光体上に一定の
作像条件の下で形成されたテストトナー像からの反射光
量を光センサで検出して現像効率を算出し、この現像効
率から現像剤中のトナー濃度を推定して必要な量のトナ
ーを補給するいわゆるＡＩＤＣとが知られている。

【０００４】一方、シアン、マゼンタ、イエロー、ブラ
ックの４色のトナーを使ってフルカラー画像を形成する
装置にあっては、ＡＴＤＣが採用されているが、ブラッ
クトナーに関しては問題を有している。即ち、ブラック
トナーに対しては、現像剤の流動性を高めたり、画質向
上の目的でシリカ等を添加しているが、湿度等の変化に
よって嵩密度が変動し、磁気センサによる検出では誤差
が大きくなる。また、ブラックトナーは黒色度を増すた
めにカーボンブラックを混入しており、その分光反射特
性がキャリアのそれに近付くため、光センサによる検出
も困難である。

【０００５】そこで、ブラックトナーに関してはＡＩＤ
Ｃでトナーを補給することになるが、現像効率に影響を
及ぼすパラメータとしては、現像器内のトナー濃度以外
に、温度、湿度、コピー枚数（キャリアの耐久度合）、
コピーモード等がある。従って、ＡＩＤＣでトナー濃度
を推定する場合にはこれらのパラメータの影響を考慮す
る必要がある。現像効率とこれらのパラメータとの間に
は、これまでの経験や実験から一定の相関関係にあるこ
とが分かっている。

【０００６】

【発明が解決しようとする課題】ところで、ＡＩＤＣに
よるトナー濃度の推定は、テストトナー像のトナー付着
量から算出された現像効率に、前記種々のパラメーター
による補正を加え、パラメーターの影響がない場合の現
像効率に補正する。この補正された現像効率に基づいて
現像器内のトナー濃度を推定する。しかし、パラメータ
ーと現像効率との相関関係が複雑であり、補正の処理が
煩雑なうえ、関係を明確な計算式で定義することが困難
である。また、定義できたとしてもかえって誤差が増大
し、トナー濃度の正確な推定ができないという問題を有
している。

【０００７】そこで、本発明の目的は、画像形成プロセ
スにおけるトナー濃度推定に関与する種々のパラメータ
ーを一括処理してトナー濃度を推定することができ、現
像器内のトナー濃度を常時一定に維持できる画像形成装
置を提供することにある。

【０００８】

【発明の構成、作用及び効果】以上の目的を達成するた
め、本発明に係る画像形成装置は、第１の現像器のトナ
ー濃度データと、第２の現像器のトナー濃度データと、
画像形成プロセスから得られたデータとの相関関係を学
習する学習手段と；第２の現像器のトナー濃度データ
と、画像形成プロセスから得られたデータを入力する入
力手段と；前記学習手段の学習結果と前記入力手段から
の入力値によって第１の現像器のトナー濃度を推定する
推定手段と；この推定手段の推定結果に基づいて第１の
現像器へのトナー補給を行うトナー補給手段とを備えて
いる。

【０００９】ここで、画像プロセスから得られたデータ
とは、テストトナー像のトナー付着量の検出から算出さ
れた現像効率に影響を与える種々のパラメーターであ
り、環境条件（湿度、温度）、現像剤の耐久度合（コピ
ー枚数）等をいう。

【００１０】本発明においては、トナー濃度と画像形成
プロセスから得たデータとの相関関係を経験や実験結果
を基に学習を行い、学習によって得た結果に基づいて、
現実の第２の現像器のトナー濃度データと画像形成プロ
セスから得た現実のデータを一括処理して第１の現像器
のトナー濃度を推定する。第１の現像器のトナー濃度を
推定するのに第２の現像器のトナー濃度データを用いる
のは、両者の間に相関関係が認められるからである。ト
ナー補給手段は推定トナー濃度から第１の現像器内のト
ナーの過不足を判定し、トナー濃度が予め定めた基準濃
度となるように補給量を決定し、補給する。学習手段は
ニューラルネットワークを用いることが、比較的簡単に
推論処理を定義することができ、好ましい。

【００１１】本発明によれば、種々のパラメーターを一
括処理するため、多くのセンサ類からの出力を複雑な計
算なしで処理でき、予め実験等で得られた値を教師値と
して学習を行っているため、精度のよいトナー補給が可
能となる。また、種々の入力から特定の出力を得るため
の大きな参照テーブルを保持する必要がなく、メモリコ
ストの低減を図ることができる。

【００１２】

【実施例】以下、本発明に係る画像形成装置の実施例に
ついて添付図面を参照して説明する。

【００１３】（複写機の構成）図１はデジタル方式のフ
ルカラー複写機の全体構成を示す。この複写機は、上段
部にイメージリーダユニット１とレーザ走査ユニット１
０、中段部にフルカラー作像ユニット２０と現像ユニッ
ト４０、下段部に給紙ユニット５０を配置したものであ
る。

【００１４】イメージリーダユニット１は、プラテンガ
ラス９上にセットされた原稿の画像を読み取るスキャナ
２と、読み取った画像データを印字用のデータに変換処
理する画像信号処理部６とで構成されている。スキャナ
２は密着型のカラーイメージセンサ（ＣＣＤ）３を備え
た周知のもので、モータ５で駆動されて矢印ａ方向に移
動しつつ、原稿画像をＲ（レッド）、Ｇ（グリーン）、
Ｂ（ブルー）の３原色信号及びＢｋ（ブラック）の色信
号として１ラインずつ読み取る。画像信号処理部６はイ
メージセンサ３で光電変換された多値電気信号を、Ｙ
（イエロー）、Ｍ（マゼンタ）、Ｃ（シアン）、Ｂｋ
（ブラック）の４色に対応する８ビットの印字データに
変換し、必要な編集的処理を施す。

【００１５】レーザ走査ユニット１０は、レーザダイオ
ードを変調して矢印ｂ方向に回転する感光体ドラム２１
上に静電潜像を形成する周知のものである。レーザ走査
ユニット１０は、前記画像信号処理部６で生成、編集さ
れた印字データに対して、感光体の階調特性に応じた階
調補正を行った後、Ｄ／Ａ変換してレーザダイオード駆
動信号を生成し、この駆動信号に基づいてレーザダイオ
ードを変調発光させる。

【００１６】現像ユニット４０は、上段から順次イエロ
ー、マゼンタ、シアン、ブラックのトナーを含む現像剤
を収容した現像器４１Ｙ，４１Ｍ，４１Ｃ，４１Ｂｋを
備えている。各現像器は図示しないモータによって一体
的に上下動可能であり、感光体ドラム２１上に各色の静
電潜像が形成されるごとに、対応する現像器が現像位置
にセットされる。なお、図１では現像器４１Ｂｋが現像
位置にセットされている状態を示す。また、トナーはホ
ッパ４２内に各色ごとに収容されている。カラー現像器
４１Ｙ，４１Ｍ，４１Ｃ内には、磁気的にあるいは光学
的にトナー濃度を検出するＡＴＤＣセンサ４３Ｙ，４３
Ｍ，４３Ｃが設けられている。

【００１７】フルカラー作像ユニット２０は感光体ドラ
ム２１及び転写ドラム３１を中心として構成されてい
る。感光体ドラム２１の周囲には、帯電チャージャ２
２、残留トナーのクリーナ２３、残留電荷のイレーサラ
ンプ２４が設置されている。さらに、感光体の表面電位
を検出する電位センサ６３、テストトナー像の濃度を検
出するＡＩＤＣセンサ６４、機内の湿度を検出する湿度
センサ６１、温度を検出する温度センサ６２が設置され
ている。

【００１８】転写ドラム３１は、感光体ドラム２１と同
速で矢印ｃ方向へ回転駆動可能に設置され、その表面に
巻き付けたシート上にトナー画像を転写させるものであ
る。この転写ドラム３１はシートの先端をチャッキング
するための爪部材（図示せず）、シートを分離するため
の爪部材３５を備え、さらに、その内側及び外側に転写
チャージャ３２、除電チャージャ３３，３４、残留トナ
ーのクリーナ３６が配置されている。

【００１９】給紙ユニット５０はシートを収容する三段
の給紙トレイ５１，５２，５３、各トレイに設けた給紙
ローラ５４、搬送ローラ５６を有している。シートはオ
ペレータによって選択されたいずれかの給紙トレイ５
１，５２，５３から１枚ずつ給紙され、搬送ローラ５６
によって作像ユニット２０へ送り込まれる。さらに、シ
ートは搬送ローラ３７、タイミングローラ３６を経て前
記転写ドラム３１へ所定のタイミングで送り込まれ、転
写ドラム３１の周囲に巻き付けられる。

【００２０】フルカラーの画像形成に際しては、前記感
光体ドラム２１上にイエロー、マゼンタ、シアン及びブ
ラックの画像が順次形成され、それぞれのトナー画像は
転写チャージャ３２からの放電によりシート上に順次転
写されて重ね合わされる。４色の画像がシート上で合成
されると、図示しない爪部材がシートのチャッキングを
解除すると共に、爪部材３５が動作してシートを転写ド
ラム３１から分離する。分離されたシートは搬送ベルト
２５によって定着器２６へ送り込まれ、ここでトナーの
定着を施された後、排出ローラ２７からトレイ２８上へ
排出される。

【００２１】（複写機の制御機構）図２は前記複写機の
全体的な制御回路を示し、中央制御部１００を中心とし
て構成されている。中央制御部１００は制御用のプログ
ラムが格納されたＲＯＭ１０１と各種データが格納され
たＲＯＭ１０２を備えている。

【００２２】イメージリーダ制御部１１０はイメージリ
ーダユニット１を制御する。この制御部１１０はプラテ
ンガラス９上の原稿の位置を示す位置検出スイッチ１１
１からの位置信号によってドライブＩ／Ｏ１１２を介し
て露光ランプ４のオン、オフを制御し、また、ドライブ
Ｉ／Ｏ１１２及びパラレルＩ／Ｏ１１３を介してスキャ
ンモータ５のドライバ１１４を制御する。さらに、イメ
ージリーダ制御部１１０はバスにより画像制御部１２０
と結ばれている。画像制御部１２０はイメージセンサ３
と画像信号処理部６とバスで互いに接続され、イメージ
センサ３で読み取られた画像データは画像信号処理部６
に入力されて印字データに変換される。

【００２３】中央制御部１００には、感光体ドラム２１
の表面電位を検出する電位センサ６３、テストトナー像
のトナー濃度（トナー付着量）を光学的に検出するＡＩ
ＤＣセンサ６４、現像器４１Ｃ，４１Ｍ，４１Ｙ内での
トナー濃度を検出するＡＴＤＣセンサ４３Ｃ，４３Ｍ，
４３Ｙ、湿度センサ６１、温度センサ６２からのアナロ
グ信号が入力される。さらに、中央制御部１００にはオ
ペレータによって設定される操作パネル１３０からの複
写モード信号がパラレルＩ／Ｏ１３１を介して入力さ
れ、データＲＯＭ１０２から入力される各種データに基
づいて、かつ、制御ＲＯＭ１０１の内容に従って、複写
制御部１３２及び表示パネル１３３を制御する。さら
に、中央制御部１００は、ＡＩＤＣセンサ６４による自
動画像濃度制御あるいはオペレータが操作パネル１３０
上で設定した画像濃度の制御を行うため、パラレルＩ／
Ｏ１３５及びドライブＩ／Ｏ１３６を介して帯電チャー
ジャ２２のグリッド電圧用電源ユニット１３７及び現像
器の現像バイアス用電源ユニット１３８を制御する。

【００２４】中央制御部１００は、さらに、前記画像信
号処理部６とバスを介して接続され、送られてくる印字
データに、データＲＯＭ１０２に格納されているγ補正
テーブルを参照してγ補正を行った後、ドライブＩ／Ｏ
１４１及びパラレルＩ／Ｏ１４２を介してレーザダイオ
ード１１を駆動するドライバ１４０を制御する。本実施
例において、画像の階調再現はレーザダイオード１１の
発光強度を変調することにより行う。

【００２５】また、中央制御部１００は前記画像信号処
理部６とカウンタメモリ１４５を介して接続されてい
る。カウンタメモリ１４５は画像信号処理部６から送信
されてくる８ビットの印字データをスキャナ２の１スキ
ャンごとに記憶する。中央制御部１００はイメージリー
ダ制御部１１０から送信されるスキャナ動作信号に応じ
て１スキャン分の印字データをカウンタメモリ１４５か
ら読み出す。カウンタメモリ１４５は中央制御部１００
が１スキャン分の印字データを読み出した時点で該印字
データを破棄する。

【００２６】さらに、中央制御部１００にはコピー枚数
をカウントする耐久カウンタ６５からのカウント値が入
力される。また、中央制御部１００は、ＡＴＤＣセンサ
４３Ｃ，４３Ｍ，４３Ｙからのトナー濃度検出信号に基
いてドライブＩ／Ｏ１５１，１５２，１５３を介してト
ナー補給モータ４４Ｃ，４４Ｍ，４４Ｙを駆動し、ホッ
パ４２からトナーを補給し、現像器４１Ｃ，４１Ｍ，４
１Ｙ内のトナー濃度が所定の基準濃度を維持するように
制御する。ブラックトナーを収容している現像器４１Ｂ
ｋに対するトナー補給は、ドライブＩ／Ｏ１５４を介し
てトナー補給モータ４４Ｂｋを駆動し、ホッパ４２から
ブラックトナーを補給する。なお、このトナー補給制御
については後に詳述する。

【００２７】（画像濃度制御）以上説明した複写機にお
いて、感光体ドラム２１の帯電は、図３に示すように、
放電電圧Ｖｃの帯電チャージャ２２のグリッド２２ａに
グリッド電圧Ｖｇを電源ユニット１３７から印加するこ
とにより行われる。露光前の感光体ドラム２１の帯電電
位Ｖｏはグリッド電圧Ｖｇと略等しく、帯電電位Ｖｏは
グリッド電圧Ｖｇを変更することで制御できる。

【００２８】本実施例は前記レーザ走査ユニット１０か
ら放射されるレーザビームで露光されて低電位Ｖｉ（ほ
ぼ０Ｖ）となった画像部にトナーを付着させるいわゆる
反転現像を採用している。感光体の帯電極性がマイナス
であれば、トナーの帯電極性もマイナスであり、現像器
の現像スリーブ４５に対してはマイナス極性の現像バイ
アス電圧Ｖｂを電源ユニット１３８から印加する。反転
現像において、トナーはこの現像バイアス電圧Ｖｂより
低い電位部分に付着する。現像電位差とは現像バイアス
電圧Ｖｂと画像部分との電位差である。反転現像におい
て、画像電位差を大きく設定すれば現像効率が高くな
り、低く設定すれば現像効率が低くなる。ここで、現像
効率とは単位現像電位差当たりの感光体トナー付着量を
いう。

【００２９】そこで、画像濃度の制御は、まず、所定の
グリッド電圧Ｖｇ、現像バイアス電圧Ｖｂ及び露光量の
下で感光体ドラム２１上にテストトナー像を形成し、Ａ
ＩＤＣセンサ６４によってテストトナー像の散乱反射光
を検出する。この検出信号は中央制御部１００へ入力さ
れ、トナー付着量が演算される。ここで求められたトナ
ー付着量に対応してグリッド電圧Ｖｇと現像バイアス電
圧Ｖｂとを画像が最大濃度レベルとなるように変化させ
れば、環境条件等に拘らず一定の画像濃度を維持でき
る。

【００３０】最大濃度レベルを得ることのできるグリッ
ド電圧Ｖｇと現像バイアス電圧Ｖｂは対として設定さ
れ、テーブルとしてデータＲＯＭ１０２に格納されてい
る。以下の第１表に画像濃度制御テーブルの一例を示
す。この第１表は、ＡＩＤＣセンサ６４で検出されたト
ナー付着量に対応した濃度テーブルＮｏによって設定さ
れるグリッド電圧Ｖｇ（帯電電位Ｖｏ）及びバイアス電
圧Ｖｂを表している。

【００３１】

【表１】

【００３２】（画像形成プロセス条件と現像効率及びト
ナー濃度の関係）ここで、画像形成に関するプロセスパ
ラメーターと現像効率及びトナー濃度との関係について
説明する。一般に、現像剤中のトナー濃度は一定の作像
条件の下での現像効率を検出することで推定することが
できる。しかし、一定のトナー濃度であっても種々のパ
ラメーターの変化によって現像効率が変動することが知
られている。例えば、湿度の変化であり、図４には、ト
ナー濃度と現像効率の関係を湿度が３ｇ／ｍ³、６ｇ／
ｍ³、１５ｇ／ｍ³について示す。湿度が高くなるとトナ
ーの帯電量が低下して現像効率が上昇し、湿度が低くな
るとトナーの帯電量が上昇して現像効率が下降する。ま
た、コピー枚数（耐久度合）の増加はキャリアの劣化を
招来し、現像効率が変動する。図５は耐久初期における
コピー枚数と現像効率の関係の一例（トナー濃度６％、
湿度６ｇ／ｍ³）を示す。コピー枚数はキャリアの耐久
度合に相当し、コピー枚数が増加すると、キャリアの劣
化でトナーの帯電量が低下し、現像効率が上昇する傾向
にある。

【００３３】その他、温度、コピーモードの種類、コピ
ーの時間間隔（現像器休止時間）等の変化により、現像
効率が変動することが知られている。また、ブラック以
外のシアン、マゼンタ、イエローのカラートナーにあっ
ては、前述のように、磁気的又は光学的にそのトナー濃
度を検出でき、これらのトナー濃度データによってブラ
ックトナーのトナー濃度の傾向が把握できる。通常、フ
ルカラーの画像形成においては、１回の画像形成で４色
の各トナーの消費量は大体同じであり、トナー濃度の変
化も同じ傾向を示すからである。

【００３４】ここで、相対湿度と絶対湿度について説明
する。一定体積の空気中に実際含まれている水蒸気量ｅ
と、その空気の飽和水蒸気量Ｅとの比をパーセントで表
した［（ｅ／Ｅ）×１００］ものが相対湿度である。こ
れに対して、絶対温度は体積１立方メートルの空気中に
含まれている水蒸気量をｇ／ｍ³単位で表したものであ
る。絶対湿度は温度とその温度における飽和水蒸気圧と
相対湿度から求められる。

【００３５】本実施例では、湿度センサ６１、温度セン
サ６２の検出値から飽和水蒸気圧をデータＲＯＭ１０２
に格納されているデータテーブルを参照して求め、以下
の計算式から絶対湿度を得ている。Ａ＝（０．０１０５８×Ｈ×Ｐ）／（１＋０．００３６
６×Ｔ）Ａ：絶対湿度（ｇ／ｍ³）Ｈ：相対湿度（％）Ｔ：温度（℃）Ｐ：温度Ｔにおける飽和水蒸気圧（ｍｍＨｇ）

【００３６】（トナー補給制御）前述したように、現像
効率を変化させる種々のパラメーターは、それぞれ現像
効率に対する影響の方向性が実験的に確かめることがで
きる。本実施例では、テストトナー像のトナー付着量か
ら算出された現像効率、画像形成プロセスから得られた
データ（温度、湿度、これまでのコピー枚数、シアント
ナーのトナー濃度）からブラックトナーのトナー濃度を
推定し、現像器４１Ｂｋ内のトナー濃度が所定の基準濃
度を維持するようにトナーを補給する。

【００３７】ここで、ブラックトナーのトナー濃度の推
定と補給の手順について図６を参照して説明する。ブラ
ックトナーによる現像（ステップＳ１）が終了すると、
感光体ドラム２１の表面に、予め定められたグリッド電
圧、露光量でテストパターン潜像が形成され、電位セン
サ６３によって潜像の電位が測定される。テストパター
ン潜像は現像器４１Ｂｋによって所定の現像バイアス電
圧の下で現像され、テストトナー像となる（ステップＳ
２）。現像バイアス電圧と電位センサ６３で測定された
電位との差が現像電位差である。次に、このテストトナ
ー像からの反射光量をＡＩＤＣセンサ６４で測定し、ト
ナー付着量に換算する（ステップＳ３）。このトナー付
着量を現像電位差で割ることで現像効率が算出される
（ステップＳ４）。ここでの現像効率は、現像電位差１
００Ｖ当たりの単位面積当たりのトナー付着量（ｍｇ／
ｃｍ²／１００Ｖ）とする。

【００３８】次に、センサ６１で相対湿度を検出すると
共に、センサ６２で温度を検出し（ステップＳ５）、耐
久カウンタ６５のカウント値（これまでのコピー枚数）
を取得する（ステップＳ６）。さらに、ＡＴＤＣセンサ
４３Ｃからシアントナーのトナー濃度を検出する（ステ
ップＳ７）。前記ステップＳ４〜Ｓ７で得たデータを以
下に説明するニューラルネットワークに入力し、トナー
濃度を推定して出力させる（ステップＳ８）。出力され
たトナー濃度に基づいてトナー補給モータ４４Ｂｋを駆
動し、現像器４１Ｂｋ内のトナー濃度が所定の基準濃度
を維持するようにトナー補給を行う（ステップＳ９）。
なお、検出された湿度と温度から絶対湿度を算出するの
は、以下に説明するニューラルネットワークの処理中で
実行される。

【００３９】（トナー濃度の推定方法）ここで、前記ス
テップＳ８で実行されるニューラルネットワークを使っ
たトナー濃度推定の方法について説明する。この推定
は、プロセスの状態を変化させて各種センサの出力量を
取り込み、そのときに実際に測定したトナー濃度を教師
値としてニューラルネットワークの学習を行い、学習後
にはセンサ出力をニューラルネットワークの入力値とし
て与え、ニューラルネットワークの出力値としてトナー
濃度を得る。

【００４０】図７にニューラルネットワークの構成を示
す。ニューラルネットワークは入力層、中間層、出力層
の３層構造で構成されており、各ユニットはそれぞれが
属する層以外の隣り合った層のユニットとある結合荷重
を介して結合されている。信号は一方向だけに伝わり、
結合されたユニットに入力される。各ユニットは図８に
示すように、多入力、１出力の素子が用いられる。入力
値ｘ（ｉ）は結合荷重ｗ（ｉ）によって重みをつけら
れ、重みづけられた入力値ｗ（ｉ）ｘ（ｉ）は総和Ｘが
とられ、応答関数ｆによる変形を受けた後、出力され
る。出力値（ユニット値）ｙは、

【００４１】

【数１】

【００４２】で表される。ところで、一般的なニューラ
ルネットワークの学習モデルの概要は図９に示すような
手順で行われる。最初にランダムな値で各結合の結合荷
重ｗが初期設定される（ステップＳ１０）。次に、この
結合荷重に対して外部から教師信号として入力信号に対
する理想出力を与え、評価基準を参照して評価する（ス
テップＳ１１）。次に、評価結果に基づいて結合荷重の
値を調整し（ステップＳ１３）、再び評価を行う。この
ようなプロセスを繰り返して、次第に最適な値に近づけ
ていく。

【００４３】ニューラルネットワークの学習は３層バッ
クプロパゲーション法によって行われる。図１０に示す
ように、入力層ユニットｉ番目の出力Ｉ（ｉ）が、結合
荷重Ｗ（ｊｉ）での荷重和により、中間層ユニットｊ番
目の入力となり、閾値θ（ｊ）と出力を規格化する関数
ｆにより中間層ユニットｊの出力Ｈ（ｊ）が決まり、中
間層ユニットｊの出力Ｈ（ｊ）が、結合荷重Ｖ（ｋｊ）
での荷重和により出力層ユニットｋ番目の入力となり、
閾値γ（ｋ）と関数ｆにより出力層ユニットｋの出力Ｏ
（ｋ）が決まるモデルを考える。

【００４４】入力層に与えられた入力データは、重みづ
け計算（結合荷重とユニット値との積和計算）を行いな
がら、中間層、出力層へと伝搬される。出力層のユニッ
ト値は、入力データに対応した教師データと比較され、
その間の誤差が小さくなるように、出力層−中間層、中
間層−入力層の結合の強さが修正される。この修正を繰
り返すことにより、出力層から出力される値は教師デー
タに近づいていく。これら一連の動作を、全ての入力デ
ータに対して充分繰り返すことにより、様々の入力デー
タに対して教師データで示される値を出力させることが
できる。

【００４５】各層のユニット値は、

【００４６】

【数２】

【００４７】Ｈ（ｊ）：中間層のｊ番目のユニットの値Ｏ（ｋ）：出力層のｋ番目のユニットの値Ｉ（ｉ）：入力層のｉ番目のユニットの値 θ（ｊ）：中間層のｊ番目のユニットの閾値 γ（ｋ）：出力層のｋ番目のユニットの閾値Ｗ（ｊｉ）：中間層のｊ番目のユニットが持つ入力層の
ｉ番目のユニットに対する荷重Ｖ（ｋｊ）：出力層のｋ番目のユニットが持つ中間層の
ｊ番目のユニットに対する荷重関数ｆ（Ｘ）はシグモイド関数と呼ばれる非線形な連続
関数で、これによってユニットの入出力特性が定めら
れ、出力値は０≦Ｈ（ｊ），Ｏ（ｊ），Ｉ（ｊ）≦１の
範囲に制限される。

【００４８】ｆ（Ｘ）＝１／｛１＋ｅ×ｐ（−２ｘ／ｕＯ）｝＝｛１＋ｔａｎｈ（ｘ／ｕＯ）｝／２ｕＯ：シグモイド関数の傾きを決めるパラメーター結合荷重Ｗ（ｊｉ）、Ｖ（ｋｊ）と閾値θ（ｊ）、γ
（ｋ）の初期値はそれぞれ小さな値の乱数値で設定す
る。

【００４９】出力と教師信号との差の２乗、即ち２乗誤
差の関数を誤差関数と呼ぶ。あるパターンｐに対する誤
差関数Ｅ（ｐ）と全パターンでの誤差Ｅｔは次式のよう
に表される。

【００５０】

【数３】

【００５１】誤差Ｅｔが最小となる状態を最適なネット
ワークであるとし、Ｅｔが最小となるように結合荷重と
閾値を修正する。修正は以下のように行う。学習パター
ンの教師信号Ｔ（ｋ）と出力層の出力Ｏ（ｋ）との差か
ら、出力層のユニットｋにつながる結合荷重Ｖ（ｋｊ）
と出力層のユニットの閾値γ（ｋ）に対する誤差δ
（ｋ）を次式により求める。

【００５２】δ（k）＝２×｛Ｔ（k）−Ｏ（k）｝×Ｏ
（k）×｛１−Ｏ（k）｝／uＯ誤差δ（ｋ）と中間層から出力層への結合荷重Ｗ（ｊ
ｉ）と中間層の出力Ｈ（ｊ）から、中間層ユニットｊに
つながる結合荷重Ｗ（ｊｉ）と中間層ユニットｊの閾値
θ（ｊ）に対する誤差δ（ｊ）を次式により求める。

【００５３】

【数４】

【００５４】出力層ユニットｋでの誤差δ（ｋ）と中間
層ユニットｊの出力Ｈ（ｊ）と定数αとの積を加算する
ことで、中間層ユニットｊから出力層ユニットｋにつな
がる結合係数Ｖ（ｋｊ）を修正する。Ｖ（ｋｊ）＝Ｖ（ｋｊ）＋α×δ（ｋ）×Ｈ（ｊ） γ（ｋ）＝γ（ｋ）＋β×δ（ｋ）中間層ユニットｊでの誤差δ（ｊ）と入力層ユニットｉ
の出力Ｉ（ｉ）と定数αとの積を加算することで、入力
層ユニットｉから中間層ユニットｊにつながる結合係数
Ｗ（ｊｉ）を修正する。また、誤差δ（ｊ）と定数βと
の積を加算することで、中間層ユニットｊの閾値θ
（ｊ）を修正する。

【００５５】Ｗ（ｊｉ）＝Ｗ（ｊｉ）＋α×δ（ｊ）×Ｉ（ｉ） θ（ｊ）＝θ（ｊ）＋β×δ（ｊ）この計算式を一つの入出力のパターンｐに対して実行す
ることにより、誤差Ｅ（ｐ）が極小化し、全ての入力パ
ターンに対して学習を実行することにより、全体として
の誤差関数Ｅｔを極小化する。

【００５６】本実施例においては、五つの入力層、七つ
の中間層、一つの出力層を持つ階層型ニューラルネット
ワークを用い、前述したバックプロパゲーション法によ
り学習を行う。ニューラルネットワークの学習計算や出
力値計算を行う場合、入出力データを０〜１の間に規格
化する必要がある。そこで、得られた実験データを最小
値と最大値の範囲で０〜１の値に規格化する。

【００５７】本実施例においては実験によって得られた
教師データを以下の第２表に示す値の範囲で規格化し、
ニューラルネットワークの出入力値とした。

【００５８】

【表２】

【００５９】例えば、ある教師データは以下の第３表に
示すように規格化される。

【００６０】

【表３】

【００６１】このように実験で得られた教師データを規
格化し、規格化された教師データを使って学習を行う。
本実施例においては教師データの数は全部で１２０個で
あり、コンピューターにより２乗誤差が十分小さくなる
まで繰り返し学習を行い、ユニット間の結合荷重とユニ
ットの閾値を決定する。学習終了後は決定された結合荷
重と閾値を持つニューラルネットワークの出力を計算す
る部分の処理プログラムをブラックトナー濃度推定ルー
チンとして制御プログラムＲＯＭに組み込む。

【００６２】コピー時、各種センサ出力によって得られ
たデータをニューラルネットワークの入出力の型に合う
ように規格化処理した後、ニューラルネットワークの処
理プログラムの入力値として取り込み、出力値の計算を
行う。出力値を規格化された値から実際の値に直すこと
によってブラックトナー濃度の値を得る。また、ニュー
ラルネットワークの処理プログラムを制御ＲＯＭに組み
込まず、予め学習されたニューラルネットワークによっ
て入力の組み合わせに対する出力を計算し、計算された
値をデータテーブルとしてデータＲＯＭに組み込み、コ
ピー時、入力データに対して出力データをデータテーブ
ルから選択し、ブラックトナー濃度を得るようにしても
よい。

【００６３】なお、本実施例では、３層ニューラルネッ
トワークを使ったバックプロパゲーション法による学習
を行っているが、それ以外に、ニューラルネットワーク
の層の数、ユニットの数、ユニットの閾値、応答関数な
どのパラメータを変化させて、最適なニューラルネット
ワークを構築する方法も考えられる。

【００６４】（他の実施例）なお、本発明に係る画像形
成装置は前記実施例に限定するものではなく、その要旨
の範囲内で種々に変更することができる。特に、本発明
はデジタル方式のフルカラー複写機以外にもアナログ式
のフルカラー複写機、デジタル式またはアナログ式のモ
ノクロ複写機、あるいはレーザプリンタにも適用でき
る。

【図面の簡単な説明】

【図１】本発明に係る一実施例であるフルカラー複写機
を示す内部構成図。

【図２】前記複写機の制御回路を示すブロック図。

【図３】画像濃度の制御回路を示すブロック図。

【図４】湿度によるトナー濃度と現像効率の関係を示す
グラフ。

【図５】コピー枚数と現像効率の関係を示すグラフ。

【図６】トナー濃度推定と補給の手順を示すフローチャ
ート図。

【図７】ニューラルネットワークを示す説明図。

【図８】ユニットの入力／出力を示す説明図。

【図９】ニューラルネットワークの学習手順を示すフロ
ーチャート図。

【図１０】ニューラルネットワークの学習を示す説明
図。

【符号の説明】２０…フルカラー作像ユニット２１…感光体ドラム４０…現像ユニット４１Ｃ，４１Ｍ，４１Ｙ…カラー現像器４１Ｂｋ…ブラック現像器４２…トナーホッパ４３Ｃ，４３Ｍ，４３Ｙ…ＡＴＤＣセンサ６１…湿度センサ６２…温度センサ６４…ＡＩＤＣセンサ６５…耐久カウンタ１００…中央制御部（ＣＰＵ）１０１…制御ＲＯＭ１０２…データＲＯＭ

Claims

【特許請求の範囲】

【請求項１】複数の現像器を備えた電子写真法による
画像形成装置において、第１の現像器のトナー濃度データと、第２の現像器のト
ナー濃度データと、画像形成プロセスから得られたデー
タとの相関関係を学習する学習手段と、第２の現像器のトナー濃度データと、画像形成プロセス
から得られたデータを入力する入力手段と、前記学習手段の学習結果と前記入力手段からの入力値に
よって第１の現像器のトナー濃度を推定する推定手段
と、前記推定手段の推定結果に基づいて第１の現像器へのト
ナー補給を行うトナー補給手段と、を備えたことを特徴とする画像形成装置。
【請求項２】前記学習手段はニューラルネットワーク
を用いたことを特徴とする請求項１記載の画像形成装
置。
【請求項３】前記第１の現像器はブラックトナーを含
む現像剤を収容し、前記第２の現像器は単色のカラート
ナーを含む現像剤を収容したものであることを特徴とす
る請求項１記載の画像形成装置。