JPH0869159A - 画像形成装置 - Google Patents

Abstract

(57)【要約】 【目的】 いかなる条件下においても常に高精度かつ頑
強性に富んだ画像形成装置を提供するとともに、開発工
数を大幅に削減すること。 【構成】 帯電器の設定電圧、感光体の表面電位を検出
したアナログ信号をＡ／Ｄ変換器１０２を介してデジタ
ル信号に変換し、ニューラルネットワークによる演算処
理を施す。ニューラルネットワーク演算部１０７は、帯
電器の設定電圧と表面電位と電位制御量を算出する所定
の計算式中の係数値をニューラルネットワークを学習さ
せることでこれらを関係づける。ニューラルネットワー
ク演算部１０７からの出力は、感光体の表面電位を制御
するための帯電器の設定電圧を決定するための計算式中
の係数の値である。電位制御量を算出する所定の計算式
中の係数値をニューラルネットワークを用いて演算する
ことで最適な制御量を決定し、この制御量をグリッド電
圧設定値として帯電器のグリッド電源１０８を制御す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、複写機やレーザープリ
ンターのような電子写真方式において、高精度な帯電電
位制御を行う画像形成装置に関するものである。

【０００２】

【従来の技術】特開平３−１０２６９号公報に記載の従
来例の技術は、一般に知られている。

【０００３】すなわち、品質の良い画像を得るために
は、帯電工程において感光体に望ましい電位を与えなけ
れぼならないが、電位の設定は温湿度の変化や累積複写
枚数の増加等の逐次変化する条件に合わせて常時考慮し
て行わなければならないという困難さをもっている。通
常、単一の設定値ではこれら全ての状態量の変動をカバ
ーすることはできないため、サービスマンが人為的に出
力レベルを切り換えたり、あるいは全く対処せずに画質
の低下を許容してしまう場合もあった。

【０００４】帯電電位制御をする際には、種々の外的要
因、すなわち温度、湿度、累積複写枚数などを常時考慮
して行わなければならず、そのため従来は温度、湿度、
累積複写枚数や表面電位と電位制御量の関係づけを計算
式を用いて帯電電位制御を行っていた。しかし、温湿度
や累積複写枚数等の外的要因と電位制御量の関係は複雑
であり、現状の技術レベルでは十分な物理的数式モデル
化はなされていない。

【０００５】また、近似式を用いた定量化などが行われ
ているが、静電気的ブロセスが主である電子写真技術で
は、通常、種々の外的要因、すなわち温度、湿度、累積
複写枚数などと、最適な帯電器の設定電圧、表面電位と
の関係は極めて複雑で非線形的であるため、十分な定量
化はなされていない。

【０００６】非線形な関係を取り扱うための方法として
は、ルックアップテーブル方式を用いることが行われて
いるが、静電気的プロセスが主である電子写真技術の場
合、非常に複雑な関係をテーブルによって表現しなけれ
ばならないため、十分な精度をもったルックアップテー
ブルを作成することは事実上不可能であった。なぜなら
ば、ルックアップテーブルを埋める各要素は、それぞれ
実験データに基づいて決定しなければならず、しかも極
めて大きなルックアップテーブルが必要となるため、膨
大な実験データを採取しなければならなかったからであ
る。

【０００７】そこで、特開平３−１０２６９号公報で
は、複写機制御システムに内包されている複雑な関係、
たとえば温度、湿度、累積複写枚数や表面電位と電位制
御量の関係を複写機制御システムに内包されているあい
まい情報としてファジィルールやメンバーシップ関数を
用いてモデル化することで、それらを関係づける構成を
用いている。

【０００８】しかし、温度、湿度、累積複写枚数や表面
電位と電位制御量の関係は、複写機によって特性が異な
ったり、ユーザの複写機の使用状況によって大きく異な
る。このような複写機の特徴を考慮していない従来技術
は、入力情報を直接ファジィ演算部に入力し制御量を推
論していた。しかし、ファジィ演算は入力があいまいな
情報で良いというわけではなく、入力に真値との誤差を
含んでいる場合は、誤差を含んだファジィ推論結果を出
力してしまい、必ずしも良好なファジィ推論結果を得ら
れない。さらにファジィ理論は、複雑な制御対象のモデ
ル化は極めて容易であるが、ファジィロジックの最適化
に対してはパラメータが多いため、ロジックの最適化が
困難であるという欠点がある。このように従来の技術で
は温度、湿度、累積複写枚数や表面電位を入力して電位
制御量を直接ファジィ論理を用いて演算していたため、
入力に真値とのズレを生じた場合は必然的にズレを含ん
だファジィ推論結果となり、制御系の最適化が極めて困
難であった。このように推論結果を直接帯電電位設定値
としてしまっては、適切で安定した制御系の開発、最適
帯電制御が困難であることは明らかである。

【０００９】

【発明が解決しようとする課題】本発明は上記の点に鑑
みたものであって、画像形成装置において状態量からニ
ューロアルゴリズムを用いることにより係数を推論し、
電位制御量を算出する所定の計算式にこの係数を用いて
制御量を決定することで、いかなる条件下においても常
に高精度かつ頑強性に富んだ画像形成装置を提供すると
ともに、開発工数を大幅に削減することを目的とする。

【００１０】

【課題を解決するための手段】ここでは課題を解決する
ための手段の要点を述べ、具体的な発明内容は実施例に
その詳細を記述する。

【００１１】上記の課題を解決するための方針として
は、電位制御量を算出するための状態量検知手段からの
状態量をニューラルネットワーク演算部に入力し電位制
御量を直接算出するのではなく、後述する計算式を用い
て、この計算式中の係数をニューラルネットワークを用
いた演算部で算出する。これにより、ニューラルネット
ワーク演算部に入力された状態量に誤差が含まれていて
も、十分精度良くかつ頑強性を備えた電位制御量を算出
することができるようになり、如何なる条件下において
も常に高精度、安定性かつ頑強性に富んだ画像形或装置
を実現する。

【００１２】ニューラルネットワークを用いて推論する
計算式中の係数は、後述する暗減衰曲線の変化率に当た
る係数を推論している。暗減衰曲線の変化率に当たるこ
の係数は、温度、湿度、累積複写枚数、帯電電位の変化
が大きくても、あまり大きな変化を示さないという大き
な特徴をもつ。実施例で述べるように、この特徴を用い
ることにより電位制御において従来に見られない多大な
頑強性を生みだしている。従って、電位制御系の入力情
報源である温度、湿度、累積複写枚数、帯電電位等が、
さまざまな条件の変化による何らかの原因で理想的な値
と大きく差異を生じた場合にも、従来技術のように演算
誤差が増大することなく、高精度の電位制御が実現でき
る。

【００１３】本発明による実現手段としては、状態量検
知手段の帯電器の設定電圧、感光体の表面電位を検出し
たアナログ信号をそれぞれＡ／Ｄ変換器を介してデジタ
ル信号に変換する変換手段により情報を得る。これらの
状態量を入力するニューラルネットワークによる演算処
理を施す。ニューラルネットワーク演算処理部は、帯電
器の設定電圧と表面電位と電位制御量を算出する所定の
計算式中の係数値をバックプロパゲーションアルゴリズ
ムを用いてニューラルネットワークを学習させることで
これらを関係づける。この学習方法の詳細は実施例で述
べる。ニューラルネットワーク演算手段からの出力は、
感光体の表面電位を制御するための帯電器の設定電圧を
決定するための後述する計算式中の係数の値である。電
位制御量を算出する所定の計算式中の係数値をニューラ
ルネットワークを用いて演算することで最適な制御量を
決定し、この制御量をグリッド電圧設定値として帯電器
のグリッド電源を制御することで如何なる条件下におい
ても常に高精度かつ頑強性に富んだ電位制御をする複写
機の制御システムを堤供する。

【００１４】

【実施例】図１において、１０４の帯電器のグリッド電
圧設定値と、感光体の表面電位を測定する電位センサ１
０５からのそれぞれの情報は、アナログ信号をデジタル
信号に変換するＡ／Ｄ変換器１０２を介してデジタル信
号にそれぞれ変換される。感光体の表面電位測定ポイン
トは、感光体の表面の決まった任意の１点を測定する。
また、測定と同時にグリッド電圧設定値もＡ／Ｄ変換器
１０２に人力される。ここで、複数の測定ポイントを用
いて、それらの情報を平均等の演算をそれぞれ施し、グ
リッド電圧設定値、表面電位の情報としてもよい。これ
らの信号は、ニューラルネットワークによる演算部１０
７に入力され、制御量決定手段で使用される係数の値を
出力する。後述する制御量決定部１０１は、電位制御量
を算出する計算式にこの係数と状態量を用いることで制
御量を決定し、グリッド制御量を出力する。このデジタ
ル信号をアナログ信号に変換するＤ／Ａ変換器１０３に
より変換し、このグリッド制御量により帯電器のグリッ
ド電源１０８を用いて感光体の表面電位が制御される。
なお、ニューラルネットワークによる演算部では後述す
るニューラルネットワーク、結合係数及びオフセット等
を記憶する。

【００１５】図２において、２０１は複写機、２０２は
感光体ドラム、２０３はスコロトロン型の高圧ユニッ
ト、２０４は高圧電源、２０５はバイアス電源、２０６
は制御量決定部、２０７はＡ／Ｄ変換器、２０８はイレ
ーズランプ、２０９はクリーニング装置、２１０はニュ
ーラルネット演算部、２１１はＤ／Ａ変換器である。

【００１６】感光体ドラム２０２はスコロトロン型の高
圧ユニット２０３のワイヤに高圧電源２０４により適当
な高電圧が印加され、バイアス電源によりバイアスの印
加電圧を各状態量を基に制御することで、適切な帯電量
が一定に形成される。

【００１７】図３においては、本発明で使用した公知の
スコロトロン型の高圧ユニットを示す。

【００１８】同３において、３０１は放電ワイヤ、３０
２は高圧電源、３０３はグリッド、３０４はバイアス電
源、３０５は接地されたシールド材、３０６は感光体ド
ラムである。

【００１９】感光体ドラムをある電位に帯電させ、光の
当たらない場所で放置すると、電位は時間と共に減衰す
る。この現象を暗減衰というが、環境や帯電電位が異な
ればこの特性は変化する。ここで、所定のチャージ電流
をコロトロンに流し、所定のグリッド電圧をグリッドに
印加し、感光体ドラムがある電位に帯電した後、時問と
共に帯電電位の減衰を表した図が、図４（ａ）、（ｂ）
である。図４（ａ）において、４０１は高温高湿の環境
の特性、４０３は低温低湿の環境の特性、４０２は通常
の環境下での特性であり、環境が変化した場合の暗減衰
特性である。図４（ｂ）においては、帯電電位を可変し
た場合の相対的な減衰特性を示し、高電位では４０４、
通常電位では４０５、低電位では４０６のような特性を
示す。これらの感光体ドラム特性を決める状態量と暗減
衰率の関係は非線形的要素を含み、現在の技術レベルで
は数式による定量的なモデル化は困難である。しかし、
ニューラルネットワークの学習によってそれらの入出力
を関係づけることは極めて容易である。

【００２０】図１のように、グリッド電圧をモニターす
るグリッド電圧設定値１０４、感光体の表面電位を測定
する電位センサ１０５からのそれぞれの情報が、アナロ
グ信号をデジタル信号に変換するＡ／Ｄ変換器１０２を
介してデジタル信号にそれぞれ変換される。これらの信
号は、ニューラルネットワークによる演算部１０７に入
力され、制御量決定手段で使用される係数の値を出力す
る。

【００２１】その構造は図６に示すように入力層、中間
層、出力層からなり、バックプロパゲーションアルゴリ
ズムに基づき所望の入出力関係を学習する。ニューラル
ネットについては「入門と実習ニューロコンピュータ」
（技術評論社）により知られている。

【００２２】以下、ニューラルネットワークが係数を演
算する学習法を説明する。

【００２３】まず事前に、図４（ａ）、（ｂ）の暗減衰
特性からグリッドの印加電圧、所定時間後の暗減衰した
帯電電位、これらが表す状態量のときの暗減衰率を図５
（ａ）のようにデータ化する。ここで図５（ａ）のデー
タを規格化してもよい。すなわち、このデータを図５
（ｂ）のようにそれぞれ暗減衰は１０分の１にし、表面
電位は１０００分の１にして０から１の間の数にしたも
のをニューラルネットワークの教師信号とする。

【００２４】次にこれらのグリッドの印加電圧、所定時
間後の陪減衰した帯電電位からなる状態量をニューラル
ネットワークの入力信号として与え、このときにニュー
ラルネットワークから出力される出力信号が、これらの
状態量のときに示される暗減衰率の値を教師信号とした
時に、この出力信号と出力側に与える教師信号の差が所
定の値以下になるまでバックプロパゲーションアルゴリ
ズムを用いてニューラルネットワークを学習させる。

【００２５】こうして、学習の完了したニューラルネッ
トを搭載したニューラルネット演算部は、グリッドの印
加電圧、所定時間後の暗減衰した帯電電位をこの回路の
入力とする。これにより、学習済みのニューラルネット
ワークの出力層には、そのときの条件下で最良の画質を
実現するための暗減哀率の値αＢが、出力層に出力され
る。

【００２６】制御量決定部は、状態量からニューラルネ
ットによって演算された係数を入力し、同時に電位制御
量を算出する以下の式１、２に、状態量と現像位置電位
設定値を用いることで、グリッド電源を制御する値であ
るグリッド制御量を決定する。

【００２７】式２で用いられているＧＡＩＮは、例えば
ユーザが複写を終了した後や複写を始める直前に所望の
タイミングでグリッド電圧を少なくとも２段階に変化さ
せた時のグリッド電圧と表面電位のそれぞれの変化の比
を求める（式３に表記）。すなわち、図７における電位
差１と電位差２の比を求めるのである。これにより、環
境の変化や経時の変化等によって感光体の特性が変化し
た場合のグリッド電圧値の補正分は、感光体の特性に合
わせて可変することになり、常に適切なグリッド電庄値
の補正分がこの係数ＧＡＩＮによって最適化される。

【００２８】以下に、制御量の具体的な演算方法を述べ
る。

【００２９】 現像位置電位予測値＝グリッド電圧−αＢ×（グリッド電圧−電位センサ位置電 位） ・・・（式１） グリッド制御量＝グリッド電圧値−ＧＡＩＮ×（現像位置電位予測値−現像位置 電位設定値） ・・・（式２） ＧＡＩＮ＝（グリッド電圧値１−グリッド電圧値２）／（電位センサ位置電位１ −電位センサ位置電位２） ・・・（式３） 例えば、今グリッド電圧αが６９０（−Ｖ）、表面電位
信号βが６４６（−Ｖ）のときニューラルネットワーク
は１．６８を演算し、現像位置電位設定値が６００（−
Ｖ）、ＧＡＩＮが１であったとき、グリッド制御量は、 ６９０−１．６８×（６９０−６４６）＝６１６（−
Ｖ） ６９０−１×（６１６−６００）＝６７４（−Ｖ） のように求まり、このデジタル信号をＤ／Ａ変換器１０
３によりアナログ信号に変換し、この出力値に基づいて
グリッド電源１０８を用いて感光体の表面電位が制御さ
れ、現像位置の電位が設定値６００（−Ｖ）に対し一定
に保たれる。

【００３０】ここで、式１の係数αＢは、ニューラルネ
ットワークの出力値であり、これは先に述ベた通り、図
４の暗減衰曲線の変化率にあたる係数である。この係数
は温湿度、帯電電位の変化が大きくても、あまり大きな
変化を示さないという大きな特徴をもつ。例えば、実験
的に明らかであるが、一定に帯電をさせた感光体におい
て高温多湿と低温低湿の暗減衰曲線の変化率の変化を比
べると、変化率は１．５９７から１．８０６に変化する
程度であり、両者の差は実に０．２０９である。暗減衰
の変化率は暗減衰の変化率＝（グリッド電圧−現像位置
電位）／（グリッド電圧−電位センザ位置電位）で表さ
れる。

【００３１】本発明では、感光体およびその周辺の環境
等の変化にともない帯電特性が大きく変化しても、この
変化に対してあまり大きな変化を示さない暗減衰曲線の
変化率にあたる係数をニューラルネットワークを用いて
前述した状態量をもとに演算するために、電位制御にお
いて従来に見られない多大な頑強性を生みだしているの
で、電位制御の入力である状態量に何らかの原因で真値
との誤差を生じた場合も、従来技術のように演算値を極
度に間違えることなしに、電位制御誤差を従来よりも大
幅におさえることができる。

【００３２】例えば、前述の例において急激な温湿度の
変化や複写機の立上げ時のウォームアップ不足や複写機
の過激な使われ方等のさまざまな条件の変化により、本
来表面電位信号βが６４６（−Ｖ）と得られるところ、
６５１（−Ｖ）と誤差を含んだ値で入力されると、我々
の実験では従来のように入力の状態量から直接ファジィ
推論等によって電位制御量を推論する方式を用いると、
電位制御量はほぼ７０２（−Ｖ）と推論される。しか
し、本発明によれば、ニューラルネットワークを用いた
推論によって式１の係数αＢが１．６５と推論され、そ
の結果、式１、２から電位制御量はほぼ６６４（−Ｖ）
と演算される。いま、表面電位信号が１３６４６（−
Ｖ）の電位のとき、理想的な電位制御量は６７４（−
Ｖ）であるから、入力信号の誤差がこの１０（Ｖ）とお
よそ３分の１となり、大幅に抑えることが実現できた。

【００３３】

【発明の効果】この発明は、以上の構成及び作用よりな
るもので、さまざまな条件の状態量とこれに対する感光
体の特性の暗減衰率を、ニューラルネットワークを用い
て関係づけることにより、電位制御量を算出する計算式
の係数を推論し、グリッド電圧設定値を演算し表面電位
の制御を実行することで、いかなる環境変動等に対して
も、また入力情報に誤差が含まれていても常に最適にか
つ、安定した帯電量を制御できる。しかも入出力関係づ
けは極めて容易であるので、開発工数が大輻に効率化で
きる画像形成装置とすることができる。

【図面の簡単な説明】

【図１】 帯電装置の制御ブロック図を示す。

【図２】 画像形成装置の全体を示す概略図である。

【図３】 帯電高圧ユニットの概略図を示す。

【図４】 感光体ドラムの特性を示すグラフである。

【図５】 （ａ）は感光体ドラムの特性のデータ、
（ｂ）は感光体ドラムの特性のデータの教師データを示
す。

【図６】 ニューラルネットの構成図を示す。

【図７】 感光体の帯電電位特性グラフを示す。

【符号の説明】

１０１ 制御量決定部 １０２ Ａ／Ｄ
変換器 １０３ Ｄ／Ａ変換器 １０４ グリッ
ド電圧計 １０５ 電位センサ １０７ ニューラルネットワーク演算部 １０８ グリッド電源 ２０１ 複写機 ２０２ 感光体ドラム ２０３ スコロトロン型の高圧ユニット ２０４ 高圧電源 ２０５ バイア
ス電源 ２０６ 制御量決定部 ２０７ Ａ／Ｄ
変換器 ２０８ イレーズランプ ２０９ クリー
ニング装置 ２１０ ニューラルネット演算部 ２１１ Ｄ／Ａ
変換器 ３０１ 放電ワイヤ ３０２ 高圧電
源 ３０３ グリッド ３０４ バイア
ス電源 ３０５ 接地されたシールド材 ３０６ 感光体
ドラム ４０１ 高温高湿の環境の特性 ４０２ 通常の
環境下の特性 ４０３ 低温低湿の環境の特性

Claims (1)

【特許請求の範囲】
1. 【請求項１】 感光体の表面を帯電させる手段と、 電位制御量に応じて前記帯電手段を制御して、前記感光
   体の表面電位を変化させる制御手段と、 前記感光体の表面電位を制御するための状態量を検知す
   るための状態量検知手段と、 前記状態量検知手段により検知された状態量からニュー
   ロアルゴリズムにより前記感光体の暗減衰率を推定する
   ニューラルネットワークと、 前記ニューラルネットワークにより推定された暗減衰率
   を用いて所定の演算式から前記感光体の最適な表面電位
   を維持するための電位制御量を演算する制御量決定手段
   と、を有することを特徴とする画像形成装置。