JPH04339233A - 火災予防装置 - Google Patents
火災予防装置Info
- Publication number
- JPH04339233A JPH04339233A JP3111501A JP11150191A JPH04339233A JP H04339233 A JPH04339233 A JP H04339233A JP 3111501 A JP3111501 A JP 3111501A JP 11150191 A JP11150191 A JP 11150191A JP H04339233 A JPH04339233 A JP H04339233A
- Authority
- JP
- Japan
- Prior art keywords
- data
- input
- copying machine
- fire prevention
- layer
- 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.)
- Withdrawn
Links
- 230000002265 prevention Effects 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 25
- 238000013500 data storage Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 24
- 238000000034 method Methods 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 16
- 230000005856 abnormality Effects 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 229910052736 halogen Inorganic materials 0.000 description 3
- 150000002367 halogens Chemical class 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 102100031584 Cell division cycle-associated 7-like protein Human genes 0.000 description 1
- 101000777638 Homo sapiens Cell division cycle-associated 7-like protein Proteins 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Control Or Security For Electrophotography (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【0001】
【産業上の利用分野】本発明は接続された装置の火災発
生を防止する火災予防装置に関し、例えば、接続装置が
少なくとも可動可能状態にある場合において、接続装置
内の状況を予め分類された状況の一つとして認識し、認
識状況に応じた火災予防処置を行なう火災予防装置に関
するものである。
生を防止する火災予防装置に関し、例えば、接続装置が
少なくとも可動可能状態にある場合において、接続装置
内の状況を予め分類された状況の一つとして認識し、認
識状況に応じた火災予防処置を行なう火災予防装置に関
するものである。
【0002】
【従来の技術】装置、例えば従来の複写機の安全対策と
しては、ハードウエア面では複写機内で火災の直接の原
因となり得る熱源、例えば、光源部のハロゲンランプ、
熱定着器部のヒータに対して、温度ヒューズや、サーモ
スイッチを設置することにより、危険温度に達した場合
に保護動作を行なうよう制御していた。また、電源部で
の過電流・過電圧保護回路等も発火防止対策としても使
用されている例等がある。
しては、ハードウエア面では複写機内で火災の直接の原
因となり得る熱源、例えば、光源部のハロゲンランプ、
熱定着器部のヒータに対して、温度ヒューズや、サーモ
スイッチを設置することにより、危険温度に達した場合
に保護動作を行なうよう制御していた。また、電源部で
の過電流・過電圧保護回路等も発火防止対策としても使
用されている例等がある。
【0003】一方、同様に、ソフトウエア面においても
、熱定着器等に取り付けられたサーミスタからの温度情
報による温度制御を行なつたり、温度や光量制御信号を
監視する等して、異常時に対する処理を行うこと等が行
なわれていた。
、熱定着器等に取り付けられたサーミスタからの温度情
報による温度制御を行なつたり、温度や光量制御信号を
監視する等して、異常時に対する処理を行うこと等が行
なわれていた。
【0004】
【発明が解決しようとする課題】しかし、これらの安全
対策は、複写機本体に搭載されているCPUにより管理
されている面はあるが、それらは各部分ごとに行われて
いるものであり、この様な部分的な対策においては、安
全対策用に用いられている部品・回路自体に欠陥、もし
くは、故障があった場合、また、その部品・回路が正常
に動作していたとしても、他の部品・回路が故障した場
合、例えば、センサ回路は正常であるが、制御回路に異
常があった場合等にその影響によって異常が検出できな
い自体に陥り、本来望むべき保護動作を行えなくなって
しまう様な状態に陥る可能性があった。このため、火災
を発生してしまう可能性が少なからずあつた。
対策は、複写機本体に搭載されているCPUにより管理
されている面はあるが、それらは各部分ごとに行われて
いるものであり、この様な部分的な対策においては、安
全対策用に用いられている部品・回路自体に欠陥、もし
くは、故障があった場合、また、その部品・回路が正常
に動作していたとしても、他の部品・回路が故障した場
合、例えば、センサ回路は正常であるが、制御回路に異
常があった場合等にその影響によって異常が検出できな
い自体に陥り、本来望むべき保護動作を行えなくなって
しまう様な状態に陥る可能性があった。このため、火災
を発生してしまう可能性が少なからずあつた。
【0005】
【課題を解決するための手段】本発明は上述の課題を解
決することを目的として成されたもので、統合的な火災
予防システムを提供することを具体的目的とし、該目的
を達成する一手段として以下の構成を備える。即ち、接
続装置が少なくとも可動可能状態にある場合において、
前記接続装置内の状況を予め分類された状況の一つとし
て認識し、認識状況に応じた火災予防処置を行なう火災
予防装置であって、接続装置の電源投入状態での各部の
状態パラメータの各データを時系列データとして記憶す
る時系列データ記憶手段と、該時系列記憶手段に記憶の
各時系列データの各々を入力する入力ユニットの集合で
ある入力層、該入力層の各入力ユニットとの少なくとも
一部が結合された複数の中間層ユニットの集合である中
間層、及び該複数の中間ユニットの少なくとも一部と結
合され上記複数の可動状況に対応して設けられた出力ユ
ニットの集合である出力層からなるニューラルネットと
を備える。
決することを目的として成されたもので、統合的な火災
予防システムを提供することを具体的目的とし、該目的
を達成する一手段として以下の構成を備える。即ち、接
続装置が少なくとも可動可能状態にある場合において、
前記接続装置内の状況を予め分類された状況の一つとし
て認識し、認識状況に応じた火災予防処置を行なう火災
予防装置であって、接続装置の電源投入状態での各部の
状態パラメータの各データを時系列データとして記憶す
る時系列データ記憶手段と、該時系列記憶手段に記憶の
各時系列データの各々を入力する入力ユニットの集合で
ある入力層、該入力層の各入力ユニットとの少なくとも
一部が結合された複数の中間層ユニットの集合である中
間層、及び該複数の中間ユニットの少なくとも一部と結
合され上記複数の可動状況に対応して設けられた出力ユ
ニットの集合である出力層からなるニューラルネットと
を備える。
【0006】
【作用】以上の構成において、接続装置本体側にいかな
る故障が発生しても、確実に接続されている装置の火災
等の発生を予防できる火災予防装置が提供できる。
る故障が発生しても、確実に接続されている装置の火災
等の発生を予防できる火災予防装置が提供できる。
【0007】
【実施例】以下、図面を参照して本発明に係る一実施例
を詳細に説明する。図1は本発明に係る一実施例の火災
予防システムの概略構成図である。図1において、10
0が本実施例火災予防装置200の接続される装置とし
ての複写機、200が本実施例の火災予防装置である。
を詳細に説明する。図1は本発明に係る一実施例の火災
予防システムの概略構成図である。図1において、10
0が本実施例火災予防装置200の接続される装置とし
ての複写機、200が本実施例の火災予防装置である。
【0008】複写機100において、1はROM2に格
納された制御手順等に従い複写機全体の全体制御を司る
メインCPU、2は上述の制御手順の他、必要なパラメ
ータ等を記憶するROM、3,4はRAM、5はメイン
CPU1の制御下で搬送系のモータ等の制御及び定着器
関係のヒータ制御等を司るサブCPU、6はメインCP
U1が光学系を制御するためのI/Oポート、7はラン
プ8を調光するためのランプ調光回路、8は複写原稿を
読み取るためのランプ、9はサブCPU5が搬送系のモ
ータ等の制御及び定着器関係のヒータ制御等を行なうた
めのI/Oポート、10はヒータ温度調節回路、11は
モータ制御回路、12は原稿搬送系等を駆動するモータ
、13は定着器用のヒータである。他に電源14を備え
る。
納された制御手順等に従い複写機全体の全体制御を司る
メインCPU、2は上述の制御手順の他、必要なパラメ
ータ等を記憶するROM、3,4はRAM、5はメイン
CPU1の制御下で搬送系のモータ等の制御及び定着器
関係のヒータ制御等を司るサブCPU、6はメインCP
U1が光学系を制御するためのI/Oポート、7はラン
プ8を調光するためのランプ調光回路、8は複写原稿を
読み取るためのランプ、9はサブCPU5が搬送系のモ
ータ等の制御及び定着器関係のヒータ制御等を行なうた
めのI/Oポート、10はヒータ温度調節回路、11は
モータ制御回路、12は原稿搬送系等を駆動するモータ
、13は定着器用のヒータである。他に電源14を備え
る。
【0009】なお、これ以外にも画像処理系、原稿搬送
系、原稿への複写画像転写機構等、複写機に一般的に備
えられている各種構成を備えているが、これらの機構は
本実施例の主眼とする火災発生源に成る可能性がほとん
ど無いため、説明の簡単のため図示を省略している。 又、火災予防装置200において、201はROM20
2に格納された制御手順に従い装置全体の制御を司るC
PU、202はROM、203はRAM、204は所定
時間を計時等して割込み信号を発生させるタイマ、20
5は後述する複写機に備えられたセンサよりの検出デー
タをCPU201で収集するための入力ポート、及び認
識結果により外部回路に信号を出力する必要が生じた場
合に必要となる出力ポートよりなるI/Oポートである
。これら各構成はバスを介して相互に接続されている。
系、原稿への複写画像転写機構等、複写機に一般的に備
えられている各種構成を備えているが、これらの機構は
本実施例の主眼とする火災発生源に成る可能性がほとん
ど無いため、説明の簡単のため図示を省略している。 又、火災予防装置200において、201はROM20
2に格納された制御手順に従い装置全体の制御を司るC
PU、202はROM、203はRAM、204は所定
時間を計時等して割込み信号を発生させるタイマ、20
5は後述する複写機に備えられたセンサよりの検出デー
タをCPU201で収集するための入力ポート、及び認
識結果により外部回路に信号を出力する必要が生じた場
合に必要となる出力ポートよりなるI/Oポートである
。これら各構成はバスを介して相互に接続されている。
【0010】火災予防装置200は、複写機100にお
ける発火、発煙源としての光源部、熱定着器部、電源、
モータ等に、複写機の可動状態に関するパラメータを検
出するためのセンサ群を備え、異常状態の認識処理を実
行可能に構成されており、複写機本体の全体制御を司る
メインCPU1からは完全に別個独立した構成になって
いる。
ける発火、発煙源としての光源部、熱定着器部、電源、
モータ等に、複写機の可動状態に関するパラメータを検
出するためのセンサ群を備え、異常状態の認識処理を実
行可能に構成されており、複写機本体の全体制御を司る
メインCPU1からは完全に別個独立した構成になって
いる。
【0011】次に、複写機100に備えられたセンサ群
について説明する。複写機の稼動状態を検出するセンサ
としては、 1)光源部に、 (a)ランプの温度を測定する温度センサ27(b)サ
ーモスイッチ(または、温度ヒューズ)の接続、断絶を
検知する電流の検知及びランプの光量制御信号の検知を
行なうセンサ26 2)熱定着部に、 (a)定着器の温度を測定する温度センサ21(b)サ
ーモスイッチ(または、温度ヒューズ)の接続、断絶を
検知する電流の検知及びヒータの温度制御信号の検知を
行なうセンサ22 3)電源部に、 (a)入力端、出力端における電圧・電流を検出するセ
ンサ24 (b)スイッチング素子のFET、ダイオード等の温度
を検知する温度センサ25 4)駆動部に、 (a)モータへの入力電圧の検出、パルスの検出を行な
うセンサ23 (b)モータの回転数及びモータの表面温度を検出する
センサ20等がある。
について説明する。複写機の稼動状態を検出するセンサ
としては、 1)光源部に、 (a)ランプの温度を測定する温度センサ27(b)サ
ーモスイッチ(または、温度ヒューズ)の接続、断絶を
検知する電流の検知及びランプの光量制御信号の検知を
行なうセンサ26 2)熱定着部に、 (a)定着器の温度を測定する温度センサ21(b)サ
ーモスイッチ(または、温度ヒューズ)の接続、断絶を
検知する電流の検知及びヒータの温度制御信号の検知を
行なうセンサ22 3)電源部に、 (a)入力端、出力端における電圧・電流を検出するセ
ンサ24 (b)スイッチング素子のFET、ダイオード等の温度
を検知する温度センサ25 4)駆動部に、 (a)モータへの入力電圧の検出、パルスの検出を行な
うセンサ23 (b)モータの回転数及びモータの表面温度を検出する
センサ20等がある。
【0012】CPU201は、これらのセンサ群からの
信号をI/Oポート205を介して入力して異常状態を
認識を行う。このI/Oポート205の入力ポートとセ
ンサ群とはA/D変換器を介して接続されており、セン
サから出力されたアナログ信号は、デイジタル信号に変
換されRAM102に格納される。本実施例の火災予防
装置200は、いわゆるニューラルネットとしての構成
を逐次処理型の既存のハードウエアにおいて、ソフトウ
エアにより実現したものである。
信号をI/Oポート205を介して入力して異常状態を
認識を行う。このI/Oポート205の入力ポートとセ
ンサ群とはA/D変換器を介して接続されており、セン
サから出力されたアナログ信号は、デイジタル信号に変
換されRAM102に格納される。本実施例の火災予防
装置200は、いわゆるニューラルネットとしての構成
を逐次処理型の既存のハードウエアにおいて、ソフトウ
エアにより実現したものである。
【0013】即ち、本実施例の火災予防装置200は、
図2に例示するように、複写機が可動状態、または、可
動可能状態時における各部の状態を、予め分類された複
数の異常状態のひとつとして認識するため、複写機の電
源投入状態での各部の状態のパラメータを上述の各種セ
ンサ等で検出する。そして、各部毎にパラメータを出力
する可動状態データ出力手段KDと、該各パラメータの
各データの各々を入力する入力ユニットIm(m=1,
2,・・・)の集合である入力層IL、該入力層ILの
各入力ユニットImと少なくとも一部が結合された複数
の中間ユニットMn(n=1,2,・・・)の集合であ
る中間層ML、及び該複数の中間ユニットMnの少なく
とも一部と結合され、上記複数の異常状態に対応して設
けられた出力ユニットOp(p=1,2,・・・)の集
合である出力層から構成されるニューラルネットとし、
各層間における各ユニット間の結合の強さを、特定の可
動状況毎に、出力層OLの各出力ユニットOpに所望の
出力が得られるように予め学習したニューラルネットN
構成とする。
図2に例示するように、複写機が可動状態、または、可
動可能状態時における各部の状態を、予め分類された複
数の異常状態のひとつとして認識するため、複写機の電
源投入状態での各部の状態のパラメータを上述の各種セ
ンサ等で検出する。そして、各部毎にパラメータを出力
する可動状態データ出力手段KDと、該各パラメータの
各データの各々を入力する入力ユニットIm(m=1,
2,・・・)の集合である入力層IL、該入力層ILの
各入力ユニットImと少なくとも一部が結合された複数
の中間ユニットMn(n=1,2,・・・)の集合であ
る中間層ML、及び該複数の中間ユニットMnの少なく
とも一部と結合され、上記複数の異常状態に対応して設
けられた出力ユニットOp(p=1,2,・・・)の集
合である出力層から構成されるニューラルネットとし、
各層間における各ユニット間の結合の強さを、特定の可
動状況毎に、出力層OLの各出力ユニットOpに所望の
出力が得られるように予め学習したニューラルネットN
構成とする。
【0014】また、前記可動状態データKDの時系列デ
ータ等のデータ及び学習結果データは記憶手段としての
RAM203に記憶させる。以上の構成において、次の
ようにして複写機100の可動状態を予め分類された複
数の異常状態のひとつとして認識する。 (1)稼動状況出力手段KDにより複写機の可動状態、
例えば熱定着器のヒータ13の温度、ハロゲンランプ8
の温度、ハロゲンランプ周辺対象物温度、冷却ファンへ
の供給電圧値、電源出力電圧・電流、モータ12の回転
数・入力電圧等の各部の複数のパラメータを検出し、各
パラメータ毎にデータを出力する。この時、各パラメー
タについてデータは、所定個数の時系列データとして取
込む。 (2)可動状況出力手段KDによって出力された各部の
各パラメータについての各データの各々は、ニューラル
ネットNの入力層ILの各入力ユニットImに入力され
る。この入力層ILの各入力ユニットImは、中間層M
Lの複数の中間ユニットMnの少なくとも一部は、出力
層OLの複数の出力ユニットOpに結合されている。各
ユニット間の結合の強さは予め学習されているから、現
在の複写機の各部の状態に応じた出力が得られる。 (3)この結果、複写機の可動状態を反映した複数のパ
ラメータに基づいて、複写機の現在の状態が、予め分類
された複数の異常状態のひとつとして認識される。
ータ等のデータ及び学習結果データは記憶手段としての
RAM203に記憶させる。以上の構成において、次の
ようにして複写機100の可動状態を予め分類された複
数の異常状態のひとつとして認識する。 (1)稼動状況出力手段KDにより複写機の可動状態、
例えば熱定着器のヒータ13の温度、ハロゲンランプ8
の温度、ハロゲンランプ周辺対象物温度、冷却ファンへ
の供給電圧値、電源出力電圧・電流、モータ12の回転
数・入力電圧等の各部の複数のパラメータを検出し、各
パラメータ毎にデータを出力する。この時、各パラメー
タについてデータは、所定個数の時系列データとして取
込む。 (2)可動状況出力手段KDによって出力された各部の
各パラメータについての各データの各々は、ニューラル
ネットNの入力層ILの各入力ユニットImに入力され
る。この入力層ILの各入力ユニットImは、中間層M
Lの複数の中間ユニットMnの少なくとも一部は、出力
層OLの複数の出力ユニットOpに結合されている。各
ユニット間の結合の強さは予め学習されているから、現
在の複写機の各部の状態に応じた出力が得られる。 (3)この結果、複写機の可動状態を反映した複数のパ
ラメータに基づいて、複写機の現在の状態が、予め分類
された複数の異常状態のひとつとして認識される。
【0015】なお、ニューラルネットNは、階層型、自
由連想型、相互結合型等種々の構成を採用することがで
き、階層型の場合、中間層は1層に限定されるものでは
なく、2以上の層を有する構成としてもよく、また、さ
らに、ニューラルネットNにフィードバック結合を加え
ても差し仕えない。その学習は、バックプロパゲーショ
ン等の周知のアルゴリズムを適用することができ、フィ
ードバック結合を有する場合には、再循環アルゴリズム
あるいは再起バックプロパゲーション等の手法を用いる
ことができる。
由連想型、相互結合型等種々の構成を採用することがで
き、階層型の場合、中間層は1層に限定されるものでは
なく、2以上の層を有する構成としてもよく、また、さ
らに、ニューラルネットNにフィードバック結合を加え
ても差し仕えない。その学習は、バックプロパゲーショ
ン等の周知のアルゴリズムを適用することができ、フィ
ードバック結合を有する場合には、再循環アルゴリズム
あるいは再起バックプロパゲーション等の手法を用いる
ことができる。
【0016】以上のニューラルネットNの具体的構成と
各センサからのデータの処理を、図3を参照しつつ、以
下説明する。上述した各部センサからの温度データ、光
量制御信号データ、ヒータ温度制御信号データ等の検出
信号は、CPU201のデータ取込み部においてタイマ
204よりの割込みに係る一定時間毎に読み込まれ、時
系列のデータとして次段の時系列データ展開部TDTi
で展開される。この時系列データ展開部TDTiは、時
間毎にデータをシフトする構成としており、これにより
データに単位時間デイレイを付与して時系列データを生
成する構成となっている。
各センサからのデータの処理を、図3を参照しつつ、以
下説明する。上述した各部センサからの温度データ、光
量制御信号データ、ヒータ温度制御信号データ等の検出
信号は、CPU201のデータ取込み部においてタイマ
204よりの割込みに係る一定時間毎に読み込まれ、時
系列のデータとして次段の時系列データ展開部TDTi
で展開される。この時系列データ展開部TDTiは、時
間毎にデータをシフトする構成としており、これにより
データに単位時間デイレイを付与して時系列データを生
成する構成となっている。
【0017】また、入力データとしては、これらセンサ
からのデータのほかに、データ読み込み部(光源部、定
着器部など)を示す読み込み部指定データPRDがある
。本実施例では入力ユニット数を減らすことで、各部分
毎に各々の場所の異常を認識させている。ニューラルネ
ットNは、階層型のものであり、各データに対応して設
けられた中間ユニットからなる中間層Mnと、認識すべ
き複写機の稼動状態の種別数に対応する数だけ設けられ
た出力ユニットからなる出力層Opとから構成されてい
る。各ユニット間の結合の強さは、いわゆるバックプロ
パゲーション等の手法により学習されている。
からのデータのほかに、データ読み込み部(光源部、定
着器部など)を示す読み込み部指定データPRDがある
。本実施例では入力ユニット数を減らすことで、各部分
毎に各々の場所の異常を認識させている。ニューラルネ
ットNは、階層型のものであり、各データに対応して設
けられた中間ユニットからなる中間層Mnと、認識すべ
き複写機の稼動状態の種別数に対応する数だけ設けられ
た出力ユニットからなる出力層Opとから構成されてい
る。各ユニット間の結合の強さは、いわゆるバックプロ
パゲーション等の手法により学習されている。
【0018】このバックプロパゲーションによる学習と
は、複写機の異常時などの典型的な状況下での各センサ
等からの入力値をニューラルネットNに入力し、これら
の入力に対し、異常状態に対応する出力ユニットの出力
値が値1で、それ以外の出力ユニットの出力値が値0と
なるように結合量ωを学習させるものである。この手法
は周知のものなので、詳細な説明は省略するが、基本的
には、各出力ユニットの実際の出力と理想的な出力(以
下、教師データと呼ぶ)との誤差が最小になるように各
ユニット間の結合の強さ(重み付けデータ)ωを学習す
るものであり、最小2乗誤差法が用いられる。
は、複写機の異常時などの典型的な状況下での各センサ
等からの入力値をニューラルネットNに入力し、これら
の入力に対し、異常状態に対応する出力ユニットの出力
値が値1で、それ以外の出力ユニットの出力値が値0と
なるように結合量ωを学習させるものである。この手法
は周知のものなので、詳細な説明は省略するが、基本的
には、各出力ユニットの実際の出力と理想的な出力(以
下、教師データと呼ぶ)との誤差が最小になるように各
ユニット間の結合の強さ(重み付けデータ)ωを学習す
るものであり、最小2乗誤差法が用いられる。
【0019】なお、中間層と入力層については、教師デ
ータに相当するものを決定することが実際上困難なので
、出力側の層の誤差値δに重み付けデータωを乗算した
累積値をその層の誤差値とし、これが最小になるように
学習を行う。各異常状態においてこうした学習を繰返し
行って、それぞれの異常状態での入力パターンに対して
各層の結合の強さを学習しておけば、学習した異常状態
時パターン以外のパターンが入力されても、これに一番
近い出力の連想(出力の計算)がなされ、ニューラルネ
ットとして、異常状態を認識することができることにな
る。
ータに相当するものを決定することが実際上困難なので
、出力側の層の誤差値δに重み付けデータωを乗算した
累積値をその層の誤差値とし、これが最小になるように
学習を行う。各異常状態においてこうした学習を繰返し
行って、それぞれの異常状態での入力パターンに対して
各層の結合の強さを学習しておけば、学習した異常状態
時パターン以外のパターンが入力されても、これに一番
近い出力の連想(出力の計算)がなされ、ニューラルネ
ットとして、異常状態を認識することができることにな
る。
【0020】時系列データ展開部TDTiで展開された
時系列データTDmー1 と、読み込み部指定データP
RDはニューラルネットの入力層Imの各入力ユニット
に入力されることになるが、この様子を模式的に示した
のが図4である。時系列データTDmー1 は、一定時
間毎に最も古いデータがひとつ消去され、最新のデータ
がひとつ付け加えられて更新される。
時系列データTDmー1 と、読み込み部指定データP
RDはニューラルネットの入力層Imの各入力ユニット
に入力されることになるが、この様子を模式的に示した
のが図4である。時系列データTDmー1 は、一定時
間毎に最も古いデータがひとつ消去され、最新のデータ
がひとつ付け加えられて更新される。
【0021】以上の処理を簡単にまとめると、この火災
予防システムは、その使用に先立って、まず、ニューラ
ルネット内の各層間の結合の強さをバックプロパゲーシ
ョンの手段法により学習し、学習後は、稼動中の複写機
内部からの各入力信号の一定時間の時系列データを入力
して、出力計算を行って異常状態を認識するものである
。本実施例では、学習された結合の強さを重み付けデー
タωとして予め記憶装置としてのROM201に記憶し
、これを用いた演算により異常状態の認識を行っている
。
予防システムは、その使用に先立って、まず、ニューラ
ルネット内の各層間の結合の強さをバックプロパゲーシ
ョンの手段法により学習し、学習後は、稼動中の複写機
内部からの各入力信号の一定時間の時系列データを入力
して、出力計算を行って異常状態を認識するものである
。本実施例では、学習された結合の強さを重み付けデー
タωとして予め記憶装置としてのROM201に記憶し
、これを用いた演算により異常状態の認識を行っている
。
【0022】以下、本実施例における具体的な複写機1
00の異常状態の認識処理について、図5及び図6のフ
ローチャートを参照して説明する。図5に示す割込み処
理ルーチンでは、各部センサからの出力を読み込み、時
系列データTDmー1 として読み込んだデータを格納
し、ニューラルネットとしての処理と、その結果に応じ
た処理を行なつている。図6に示すメインルーチンでは
、ニューラルネットとしての処理と、その結果に応じた
処理を行なつている。
00の異常状態の認識処理について、図5及び図6のフ
ローチャートを参照して説明する。図5に示す割込み処
理ルーチンでは、各部センサからの出力を読み込み、時
系列データTDmー1 として読み込んだデータを格納
し、ニューラルネットとしての処理と、その結果に応じ
た処理を行なつている。図6に示すメインルーチンでは
、ニューラルネットとしての処理と、その結果に応じた
処理を行なつている。
【0023】まず、図5を参照して割込み処理ルーチン
を説明する。この割込み処理ルーチンは、タイマ204
の一定時間毎の割込みにより起動される。そして、まず
ステツプWAにおいてメモリに格納されている読み込み
部指定データPRDに従い読み込み先のI/Oポートア
ドレスを決定する。続いてステツプWBで現在RAM2
03の所定の領域に格納されている、ステツプWAで決
定指定された読み込み部時系列データTDmー1 をシ
フトし、データ取込み指令を出力する。その後ステツプ
WCで読み込みデータに対してA/D変換の処理を行い
、ステツプWDでデータの取込みを完了するまで待機す
る。
を説明する。この割込み処理ルーチンは、タイマ204
の一定時間毎の割込みにより起動される。そして、まず
ステツプWAにおいてメモリに格納されている読み込み
部指定データPRDに従い読み込み先のI/Oポートア
ドレスを決定する。続いてステツプWBで現在RAM2
03の所定の領域に格納されている、ステツプWAで決
定指定された読み込み部時系列データTDmー1 をシ
フトし、データ取込み指令を出力する。その後ステツプ
WCで読み込みデータに対してA/D変換の処理を行い
、ステツプWDでデータの取込みを完了するまで待機す
る。
【0024】データの取込みが完了するとステツプWD
よりステツプWEに進み、読み込んだその最新データを
ステツプWBで予めシフトしておいたメモリの最新時間
のデータを格納する場所へ格納し、読み込み部指定デー
タPRDの格納アドレスに次の割込み処理で読み込みに
いく場所のデータをセットしてリターンする。以上のよ
うにして、各部のデータを一定時間毎に読み込み先をか
えながら、時系列データTDmー1 としてRAM20
3の各部のデータ格納領域へと順次格納することができ
る。
よりステツプWEに進み、読み込んだその最新データを
ステツプWBで予めシフトしておいたメモリの最新時間
のデータを格納する場所へ格納し、読み込み部指定デー
タPRDの格納アドレスに次の割込み処理で読み込みに
いく場所のデータをセットしてリターンする。以上のよ
うにして、各部のデータを一定時間毎に読み込み先をか
えながら、時系列データTDmー1 としてRAM20
3の各部のデータ格納領域へと順次格納することができ
る。
【0025】続いて図6を参照してメインルーチンの処
理を説明する。メインルーチンにおいては、まずステツ
プAで読み込み部指定データPRDを読み出す。続いて
ステツプBでステツプAにて読み出した読み込み部指定
データPRDの示すデータ群に対してニューラルネット
処理を実行する。具体的には以下の各処理を実行するこ
とになる。 1)まず入力層の各ユニットの出力値を計算する。
理を説明する。メインルーチンにおいては、まずステツ
プAで読み込み部指定データPRDを読み出す。続いて
ステツプBでステツプAにて読み出した読み込み部指定
データPRDの示すデータ群に対してニューラルネット
処理を実行する。具体的には以下の各処理を実行するこ
とになる。 1)まず入力層の各ユニットの出力値を計算する。
【0026】この計算は、各入力データの時系列データ
TDmー1 と読み込み部指定データPRDに予め決定
した重み付けデータωmー1 ωm を乗算して、次式
(1)により累積値NETm のsigmoid関数と
して出力値IDm を求めることにより行われる。 NETm =(ωm ・TDmー
1 )+(ωm ・PRD) …式(1)
ID=1/(1+e−(NETm+Sm
)) …式(
2)なお、式(2)のsigmoid関数は、累積数N
ETm =0で関数値が値「0」となり、累積数NET
m が最大値となったところで関数値が値「1」となり
、累積値NETm がその変域の中間値となったところ
で関数値が値「0.5」となるよう位相Sm が決定さ
れたものである。
TDmー1 と読み込み部指定データPRDに予め決定
した重み付けデータωmー1 ωm を乗算して、次式
(1)により累積値NETm のsigmoid関数と
して出力値IDm を求めることにより行われる。 NETm =(ωm ・TDmー
1 )+(ωm ・PRD) …式(1)
ID=1/(1+e−(NETm+Sm
)) …式(
2)なお、式(2)のsigmoid関数は、累積数N
ETm =0で関数値が値「0」となり、累積数NET
m が最大値となったところで関数値が値「1」となり
、累積値NETm がその変域の中間値となったところ
で関数値が値「0.5」となるよう位相Sm が決定さ
れたものである。
【0027】また、式(1)、(2)及び以下の式にお
いて、ωは、各層間の結合の強さを表す重み付けデータ
、ωm は入力データとこれに対応した入力ユニット間
の重み付けデータ、ωnmは入力ユニットと中間ユニッ
ト間の重み付けデータ、そしてωPnは中間ユニットと
出力ユニット間の重み付けデータである。これらの各重
み付けデータは記述した通り、予めバックプロパゲーシ
ョンの手法により、学習され決定されてROM101内
に記憶されているものである。 2)続いて中間層の各ユニットの出力値MDn を、次
式(3)、(4)に従って計算する処理を行う。
いて、ωは、各層間の結合の強さを表す重み付けデータ
、ωm は入力データとこれに対応した入力ユニット間
の重み付けデータ、ωnmは入力ユニットと中間ユニッ
ト間の重み付けデータ、そしてωPnは中間ユニットと
出力ユニット間の重み付けデータである。これらの各重
み付けデータは記述した通り、予めバックプロパゲーシ
ョンの手法により、学習され決定されてROM101内
に記憶されているものである。 2)続いて中間層の各ユニットの出力値MDn を、次
式(3)、(4)に従って計算する処理を行う。
【0028】この出力値MDn の計算は、入力ユニッ
トの出力値IDm の計算と同様に行われる。
トの出力値IDm の計算と同様に行われる。
【0029】
【式3】
NETn =Σ(ωnm・IDm
) …
式(3) m
+1 MDn =1/(1+e−
(NETn+Sn))
…式(4)3)出力層の各ユニットの出力値を、
次式(5)、(6)に従って計算する処理を行う。
) …
式(3) m
+1 MDn =1/(1+e−
(NETn+Sn))
…式(4)3)出力層の各ユニットの出力値を、
次式(5)、(6)に従って計算する処理を行う。
【0030】この出力値ODp の計算は、中間ユニッ
トMn の出力値MDn の計算と同様に行われる。
トMn の出力値MDn の計算と同様に行われる。
【0031】
【式5】
NETp =Σ(ωpn)・MD
n …
式(5)
n ODp =1/(1+e−(N
ETp+Sp))
…式(6)続いてステツプCで、ステツプBでの上述
した計算の結果から複写機内部に異常部分が検出された
か否かを調べる。異常部分がなければステツプAに戻り
、次の読み込み部指定データの読み込み、解析を行なう
。
n …
式(5)
n ODp =1/(1+e−(N
ETp+Sp))
…式(6)続いてステツプCで、ステツプBでの上述
した計算の結果から複写機内部に異常部分が検出された
か否かを調べる。異常部分がなければステツプAに戻り
、次の読み込み部指定データの読み込み、解析を行なう
。
【0032】一方、ステツプCで複写機内部の異常が検
出された時にはステツプDに進み、複写機本体のメイン
CPU1が正常か否かを調べる。メインCPU1が暴走
してしまった時等、メインCPU1に異常があれば、ス
テツプEに進み、メインCPU1にリセット信号を送り
、メインCPUが正常状態に復帰するよう起動をかける
。
出された時にはステツプDに進み、複写機本体のメイン
CPU1が正常か否かを調べる。メインCPU1が暴走
してしまった時等、メインCPU1に異常があれば、ス
テツプEに進み、メインCPU1にリセット信号を送り
、メインCPUが正常状態に復帰するよう起動をかける
。
【0033】メインCPU1に異常がなければ、他の複
写機部分の異常発生であるため、ステツプFに進み、異
常発生部位をメインCPU1に通達するため、本体RA
M3の所定の領域にデータを送る。ここでニューラルネ
ットによる出力結果は、学習時のパターンもしくはこれ
に類似したパターンが入力されれば、対応する出力値が
近似的に値「1」に、他に出力値が近似的に値「0」に
なる。従って、この出力値はそのまま複写機の以上状態
の認識結果となっているから、その結果に対応したデー
タをメインCPU1側に送ってやれば、そのデータによ
りメインCPU1側で予め決められている処理をするこ
とになる。
写機部分の異常発生であるため、ステツプFに進み、異
常発生部位をメインCPU1に通達するため、本体RA
M3の所定の領域にデータを送る。ここでニューラルネ
ットによる出力結果は、学習時のパターンもしくはこれ
に類似したパターンが入力されれば、対応する出力値が
近似的に値「1」に、他に出力値が近似的に値「0」に
なる。従って、この出力値はそのまま複写機の以上状態
の認識結果となっているから、その結果に対応したデー
タをメインCPU1側に送ってやれば、そのデータによ
りメインCPU1側で予め決められている処理をするこ
とになる。
【0034】以上説明したように、本実施例の火災防止
システムによれば、予め学習を済ませたニューラルネッ
トを用いることにより、複写機の稼動中に以上状態が発
生したことを容易に認識することができ、それに対して
即座に対処可能となる。また、複写機本体側100と本
実施例装置200の制御を別にすることで、本体側のC
PUが暴走、または、故障等を起こした時でも、危険回
避の可能性が高まる。
システムによれば、予め学習を済ませたニューラルネッ
トを用いることにより、複写機の稼動中に以上状態が発
生したことを容易に認識することができ、それに対して
即座に対処可能となる。また、複写機本体側100と本
実施例装置200の制御を別にすることで、本体側のC
PUが暴走、または、故障等を起こした時でも、危険回
避の可能性が高まる。
【0035】更に、従来から用いられてきた回路の制御
信号や、検出回路の検出値をそのまま利用でき、システ
ムのコストダウン、簡素化といった利点も得られる。更
にまた、ニューラルネットを用いたことで、異常判断の
判断基準をルール化する必要がなく、しかも本実施例で
は、階層型のニューラルネットを用いているので学習も
容易である。
信号や、検出回路の検出値をそのまま利用でき、システ
ムのコストダウン、簡素化といった利点も得られる。更
にまた、ニューラルネットを用いたことで、異常判断の
判断基準をルール化する必要がなく、しかも本実施例で
は、階層型のニューラルネットを用いているので学習も
容易である。
【0036】これらの結果、本実施例の火災予防システ
ムによれば、複写機の発火・発煙の可能性はたいへん低
いものとすることができる。
ムによれば、複写機の発火・発煙の可能性はたいへん低
いものとすることができる。
【0037】
【実施例2】本発明に係る第2の実施例について以下説
明する。本発明に係る第2実施例においては、ニューラ
ルネットに入力される信号に関して、第1実施例で時系
列データを展開していたのに対し、図6に示すように、
変化抽出部701において変化量及び変化回数を抽出す
る処理を行う部分のみが相違する構成となつている。
明する。本発明に係る第2実施例においては、ニューラ
ルネットに入力される信号に関して、第1実施例で時系
列データを展開していたのに対し、図6に示すように、
変化抽出部701において変化量及び変化回数を抽出す
る処理を行う部分のみが相違する構成となつている。
【0038】第2実施例の火災予防システムの他の構成
は第1実施例とほぼ同一であり、詳細説明を省略する。 すなわち、変化抽出部701においては、ヒータ温度デ
ータ、ランプ温度データ等の所定時間の変化量や制御信
号のオン/オフ回数とを求める処理を行ってから、その
データをニューラルネットに入力する。または、CPU
201による差分演算やカウント等のソフトウエアによ
ってもよい。バックプロパゲーション等による学習方法
、異常認識のための演算などは、第1実施例と同様に行
なわれる。
は第1実施例とほぼ同一であり、詳細説明を省略する。 すなわち、変化抽出部701においては、ヒータ温度デ
ータ、ランプ温度データ等の所定時間の変化量や制御信
号のオン/オフ回数とを求める処理を行ってから、その
データをニューラルネットに入力する。または、CPU
201による差分演算やカウント等のソフトウエアによ
ってもよい。バックプロパゲーション等による学習方法
、異常認識のための演算などは、第1実施例と同様に行
なわれる。
【0039】本実施例では、第1実施例の効果に加えて
、データの変化量を扱うことによるニューラルネットへ
のデータ量の低減を図ることができ、装置構成の簡略化
といった効果を得ることができる。
、データの変化量を扱うことによるニューラルネットへ
のデータ量の低減を図ることができ、装置構成の簡略化
といった効果を得ることができる。
【0040】
【発明の効果】以上説明したように本発明によれば、接
続装置の火災発生を予防するため、接続装置本体とは完
全に独立した構成となっていることから、接続装置側の
異常状態の如何に影響されることなく、発火・発煙を未
然に防ぐことが可能となる。また、このシステムは独立
した構成となっているので、どの様な機種にも容易に組
込むことができ、火災予防等に間する異常時処理のソフ
トウエアを機種毎に作成する必要をなくすことができる
。更に、接続装置の制御信号を流用することができるた
め、システムの簡素化が図れる。
続装置の火災発生を予防するため、接続装置本体とは完
全に独立した構成となっていることから、接続装置側の
異常状態の如何に影響されることなく、発火・発煙を未
然に防ぐことが可能となる。また、このシステムは独立
した構成となっているので、どの様な機種にも容易に組
込むことができ、火災予防等に間する異常時処理のソフ
トウエアを機種毎に作成する必要をなくすことができる
。更に、接続装置の制御信号を流用することができるた
め、システムの簡素化が図れる。
【図1】本発明に係る一実施例としての火災予防システ
ムの構成図である。
ムの構成図である。
【図2】本実施例におけるニユーラルネツトの基本構成
を示す図である。
を示す図である。
【図3】本実施例における複写機稼動時の異常状態認識
処理を説明するブロツク図である。
処理を説明するブロツク図である。
【図4】本実施例における時系列データとニューラルネ
ットとの関係を示す図である。
ットとの関係を示す図である。
【図5】本実施例における稼動状態の認識処理における
割込み処理を示すフローチャートである。
割込み処理を示すフローチャートである。
【図6】本実施例における稼動状態の認識処理における
メインルーチン処理を示すフローチャートである。
メインルーチン処理を示すフローチャートである。
【図7】本発明に係る第2実施例の第1の実施例と異な
る部分の要部を示すブロツク図である。
る部分の要部を示すブロツク図である。
1 メインCPU、
2,202 ROM、
3,4,203 RAM、
5 サブCPU、
6,9,205 I/Oポート、7 ラン
プ調光回路、 8 ランプ、 10 ヒータ温度調節回路、 11 モータ制御回路、 12 モータ、 13 ヒータ、 14 電源、 20,21,25,27 温度センサ、22,2
3,24,26 電流・電圧・信号検出センサ、 100 複写機、 200 火災予防装置、 201 CPU、 204 タイマである。
プ調光回路、 8 ランプ、 10 ヒータ温度調節回路、 11 モータ制御回路、 12 モータ、 13 ヒータ、 14 電源、 20,21,25,27 温度センサ、22,2
3,24,26 電流・電圧・信号検出センサ、 100 複写機、 200 火災予防装置、 201 CPU、 204 タイマである。
Claims (1)
- 【請求項1】 接続装置が少なくとも可動可能状態に
ある場合において、前記接続装置内の状況を予め分類さ
れた状況の一つとして認識し、認識状況に応じた火災予
防処置を行なう火災予防装置であって、前記接続装置の
電源投入状態での各部の状態パラメータの各データを時
系列データとして記憶する時系列データ記憶手段と、該
時系列記憶手段に記憶の各時系列データの各々を入力す
る入力ユニットの集合である入力層、該入力層の各入力
ユニットとの少なくとも一部が結合された複数の中間層
ユニットの集合である中間層、及び該複数の中間ユニッ
トの少なくとも一部と結合され上記複数の可動状況に対
応して設けられた出力ユニットの集合である出力層から
なるニューラルネットとを備えることを特徴とする火災
予防装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3111501A JPH04339233A (ja) | 1991-05-16 | 1991-05-16 | 火災予防装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3111501A JPH04339233A (ja) | 1991-05-16 | 1991-05-16 | 火災予防装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH04339233A true JPH04339233A (ja) | 1992-11-26 |
Family
ID=14562901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3111501A Withdrawn JPH04339233A (ja) | 1991-05-16 | 1991-05-16 | 火災予防装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH04339233A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06348675A (ja) * | 1993-06-07 | 1994-12-22 | Ebara Corp | ニューロコンピュータ応用機器およびこれを含む機械装置 |
JP2006285702A (ja) * | 2005-03-31 | 2006-10-19 | Yamaguchi Prefecture | 火災予防監視支援システム |
-
1991
- 1991-05-16 JP JP3111501A patent/JPH04339233A/ja not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06348675A (ja) * | 1993-06-07 | 1994-12-22 | Ebara Corp | ニューロコンピュータ応用機器およびこれを含む機械装置 |
JP2006285702A (ja) * | 2005-03-31 | 2006-10-19 | Yamaguchi Prefecture | 火災予防監視支援システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Adaptive fault-tolerant control of nonlinear uncertain systems: an information-based diagnostic approach | |
JP4368899B2 (ja) | 複数負荷の給電駆動用電子制御装置 | |
JPH04130459A (ja) | 画像形成装置のための自己診断および自己修復システム | |
CN106054852A (zh) | 集成式故障沉默和故障运转***中的可量容错的构造 | |
CN112506690B (zh) | 控制处理器的方法及装置 | |
CN112231134B (zh) | 神经网络处理器的故障处理方法及装置、设备、存储介质 | |
JP2001206296A (ja) | 保守メッセージを発生する方法と装置 | |
JP7180000B2 (ja) | 車両用制御アーキテクチャ | |
JPH04339233A (ja) | 火災予防装置 | |
JP2003158782A (ja) | 制御装置および電子制御システムでの自己診断方法 | |
JPH09191556A (ja) | 電源保護装置 | |
JPS6236241B2 (ja) | ||
Henningsen et al. | Intelligent alarm handling in cement plants | |
Ahmed et al. | Scenario based fault detection in context-aware ubiquitous systems using Bayesian networks | |
JP2702926B2 (ja) | 電力系統の故障判定装置 | |
JP4172461B2 (ja) | ノード診断システム | |
JPS5852702A (ja) | プログラマブル・コントロ−ラ | |
JP6984548B2 (ja) | 組電池監視装置 | |
JP2507892B2 (ja) | プラント制御装置 | |
Kim | On-line process failure diagnosis: The necessity and a comparative review of the methodologies | |
JP2633378B2 (ja) | 自己故障発生・学習装置 | |
JP3337790B2 (ja) | 画像形成装置 | |
JPH09113671A (ja) | 原子炉プラントの実時間監視方法 | |
JP3034167B2 (ja) | 気象災害予測方法 | |
JPH06100928B2 (ja) | ロボツトの機能縮退制御機構 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 19980806 |