JPH04256718A - 掃除機 - Google Patents

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。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は複数の運転モードを有し
、床面のごみ量を検出して自動的に吸い込み力を調整す
る掃除機に関する。

【０００２】

【従来の技術】近年、掃除機は床面のごみ量、床面の種
類などを検出してファンモータの吸い込み力をきめ細か
く調整できることが求められている。

【０００３】従来、この種の掃除機は複数の運転モード
を有し、ごみ量などによって設定される吸い込み力は４
段階程度に設定されるものであった。また、床や畳，絨
毯の毛足の長さ等の床面状態によって吸い込み力を設定
するものもあるが、これも床面の状態を３段階程度しか
見分けることができなかった。

【０００４】

【発明が解決しようとする課題】このような従来の掃除
機では、ごみ量や床面の状態というのは、決して３から
４段階に設定できるものではなく連続的に変化するもの
であり、しかもごみ質についても考慮に入れていないた
め、それぞれの運転モードにおいてごみの量，質，床面
の状態などに最適の吸い込み力が得られないという問題
を有していた。

【０００５】本発明は上記課題を解決するもので、それ
ぞれの運転モードにおいてごみセンサの検出値から学習
則により最適化されたニューロ・ファジィ推論器を用い
てファンモータの吸い込み力をきめ細かく設定すること
を目的としている。

【０００６】

【課題を解決するための手段】本発明は上記目的を達成
するために、ごみ吸い込みのためのファンモータと、床
面のごみを検出するごみセンサと、前記ファンモータの
吸い込み力の制御範囲を指定できる運転モード設定手段
と、前記運転モード設定手段により運転モードを選択し
、それぞれの運転モードで前記ごみセンサの出力により
前記ファンモータの吸い込み力を決定し、かつ最急降下
法等の学習則によりファジィ推論の各種パラメータを最
適化したニューロ・ファジィ推論器とを備えたことを課
題解決手段としている。

【０００７】

【作用】本発明は上記した課題解決手段により、ごみセ
ンサの出力から学習則によって最適化されたニューロ・
ファジィ推論器によりファンモータの吸い込み力を設定
することができ、きめ細かく吸い込み力を決定できて掃
除を行う床面によらず効率よくごみがとれ、しかも非常
に操作感がよく、また、静音運転モードを選択すれば、
最大の吸い込み力を適当な値に設定すれば静かに掃除す
ることが可能となる。

【０００８】

【実施例】以下本発明の一実施例について図１を用いて
説明する。

【０００９】図に示すように、ごみセンサ１は吸い込み
ホース２の一部に設け、対向して設置した発光部３と受
光部４により構成しており、吸い込まれたごみは必ずこ
れらの間を通過するようにしている。ごみ量積算手段５
は吸い込まれたごみの所定時間の積算量を算出する。ご
み変化率算出手段６は吸い込まれたごみの所定時間の変
化率を算出する。ごみ質検出手段７は吸い込まれたごみ
がごみセンサ１の間を通過する時間を測定し、ごみ質を
検知する。運転モード設定手段８はスイッチなど（図示
せず）により運転モードを選択し、ファンモータ９の最
大吸い込み力を設定する。ニューロ・ファジィ推論器１
０はごみ量積算手段５とごみ変化率算出手段６とごみ質
検出手段７の出力からファンモータ９の吸い込み力を運
転モード設定手段８で選択された運転モードに応じて推
論する。制御手段１１はファンモータ９の吸い込み力を
ニューロ・ファジィ推論器１０で推論された吸い込み力
で駆動する。

【００１０】ニューロ・ファジィ推論器１０は図２に示
すように構成しており、前件部メンバーシップ関数記憶
手段１２はごみ量，ごみ質，ごみ変化率に関するメンバ
ーシップ関数を記憶している。ごみ質適合度演算手段１
３、ごみ量適合度演算手段１４、ごみ変化率適合度演算
手段１５は、それぞれ前件部メンバーシップ関数記憶手
段１２に記憶されているごみ質，ごみ量，ごみ変化率に
関するメンバーシップ関数と入力であるごみ質，ごみ量
，ごみ変化率との適合度を演算する。前件部ミニマム演
算手段１６はごみ質適合度演算手段１３、ごみ量適合度
演算手段１４、ごみ変化率適合度演算手段１５の出力で
ある３つの適合度のＭＩＮを取り前件部の結論とする。 吸い込み力推論ルール記憶手段１７は吸い込み力に関す
る推論ルールを記憶している。吸い込み力メンバーシッ
プ関数記憶手段１８は後件部の吸い込み力に関するメン
バーシップ関数を記憶している。後件部ミニマム演算手
段１９は吸い込み力推論ルール記憶手段１７に記憶され
ている推論ルールにしたがい、前件部結論と吸い込み力
メンバーシップ関数記憶手段１８に記憶されている後件
部の吸い込み力メンバーシップ関数のＭＩＮをとってそ
のルールの結論とする。重心手段２０はすべてのルール
についてそれぞれの結論を求めたのち全結論のＭＡＸを
とり、その重心を計算することにより、最終的に吸い込
み力を求める。このニューロ・ファジィ推論器１０はマ
イクロコンピュータにより容易に実現できる。また、ニ
ューロ・ファジィ推論器１０に含まれる前件部メンバー
シップ関数記憶手段１２と吸い込み力推論ルール記憶手
段１７、吸い込み力メンバーシップ関数記憶手段１８と
に記憶されているメンバーシップ関数および推論ルール
はごみ量とごみ変化率とごみ質のデータと掃除するとき
の操作感を考慮した設定すべきファンモータ９の吸い込
み力のデータから、予め最急降下法（ニューラルネット
ワークに用いられる学習則の１つで、誤差関数を最小に
する方法である）などの学習則によって最適に設定され
ている。制御手段１１では設定された吸い込み力に基づ
き、ファンモータ９の位相制御量を算出し制御を行う。

【００１１】つぎに、上記構成において動作を説明する
と、ごみセンサ１の発光部３から発光された光は、ごみ
がない場合受光部４で受光できるが、ごみが通過した場
合は遮られるため受光部４で受光することができない。 よって、受光部４の出力よりごみの有無が判別できる。 ごみ量積算手段５では、ごみセンサ１で検出したごみを
一定時間（例えば０．１秒間）積算する。積算すること
によって、その時点の床面にあるごみ量が判る。

【００１２】図３に掃除を継続して行っている場合のご
み量の積算値の変化の度合いを示している。同図におい
て掃除を開始してからＴ１まではごみは一気に減るが、
これは床表面のごみがとれたことを示している。またＴ
１から以降は、図３に示すように、その後のごみのとれ
かたによって大きく図３（Ａ），（Ｂ），（Ｃ）のよう
に分れる。図３（Ｃ）の場合はごみの積算値がほぼ０で
あり、Ｔ１までの間にほとんどとれてしまったことを示
している。これは掃除を行う床面が木床やクッションフ
ロア、畳などの場合である。また、床面が絨毯の場合は
、毛足の間にごみが埋もれてしまい、一般的に木床や畳
に比べて相対的にごみの量が多くなかなかとれにくい。 すなわち図３（Ａ），（Ｂ）のようにごみ量の積算値が
徐々に減っていくような特性を示す。このようにごみ量
の変化率をごみ変化率算出手段６により算出すると、現
在掃除をしている床面の特性がどんなものであるか推定
することができる。ごみ量の変化率が小さいというのは
、ごみがなかなかとれにくい床面であるということを示
しており、ごみ量の変化率が大きいというのは、ごみが
とれやすい床面であるということを示している。 図４は、ごみセンサ１で検出したごみのパルス波形を示
しており、同図（Ａ）は綿ごみを吸い込んだ場合のパル
ス波形を示しており、同図（Ｂ）は砂ごみを吸い込んだ
場合のパルス波形を示している。よって、ごみ質検出手
段７によりこのパルス波形を検出することにより、吸い
込まれたごみが綿ごみのように大きくて軽いものなのか
、砂ごみのように小さくて重たいものなのかというごみ
の質が判る。また掃除を行う場合の最適な吸い込み力は
、床面のごみの量やごみ質、床面の特性などによって決
まるものであり、これはごみ量積算手段５とごみ変化率
算出手段６とごみ質検出手段７の出力値からニューロ・
ファジィ推論器１０で推論する。

【００１３】つぎに、吸い込み力の推論の過程について
説明する。本実施例のファジィ推論の推論ルールは「ご
み量が多めで、砂などのように重くて小さいごみで、ご
みの取れにくい床面（ごみ量の変化率が小さい）であれ
ば吸い込み力をとても多めにする」といった一般的な判
断を基に形成されている。ごみ量が「多い」とか、ごみ
量の変化率が「小さい」とか、ごみ質が「重い」とか、
吸い込み力を「とても大きく」といった定性的な概念は
図５（Ａ），（Ｂ），（Ｃ）および図６（Ａ），（Ｂ）
，（Ｃ）に示すようなメンバーシップ関数により定量的
に表現される。ごみ量適合度演算手段１４では、ごみ量
積算手段５からの入力と前件部メンバーシップ関数記憶
手段１２に記憶されているごみ量に関するメンバーシッ
プ関数に対する適合度を両者のＭＡＸをとることにより
求める。ごみ変化率適合度演算手段１５では、ごみ変化
率演算手段６からの入力と前件部メンバーシップ関数記
憶手段１２に記憶されているごみ変化率のメンバーシッ
プ関数に関して同様に適合度を求める。ごみ質適合度演
算手段１３では、ごみ質検出手段７からの入力と前件部
メンバーシップ関数記憶手段１２に記憶されているごみ
質のメンバーシップ関数に関して同様に適合度を求める
。前件部ミニマム演算手段１６では、前記３つの適合度
のＭＩＮをとり前件部の結論とする。後件部ミニアム演
算手段１９では、吸い込み力推論ルール記憶手段１７に
記憶されているいずれかのルールにしたがい、前件部結
論と吸い込み力メンバーシップ関数記憶手段１８に記憶
されている後件部の吸い込み力メンバーシップ関数のＭ
ＩＮをとってそのルールの結論とする。このとき、運転
モード設定手段８により、吸い込み力推論ルール記憶手
段１７のうちで（Ａ），（Ｂ），（Ｃ）のいずれかのル
ールが選択されており、それぞれのルールでは最大吸い
込み力が予め選択されている。なお、吸い込み力推論ル
ール記憶手段１７で（Ａ），（Ｂ），（Ｃ）は、たとえ
ばそれぞれ強力モード，普通モード，静音モードなどと
して記憶させている。

【００１４】すべてのルールについてそれぞれの結論を
求めたのち、重心演算手段２０では全結論のＭＡＸをと
り、その重心を計算することにより最終的に吸い込み力
が求まる。制御手段１１では決定された吸い込み力に基
づき、ファンモータ９の位相制御量を算出して制御する
。なお、本実施例では推論方法の中にＭＡＸ−ＭＩＮ合
成法，重心法をもちいているがその他の方法でも可能で
あり、また後件部である吸い込み力をメンバーシップ関
数で表現したが、実数値や線形式でも表現することがで
きることはいうまでもない。

【００１５】

【発明の効果】以上の実施例から明らかなように本発明
によれば、ごみ吸い込みのためのファンモータと、床面
のごみを検出するごみセンサと、前記ファンモータの吸
い込み力の制御範囲を指定できる運転モード設定手段と
、前記運転モード設定手段により運転モードを選択し、
それぞれの運転モードで前記ごみセンサの出力により前
記ファンモータの吸い込み力を決定し、かつ最急降下法
等の学習則によりファジィ推論の各種パラメータを最適
化したニューロ・ファジィ推論器を備えたから、最急降
下法等の学習則を用いて、ニューロ・ファジィ推論器の
構成の最適化を行ったため、ファジィ推論における入力
の数が増えても、それらの間の推論ルールやその構成を
最適化するのが容易で、ごみ量とごみ質とごみの変化率
からファジィ推論によってきめ細かく、しかも好みの運
転モードで最適な吸い込み力を決定でき、掃除を行う床
面やごみ質によらず効率よくごみがとれ、しかも非常に
操作感よく、また、静音運転モードを選択すれば吸い込
み力を弱く抑えて静かに掃除できる。

【図面の簡単な説明】

【図１】本発明の一実施例の掃除機のブロック図

【図２
】同掃除機のニューロ・ファジィ推論器のブロック図

【図３】同掃除機のごみ量の変化を示す特性図

【図４】
（Ａ），（Ｂ）同掃除機のごみ質の波形を示す図

【図５】（Ａ），（Ｂ），（Ｃ）同掃除機のメンバーシ
ップ関数を示す図

【図６】（Ａ），（Ｂ），（Ｃ）同掃除機のメンバーシ
ップ関数を示す図

【符号の説明】

１　　　　ごみセンサ ８　　　　運転モード設定手段 ９　　　　ファンモータ １０　　ニューロ・ファジィ推論器

Claims (3)

【特許請求の範囲】
1. 【請求項１】　　ごみ吸い込みのためのファンモータと
   、床面のごみを検出するごみセンサと、前記ファンモー
   タの吸い込み力の制御範囲を指定できる運転モード設定
   手段と、前記運転モード設定手段により運転モードを選
   択し、それぞれの運転モードで前記ごみセンサの出力に
   より前記ファンモータの吸い込み力を決定し、かつ最急
   降下法等の学習則によりファジィ推論の各種パラメータ
   を最適化したニューロ・ファジィ推論器とを備えた掃除
   機。
2. 【請求項２】　　ニューロ・ファジィ推論器はごみセン
   サの出力から床面のごみ量，ごみ質，床面の種類を認識
   し、ファンモータの吸い込み力を決定するようにした請
   求項１記載の掃除機。
3. 【請求項３】　　ニューロ・ファジィ推論器は各種パラ
   メータとして、前件部メンバーシップ関数および後件部
   メンバーシップ関数の形状、推論ルール数を最適化した
   請求項１記載の掃除機。