JPH0465632A - 測定装置 - 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】 （産業上の利用分野） 本発明は、距離、温度、湿度、速度、加速度等の物理的
な値を測定する測定装置、詳しくは、広い範囲にわたり
高精度に対象を測定することができる測定装置に関し、
更に代表的には、例えば対象物を切削加工する際の研削
量を正確に決める等のために利用される距離測定装置に
関するものである。

（発明の背景及び従来の技術） 現在においては、様々な分野でいろいろなセンサがその
目的に応じて使用されており、このために種々の特性、
性能を有するセンサ素子、プローブ、あるいは検圧情報
の処理システムが提案されている。

特に工業用ロボット等の発達や、超精密加工等の要求が
増大している近時においては、例えば、加工治具と被加
工物との位置関係を正確に検出することが極めて重要と
なってきており、このために例えば広い範囲に渡り高精
度に距離の測定ができる距離測定装置が求められている
。また、このような測定装置は、望ましくは、作業環境
の変化による精度のバラツキなどの影響ができるだけ少
なく、安定で、かつ精度の高いことも求められる。

しかし、このような要求を満足できる測定装置の開発は
容易でない。例えば上記した距離測定装置として渦電流
式センサな用いた場合を例にして説明すると、一般に、
広範囲の測定が可能な渦電流式センサに高い精度を要求
することは難かしく、反対に、高精度の測定を行うこと
できる渦電流式センサに同時に広い範囲に渡る測定を行
わせることは困難なのが普通である。

例えば０〜ｌ　Ｏｍｍ程の距離を測定するために準備さ
れるセンサと、０〜２ｍｍ程の距離を測定するために準
備されるセンサとを比べ、両者において、得られた測定
値が仮に数μｍオーダーの数値を含んでいる場合に、前
者のセンサにおいてその数μ■オーダーの数値まで高精
度の信頼性を要求したセンサを作成することは必ずしも
容易でないし、実用的でない。他方後者のセンサでは、
数μｍオーダーの数値に信頼性がなければ、センサとし
ての要求を満足できない場合も少なくない。このように
、一般にセンサに要求される性能は、測定しようとする
レンジとの兼ね合いで、そ９要求精度のレベルが設定さ
れるのが普通である。

そこで、広い範囲に渡る測定と高精度、高感度に測定す
るという二律背反的な要求を、単一のセンサで実現する
ことの技術的な困難さに鑑みて、特性、性能の異なる複
数のセンサを組み合わせ、これらを使い分けることによ
って上言己要求を擬似的に満たすシステムが従来提案さ
れており、これは一般にセンサ・インテグレーション・
システム（ｒＳ　Ｉ　ＳＪと略称する）と称されている
。

具体的に、例えば上記距離センサを例にして言えば、測
定可能な距離範囲は広いが測定した距離！報の精度は高
いとは言えないセンサ素子と、測定可能な距離範囲は狭
いが測定情報は精度高く得られるセンサ素子と、更にこ
れらの中間的な測定能力を有するセンサ素子とを組み合
わせて一つの複合したセンサ（以下「複合センサ」とい
う）を構成させ、使用時の状況に応じて、いずれかのセ
ンサ素子からの測定情報をこの複合センサの出力とする
ことで、使用者にとっては、あたかも単一のセンサを使
用している、と同様の取り扱い性を保証しようとするも
のである。

ところでこのｒＳ　Ｉ　ＳＪでは、複数のセンサ素子を
使用することから、複数のセンサ素子から得られる複数
の測定値の中から、真の測定値に近くかつ精度の高い値
を選択しなければならず、これに対処する方法として従
来、以下のような提案がされている。

例えば、センサモデルとベイズアプローチによる仮設検
定（Ｄｕｒｒａｎｔ−Ｗｈｙｔｅ、Ｈ，Ｆ、、　Ｓｅｎ
ｓｏｒｍｏｄｅｌｓ　ａｎｄ　ｍｕｌｔｉｓｅｎｓｏｒ
　ｉｎ’ｔｅｇｒａｔｉｏｎ、Ｊ、Ｒｏｂ。

ｔ、Ｒｅｓ、、７−６（Ｄｅｃ、１９８８）、ｐｐ、９
７−１１３）　、コンフイデンス距離行列による方法（
Ｌｕｏ、　Ｒ，Ｃ，、Ｌｉｎ、　Ｍ、　。

Ｄｙｎａｍｉｃ　ｍｕｌｔｉ−ｓｅｎｓｏｒ　ｄａｔａ
　ｆｕｓｉｏｎ　ｓｙｓｔｅｍｆｏｒ　ｉｎｔｌｌｉｇ
ｅｎｔ　ｒｏｂｏｔｓ、ＩＥＥＥ　Ｊ、Ｒ’ｏｂｏｔ。

Ａｕｔｏｍａｔ、、４−４−４（１９８，３８６−３９
６）　、性能とコスト評価による方法（Ｚｈｅｎｇ、Ｙ
、Ｆ、、Ｉｎｔｅｇｒａｔｉｏｎ　　ｏｆｍｕｌｔｉｐ
ｌｅ　５ｅｎｓｏｒ　１ｎｔｏ　ｒｏｂｏｔｉｃ　ｓｙ
ｓｔｅｍ　ａｎｄｐｅｒｆｏｒｍａｎｃｅ　　ｅｖａｌ
ｕａｔｉｏｎ　　ＩＥＥＥ　　Ｔｒａｎｓ、Ｒｏｂｏｔ
ｉｃｓａｎｄ　Ａｕｔｏｏ＋ａｔ、、５−５（Ｏｃｔ、
１９８９）、ｐｐ６５ｇ−６６９）　、ベイズ法を用い
たコスト評価による方法 （Ｒｉｃｈａｒｄｓｏｎ、　Ｊ、Ｍ、　、　Ｍａｒｓｈ
、　Ｋ、Ａ、　、　Ｆｕｓｉｏｎ　ｏｆｍｕｌｔｉｓｅ
ｎｓｏｒ　ｄａｔａ、　Ｉｎｔ、　Ｊ、　Ｒｏｂｏｔ、
　Ｒｅｓ、、　？−６（Ｄｅｃ。

１９８８）　、ｐｐ７８〜９６）、カルマンフィルター
を用いる方法（Ｎａｋａａ＋ｕｒａ、Ｙ、Ｘｕ、Ｙ、、
Ｇｅｏｍｅｔｒｉｃａｌ　ｆｕｓｉｏｎｓ＋ｅｔｈｏｄ
　Ｐｒｏｆ、ＩＥＥＥ　Ｉｎｔ、Ｃｏｎｆ、Ｒｏｂｏｔ
ｉｃｓ　ａｎｄＡｕｔｍａｔ、　、　（１９８９）　、
ｐｐ、６６ｇ−６７３）等の提案である。

（発明が解決しようとする課題） しかしながら、上記した従来のｒＳ　Ｉ　ＳＪ　”（は
、複合センサを用いることに伴う問題につき十分考慮さ
れているとは言い難い面、具体的には、例えば測定感度
等の異なるセンサでは温度や湿度等々の環境因子に対す
る依存性が異なるという問題があり、このような問題に
起因して、一つには、広い範囲に渡り高感度な測定とい
う目的が十分に達成できない問題がある。また、他の問
題として、複数のセンサ素子を複合して形成される複合
センサであるために、センサ素子の組み付は位置のバラ
ツキ等が厳密な意味では避は難（、このような製品間の
バラツキを考慮せずに高精度な測定に一律に用いると、
精度向上に支障となりまた、センサ交換によって装置と
して特性が大幅に変化してしまうために、柔軟な対応が
困難となる問題もある。

以上のことを、機械的な研削加工を行う例として、大型
ターボエンジンのファンブレードを修復・修理する場合
を挙げて第１０図〜第１４図により更に具体的に説明す
る。

大型ターボエンジンにおいては、経年使用によりエロー
ジョン等で摩耗したファンブレードの前縁部を修復・修
理する必要がある。そしてこの作業は第１０図（ａ）〜
（ｇ）で示したように、修復前のファンブレード１００
の前縁部１０１を一定幅でカットしく第１０図（ｂ）参
照）、このカット部分にファンブレードより厚肉のバッ
チと称される部材１０２を当てて、電子ビーム溶接しく
第１０図（＋ｎ　ｖ照）、研削機械により所定の形状に
研削加工して所定のファンブレード１０３に修復し、仕
上げる。この場合、修復前のファンブレードは個々の形
状等が厳密な意味では同一のものでないから、それぞれ
の形状等に合致した研削加工（第１１図参照）を行うこ
とが必要である。その場合に、加工装置にセットしたブ
レードの姿勢、表面の曲線軌跡等々を正確に検出するこ
とは、一般に、通常の単一センサによる測定では限界の
あることは既に述べた通りである。このため従来は、Ｎ
Ｃ加工機である程度の仕上げ代を残して切削し、その後
、手仕上げ作業を行うのが普通であった。

しかしこのような手仕上げは極めて時間のかかる作業で
ある。

そこで本発明者は、この手仕上げ作業の工程自動化を図
るために本発明の開発に着手した。

すなわち、測定レンジ等が異なるものを含めて複数のセ
ンサｓ、、Ｓ、、・・・Ｓ、、を単一の基盤に固定した
第１２図に示されるような複合センサ１０４を構成させ
、この複合センサ１０４を被加工対象であるファンブレ
ード１００の表面に沿って走査し、その表面形状を検圧
する。そして、その結果に基づいて例えば作業ロボット
の制御信号を出力させ、制御駆動により、研削を行わせ
ることを考えた。

この際、複合センサによるファンブレードの形状検圧に
おいては、複数のセンサからの測定情報を、第１３図に
示すようにＡ／Ｄ変換器を介してコンピュータに入力し
、複数の測定情報から所定のものを選択等して、各測定
時点における情報を得ることになる。

しかしここで、この複数のセンサから得られる測定情報
の選択の方式として、第１４図に示した所謂ｉｆクロー
ズのプログラム（閾値による場合分け）によって測定情
報を選択する方式を採用する場合には、初期の目的が実
現できなかった。

すなわち、第１４図は、測定レンジの異なる三つの距離
センサＳ、、Ｓ２．Ｓ３　（Ｓ、は測定レンジａ　＝　
０〜２０ｍｍ、同様に８２は５２０〜１０ｍｍ、　Ｓ　
ａはｃ＝０〜３ｍｍとする）を用いて複合センサ（図示
せず）を構成し、所謂ｉｆクローズのプログラムによっ
て測定情報Ｉを選択する例を示し、センサによって測定
された測定情報Ｉが、センサＳ、、Ｓ、、Ｓ、の各レン
ジａ。

ｂ、ｃの範囲内にあるか否かを順次的に判別し、その判
別結果に従ってセンサ情報の選択を切り換えるようにし
ている。しかしこの方式では、これらのセンサの測定原
理に由来する誤差率や、環境因子による誤差率の変化、
また測定レンジの中央付近に比べて限界付近での誤差率
も一定でないし、測定限界を越えれば検出値はサチュレ
ーションを起こす等々の問題があるため、常に精度のよ
い検出ができるか不明であるばかりか、各センサの取り
付は精度が正確に一致していないと、いわゆるデータの
飛びの問題も招く。例えばＩ　Ｏｍｍ、３ｆｆＩｆｆ＋
のレベルでセンサの選択を切り換えるにしても、取り付
は精度が正確に一致していなければ、各センサＳ１〜Ｓ
。

で測定された測定値が一致しているとは限らず、むしろ
Ｓｌでは９．９９ｍｍ、　Ｓ　２では１０．０１ｍｍ５
ｓでは１０．０３ｍｍと異なることが考えられる。この
場合、どの測定値を基準として上記切り換えを行なうの
がもっとも適当であるか不明であり、選択された測定情
報の信頼性が問題となる。

また更に、センサの測定情報に含まれる誤差は、環境因
子に影響される。すなわち半導体センサを使用する場合
には温度ドリフト、光学系センサを用いる場合には明る
さに影響される。

そして測定結果に影響する度合いは、あいまいである場
合が多い。

これらのことは結局、上記した複合センサを用いるｒＳ
　Ｉ　ＳＪの利点を都合よく発揮させることが、現実に
は必ずしも容易でないことを意味している。

本発明は、以上のようなさまざまな知見、検討に基づい
て、更に研究を重ね、従来の複合センサを用いたｒＳ　
Ｉ　ＳＪの問題点を解消し、複合センサを用いた場合の
様々な誤差要因に対して好適に対応して優れた測定常法
を検出できる測定装置を提供することを目的としてなさ
れたものである。

また本発明の別の目的は、代表的には複数の距離センサ
素子を用いたシステムにおいて、各センサ素子の組み付
は位置等のバラツキに影響されることがなく、広い範囲
に渡り高感度で高精度に距離測定ができる測定装置を提
供することにある。

また本発明の更に別の目的は、切削加工等に好適に用い
ることができる距離測定装置を提供するところにある。

（課題を解決するための手段） 上記目的の実現のためになされた本発明のセンサ情報統
合式の測定装置の特徴は、複数のセンサを組合わせて構
成される複合センサと、上記複数のセンサで測定された
センサ測定情報の夫々を入力とし、各センサ毎に予め与
えられているセンサ特性を補助情報として、各センサ測
定情報に含まれ得る誤差範囲を例えばファジィ推論によ
り夫々推定する手段と、上記複合センサの各センサで測
定した複数のセンサ測定情報及び、上記誤差範囲を推定
する手段で求めた複数の誤差範囲情報を入力とし、複合
センサの各測定時点における測定値をこれらの全入力の
統合値として演算するニューラルネットワークとを備え
、このニューラルネットワークは、上記複数のセンサの
組合わせを持った複合センサを使用し、代表的にはバッ
クプロパゲーションの学習アルゴリズムを用いて予め構
築した学習データを演算要素として有するという構成を
なすところにある。

上記構成において、複合センサは、測定原理、測定レン
ジが同じ複数のセンサを用いて構成したものであっても
よいし、ことなる複数のセンサを用いて構成したもので
あってもよく、さらに同じものと異なるものを組合わせ
て用いて構成したものであってもよい。

また上記において「各測定時点」とは、測定を必要とす
る時点の夫々をいい、したがって測定を連続的に行う場
合には、時系列的な各時点毎にニューラルネットワーク
による情報統合を行うことを意味する。なお、測定装置
が距離測定装置の場合においては、複数の距離センサの
取付は位置のずれも厳密に考慮しなければならない場合
もあるが、この場合には例えば、複合センサを測定対象
に対して走査する際の走査速度、各センサの位置ずれ量
等の情報を用いて、測定情報の検出点を一致させるシフ
トを、シフトレジスタなどを用いて必要に応じて行えば
よいことは言うまでもない。

また本発明のセンサ情報選択式の測定装置の特徴は、測
定可能範囲の上限値が異なる複数の距離センサを共通の
基板上に組付けて構成された複合センサと、上記各セン
サで測定されたセンサ測定情報を入力とし、各センサに
ついて予め与えられているセンサ特性を補助情報として
、各センサ測定情報に含まれ得る誤差範囲を例えばファ
ジィ推論により夫々推定する手段と、この推定する手段
で求めた誤差範囲のうちで最小のものに対応するセンサ
測定情報を選択して、上記複合センサの各測定時点にお
ける出力とする選択手段とを備え、上記複合センサにお
ける各距離センサは、測定可能範囲の上限が高い距離セ
ンサが測定可能範囲の上限の低い距離センサよりも測定
対象に対して近接しない位置関係で基板に組付けられて
いるという構成をなすところにある。

上記において、センサ測定情報に含まれ得る誤差範囲を
推定する手段は、代表的には第９図により一例的に説明
されるファジィ推論する手段を代表的に用いることがで
きるが、特にこれに限定されるものではな（、ファジィ
推論に代えて、これに相当するプログラムを多値推論手
段によって構成させることもできる。例えば、センサ測
定情報に含まれ得る誤差範囲を、該センサ測定情報と補
助情報（センサの仕様としてセンサデータベースに記録
されている分解能に関する特性や、含まれ得る誤差、あ
るいはセンサの測定誤差に影響する温度等の補助変数と
その影響等）の２人力から推定する場合に、一方の入力
を横軸にとり、他方の入力を縦軸にとって、２人力の大
きさに対応する誤差範囲の程度を予め求めてマトリック
ス状に記述しておき、実際に２人力が入力された場合に
、そのマトリックス状に記述された誤差範囲の数値を選
ぶことで誤差範囲を推定する手段を構成できる。上記マ
トリックスの形成手法の一例を具体的に示せば、例えば
複合センサを複数の距離センサで構成し、補助センサを
温度センサとして用いる場合に、横軸に距離、縦軸に温
度をとって、適当な分解能でマトリックスを作成し、各
マス目に誤差範囲の該当する数値を言己述した言己憶装
置を準備し、これを実際に測定された距離及び温度の２
人力を入力とした多値推論によって誤差範囲を推定する
手段を形成させることができる。各マス目に記述すべき
数値は、ファジィ推論の手法や、検定作業等によって経
験的に得ることも可能である。なお多゛値推論による誤
算範囲を推定する手段は、上記のような入力の場合に限
定されることな（，３以上の入力の場合にも適用できる
し、測定する項目が上記の距離。

温度に限定されるものではない。

第９図で説明されるファジィ推論は、既知の如く、確定
された集合に属するか否かはっきり判定できる対象物の
集合のみを取り扱う通常の数学的な意味での確定集合と
異なり、特定の集合に属するか否かを判断する基準が明
確には定まらない対象物からなる領域でのファジィ集合
を取り扱い、例えばファジィルールはｒｉｆ　ｘ＝Ａ＋
　ａｎｄ　ｙ＝Ｂ＋　ｔｈｅｎ　ｚ＝ｃ、Ｊのように記
述される。ここで、ｘ、ｙは入力変数であり、第９図の
例で言えば、複合センサ１を構成している複数の距離セ
ンサＳＩ　・Ｓｌ−・・Ｓｏからの各測定値信号（ｘ＋
　・・Ｘ、・・ｘｎ）と、複数の各センサの特性を記録
したセンサ特性記録部２からのルールデータ信号（ｙ＋
・・・ｙ４・・・ｙｎ）とがこれに該当する。他方ｚ（
ｚ、・・・ｚ、・・・Ｚ、、）が各センサの出力変数で
あり、第９図の例では各測定値信号（ｘ＋・・・ｘ４・
・・ｘｎ）に含まれ得る誤差の範囲の推論値を示す信号
（ｚ＋・・・Ｚ、・・・ｚｎ）となる。

２人力１出力の簡略化されたファジィ推論においては、
各センサの入力変数が（ｘ、ｙ）で出力変数が（２）で
あるとすれば、一つのセンサにおけるｉ番目のルールは
下記のように記述される。

Ｒｌ：ｉｆ　ｘ　ｉｓ　Ａｔ　ａｎｄ　ｙ　ｉｓ　Ｂ＋
　ｔｈｅｎ　ｚ　ｉｓ　Ｃ＋（ｉ＝１．２、・・・・、
ｎ）　　　（１）Ｃ１は経験的、実験的に与えられる実
数であり、また、規則の適合度は（２）式の積算によっ
て与えられる。

μｍ＝μえ１（ｘ）・μｍ、（ｙ）　　　　　　　（２
）そして下記（３）式の非ファジィ化の式によって、推
論誤差２が演算される。

第９図の符号３は、ファジィ推論部を示し、上記ファジ
ィルールが成立するための条件を書いた部分を前件部、
結論部分を後件部という。

ファジィ推論では、ある人力量を０〜１の値に変換して
演算し、この変換を定義するのがメンバシップ関数であ
り、このメンバシップ関数はファジィルールで扱う命題
（上記で言えばＡＢ）ごとに定義される。

そしてメンバシップ関数を参照して、入力量がファジィ
ルールを満足する度合いを計算し、前件部に変数が複数
ある場合、ｍｉｎ演算してその内のもっとも小さな値を
求める。次に各ファジィルールに関してｍｉｎ演算した
結果を合皮する。さらに各ルールの後件部を比べ、ｍ　
ａ　ｘ　演算してその最大値を求めて新しいメンバシッ
プ関数を作る。このメンバシップ関数の重心を計算し、
その重心値が推論結果（出力）となる。

上記のファジィ推論する手段は、距離を検出するセンサ
による測定情報を入力変数とする場合に限定されるもの
ではな（、またそのセンサの特性を示すものとしては、
測定可能範囲、測定精度、分解能、使用環境による使用
可能な範囲、温度ドリフト、暗電流によるドリフトなど
の環境の影響による誤差、その他の特性情報等々が上げ
られ、そのうちで必要なものをファジィ推論部への他の
入力変数とすればよい。これらに基づき、測定情報に含
まれ得る誤差の大きさの範囲を推論結果として出力でき
る。

また、ファジィ推論する手段には、使用するセンサの特
性のみならず、ファジィ推論に用いる補助情報として、
例えばセンサの測定原理によって測定結果に影響すると
考えられる環境の情報等を、補助センサ（第９図では符
号１２で示している）によって測定し、その測定情報を
ファジィ推論の補助情報とするように設けることが好ま
しい場合が多い０例えば、複合センサが渦電流式センサ
である場合には、補助センサとして温度センサ等を用い
る場合を例示できる。

なお、本発明の測定装置は、上記センサ情報統合式の装
置である場合、あるいは下記のセンサ情報選択式の装置
である場合のいずれにおいても、既に述べた通り、測定
に対応して逐次的にファジィ推論する手段を、その誤差
範囲の推定手段として備えたものに限定されるものでは
ない。すなわち、測定装置の分解能や、誤差範囲を推定
するために用いる入力数にもよるが、複合センサの組合
わせが決まっていれば、同じ組合わせの複合センサにお
ける入力変数に応じた出力（つまり誤差範囲の程度）を
予め例えばファジィ推論で求めておいて、２人力の場合
には上述のごとく２次元的なマトリックス状にこれを予
めコンピュータの記憶部に記憶させておいて、２人力の
値に基づいて多値推論により該当する誤算範囲の程度を
示す値を記憶部から読み出すことで装置の誤差範囲を推
定する手段を構成できる。この場合の配憶部に記憶させ
ておくべきデータは、ファジィ推論の手法を用いた方法
で得る他、これに限定されず、ファジィ推論のよって得
たデータを修正したものであってもよいし、他の試験等
により得たデータであってもよい。

本発明の測定装置は、上記のニューラルネットワークを
用いたセンサ情報統合式の測定装置の他、上記した特徴
的構成を有するセンサ情報選択式の距離測定装置として
も構成できる。すなわち、上記ファジィ推論する手段等
によって得られた各センサの距離測定値に含まれ得る誤
差範囲のもっとも小さいものが、真値に近い距離情報で
ある（確率的に真値にもっとも近い情報とみなして差し
支えない）から、この誤算範囲の程度を示す推論値のも
っとも小さいものに対応した測定情報を、例えば比較器
等でその時点毎の複合センサの測定情報として選択すれ
ば、センサ情報選択式の測定装置を構成することができ
るからである。

但し、このセンサ情報統合式の距離測定装置については
、後述する実施例で明らかになるように、複合センサに
おける測定範囲の異なる複数の距離センサは、所謂測定
値の飛びを避けるために、測定可能範囲の上限が高い距
離センサが測定可能範囲の上限の低い距離センサよりも
測定対象に対して近接しない位置関係で基板に組付ける
ことが必要である。

本発明のニューラルネットワークを用いたセンサ情報統
合式の測定装置におけるニューラルネットワークについ
て説明すると、これは周知のように、コンピュータのプ
ログラムにより人間の神経細胞にューロン）を人工的に
数学モデルによって表したものであり、並列分散処理に
よって多種多様の入力データに対し、学習を行うことに
より希望した値を出力させ、また未学習パターンに対し
てもある程度希望に沿った出力を期待できる様にしたも
のである。例えば学習プログラムにバックプロパゲーシ
ョンを適用したニューラルネットワークに、まず入力を
与えてそのニューラルネットワークの８カを調べ、その
出力が正しくなければ正しい出力をニューラルネットワ
ークに与え、これによってニューラルネットワーク内の
ユニットの結合強さを変えるという学習を繰り返すこと
によって、入力に対して、望ましい値を出力できるニュ
ーラルネットワークを構築することができる。

本発明のニューラルネットワークを用いたセンサ情報統
合式の測定装置の具体的な一例は、次の距離測定装置に
より説明される。すなわち、上述した複数の距離センサ
で構成された複合センサの各距離センサからの測定情報
と、上記の例えばファジィ推論する手段で求めた誤差範
囲の大きさを示す推論値の夫々を、ニューラルネットワ
ークに全入力として与え、これらを統合した出力が希望
値と一致するか否かの学習を繰り返す。

これによって、複数の距離センサが特定の組合わせをも
っている複合センサに対応して、これに特有、特定の学
習データを構築させることができる。そしてこの予め構
築された学習データをもつニューラルネットワークを対
応する複合センサとの関係で用いることで、測定しよう
とする対象との距離を精度よく検圧できる距離測定装置
が構成される。

上記の学習によるニューラルネットワークの学習内容は
特に限定されるものではないが、その概要は次の通りで
ある。すなわち、ニューラルネットワーク内のニューロ
ンに対応して形成した中間層としての各ユニットに、前
段ユニットからの出力を入力として与え、それを一定の
規則で変換し、出力する。入出力関係は、次式で示され
るように、閾値関数（入力の総和が閾値を越えると一定
の規則による値を出力する）とシグモイド関数ｆ　（ｘ
）で表される。

Ｕ　ｎｉｔ＋　＝　Σ　　ｗ　、、ｏ　、　　十〇０、
　　　＝ｆ　　（Ｕｎｉｔｅ）　　　　　　　　　　　
　（４）ｆ　（ｘ）　　＝　１　／　　（１＋　ｅｘｐ
（−Ｘ）　　）ただし、 Ｕｎｉｔｅ：　　ユニットｉ　の入力　（Ｃ１，２、−
−１）ｏ４　　：前層のユニットｊの出力（ｊ＝１．２
、・・Ｊ）Ｗ、、　　　　：　　ユニットｊ　とユニッ
トｉ　の結合係数θ　、　　　　：　ユニットｉ　の閾
値である。

そして、ニューラルネットワークの統合した出力値が、
外部的に与えた希望する値と一致しない場合に、各ユニ
ット間の結合係数ｗｌ、を予め定めた規則にしたがって
変更することにより学習を行う。ここで結合係数の変更
は、入カバターンｐのときのユニットｉの出力を０．１
．希望する出力なりｐｌとすれば、誤差関数Ｅは、Ｅ　
　：Σ　　（Ｄ□−Ｏｐ、）　　”　／２　　　　　（
５）となり、Ｅが最小値となるように学習が行なわれる
。結合係数の変化量Δｗ＋、は、 で与えられる。ｎは学習係数である。

なお上記（６）式は、パターンｐを入力したときの誤差
関数が減少する方向、つまり負の方向に結合係数Ｗを修
正することを意味する。

なお、ニューラルネットワークに対し、特定の学習デー
タを切り離した学習データベースとして準備し、必要に
応じて特定の複合センサに対応した学習データをニュー
ラルネットワークにロードするように設けることも好ま
しい。このようにすれば、このニューラルネットワーク
のプログラムは変更することな（、種々の複合センサと
学習データベースに対応できて都合がよい。

また上記構成のセンサ情報統合式の測定装置においては
次の特徴がある。すなわち、使用するセンサの組み合わ
せが定められた複合センサを多数製作した場合、これら
多数の複合センサには厳密な意味ではセンサ同士の組み
付は位置にバラツキがあるのが普通であり、いわゆる各
センサ間のオフセット量には差がある。この場合に、個
々の複合センサ毎に学習データを作成しておくことも勿
論できるが、好ましい態様としては、上記多数の複合セ
ンサのうちの一つを用いて学習データを作成する際に、
考えられる種々のオフセット量をプログラム上に取り込
んでシュミレーションして学習データを作成しておけば
、実際の製品毎に異なる量のオフセットがあっても、セ
ンサの組合わせが同一であればいずれの複合センサにも
対応できる。したがって複合センサの交換にも迅速に対
応できる利点が得られる。具体的には、例えば上記複数
の距離センサの組み合わせで構成される複合センサにお
いて、複数の距離センサが製作技術上の問題から、仮に
最大３００μ■程度の量のオフセットが考えられるとし
た場合、センサの分解能を考慮・しつつ±３００μｍの
範囲内で、適当な間隔でオフセットをプログラム上に取
り込み、これらの種々の量のオフセットについてもニュ
ーラルネットワークの学習データを作成する作業をシュ
ミレートしておけば、同一のセンサの組み合わせを有す
る複合センサについては、このシュミレートを含んで作
成した単一学習データを共通に用いることができる。

従って、共通の組み合わせ構成を有する複合センサであ
れば、複合センサを交換してもニューラルネットワーク
の学習データは変更する必要がな（、部品交換等につい
ても迅速に対応できる。

本発明の上記測定装置は、代表的には複合センサを、測
定可能な範囲の上限値が異なっている複数の距離センサ
を用いて構成し、更に必要に応じて温度センサ等を補助
センサとして用いたものを例示することができる。

（実施□例） 以下本発明を図面に示す実施例に基づいて説明する。

実施例１ 第１図は、本発明なセンサ情報統合式の距離測定装置に
適用した一実施例を示すものであり、符号ｌで示される
複合センサは、メインセンサとして、測定レンジの異な
る距離センサＳ、−Ｓ、、を、−の基板（図示せず）上
に固設して設けられている。そしてこれらの各距離セン
サで検出された測定情報は、夫々、コンピュータ（図示
せずλの中央演算回路（以下「ＣＰＵ」という）５０に
入力されるようになっている。

上記距離センサＳ、−Ｓイは、例えば単一の基板上に、
Ｏ〜２　ＩＩＩｍ、　Ｏ〜５　ｍｍ−・Ｏ〜２０ｍｍの
異なる測定可能範囲（レンジ）をもつように組付けられ
て複合センサを構成する。そしてこの複合センサは、例
えば測定対象に対して接近離間が可能でかつ測定対象に
対してその表面に沿って走査できるように所定の駆動手
段をもった移動体上に設けられる。

上記複合センサからの信号をＡ／Ｄ変換して受けるＣＰ
Ｕ５０は、内蔵したプログラムによりモジュル化された
ファジィ推論するファジィ推論部３と、ニューラルネッ
トワーク４とを備えており、上記複数の測定情報は、こ
れらの各モジュルに入力される。

また、本例の測定装置は、上記メインセンサである距離
センサとは別に、複合センサの基盤上に温度センサＳ１
°〜Ｓ、°からなる補助センサ１２が設けられ、これら
の出力も、Ａ／Ｄ変換されて上記ＣＰＬＩ５０のファジ
ィ推論部３に入力されるようになっている。

２は、センサ特性を記録したセンサ特性記録部であり、
本例では、複合センサを構成している各センサの特性内
容を磁気的に記録したフロッピーデスク（ＦＤ）を、コ
ンピュータに設けた入力部（ディスクドライブ）にセッ
トしてその内容をファジィ推論部３にロードできるよう
にしているが、特にこのような構成に限定されるもので
はなく、例えば、使用可能性のあるセンサの特性を予め
コンピュータのメモリ（ＲＡＭＲＯＭ）に記録しておき
、使用する複合センサに搭載されているセンサの種類を
、該複合センサの特性を記録した記録部（複合センサの
データベース）にイニシャライズしておいて、複合セン
サを選択した場合に自動的に、必要なセンサ特性がファ
ジィ推論部にロードするようにしてもよい。

本例においては、複合センサに搭載したメインセンサと
して上述の如（渦電流式距離センサを用いており、基板
上に設けられたセンサのセンサ特性の一つについて記録
されている内容を一例的に示せば以下のとおりである。

Ｍｅａｓｕｒｉｎｇ　Ｒａｎｇｅ　Ｌｏｕ　　　（μｍ
）　：　　　　ＯＭｅａｓｕｒｉｎｇ　Ｒａｎｇｅ　Ｈ
ｉｇｈ　　（ｕ　ｍ）　：　　　２ｆ）００Ｍｅａｓｕ
ｒｉｎｇ　Ｅｒｒｏｒ　Ｌａｔｅ　　（％）：　　　０
．５Ｕｓｉｎｇ　Ｔｅｍｐ　Ｒａｎｇｅ　Ｌｏｕ　　（
”Ｃ）　　：　　　　ＯＬｌｓｉｎｇ　Ｔｅｍｐ　Ｒａ
ｎｇｅ　Ｈｉｇｈ　　（’Ｃ）　　：　　　１０１００
Ｔｅ　Ｅｆｆｅｃｔｉｖｅ　Ｌａｔｅ　　　（％）：　
　　０．０にのような特性を有するセンサにおいては、
例えば、成る時点で測定された測定値の情報と、上記補
助センサである温度センサにより横比された温度による
Ｔｅｍｐ　Ｅｆｆｅｃｔｉｖｅ　Ｌａｔｅに関係して求
められるＭｅａｓｕｒｉｎｇ　Ｅｒｒｏｒ　Ｌａｔｅの
変化から、当該測定値に含まれる得る誤差範囲がファジ
ィ推論される。

そしてこの推論値と測定値とが、複合センサに使用され
ている全てのセンサについて各々得られ、これらの全て
の推論値及び測定値が、ニューラルネットワークの入力
とされ、予め学習が行なわれているニューラルネットワ
ークによって、測定装置の統合された適切な出力が得ら
れることになる。

上記複合センサ１からの測定情報と、これに補助センサ
１２及びセンサ特性記録部２からのルールデータが補助
情報として入力されるファジィ推論部３は、例えば第９
図で説明したものが適用できるが、本例において採用さ
れた渦電流式距離センサの測定値に含まれ得る誤差範囲
の大きさをファジィ推論するために、メンバシップ関数
を台形型に設定した場合に、ｉ番目のセンサの測定対象
に対するメンバシップ関数は以下のように表される。

ｍｅｍ　［ｉｌ　［０］　＝ｆｄｏｕｂｌｅ）　（ｒ　
［０］　［ｉｌ）ｍｅｍ　［月［１］　＝（ｄｏｕｂｌ
ｅ）　（ｒ［０］　［ｉ］＋　（１＊ｐ［ｉｌ））ｍｅ
ｍ［ｉｌ　［２］・（ｄｏｕｂｌｅ）　（ｒ［１］　［
１ｌ−（１＊ｐ（ｉｌ＞）ｍｅｍ［ｉｌ　［３Ｊ　□（
ｄｏｕｂｌｅ）　ｆｒ１１］　［ｉｌ）ただし、 ｒ［０］［ｉｌ　　ニセンサｉの測定範囲下限値ｒ［１
］［ｉｌ　　：センサｉの測定範囲上限値ｐ［ｉｌ　　
　：センサｉの測定精度 これにより、距離センサＳ、〜Ｓｎによって測定された
距離測定値と、センサ特性記録部（センサデータベース
）に記録されたセンサの使用諸元、及び補助センサ１２
の温度センサＳ〜Ｓｏ°によって測定された温度測定値
を入力として、各距離センサＳ１〜Ｓｏの距離測定値に
含まれ得る誤差範囲の程度を示すファジィ推論部３の出
力が得られる。

第１図の符号４はニューラルネットワークのモジュルを
示し、本例ではこのモジュルに、予め構築された学習デ
ータの内容をロードできるようにしている。すなわち学
習データの内容を磁気的に記録したＦＤ（学習データベ
ース）５を、コンピュータに設けた入力部にセットする
ことで上記ロードを行わせることができる。なお上記セ
ンサ特性記録部の場合と同様に、予めコンピュータのメ
モリ（ＲＡＭ、　ＲＯＭ）に複数の学習データを記録し
ておいて、使用する複合センサのマーク等で自動的に対
応する学習データを選択してロードするようにしてもよ
いことはいうまでもない。

ニューラルネットワークの人力としては、上記複合セン
サ１からの各センサＳ１〜ＳＬ１の測定信号と、ファジ
ィ推論部３で求められた各測定信号についての推論誤差
値を示す信号（ｚ＋〜ｚｎ）が与えられ、ニューラルネ
ットワーク４の出力が、最終的に複合センサの統合され
た出力として得られる。

具体的には、ニューラルネットワークを、例えば中間層
が２層、入力層及び出力層がそれぞれ１層である４層の
構造として、学習アルゴリズムにバックプロパゲーショ
ンを用い、第２図に示すプログラムに従い学習を行うこ
とができる。なおニューラルネットワークの入力は上記
の如く各センサについての測定結果及び推論誤差であり
、それぞれの値は次式により１蜆化される。

Ｍｌ　１＝　Ｍｌ　／Ｍ□８　　　　　　　　（７）Ｅ
、”＝Ｅ−，，／Ｅ、　　　　　　　　　（’８）なお
、Ｍ、、Ｅ、はセンサｉの測定結果及び推論誤差であ勺
、Ｍ　＠　＆　Ｘ　（Ｅ　ｍ　ｉ。は全センサの測定結
果の最大値、推定誤差の最小値である。

以上の構成の測定装置によれば、複数のセンサを多数用
いて作成した複合センサを用いた場合に、学習によって
構築された学習データをもつニューラルネットワークが
、各測定時点の測定値を精度よく出力することができる
ため、複数のセンサの取り付は位置のバラツキ等を考慮
する必要がないという極めて優れた利点がある。

また使用する複合センサに搭載の個々のセンサの特性、
及び複合センサ毎に異なる複合センサとしての特性の相
違があっても、これに対応したセンサ特性記録部を用い
、また対応した学習データをニューラルネットワークに
利用することで、システム全体としての交換や、使用プ
ログラムの変更を必要とすることなく、迅速に複合セン
サの変更使用や、種々の異なる測定対象に対する測定装
置としての活用が可能であり、結局、様′々な物理量に
対する測定を行う場合の単一センサの限界を、基本的に
は共通した基本構成を有するシステムで対応できるとい
う極めて優れた効果がある。

本発明は上記した実施例に限定されるものではなく、様
々な変更した実施態様が考えられる。以下これについて
簡単に列挙する。

実施例２ 第６図は、第１図の実施例における補助センサを省略し
た構成のセンサ情報統合式の測定装置を示したものであ
り、その基本構成は第１図と同様である。すなわちファ
ジィ推論で求めた推論誤差と、各センサで検圧した測定
情報とを統合して測定装置の出力とすることができる。

この場合において、各センサが使用環境の影響を実質的
に受けることがないものである場合、あるいは例えば温
度等に測定精度が影響されるものの、使用環境が殆ど変
化しない状態で使用される場合には、補助セン−サは不
要であり、したがって第６図の構成の測定装置によって
、第１図と略同様の精度をもつ装置を構成させることが
できる。

実施例３．４ 第７図及び第８図は、センサ情報選択式の測定装置の例
を示したものであり、第７図の例は補助センサを併用し
た場合、第８図の例は補助センサを省略した場合を夫々
示している。

これらの例の特徴は、ファジィ推論部３で求めた推論誤
差に基づいて、複合センサｌの」１１定値のうちで最も
誤差の小さな信号を測定装置の出力とする選択部６を設
けた点にある。

上記誤差範囲を推定するファジィ推論部３は、例えばフ
ァジィ推論と同等の結果を予め推論した結果をマトリッ
クス状に記述した記憶部を用いて多値推論により推定す
る手段に置換できることは既に述べた通りである。

このような構成の測定装置は、ニューラルネットワーク
を省略しているために、システム的に簡易であり、また
学習データの作成が不要であるため、安価で汎用性の高
い測定装置を提供できる効果がある。

以上の構成の測定装置における効果を確認するために、
渦電流式距離センサの二つを用いて構成した第６図及び
第８図の簡易的な測定装置を例にして、以下の距離測定
試験を行いその結果を第３図〜第５図に示した。

に　　した　ムセンサの 複合センサ：渦電流式センサ１，２ ・・・・センサｌ：測定範囲　　０〜２ｍｍ測定精度　
　　　１μｍ センサ２：測定範囲　　Ｏ〜１０ｍｍ 測定精度　　　　１０μｍ ニューラルネットワークの学習データは、学習アルゴリ
ズムとしてバックプロパゲーションを用い、以下の（１
）〜（３）の項目を考慮して第２図のプログラムに従っ
て、複合センサを５軸の産業用ロボットの作業腕の先端
に組み付け、このロボットを稼働させながら第２図に示
したフローチャートに従って行った。すなわち、複合セ
ンサと測定対象物の距離を変化させながら、各センサの
測定情報をＡ／Ｄボードを介してコンピュータに入力し
、学習を行ったものを使用した。

（１）測定範囲 （２）Ａ／Ｄボードの分解能 （３）二つのセンサの取り付は位置 なお複合センサの問題として、既述の如く複数のセンサ
の取り付は位置のバラツキ（オフセット）があり、この
オフセット量は未知量であることから、その影響を確認
するために、実質的にオフセットが０μｍの複合センサ
の試験モデル１、オフセットが、センサ１がセンサ２に
比べて測定物に近い状態で基盤に取り付けられている状
態（このオフセットを「正」とする）の試験モデル２、
及びセンサ１がセンサ２に比べて測定物から遠い状態で
取り付けられているオフセット「負」の試験モデル３夫
々について行った。

また、第８図に示したセンサ情報選択式の測定装置につ
いても、同様の三つの試験モデル１〜３の複合センサを
用いて試験を行った。

更に、比較のために、ファジィ推論部３及びニューラル
ネットワーク４に代えて、第１４図の所謂ｉｆクローズ
（２値理論）によるプログラムをもつコンピュータを対
象として上記三つの複合センサの試験モデルを用いて試
験を行った。

以上の試験結果は第３図〜第５図に示され、第３図は試
験モデル１の測定結果、第４図は試験モデル２の測定結
果、第５図は試験モデル３の測定結果をそれぞれ示して
いる。またこれらの各図において、図（ａ）はセンサ１
，２の出力値を示し、図（ｂ）はニューラルネットワー
クを用いた第１図の測定装置の出力値と、第１４図で示
したｉｆクローズの出力値の違いを示し、更に図（ｃ）
はニューラルネットワークを用いた第１図の測定装置の
出力値と、第８図のセンサ情報選択式の測定装置の出力
値の違いを示した図である。

これらの図のうち、第３図から明らかであるように、セ
ンサ１，２の組付けにオフセットがない試験モデル１に
おいては、ｉｆクローズ（ｉｆＣ）とニューラルネット
ワーク（Ｎ、Ｎ、）の８カに差がなく、またファジィ推
論手段を用いて推論した結果に基づ（第８図装置の測定
値の出力値（Ｆ、１．）と（Ｎ、Ｎ、）の出力にも差が
ないことが分かる。したがって複数のセンサを、対象に
対して機械的に極めて精密にオフセットなく組付けるこ
とができれば、ｉｆクローズによりＳＩＳを作成しても
問題がないことが分かる。但し実際にはこのようなオフ
セットが厳密に存在しない複合センサの作成は極めて困
難である。

第４図の結果からは、１ｆクローズの出力と（Ｎ、Ｎ、
）の出力には差があるのに対し、第８図装置の測定値の
出力値（Ｆ、１．）と（Ｎ、Ｎ、）の出力には差のない
ことが分かる。したがって測定可能範囲の上限が小さい
センサ１が測定対象に近接するオフセットがある状態で
複合センサが構成されている距離測定装置においては、
情報選択式の距離測定装置であっても、情報統合式の距
離測定装置であっても、ｉｆクローズ方式の装置では期
待できない優れた測定ができることが分かる。

第５図の結果からは、ｉｆクローズ（ｉｆＣ）とニュー
ラルネットワーク（Ｎ、、Ｎ、）の出力に差があり、ま
たファジィ推論手段を用いて推論した結果に基づく第８
図装置の測定値の出力値（Ｆ、　１．　）と（Ｎ、Ｎ、
）の出力にも差があることが分かる。すなわち、作成さ
れた複合センサにおいて、測定可能範囲の上限が大きい
センサ２が測定対象に近接するオフセットがある状態で
は、第６図のニューラルネットワークを有する測定装置
において初めて優れた測定が可能となることが分かる。

（発明の効果） 以上述べたように、本発明の測定装置によれば、複合セ
ンサの各センサで得られる測定情報のうちから、各測定
時点でのもつとも適切な情報を選択ないし統合して測定
装置の情報として得ることができ、全体として、複合セ
ンサを単一のセンサとして取り扱うことができる優れた
取り扱い性と、広い範囲に渡る測定と、高精度な測定と
いう二律背反的な要求を同時に満足することができると
いう効果がある。

また本発明の測定装置の構成は、基本的なシステムの概
要を共通にして、製品ごとに特性が異なる複合センサに
対しても、迅速かつ容易に対応することができ、複合セ
ンサの変更使用時においても、基本的なプログラムの変
更も必要なく、容易な対応が可能であるという効果があ
る。

【図面の簡単な説明】

第１図は本発明よりなるセンサ情報統合式の測定装置の
構成概要−例を示す図、第２図はどう測定装置における
ニューラルネットワークの学習プログラムを示した図、
第３図（ａ）　、　（ｂ）　。 （ｃ）〜第５図（ａ）　、　（ｂ）　、　（ｃ）は本発
明よりなる測定装置の特性を試験した結果を示した図、
第６図〜第８図は本発明の測定装置の他の実施例の構成
概要を示した図である。 第９図はファジィ推論する手段の構成を説明するための
図、第１０図（ａ）〜（ｇ）は本発明が適用される研削
加工の一例であるファンブレードの加工を説明するため
の図、第１１図は切削状態を説明する図、第１２図（ａ
）　、　（ｂ）は複合センサの構成を説明するための図
、第１３図は本発明の測定装置を用いた場合の産業ロボ
ットとの関係を示した図、第１４図は制御としてｉｆク
ローズを採用した場合のフローチャートを示した図であ
る。 （他４名） 第 図 試験結果（オフセット 時間（秒） （ｂ）Ｎ−Ｎ ！・Ｃのデータ 時間（秒） （ＣＩＮ　−Ｎ Ｆ・］のデータ 時間（ｙ） 第 〕 図試験結果（オフセ・ソト０） （ａｌセンサ素子１ ２のデータ 時間（秒） （ｂ＋Ｎ　−Ｎ。 Ｉｃのデータ （ｃ）Ｎ−Ｎ Ｆ・！のデータ 第 図 試験結果（オフセット＋） （ｂ）Ｎ−Ｎ １−Ｃのデ タ （ＣＡＮ　−Ｎ。 Ｆ−１のデータ 時間（秒） 第 図 統合された検出値 第 図 第 図 （ａ） 大型７−寸、′Ｌシシン ４牽引１杓７７シフし−ｈ′ （ｂｌ ＋０４ 第 図 イＩｔＶＬｔｉ　７７：、７−Ｌ−ト 第 図 第 図 １“ 亡：、゛す′１１（邦３〔９３月

Claims (1)

1. 【特許請求の範囲】 １、複数のセンサを組合わせて構成される複合センサと
   、上記複数のセンサで測定されたセンサ測定情報の夫々
   を入力とし、各センサ毎に予め与えられているセンサ特
   性を補助情報として、各センサ測定情報に含まれ得る誤
   差範囲を夫々推定する手段と、複合センサの上記各セン
   サで測定した複数のセンサ測定情報及び、上記誤差範囲
   を推定する手段で求めた複数の誤差範囲情報を入力とし
   、複合センサの各測定時点における測定値をこれらの全
   入力の統合値として演算するニューラルネットワークと
   を備え、このニューラルネットワークは、上記複数のセ
   ンサの組合わせを持った複合センサを使用し学習アルゴ
   リズムを用いて予め構築した学習データを演算要素とし
   て有するものであることを特徴とするセンサ情報統合式
   の測定装置。 ２、請求項１において、センサ測定情報に含まれ得る誤
   差範囲を推定する手段が、ファジィ推論する手段である
   ことを特徴とする測定装置。 ３、請求項１において、センサ測定情報に含まれ得る誤
   差範囲を推定する手段が、多値推論する手段であること
   を特徴とする測定装置。 ４、請求項１乃至３のいずれかにおいて、誤差範囲を推
   定する手段が、推定に用いる補助情報を外部から受け付
   ける入力部と、センサ群が使用される環境の情報を検出
   して上記入力部に出力する補助センサとを有することを
   特徴とするセンサ情報統合式の測定装置。 ５、請求項４において、複合センサが、測定可能範囲の
   上限値が異なっている複数の距離センサを共通の基板に
   組付けてなっていることを特徴とするセンサ情報統合式
   の測定装置。 ６、請求項４において、複合センサが、測定可能範囲の
   上限値が異なっている複数の距離センサを共通の基板に
   組付けてなっていると共に、補助センサが、温度を検出
   するセンサであることを特徴とするセンサ情報選択式の
   測定装置。 ７、請求項１乃至６のいずれかにおいて、ニューラルネ
   ットワークの学習データを構築するアルゴリズムがバッ
   クプロパゲーションであることを特徴とするセンサ情報
   統合式の測定装置。 ８、測定可能範囲の上限値が異なる複数の距離センサを
   共通の基板上に組付けて構成された複合センサと、上記
   各センサで測定されたセンサ測定情報を入力とし、各セ
   ンサについて予め与えられているセンサ特性を補助情報
   として、各センサ測定情報に含まれ得る誤差範囲を夫々
   推定する手段と、この推定する手段で求めた誤差範囲の
   うちで最小のものに対応するセンサ測定情報を選択して
   、上記複合センサの各測定時点における出力とする選択
   手段とを備え、上記複合センサにおける各距離センサは
   、測定可能範囲の上限が高い距離センサが測定可能範囲
   の上限の低い距離センサよりも測定対象に対して近接し
   ない位置関係で基板に組付けられていることを特徴とす
   るセンサ情報選択式の距離測定装置。 ９、請求項８において、センサ測定情報に含まれ得る誤
   差範囲を推定する手段がファジィ推論する手段であるこ
   とを特徴とするセンサ情報選択式の距離測定装置。 １０、請求項８において、センサ測定情報に含まれ得る
   誤差範囲を推定する手段が、多値推論する手段であるこ
   とを特徴とするセンサ情報選択式の距離測定装置。 １１、請求項８乃至１０のいずれかにおいて、誤差範囲
   を推定する手段が、推定に用いる補助情報を外部から受
   け付ける入力部と、複合センサが使用される環境の情報
   を検出して上記入力部に出力する補助センサとを有する
   ことを特徴とするセンサ情報選択式の距離測定装置。 １２、請求項１１において、補助センサが、温度を検出
   するセンサであることを特徴とするセンサ情報選択式の
   距離測定装置。