JPH0829318A

JPH0829318A - 粒体の粒度情報の計測方法及び装置

Info

Publication number: JPH0829318A
Application number: JP16240494A
Authority: JP
Inventors: Takeshi Nakamura; 健中村; Yoichi Ueishi; 陽一上石; Masaaki Watanabe; 正明渡辺; Kazuhiko Hamaya; 和彦浜谷; Yoshiharu Hashizume; 義春橋詰
Original assignee: AdIn Research Inc
Current assignee: AdIn Research Inc
Priority date: 1994-07-14
Filing date: 1994-07-14
Publication date: 1996-02-02
Anticipated expiration: 2019-04-26
Also published as: JP3521964B2

Abstract

(57)【要約】【目的】本発明は、低コストで容易に構成可能で、高
速に計測が可能であり、更に、計測精度の向上とダイナ
ミックレンジの拡大が容易な粒度情報の計測方法及び装
置の提供を目的とする。【構成】本発明の運動中の粒体の粒度又は粒度分布等
の粒度情報を計測する方法は、運動中の粒体が少なくと
も一の計測用プローブに衝突或いは接触する際に、計測
用プローブに発生する振動或いは衝撃力の少なくとも一
の成分を測定する段階（ステップ１０）と、測定された
振動或いは衝撃力の成分から特徴量を抽出する段階（ス
テップ２０）と、抽出された特徴量に基づいて粒体の粒
度情報を推定する段階（ステップ３０）とよりなる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、流体或いは気体の輸
送、又は、自由落下等により定常的に運動している固体
或いは粉体等の粒体の粒度又は粒度分布等の粒度情報の
計測方法及び装置に係り、特に、粒体の運動に関連する
計測データに基づいて粒度情報を推定する方法及び装置
に関する。

【０００２】

【従来の技術】従来、粒度を測定する計測装置として、
例えば、レーザ干渉を利用する計測装置、画像情報を利
用する計測装置、又は、ふるい或いは遠心分離器のよう
な被計測対象物を分離する装置等が知られている。

【０００３】例えば、“レーザ回折・散乱式粒度分布計
によるセメントの粒度分布測定強度試験結果”、セメン
ト・コンクリート、第５４７号（１９９２年）にレーザ
干渉を利用する計測装置が記載されている。レーザ干渉
を利用する計測装置は、被測定対象物にレーザを照射す
るレーザ光源、回折・散乱光を入力するＣＣＤカメラ等
の画像入力装置、入力された画像を処理する画像処理装
置、レーザ光源と画像処理装置を制御し、画像処理装置
による画像処理結果に基づいて必要とされる測定データ
を算出するホストコンピュータとにより構成される。例
えば、粒径の形で得られる粒度を多数の粒体に関して測
定し、測定された粒度から粒度の度数分布を生成するこ
とにより、粒度分布が得られる。

【０００４】また、“粒径の均一化を実現した粒度分布
プロフィール制御システム”、計装・２月号、第３６
巻、第２号（１９９３年）には、画像情報を利用する計
測装置が記載されている。画像情報を利用する計測装置
は、一般に、被測定対象物の画像を入力するＣＣＤカメ
ラ等の画像入力装置、入力された画像を処理する画像処
理装置、画像処理装置を制御し、画像処理装置による画
像処理結果に基づいて必要とされる測定データを算出す
るホストコンピュータとにより構成される。

【０００５】上記のレーザ干渉又は画像情報を利用する
計測装置において、被対象物の測定は、画像処理により
行われる。

【０００６】一方、画像処理によらない計測装置とし
て、従来より、専用の振動式のふるい分け装置が周知で
ある。

【０００７】

【発明が解決しようとする課題】従来のレーザ干渉を利
用する計測装置は、０．１ｍｍ程度以下の細粒の測定に
適している。従って、この範囲を越える粒径の対象物の
測定は困難である。

【０００８】画像情報を利用する計測装置は、その検出
性能は、主として、例えば、ＣＣＤカメラ等により構成
される利用可能な画像情報計測器の解像度によって制限
されるので、計測可能な粒径の最小値と最大値の比率が
略１：１００であり、計測可能な粒径の範囲が制限さ
れ、即ち、ダイナミックレンジが狭いという問題を有す
る。また、画像情報を利用する計測装置は、一般には、
２次元的な画像情報が利用されるので、被計測対象物が
計測装置の視点方向に対して奥行き情報を有する場合、
その奥行き情報が得られない。

【０００９】更に、上記のレーザ干渉又は画像情報を利
用する計測装置において、測定データは画像処理に基づ
いて得られるので、画像処理に所要する時間が計測時間
の全体に占める割合が高く、計測時間は屡々１０秒以上
に及ぶという問題が生じることがある。従って、被計測
対象物が高速で運動している場合、画像処理の処理時間
の制限により、高速での測定が行えないため、高精度の
計測結果が得られないという問題も生じる。このため、
被計測対象物を所定の位置に配置することが必要とされ
る場合もある。

【００１０】また、例えば、ふるい分け装置のような被
計測対象を分離する装置の場合、分離のために略１０分
程度の処理時間が必要とされるので、計測時間が長時間
に亘るという欠点を有する。

【００１１】上記の従来の計測装置において、測定可能
な粒径の範囲を拡大することは、種々の補助的な計測方
法や複数の計測装置を利用することにより原理的には可
能であるが、計測装置が複雑化し、コストが増大する。
更に、計測装置の複雑化により、装置の信頼性と、耐久
性に屡々問題が生じる。

【００１２】更に、上記の従来の粒度情報の計測装置
は、レーザ光源、画像処理装置、又は、ふるい装置のよ
うな特定用途の処理装置を必要とするので、計測装置全
体のコストが高くなるという問題を有する。

【００１３】本発明は、上記の従来技術の問題点に鑑
み、低コストで容易に構成可能で、高速な計測が可能で
あり、更に、計測精度の向上とダイナミックレンジの拡
大が容易な粒度情報の計測方法及び装置の提供を目的と
する。

【００１４】

【課題を解決するための手段】本発明の原理を説明する
図１に示す如く、本発明の運動中の粒体の粒度又は粒度
分布等の粒度情報を計測する方法は、運動中の粒体が少
なくとも一の計測用プローブに衝突或いは接触する際
に、計測用プローブに発生する振動或いは衝撃力の少な
くとも一の成分を測定する段階（ステップ１０）と、測
定された振動或いは衝撃力の成分から特徴量を抽出する
段階（ステップ２０）と、少なくとも抽出された特徴量
に基づいて粒体の粒度情報を推定する段階（ステップ３
０）とよりなる。

【００１５】更に、本発明による導管等で運動中の粒体
の粒度或いは粒度分布等の粒度情報を計測する装置は、
上記の本発明の粒度情報の計測方法を実行するよう、運
動中の粒体の衝突或いは接触により発生する振動或いは
衝撃力の少なくとも一の成分を測定する少なくとも一の
計測手段２０を有する測定手段１０と、測定された振動
或いは衝撃力の成分に基づいて、粒体の粒度情報を推定
する推定手段６０とよりなる。

【００１６】

【作用】振動又は衝撃力の測定により、粒体の粒度情報
を推定する本発明の粒度情報の計測方法及び装置の原理
について説明する。振動又は衝撃力の特性は、一般的
に、運動している粒体の質量、材質、速度、及び、粒体
が衝突する、例えば、計測用プローブのような計測手段
の材質、振動特性に依存している。従って、設計上で選
択可能であるプローブの材質と振動特性の他に、粒体の
材質と運動速度が既知である場合、振動、衝撃力を測定
することにより、運動している粒体の質量を推定するこ
とが可能である。更に、粒体の材質が既知であることに
より、質量に基づいて粒径を推定することが可能であ
る。

【００１７】更に、プローブの材質と振動特性、粒体の
材質と運動速度が分からない場合でも、粒体の質量或い
は粒径、又は、粒径分布が既知であれば、この粒体を被
計測対象物として計測を行うことにより、振動又は衝撃
力の測定データと、粒体の質量或いは粒径、又は、粒径
分布との関係を推定手段において学習等により獲得する
ことが可能である。従って、この学習により得られた推
定ルールに従って、振動又は衝撃力の測定データから粒
体の質量或いは粒径、又は、粒径分布を推定することが
可能になる。

【００１８】

【実施例】本発明の他の特徴と利点は、添付図面を参照
した以下の説明により明らかになるであろう。尚、添付
図面において同一の参照符号は、多数の図中の同じ部分
を示す物である。

【００１９】図２乃至５は、本発明の第１実施例による
粒度情報計測装置のシステム構成を示す図である。図２
に示す如く、粒度情報計測装置は、導管１００内を通過
する固体又は粉体等の粒体の運動に起因する振動又は衝
撃力を測定する測定部１０と、測定部１０で得られた測
定データに基づいて、導管１００内を通過する粒体の粒
度と粒度分布を推定する主処理部４０とにより構成され
る。

【００２０】測定部１０は、導管１００に突出したプロ
ーブに衝突又は接触する粒体により発生する振動又は衝
撃力を感知するセンサ部２０と、主処理部４０において
処理し得るよう、センサ部２０により測定され出力され
るアナログ信号をディジタル信号に変換する、例えば、
Ａ／Ｄ変換器等の信号変換部３８とよりなる。

【００２１】主処理部４０は、例えば、本願出願人によ
る日本国特許出願明細書特願平第６−１２６６０４号に
記載される状態監視システムを使用することが可能であ
り、信号変換部３８に接続され、信号変換部３８より入
力されるデータを波形データに変換し、波形データから
特徴量ベクトルを抽出する特徴量抽出部５０と、抽出さ
れた特徴量ベクトルに基づいて導管１００内を通過する
粒体の粒度又は粒度分布を推定する推定部６０と、推定
された粒度又は粒度分布を出力する結果出力部９０とに
より構成される。

【００２２】更に、推定部６０は、同図に示す如く、抽
出された特徴量を自動パターン分類し、パターン合致度
を算出するパターン認識推論部７０と、パターン認識推
論部において算出されたパターン合致度に基づいて、導
管１００内を通過する粒体の粒度又は粒度分布を推定す
る状態認識推論部８０とを有する。

【００２３】図３は、本発明の第１実施例によるセンサ
部２０を構成する計測用プローブを説明する側断面図で
ある。同図に示す如く、計測用プローブ２０は、導管１
００の導管側壁１０２を通って導管１００の内部に突出
するプローブ２２と、プローブ２２を導管側壁１０２の
外側に固定するプローブ固定端２９と、導管１００内に
突出したプローブ２２の先端部以外の部分を覆うプロー
ブカバー２８とにより構成される。更に、本発明の第１
実施例の計測用プローブ２０において、運動する粒体の
プローブ２２の先端への衝突又は接触により誘起される
振動及び衝撃力を夫々測定するＡＥ（アコースティック
エミッション）センサ２４及び歪みゲージ２６が導管１
００の外側位置においてプローブ２２に取り付けられて
いる。

【００２４】図４は、本発明の第１実施例による特徴量
ベクトルのパターン種別を分類するパターン認識推論部
７０の構成を示す図である。同図に示す如く、本発明の
第１実施例によるパターン認識推論部７０は、計測デー
タ等より抽出された少なくとも一の特徴量を有する特徴
量ベクトルを入力する入力ノード７１０₁，７１
０₂，．．．，７１０_mと；入力ノードに接続され、入
力ノードから入力される特徴量と特徴量に対応する特徴
量パターンとの合致度であるパターン合致度を算出する
パターンマッチング部７２０_1,1，７２０_1,2，．．．
と；パターンマッチング部７２０_1,1，７２
０_1,2，．．．に接続され、パターン合致度を入力し
て、特徴量ベクトルと、特徴量ベクトルに含まれる特徴
量の各々に対応する特徴量パターンの組よりなる特徴量
パターンセットとの合致度であるパターンセット合致度
を算出し特徴量ベクトルの種別に対応して出力する出力
ノード７３０₁，７３０₂，．．．，７３０_nとからな
る。本発明の第１実施例のパターン認識推論部７０は、
更に、出力ノード７３０₁，７３０₂，．．．，７３０
_nの各々において得られるパターンセット合致度に基づ
いて、特徴量ベクトルが既存の特徴量パターンセットの
何れかに近似しているかどうかを判定する近似度判定部
７４０と；特徴量ベクトルが既存の特徴量パターンセッ
トの何れとも近似していないと判定された場合、特徴量
ベクトルの新しいパターン種別に対応する新しい出力ノ
ードと、新しい出力ノードに接続され新しい特徴量パタ
ーンよりなる新しい特徴量パターンセットとを生成して
パターン認識推論部７０に追加するパターンセット追加
部７４２と；特徴量ベクトルが既存の何れかの特徴量パ
ターンセットと近似していると判定された場合、特徴量
に応じて近似していると判定された特徴量パターンセッ
トに含まれる特徴量パターンを変形するパターンセット
変形部７４４とを有する。

【００２５】また、本発明の第１実施例によるパターン
認識推論部７０は、パターンマッチング部７２０_1,1，
７２０_1,2，．．．における特徴量パターンが入力情報
を選択的に通過させるファジィメンバシップ関数であ
り、パターン合致度は特徴量をファジィメンバシップ関
数に入力して演算させることにより得られるファジィ化
ニューラルネットワークにより構成することが可能であ
る。

【００２６】以下、ファジィ化ニューラルネットワーク
について簡単に説明する。図５は、ファジィ化ニューラ
ルネットワークの構成を示す図であり、同図の（ａ）に
示す如く、少なくとも一の入力ノード７１０₁，７１０
₂，．．，７１０_mを有する入力層７１２と、少なくと
も一の出力ノード７３０₁，７３０₂，．．，７３０ _n
を有する出力層７３２と、入力ノード７１０₁，７１０
₂，．．，７１０_mと出力ノード７３０₁，７３
０₂，．．，７３０_nを夫々接続する方向性リンク７２
０_1,1，７２０_1,2，．．．，７２０_1,n，７２
０_2,1，７２０_2,2，．．．，７２０_2,n，．．．，７
２０_m,1，７２０_m,2，．．．，７２０_m,nとにより構
成される。その方向性リンクは、同図の（ｂ）に示す如
く選択的な特性を有するファジィメンバシップ関数演算
部と重み付け部とを有し、入力される情報が演算により
変換された値が出力ノードに出力される。出力ノード
は、少なくとも一の方向性リンクから入力される上記の
変換された値に対して、例えば、線形結合演算を行なっ
て出力する。

【００２７】この方式により、一つの方向性リンクのフ
ァジィメンバシップ関数は、所謂ニューラルネットワー
クの複数の中間層により実現される超平面に対応し、入
力層と出力層とを結合する複数のリンクによる領域の指
定は、ニューラルネットワークの入力層と出力層との組
み合わせリンクとノードとからなる複数の超平面が示す
領域の指定に対応している。かかるファジィ化ニューラ
ルネットワーク情報処理システムは、通常のニューラル
ネットワークに比較すると、同一の精度を実現するため
に必要な記述量と、必要とされる要素の数が減少するの
で、ネットワークの構成が簡単化され、ネットワークの
演算処理時間が短縮され得る。

【００２８】本発明の第１実施例の粒度情報計測装置に
おいて、上記のパターン認識推論部７０を用いる推定部
６０を設けることにより、測定されたデータに基づいて
入力される特徴量ベクトルの意味が不明瞭であっても、
その特徴量ベクトルのパターンが予め登録されているパ
ターンセットに近似しているか、或いは、近似していな
いかが判定され、さらに、入力された特徴量ベクトルが
予め登録されているパターンセットに近似していない場
合、この特徴量ベクトルに応じて、新たなパターンセッ
トと、そのパターンセットに関連する出力ノードが生成
される。従って、意味の不明瞭なデータ、或いは、意味
の分からないデータでもパターン分類することが可能で
ある。更に、意味の分からないデータに対しては、後か
らその分類されたパターンに対して意味付けすることが
可能になる。

【００２９】また、ファジィ化ニューラルネットワーク
を本発明のパターン認識推論部７０に利用することによ
り、新しい特徴量ベクトルを入力ノードへ入力し、ネッ
トワークを利用した推論によって出力ノードに出力され
る値は、新しい特徴量と、既に登録されているパターン
セットとの差に基づく近似度であると考えられる。そこ
で、出力ノードに得られた近似度により、新しい特徴量
ベクトルが既存の登録パターンセットに近似していない
と判断される場合、上記の新しい特徴量ベクトルのパタ
ーン種別に対応する新しい出力ノードと、かかる新しい
特徴量ベクトルとの合致度の高いファジィメンバシップ
関数を有する方向性リンクのセットとが設けられるの
で、新たに入力された特徴量ベクトルが既に登録されて
いる何れのパターンセットにも近似していない場合、新
たなパターンセットが登録されることになる。従って、
パターンの自動分類が行なわれる。

【００３０】更に、推論部６０をパターン認識推論部７
０と状態認識推論部８０とより構成することにより、前
段のパターン認識推論部７０は、現在の計測データから
得られる特徴量に基づいて、被計測対象の状態に関する
マクロな指標を含む推論情報を出力し、状態認識推論部
８０はこのパターン認識推論部７０より出力されるマク
ロな情報を入力して、より詳細な被計測対象の粒度情報
を推定することが可能である。

【００３１】本発明の第１実施例による状態認識推論部
７０は、パターン認識推論部７０の複数の出力ノードか
らのデータを入力し、更に、パターン認識推論部７０に
入力された特徴量に対応する計測データが取得された時
点での観測対象の状態を示す状態のカテゴリを教師信号
として入力することができる。従って、一つの観測対象
の状態のカテゴリを一つの出力ノードとするような複数
の出力ノードを有するファジィ化ニューラルネットワー
クにおいて、ファジィテンプレートに対応する近似度の
値を入力して、これに対応する事象（観測対象の状態）
との関係を学習することにより、ファジィ化ニューラル
ネットワークの学習結果をファジィメンバシップ関数の
組として登録することができる。

【００３２】他の面において、本発明の第１実施例の粒
度情報計測装置によれば、計測データからサンプルとし
て取り出された多数のデータサンプルは夫々、少数の特
徴の種類からなる特徴量に特徴化され、更に、任意の数
の特徴量の組み合わせの情報としてファジィ化ニューラ
ルネットワーク認識部に与えられる。更に、入力された
特徴量の組み合わせ情報がファジィ化ニューラルネット
ワークの出力ノードに対応するファジィメンバシップ関
数の組のいずれに近いかを示す近似度を算出する手段を
有するので、あるデータサンプルが既に登録されている
ファジィメンバシップ関数の組に近似している度合いに
応じて、新たな出力ノードを設けて、上記データサンプ
ルの特徴量を包含する分布を有するファジィメンバシッ
プ関数の組を新たな関数の組として登録するか、或い
は、既に登録されているファジィメンバシップ関数の組
の追加学習用データとして利用するかを選択的に実行す
る事ができる。

【００３３】本発明の第１実施例の粒度情報計測装置に
よれば、特徴化される計測データの取得時刻を指定する
ことができるので、計測されるデータと、実際の対象の
状態との間に大きな時間遅れを有する観測系において
も、人間の経験、或いは、その他の手段により時間遅れ
量が推定できる場合、その推定された時間遅れ量を利用
して、計測データから得られる特徴量と、観測対象の状
態に関する時間的な因果関係をより高い確度で得ること
ができるようになる。

【００３４】本発明の第１実施例による粒度情報計測装
置の特徴量抽出部５０は、折れ線化圧縮処理により、波
形の中の有意な変動パターンを過不足なく表現すること
が可能である。波形データに含まれる情報は多量であ
り、例えば、時間間隔の短い変動のような状態監視には
必要とされない周波数成分が含まれていることも多い。
かかる折れ線化圧縮処理により、波形データの情報量は
圧縮され、また、時間間隔の短い変動は、変動幅が小さ
い場合には除去される。さらに、折れ線化圧縮により、
波形データは、折れ線化された直線の変動時間幅と、変
動値の２つの要素よりなる特徴量により表わされるの
で、波形データに含まれている情報は抽象化される。従
って、本発明の第１実施例による粒度情報計測装置は、
このように特徴化された計測データ、即ち、特徴量をパ
ターン認識部７０に入力し、特徴量に対して特徴量テン
プレート（ファジィテンプレート）によるパターンマッ
チングを行い、既に登録されている特徴量テンプレート
の中の何れに近似しているかを示す度合いを出力するこ
とができる。

【００３５】以下に、例えば、複数の材料よりなる混合
物の粒度分布を計測し、所望の混合比の混合物が得られ
ているがどうかを推定する場合を例として、本発明の第
１実施例による粒度情報計測装置の適用例を図面を参照
して説明する。

【００３６】本発明の第１実施例による粒度情報計測装
置は、図１に示す本発明の原理的な処理手順に従って以
下のように動作する。

【００３７】導管１００内の粒体の計測用プローブ２０
への衝突、接触により、計測用プローブ２０に発生する
振動及び衝撃力は、プローブ２２に取り付けられたＡＥ
センサ２４及び歪みゲージ２６により測定され、次い
で、この計測データは、計測用プローブ２０から、例え
ば、Ａ／Ｄ変換器、及び／又はＦＦＴ装置のような信号
変換部３８を介して波形データに変換される（ステップ
１０）。かかるスペクトル波形データが解析の対象とな
る波形である。

【００３８】上記の波形データを入力する主処理部４０
は、波形を折れ線化処理して特徴量ベクトルに変換する
（ステップ２０）。

【００３９】次いで、特徴量ベクトルを自動分類して粒
度情報の推定用の分類波形強度を得る（ステップ３
２）。

【００４０】最後に、粒度情報推定用の分類波形強度よ
り得られる推定ルールに従って粒体の粒度情報の推定を
行なう（ステップ３４）。

【００４１】以下では、計測用プローブ２０のＡＥセン
サ２４により測定される振動のデータに関する場合を説
明する。

【００４２】図６は、計測されたデータが変換されたス
ペクトル波形データを示す図である。波形データは、周
波数に関する強度で示されている。更に、波形データを
離散化させて以降の処理で使用するための波形データの
サンプリング位置を表わすデータ番号が周波数に対応し
て示されている。

【００４３】上記の特徴抽出処理は、従来より周知の周
波数分割強度の算出、又は、多項式フィッティング等の
方法により行なうことも可能であるが、スペクトル波形
中の有意な変動パターンを捉えるためには、折れ線化圧
縮手法が望ましい。図７は、かかる折れ線化圧縮手法に
より上記の波形データから、例えば、５本の折れ線が抽
出される過程を示している。折れ線化圧縮処理により、
波形データは、この５本の折れ線の幅と高さにより表現
される。

【００４４】折れ線化圧縮は、着目波形の両端を結ぶ１
本の線分から始めて、波形の中で線分から最も変位の大
きい箇所に新たな頂点を設定し、線分を分割することに
より行なわれる。折れ線化は、初期設定された所定の最
大折れ線数に達した場合、或いは、折れ線と波形との最
大変位が初期設定した所定の閾値よりも小さくなった場
合に打ち切られる。

【００４５】図８は、折れ線化圧縮処理により得られた
折れ線から特徴量を抽出する過程を説明する図である。
上記の如く、特徴量としては、各々の折れ線の幅と高さ
を用いる。診断に利用されるスペクトル波形は、周波数
範囲の両端が固定され、また、故障時には、特定の周波
数帯に異常が現われると想定されるので、折れ線の本数
を固定すると、類似した波形からは類似した特徴量が抽
出されることが期待される。例えば、図９に示す如く、
折れ線の本数を５本とした場合、５個の高さと５個の幅
よりなる１０個の特徴量がスペクトル波形から抽出され
る。

【００４６】かくして抽出された特徴量ベクトルは、図
１０に示す如く、前述のパターン認識推論部７０により
パターン分類される。この自動パターン分類は、教師な
し学習である自己組織学習に基づいている。波形データ
から得られる上記の１０個の特徴量の組（１０次元の特
徴量ベクトル）は、１０次元の特徴量空間内の一つの座
標と見なすことができる。説明の便宜上、この特徴量空
間を２次元平面として図示すると、特徴量空間内に特徴
量ベクトルを表わす座標点をプロットすることができ
る。同図において、特徴量空間内の座標点が、自動的に
幾つかのカテゴリに分類されることが示されている。同
図は、５本の折れ線の特徴量に対する自動パターン分類
によって、夫々の波形データがパターン１からパターン
５と、ラベルなしの６パターンとよりなる１１パターン
に分類されていることを示している。

【００４７】図１１は、波形の自動パターン分類により
分類された１１パターン中の５通りのパターンに対応す
る波形パターンを示している。

【００４８】次に、上記の自動パターン分類により得ら
れたパターン認識推論部７０に、予め分かっている特徴
量ベクトルを入力することにより、パターンセット合致
度が得られる。更に、図１２に示されるこの特徴量ベク
トルと、この特徴量ベクトルに対応する意味情報（ラベ
ル）を教師信号として、上記のパターンセット合致度を
入力として状態認識推論部８０の学習を行なう。

【００４９】新しい特徴量ベクトルを入力して、パター
ン分類を行い、各々の特徴量ベクトルが計測された時点
でのシステムの状態を示すラベルを教師データとして与
えることにより、自動パターン分類されたパターン毎
に、意味付けされたラベルの発生頻度が記憶される。こ
の学習により、最終的に図１３に示す推定ルールを得る
ことができる。この推定ルールは、入力された特徴量ベ
クトルが、パターン分類により、パターン１に完全に合
致していると判定された場合、その時のシステムの状態
は、正常である確率が８０％で、混合物１過剰である確
率が１０％で、混合物２過剰である確率が１０％である
ことを示している。

【００５０】本適用例によれば、パターン毎に最も確率
の高いラベルを選択してラベル付けを行うことにより、
自動パターン分類されたパターン１乃至５に対して、夫
々、正常、混合物１過剰、混合物２過剰、混合物３不
足、混合物４不足の５つのラベルが意味付けされてい
る。

【００５１】図１４は、推定過程を説明する図であり、
新たな振動が計測されると、信号変換と、折れ線化圧縮
により計測データから特徴量ベクトルが抽出され、次い
で、パターン認識推論部７０においてパターンセット合
致度が算出され、かかるパターンセット合致度が状態認
識推論部８０に入力されて、最終的に推定結果が得られ
る。

【００５２】以下に、推定結果の算出法をより詳細に説
明する。実際の計測データから得られる波形パターンに
対してパターン分類を行うと、登録されている５つのパ
ターンに対する合致度が個別に得られる。例えば、同図
によれば、計測データは、「混合物１過剰」としてラベ
ル付けされているパターン２との合致度ａ２が８０％で
あり、「正常」としてラベル付けされているパターン１
との合致度ａ１が５０％であり、「混合物２過剰」とし
てラベル付けされているパターン３との合致度ａ３が２
０％であることが示されている。一方、上記の学習の結
果、計測データの波形パターンがパターン２に合致して
いると判定された場合、実際のシステムの状態は、正常
である確率Ａ２が２０％で、混合物１過剰である確率Ｂ
２が６０％で、混合物２過剰である確率Ｃ２が１０％
で、混合物３不足と混合物４不足の確率Ｄ２、Ｅ２が共
に５％であることが分かっている。同様にして、波形パ
ターンがパターン１に合致している場合に、正常である
確率Ａ１が８０％で、混合物１過剰である確率Ｂ１が１
０％で、混合物２過剰である確率Ｃ１が１０％であり、
波形パターンがパターン３に合致している場合に、正常
である確率Ａ３が２０％で、混合物１過剰である確率Ｂ
３が１０％で、混合物２過剰である確率Ｃ３が６０％
で、混合物３不足と混合物４不足の確率であるＤ３とＥ
３は、共に５％である。

【００５３】このとき、上記の計測データが得られた場
合に被計測対象の混合比が正常である確率は、（ａ１×Ａ１＋ａ２×Ａ２＋ａ３×Ａ３）／（ａ１＋ａ
２＋ａ３）により求められる。同様にして、被計測対象の混合比に
おいて混合物１過剰である確率は、（ａ１×Ｂ１＋ａ２×Ｂ２＋ａ３×Ｂ３）／（ａ１＋ａ
２＋ａ３）により求められ、被計測対象の混合比において混合物２
過剰である確率は、（ａ１×Ｃ１＋ａ２×Ｃ２＋ａ３×Ｃ３）／（ａ１＋ａ
２＋ａ３）により求めることができる。以上の計算により、正常で
ある確率４０．０４％と、混合物１過剰である確率３
６．６５％と、混合物２過剰である確率１６．６５％と
が入力された計測データに対応する推定結果として得ら
れる。

【００５４】即ち、正常な混合比に対応する推定結果
は、入力された特徴ベクトルより得られる各々のパター
ンセットに対するパターンセット合致度と、夫々のパタ
ーンセットに対して学習により得られている正常状態の
発生頻度の積を求め、全てのパターンセットに関して求
められるかかる積を加算することにより得られる。

【００５５】尚、上記の説明は、粒体の衝突又は接触に
より発生する振動が測定される場合について説明を行っ
ているが、衝撃力の場合も上記と同様に説明することが
可能である。

【００５６】更に、振動の測定データより得られる特徴
量ベクトルと、衝撃力の測定データより得られる特徴量
ベクトルは、両方の特徴量ベクトルを組み合わせて一体
の特徴量ベクトルとして扱い、共通の推定部６０におい
て粒度情報の推定を行うことが可能であると共に、振動
と衝撃力の各々の測定データの特徴量ベクトルを別個に
処理し、並列する推定部６０において並行して粒度情報
の推定を行うことも可能である。

【００５７】図１５は、本発明の第２実施例による複数
の計測用プローブの配置を示す図である。特性の異なる
２本（例えば、NO.1-1とNO.1-2）の計測用プローブ２０
を１セットとして、全体で４セット（NO.1とNO.2とNO.3
とNO.4) の計測用プローブ２０が導管側壁１０２の周上
に等間隔で配置されている。

【００５８】プローブ２２の振動等の特性が同一である
場合、粒径のダイナミックレンジの広い粒体をこの特性
の一致しいるプローブ２２を組み合わせて精度良く測定
することは困難である。そこで、同図に示す如く、特性
の異なる複数の計測用プローブ２０を組み合わせること
により、計測可能な粒度の範囲が容易に拡大され、更
に、複数の計測用プローブ２０を複数の箇所に配置する
ことにより、計測の精度を容易に向上させることができ
る。

【００５９】更に、被計測対象である粒体の移動方向に
垂直な方向のプローブ２２の面の表面積が大きい場合、
極めて粒径の小さな粒体がプローブ２２のその面上に付
着する可能性がある。特性の異なる複数のプローブ２２
を利用することにより、粒体のプローブ面上への付着に
よる計測精度の劣化を低減することが可能である。

【００６０】また、被計測対象である粒体の運動や粒度
分布が、例えば、粒体の通過経路の差異等により、計測
位置、或いは、計測時刻に関して偏っている場合、複数
の計測用プローブ２０の配置は、計測精度の劣化を低減
することが可能である。ここで、複数本が配置される計
測用プローブ２０の特性が同一である場合でも、計測精
度の劣化を低減するために効果的である。

【００６１】図１６は、本発明の第３実施例による計測
用プローブの構成を示す図である。同図に示す如く、計
測用プローブは、プローブ２２の後端に配置され、プロ
ーブ２２の張出方向（縦方向）に伝達する振動（縦波）
成分を検出する縦波センサ３２と、縦方向に直角な方向
（横方向）に振幅する振動（横波）成分を検出する横波
センサ３０とを有し、これらの２方向の振動成分を検出
する。本発明の第３実施例による計測用プローブのプロ
ーブ２２は、クッション３４を介して導管側壁１０２に
接触し、更に、縦波センサ３２と横波センサ３０は、ア
ングル３６を介して結合されている。

【００６２】本発明の第３実施例の計測用プローブを利
用することにより、上記の縦方向と横方向の振動成分の
差を測定し、この振動成分の差に基づいて粒度分布を推
定することが可能である。振動成分毎の測定データを利
用することにより、粒度分布の計測精度の向上が可能に
なる。

【００６３】図１７は、本発明の第４実施例による計測
用プローブの構成を示す斜視図である。同図に示す如
く、本発明の第４実施例による計測用プローブは、プロ
ーブ２２に対して、被計測対象物が衝突する方向に隙間
のある案内板３７が設けられる。この案内板３７によ
り、プローブに衝突又は接触する粒体の大きさの範囲を
制限することができるので、特定の粒度の範囲に含まれ
る粒体を選択的に測定することが可能になる。この計測
用プローブを利用することにより、選択された粒度範囲
内における計測精度の向上を図ることができる。

【００６４】図１８は、本発明の第５実施例によるセン
サ部を説明する図である。同図に示す如く、粒度情報の
計測用のセンサ１０８は、導管１００の外壁に取付ける
ことが可能である。ホッパタンク１０４に含まれる粒体
は、弁１０６の開閉により、導管１００内に落下し、導
管の側壁１０２に衝突又は接触する。この際、粒体の衝
突又は接触により導管に発生する音又は衝撃の振動成分
をセンサ１０８により直接取り出すことが可能である。
かかるセンサ１０８は、導管１００の外部に装着するこ
とができるので、装着場所及び装着個数の制約が少な
く、また、装着されるセンサの交換も容易である。従っ
て、著しく低コストのセンサ部２０を実現することが可
能である。

【００６５】

【発明の効果】本発明の粒度情報の計測方法及び装置
は、様々な分野における従来の固体或いは粉体の粒度計
測に利用することが可能である。流体或いは気体の輸送
中における固体又は粉体の粒度計測への応用として、例
えば、シールドマシン泥水輸送系の粒度測定、ＴＢＭ流
体輸送系の粒度測定等に利用することができる。また、
気体輸送中における固体又は粉体の粒度計測への応用と
して、例えば、粉炭燃焼型ボイラの燃料供給系における
固体又は粉体の粒度計測に利用することができる。更
に、自由落下中の固体又は粉体の粒度計測への応用とし
て、例えば、建築資材用合材プラントにおける粒度分布
計測に利用することができる。

【００６６】本発明によれば、粒体の衝突と接触により
生ずる振動又は衝撃力を測定するので、被計測対象を所
定の位置等に配置する必要がなく、更に、例えば、自由
落下する粒体等の運動中の粒体に関する情報を測定する
ことができる。更に、１個の粒体に関する振動又は衝撃
力のデータ量は、画像情報等と比較して少ないので、測
定データに対するデータ処理時間を短縮する効果が得ら
れる。

【００６７】本発明の粒度情報計測方法及び装置によれ
ば、測定可能範囲或いは感度の異なる複数の計測用プロ
ーブを複数の箇所に配置して粒体の衝突又は接触に起因
する振動又は衝撃力を測定することができるので、計測
精度の向上と、ダイナミックレンジの拡大を容易に実現
することができることを利点とする。

【００６８】本発明の粒度情報の計測方法及び装置によ
れば、計測用プローブを複数箇所に配置して粒体の通過
を測定することが可能である。この際、通過する粒体が
予め所定の条件に従う場合、例えば、粒度の大きさに対
応する順序で堆積している場合、計測されるデータも時
間的に偏る可能性がある。本発明の粒度情報の計測方法
及び装置により、計測用プローブを粒体の経路に沿って
複数箇所に配置して計測を行うことにより、時間遅れ要
素を含む測定が可能になる。従って、計測データに含ま
れる時間的な偏りが低減される効果が得られる。

【００６９】本発明の粒度情報計測装置は、安価で容易
に入手可能なプローブと、ＡＥセンサ及び歪みゲージ等
のセンサよりなる計測用プローブと、測定データを処理
するパーソナルコンピュータとにより構成されるので、
装置のコストを低減することが可能である。

【００７０】本発明をその例に限定されることのない実
施例により添付図面を参照して詳細に説明したが、この
明細書に記述した方法と装置の細部については、本発明
の精神と範囲を逸脱することなく、多数の変形が可能で
あることは、当業者により容易に理解されよう。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の第１実施例のシステム構成図である。

【図３】本発明の第１実施例による計測用プローブの構
成図である。

【図４】本発明の第１実施例による主処理部のパターン
認識推論部の構成図である。

【図５】本発明の第１実施例のパターン認識推論部に利
用されるファジィ化ニューラルネットワークの説明図で
ある。

【図６】本発明の第１実施例に利用されるＡＥセンサに
よる振動の計測データを示す図である。

【図７】本発明の第１実施例に利用されるＡＥセンサに
よる振動の計測データの折れ線化処理過程を示す図であ
る。

【図８】本発明の第１実施例に利用されるＡＥセンサに
よる振動の計測データの特徴量抽出処理過程を示す図で
ある。

【図９】本発明の第１実施例に利用されるＡＥセンサに
よる振動の計測データの抽出された特徴量を示す図であ
る。

【図１０】本発明の第１実施例に利用されるＡＥセンサ
による振動の計測データの波形自動分類を説明する図で
ある。

【図１１】本発明の第１実施例に利用されるＡＥセンサ
による振動の計測データの波形自動分類により分類され
た波形のパターンを示す図である。

【図１２】本発明の第１実施例による粒度情報計測にお
いて分類された波形パターンへのラベル付けを示す図で
ある。

【図１３】本発明の第１実施例による粒度情報計測にお
いて獲得された推定ルールを示す図である。

【図１４】本発明の第１実施例による粒度情報計測にお
ける計測結果を示す図である。

【図１５】本発明の第２実施例による複数の計測用プロ
ーブの配置を示す図である。

【図１６】本発明の第３実施例による計測用プローブの
構成を示す図である。

【図１７】本発明の第４実施例による選択的に粒体を測
定する計測用プローブの構成を示す図である。

【図１８】本発明の第５実施例による粒体計測用のセン
サ部を示す図である。

【符号の説明】

１０測定部２０センサ部２２プローブ２４ＡＥセンサ２６歪みゲージ２８プローブカバー２９プローブ固定端３０横波検出センサ３２縦波検出センサ３４クッション３６アングル３７案内板３８信号変換部４０主処理部５０特徴量抽出部６０推定部７０パターン認識推論部８０状態認識推論部９０結果出力部１００導管１０２導管側壁１０４ホッパタンク１０６弁１０８センサ７１０₁，７１０₂，．．．，７１０_m 入力ノード７１２入力層７２０₁，７２０₂，．．．，７２０_n パターンセッ
ト７２０_1,1，７２０_1,2，．．．，７２０_n,m パター
ンマッチング部７３０₁，７３０₂，．．．，７３０_n 出力ノード７３２出力層７４０近似度判定部７４２パターンセット追加部７４４パターンセット変形部

───────────────────────────────────────────────────── フロントページの続き (72)発明者浜谷和彦東京都千代田区紀尾井町３番地６株式会社アドイン研究所内 (72)発明者橋詰義春東京都千代田区紀尾井町３番地６株式会社アドイン研究所内

Claims

【特許請求の範囲】

【請求項１】運動中の粒体の粒度又は粒度分布等の粒
度情報を計測する方法であって、該運動中の粒体が少なくとも一の計測用プローブに衝突
或いは接触する際に、該計測用プローブに発生する振動
或いは衝撃力の少なくとも一の成分を測定する段階と、該測定された振動或いは衝撃力の成分から特徴量を抽出
する段階と、少なくとも該抽出された特徴量に基づいて該粒体の該粒
度情報を推定する段階とよりなる粒度情報計測方法。
【請求項２】導管等で運動中の粒体の粒度或いは粒度
分布等の粒度情報を計測する装置であって、該運動中の粒体の衝突或いは接触により発生する振動或
いは衝撃力の少なくとも一の成分を測定する少なくとも
一の計測手段を有する測定手段と、該測定された振動或いは衝撃力の成分に基づいて、該粒
体の該粒度情報を推定する推定手段とよりなる粒度情報
計測装置。
【請求項３】前記計測手段は、前記導管に固定され、
該導管内に突出し、振動或いは衝撃力の測定用センサの
取付けられた計測用プローブである請求項２記載の装
置。
【請求項４】前記測定手段は振動特性の異なる複数の
前記計測手段を有する請求項２記載の装置。
【請求項５】前記測定手段は、複数の前記計測手段が
複数の計測箇所に夫々に配置される請求項２記載の装
置。
【請求項６】前記計測手段は、一の方向に伝達する振
動或いは衝撃力の成分と、該一の方向に直交する方向に
振幅する振動或いは衝撃力の他の成分とを測定する請求
項２記載の装置。
【請求項７】前記測定手段は、前記粒体をその大きさ
に応じて選択的に通過させ、前記少なくとも一の計測手
段に衝突或いは接触させる案内板を有する請求項２記載
の装置。
【請求項８】前記測定手段は、前記粒体が通過する前
記導管の外側に取り付けられたセンサよりなる請求項２
記載の装置。
【請求項９】前記推定手段は、前記測定された振動或
いは衝撃力の成分から特徴量を抽出する特徴量抽出手段
と、該抽出された特徴量を自動的にパターン分類し、パ
ターン合致度を算出するパターン認識推論手段と、パタ
ーン認識推論手段において算出された該パターン合致度
に基づいて、前記導管内を通過する前記粒体の前記粒度
情報を推定する状態認識推論手段とよりなる、請求項２
記載の装置。