センサユニットとプログラムおよびその記録媒体
【課題】３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコン搭載のメモリ容量も小さくすることができるセンサユニットを提供する。
【解決手段】センサ１〜３と、センサ値をマップ計算結果として出力する自己組織化マップ計算手段４と、状態図とセンサのパラメータ値の組を記憶している状態図記憶手段７と、状態図を入力として位置情報として出力する状態図位置計算手段５と、センサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段６とを有する。これによって、３つ以上のセンサがある場合でも２次元の状態図に射影し、制御を行うので、３つ以上の入力でも使用することができる。また、２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【解決手段】センサ１〜３と、センサ値をマップ計算結果として出力する自己組織化マップ計算手段４と、状態図とセンサのパラメータ値の組を記憶している状態図記憶手段７と、状態図を入力として位置情報として出力する状態図位置計算手段５と、センサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段６とを有する。これによって、３つ以上のセンサがある場合でも２次元の状態図に射影し、制御を行うので、３つ以上の入力でも使用することができる。また、２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、複数のセンサ値から最適なセンサのパラメータ値を決定するセンサユニットとプログラムおよびその記録媒体に関するものである。
【背景技術】
【０００２】
従来、掃除ロボットに複数のセンサで構成されるセンサユニットを設置し、センサの最適なパラメータの決定は、ロボットのマイコンの中に構成されたプログラムをカットアンドトライで修正しながら、検証実験によって求めている（例えば、特許文献１参照）。
【特許文献１】特開平６−１４８５７号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、前記従来の構成では、パラメータのチェックを設計者が行うために、例えば、２つの入力、１つの出力といった限定された入出力関係式しか実現することができず、３つ以上の入力の場合は使用することができない。また、実験で作成した入出力関係式が正しく表現されているかどうかを調べる必要があるため、設計者の手間がかかるという課題があった。さらに、入出力関係式のパラメータが多くなると、関係式をセンサユニットのマイコンに搭載する際のメモリ容量も大きくなる。という課題もあった。
【０００４】
本発明は、前記従来の課題を解決するもので、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるセンサユニットとプログラムおよびその記録媒体を提供することを目的とする。
【課題を解決するための手段】
【０００５】
前記従来の課題を解決するために、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【０００６】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【発明の効果】
【０００７】
本発明のセンサユニットとプログラムおよびその記録媒体は、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるものである。
【発明を実施するための最良の形態】
【０００８】
第１の発明は、従来の課題を解決するために、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【０００９】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【００１０】
第２の発明は、特に、第１の発明において、センサは、その数を３以上とすることにより、より多くの情報を得ることができるので、より正確にパラメータの決定を行うことができる。
【００１１】
第３の発明は、特に、第１または第２の発明において、状態図記憶手段は、自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものにしたことにより、より正確に情報を把握することができ、さらにより正確な制御をすることができる。
【００１２】
第４の発明は、特に、第１〜第３のいずれか１つの発明において、状態図位置計算は、マップ計算結果、状態図、位置情報を使用者に報知するようにしたことにより、使用者はセンサユニットの状態を正確に知ることができる。
【００１３】
第５の発明は、特に、第３または第４の発明において、状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加することにより、センサユニットの状態などの最新、かつ、正確な情報を入手することができるので、より正確にセンサユニットを制御することができる。
【００１４】
第６の発明は、特に、第１〜第５のいずれか１つの発明において、状態図制御手段は、状態図記憶手段が記憶する状態図とそのときのセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を記憶して、関係式を用いてセンサのパラメータ値を決定するようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をタイムリーに行うことができる。
【００１５】
第７の発明は、特に、第６の発明において、状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とするものである。よって、関係式に代入することによりパラメータを求めるようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をよりタイムリーに行うことができる。
【００１６】
第８の発明は、特に、第５〜第７のいずれか１つの発明において、状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とすることにより、無駄なデータ学習による時間のロスを防ぐことができ、よりスピーディなセンサユニットの制御を行うことができる。
【００１７】
第９の発明は、特に、第５〜第８のいずれか１つの発明において、状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とすることにより、過去のサンプルデータとの差異が大きいもの、つまり、間違ったデータである可能性が高いものは除くので、より正確なセンサユニットの制御を行うことができる。
【００１８】
第１０の発明は、特に、第１〜第８のいずれか１つの発明において、自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とすることにより、状態図の範囲外のデータでもセンサユニットの制御を行うことができるので、より幅広い範囲でのセンサユニットの制御を行うことができる。
【００１９】
第１１の発明は、特に、第１〜第１０のいずれか１つの発明におけるセンサユニットの機能の少なくとも一部をコンピュータに実行させるためのプログラムとすることにより、プログラムであるので、電気・情報機器、コンピュータ、サーバーなどのハードリソースを協働させてセンサユニットの少なくとも一部を容易に実現することができる。
【００２０】
第１２の発明は、特に、第１１の発明におけるプログラムを記録したコンピュータ読み取り可能な記録媒体とすることにより、記録媒体に記録したり通信回線を用いてプログラムを配信したりすることで、プログラムの配布・更新やそのインストール作業が簡単にできる。
【００２１】
以下、本実施の形態について、図面を参照しながら説明する。なお、この実施の形態によって本発明が限定されるものではない。
【００２２】
（実施の形態）
各図は、本発明の実施の形態におけるセンサユニットを示している。
【００２３】
図１に示すように、本実施の形態におけるセンサユニット１は、距離測定など状態を検知する複数のセンサである、第一のセンサ１、第二のセンサ２、第三のセンサ３と、複数のセンサ１、２、３によるセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段４と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時のセンサのパラメータ値の組を記憶している状態図記憶手段７と、自己組織化マップ計算手段４によるマップ計算結果と状態図記憶手段７が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段５と、状態図位置計算手段５の位置情報と状態図記憶手段７のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段６とを備えている。
【００２４】
また、加えて、状態図位置計算手段５による低次元の状態図を使用者に報知（表示）するようにした状態表示手段１０と、状態図更新手段８と、サンプルデータ追加手段９とを備えている。
【００２５】
状態図更新手段７は、サンプルデータ追加手段９により既知であるセンサのデータとその時におけるセンサのパラメータ値の組がサンプルデータとして入力されると、サンプルデータのセンサのデータを自己組織化マップ上に射影した結果であるサンプルデータマップ計算結果を状態図記憶手段７が記憶する状態図にセンサのパラメータ値と対にして追加する。ただし、状態図更新手段８は、サンプルデータのセンサのデータ値が大幅に大きいとか、小さい場合は、サンプルのデータの値がおかしいとして状態図の追加を行わない。よって、状態図記憶手段７が記憶する状態図の群はより正確なデータベースを作成することができる。また、サンプルデータ追加手段９により上記工程を経て、サンプルデータによる状態図の更新が常に行われるために、より正確な複数のセンサ１、２、３のパラメータを設定することができる。
【００２６】
また、状態図位置計算手段５は、状態図記憶手段７が記憶する状態図と自己組織化マップ計算手段４が計算したマップ計算結果を入力とし、マップ計算結果と状態図の位置関係を計算して、位置情報として出力するものである。また、状態図制御手段６は、状態図位置計算手段５による位置情報と状態図記憶手段７のセンサのパラメータ値を入力として、複数のセンサ１、２、３のパラメータを決定するものである。また、複数のセンサ１、２、３は状態図制御手段６の結果に従ってセンサ１、２、３のパラメータの修正を行うものである。
【００２７】
上記のセンサユニット構成によると、複数のセンサ１、２、３のパラメータを自律的に、自己組織的に最適なものに変更することができ、センサ値を使用する機器（ロボット）のマイコンの負担、設計者によるカットアンドトライによる手間を大幅に削減することができる。ただし、上記図１の構成図においてはセンサの数を３として説明したが、センサの数はいくらでも良く、センサ数が多い方がより効果が大きい。
【００２８】
また、状態表示手段１０は低次元の自己組織化マップ、状態図を使用者に表示することにより、複数のセンサ１、２、３の状態を報知する。そのことにより、例えば、使用者はセンサが異常状態であることを知ることができる。よって、使用者にセンサユニットの安全使用状況などの情報を提供することができる。
【００２９】
次に、自己組織化マップ計算手段３で使用する自己組織化マップについて説明する。自己組織化マップは、入力層と競合層の２層からなる多層ニューラルネットワークの一種であり、人の脳における働きの一つである「情報を学習し似通った情報同士を一つのグループとして取り扱うグループ分け、または、クラスタリングを行う行為」を人工的に行うものである。また、自己組織化マップを用いることにより多次元のデータを２次元に写像することが可能であり、高次元のデータの可視化、特に、クラスタリング結果の可視化を行うことが容易にできるという特長がある。
【００３０】
図２により、自己組織化マップの動作について説明する。自己組織化マップは、上述したように、図２に示す入力層、競合層の２層からなるニューラルネットワークである。入力層はｎ個（図２の場合はｎ＝４）のユニットから構成され、ｉ番目のユニットの値をＸｉ（ｉ＝１〜ｎ）とする。また、競合層はｍ個（図２の場合はｍ＝６）のユニットから構成され、ｊ番目のユニットの値をＹｊ（ｊ＝１〜ｍ）とする。
【００３１】
自己組織化マップにおいて、入力層のユニットＸｉと競合層のユニットＹｊは次式に示す関係式を満たす。
【００３２】
Ｙｊ＝ｆ（Σｊ＝１〜ｍＷｉｊ・Ｘｉ）・・・（１）
ただし、ｆ（ｘ）＝１（ｘ＞０．５）、ｆ（ｘ）＝０（ｘ≦０．５）、重み係数Ｗｉｊ（ｉ＝１〜ｎ、ｊ＝１〜ｍ）はある定数とする。
【００３３】
つまり、入力層のユニットにデータＸｉが入力されると、競合層のユニットＹｊは（１）式によって計算することにより求めることができる。
【００３４】
自己組織化マップによるデータの学習とは、重みＷｉｊを入力層Ｘｊに入力された入力データＺｋの値によって変化することである。ただし、入力データＺｋは対応する入力層Ｘｉに入力する。つまり、入力層Ｘｉ＝Ｚｉ（ｉ＝１〜ｎ）となる。ｔ回目の学習の方法を以下で簡単に説明すると、全ての重み係数Ｗｉｊと入力Ｘｉとの距離ｄｊを（２）の式に従って計算し、最もその距離が短い、つまり、最も値が小さい競合ユニットｊを勝者ユニットとする（詳細は、「自己組織化マップの応用」出版：海文堂、著作：徳高平蔵、岸田悟、藤村喜久郎、Ｐ７からＰ９）。
【００３５】
ｄｊ＝Σｉ＝１〜ｎ（Ｗｉｊ−Ｘｉ）２ ・・・（２）
勝者ユニットｊを決定すると、全ての重み係数Ｗｉｊを以下の（３）の式に従って更新する。
【００３６】
Ｗｉｊ← Ｗｉｊ＋α・（Ｘｉ−Ｗｉｊ） ・・・（３）
ただし、αは近傍関数と呼ばれる関数であり、以下の性質を満たす。
１．近傍関数αは学習回数ｔに関する単調減少関数であり、学習回数ｔが無限大になったとき、０に収束する。
２．競合ユニット同士の距離ｓに関して単調減少する。図２の一例にて挙げると、競合ユニット１と競合ユニット５の場合の距離ｓは４＝５−１となる。入力データＺｋの数に相当する重み係数Ｗｉｊの変化を１工程、つまり、１回の学習として学習回数ｔが要求する数になるまで繰り返し行う。
【００３７】
自己組織化マップによる学習結果について、図３〜図５を用いて説明する。
【００３８】
図３は、縦軸に動物名、横軸を属性として、各々交わった箇所が正しければ○を、間違っていれば×を記入することにより作成した動物の属性図である。例えば、ハトは、「小さく」「２本足である」「羽を持っている」「飛ぶことができる」ので、それぞれ該当する項目「小さい」「２本足」「羽」「飛ぶ」に○を記入し、それ以外の項目は×とする。同様に、その他の動物についても属性図を作成する。
【００３９】
図３で作成した属性図を入力データＺｌｋ（ｌ番目の入力データＺｌのｋ番目の要素を意味する）に変換したのが、図４である。ただし、図３に示す属性データにおいて○であれば１、×であれば０としてｌ番目の入力データＺｌｋを作成する。
【００４０】
図４に示す動物の属性データを入力データＺｌｋとして自己組織化マップによって、学習した結果を図５に示す。図５は点で示した競合ユニットを横７個、縦８個に並べて図示したものであり、動物名は各動物の入力データの勝者ユニットを表している。図５に示すように、属性が似通ったもの鳥類「アヒル」「ガチョウ」など、草食動物「ウマ」「ウシ」など、肉食動物「トラ」「ライオン」は距離的に近い場所に集合していること、同類によるグループに分けられたクラスタリングができていることがわかる。
【００４１】
次に、図５に示す学習が終了した自己組織化マップの入力層のユニットＸｉに図４で示した工程で作成した新しいデータを下式の（４）に代入すると、最も値が大きい競合層のユニットＹｊを求めることができる。
【００４２】
Ｙｊ＝ｆ（Σｊ＝１〜ｍＷｉｊ・Ｘｉ）・・・（４）
最も値が大きくなる競合層のユニットＹｊと図５の自己組織化マップ上の位置関係を見ることで新しいデータの性質を知ることができる。例えば、新しいデータを入力したとき、図５におけるタカの競合層のユニットが最も大きくなった場合、新しいデータはタカであるとわかるし、タカとワシ間の競合層のユニットが最も大きくなった場合、入力されたデータは鳥類であり、タカとワシと似通った特性のトンビであることがわかる。
【００４３】
つまり、上記で示したように、サンプルとするデータによって自己組織化マップを作成し、作成した自己組織化マップに新しいデータを入力することにより、入力データの特性を容易に知ることができる。また、入力データの次元が多い場合でも図５の２次元の自己組織化マップ上に射影することと同等であるから、次元数が多い、データ数が多いなどの複雑なデータ分析も容易に行うことができる。
【００４４】
また、定性量が明らかな物質を同様に自己組織化マップで学習した場合、競合層のユニットを座標として示したもの（図５）の横軸、縦軸がある特徴的な値（鉛含有量、塩分量）を示すことがわかっている。つまり、自己組織化マップを使用することにより２次元の主成分分析を容易に行うことができる。
【００４５】
次に、本実施の形態における自己組織化マップによる解析の具体例を、使用センサユニットとして超音波センサを使用した時を一例として図６、図７で説明する。
【００４６】
図６は、送信センサによる超音波の送信波、受信センサによる障害物から反射した受信波を示した図である。一般的に知られるように、送信した時間ｔ１と反射波を受信した受信時間ｔ２と障害物の距離ｘとの間にはｘ＝（ｔ２−ｔ１）／（２・ｖ）の関係がある。ただし、ｖは超音波の速度である。
【００４７】
しかし、図６に示すように、その他の波として送信センサから受信センサに筐体で伝搬したり、回り込みによって発生したりする直接波が存在する。直接波の大きさ、時間は筐体の大きさ、形、センサ位置など、様々な条件下で決定する。
【００４８】
一般的なセンサの開発として、図７のように、直接波の大きさよりも大きく、直接波の時間よりも長いしきい値を設けて、しきい値以上の波を検知する構成として直接波の影響を受けないようように設計する。しかし、上述したように、直接波は複雑な経路をたどって伝搬する波であるので、従来の技術ではしきい値の設定に時間と手間がかかっていた。特に、ロボットに代表されるような、複数の超音波センサ、多い場合は１０個以上の超音波センサを設置するものは、全ての超音波センサのしきい値を設定する手間とそれにかかる時間はロボット開発、または、量産時における大きな問題となっていた。
【００４９】
そこで、本実施の形態では、入力として受信センサの定性量データを予め特性がわかっているサンプルデータを用いて学習した自己組織化マップに代入して、センサのパラメータ、一例にて挙げると、しきい値の時間と大きさを決定する。
【００５０】
前工程として、しきい値の値が明らかな超音波センサの定性量、送信時間ｔ１、受信時間ｔ２などを入力データとして学習を行い、超音波センサに対応した自己組織化マップを作成する。また、図５に示すように競合層のユニットを配置した時の横軸、縦軸の特徴的な値、一例にて示すと、送信センサと受信センサとの距離ｒ、送信波の大きさＳとする。
【００５１】
図８に学習した自己組織化マップの結果を示す。ただし、サンプルデータａ、ｂ、ｃ、ｄ、ｅの自己組織化マップ上の座標も同時に示した。
【００５２】
もし図８の自己組織化マップにしきい値が決定していない超音波センサのデータを入れると、ある点に射影される。サンプルデータａ、ｂ、ｃ、ｄ、ｅ上に射影されれば、同じ環境であると考えて、対応するサンプルデータのしきい値の時間、大きさを使用すれば良い。
【００５３】
しかし、一般には、サンプルデータと同じ点に射影されないため、下記に示す各サンプルデータとの距離を関係式として求める。
【００５４】
サンプルａとの距離 ｄ１２＝（ａ１−ｒ）２＋（ｂ１−Ｓ）２
サンプルｂとの距離 ｄ２２＝（ａ２−ｒ）２＋（ｂ２−Ｓ）２
サンプルｃとの距離 ｄ３２＝（ａ３−ｒ）２＋（ｂ３−Ｓ）２
サンプルｄとの距離 ｄ４２＝（ａ４−ｒ）２＋（ｂ４−Ｓ）２
サンプルｅとの距離 ｄ５２＝（ａ５−ｒ）２＋（ｂ５−Ｓ）２
上記に示すサンプルとの距離が最も短いものに属するサンプルを選択し、そのサンプルデータが最も近いものとして、センサのしきい値を決定する。
【００５５】
なお、上記では一例にてセンサとして超音波を使用したが、要はセンサとパラメータであればどのようなものでも良い。
【００５６】
また、類似度を示す関係式を作成し、類似度に応じてセンサのパラメータを決定しても良い。
【００５７】
上記で示したように、超音波センサに関して学習を行った自己組織化マップを使用することにより、超音波センサのパラメータを決定することができる。また、多くの超音波センサを使用した場合でも、２次元の自己組織化マップに射影するので、より簡単にセンサのパラメータを決定することができる。
【００５８】
自己組織化マップ計算手段４は、既に学習した自己組織化マップを記憶しており、第一のセンサ１、第二のセンサ２、第三のセンサ３のセンサデータを入力することで、図８に示す自己組織化マップ上の座標を決定する。
【００５９】
状態図記憶手段７は、図８に示すサンプルデータの自己組織化マップ上の座標位置である状態図と対応するサンプルデータの情報、図８の例ではしきい値を記憶している。
【００６０】
状態図位置計算手段５は、自己組織化マップ計算手段４による自己組織化マップの結果と状態図記憶手段７による状態図を図８のように図示して、位置関係を、関係式を用いて把握する。
【００６１】
状態図制御手段６は、状態図位置計算手段５による自己組織化マップ上のサンプルデータと取得したデータの位置関係から状態図記憶手段７が記憶するサンプルデータの情報を利用して、センサのパラメータを決定する。
【００６２】
本実施の形態は、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【００６３】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【００６４】
また、本実施の形態は、センサは、その数を３以上とすることにより、より多くの情報を得ることができるので、より正確にパラメータの決定を行うことができる。
【００６５】
さらに、本実施の形態は、状態図記憶手段を自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものにしたことにより、より正確に情報を把握することができ、さらにより正確な制御をすることができる。
【００６６】
本実施の形態は、状態図位置計算は、マップ計算結果、状態図、位置情報を使用者に報知するようにしたことにより、使用者はセンサユニットの状態を正確に知ることができる。
【００６７】
さらに、状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加することにより、センサユニットの状態などの最新、かつ、正確な情報を入手することができるので、より正確にセンサユニットを制御することができる。
【００６８】
また、状態図制御手段は、状態図記憶手段が記憶する状態図とその時におけるセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を記憶して、関係式を用いてセンサのパラメータ値を決定するようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をタイムリーに行うことができる。
【００６９】
状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とするものである。よって、関係式に代入することによりパラメータを求めるようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をよりタイムリーに行うことができる。
【００７０】
さらに、状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とすることにより、無駄なデータ学習による時間のロスを防ぐことができ、よりスピーディなセンサユニットの制御を行うことができる。
【００７１】
そして、状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とすることにより、過去のサンプルデータとの差異が大きいもの、つまり、間違ったデータである可能性が高いものは除くので、より正確なセンサユニットの制御を行うことができる。
【００７２】
さらに、自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とすることにより、状態図の範囲外のデータでもセンサユニットの制御を行うことができるので、より幅広い範囲でのセンサユニットの制御を行うことができる。
【産業上の利用可能性】
【００７３】
以上のように、本発明にかかるセンサユニットとプログラムおよびその記録媒体は、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるものであるので、掃除用、監視用あるいは作業用ロボットなどに用いるセンサユニットとして適応できる。
【図面の簡単な説明】
【００７４】
【図１】本発明の実施の形態におけるセンサユニットを示すブロック図
【図２】同センサユニットにおける自己組織化マップの構成例を示す図
【図３】同センサユニットにおける自己組織化マップを作成するデータの一例を示す第一の属性図
【図４】同センサユニットにおける自己組織化マップを作成するデータの一例を示す第二の属性図
【図５】同センサユニットにおける自己組織化マップの結果を示す状態図
【図６】同センサユニットにおける超音波センサの送信出力と受信入力の関係を示す図
【図７】同センサユニットにおける超音波センサの直接波用しきい値を示す図
【図８】同センサユニットにおける自己組織化マップの結果を示す図
【符号の説明】
【００７５】
１ 第一のセンサ
２ 第二のセンサ
３ 第三のセンサ
４ 自己組織化マップ計算手段
５ 状態図位置計算手段
６ 状態図制御手段
７ 状態図記憶手段
８ 状態図更新手段
９ サンプルデータ追加手段
１０ 状態表示手段
【技術分野】
【０００１】
本発明は、複数のセンサ値から最適なセンサのパラメータ値を決定するセンサユニットとプログラムおよびその記録媒体に関するものである。
【背景技術】
【０００２】
従来、掃除ロボットに複数のセンサで構成されるセンサユニットを設置し、センサの最適なパラメータの決定は、ロボットのマイコンの中に構成されたプログラムをカットアンドトライで修正しながら、検証実験によって求めている（例えば、特許文献１参照）。
【特許文献１】特開平６−１４８５７号公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、前記従来の構成では、パラメータのチェックを設計者が行うために、例えば、２つの入力、１つの出力といった限定された入出力関係式しか実現することができず、３つ以上の入力の場合は使用することができない。また、実験で作成した入出力関係式が正しく表現されているかどうかを調べる必要があるため、設計者の手間がかかるという課題があった。さらに、入出力関係式のパラメータが多くなると、関係式をセンサユニットのマイコンに搭載する際のメモリ容量も大きくなる。という課題もあった。
【０００４】
本発明は、前記従来の課題を解決するもので、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるセンサユニットとプログラムおよびその記録媒体を提供することを目的とする。
【課題を解決するための手段】
【０００５】
前記従来の課題を解決するために、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【０００６】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【発明の効果】
【０００７】
本発明のセンサユニットとプログラムおよびその記録媒体は、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるものである。
【発明を実施するための最良の形態】
【０００８】
第１の発明は、従来の課題を解決するために、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【０００９】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【００１０】
第２の発明は、特に、第１の発明において、センサは、その数を３以上とすることにより、より多くの情報を得ることができるので、より正確にパラメータの決定を行うことができる。
【００１１】
第３の発明は、特に、第１または第２の発明において、状態図記憶手段は、自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものにしたことにより、より正確に情報を把握することができ、さらにより正確な制御をすることができる。
【００１２】
第４の発明は、特に、第１〜第３のいずれか１つの発明において、状態図位置計算は、マップ計算結果、状態図、位置情報を使用者に報知するようにしたことにより、使用者はセンサユニットの状態を正確に知ることができる。
【００１３】
第５の発明は、特に、第３または第４の発明において、状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加することにより、センサユニットの状態などの最新、かつ、正確な情報を入手することができるので、より正確にセンサユニットを制御することができる。
【００１４】
第６の発明は、特に、第１〜第５のいずれか１つの発明において、状態図制御手段は、状態図記憶手段が記憶する状態図とそのときのセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を記憶して、関係式を用いてセンサのパラメータ値を決定するようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をタイムリーに行うことができる。
【００１５】
第７の発明は、特に、第６の発明において、状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とするものである。よって、関係式に代入することによりパラメータを求めるようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をよりタイムリーに行うことができる。
【００１６】
第８の発明は、特に、第５〜第７のいずれか１つの発明において、状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とすることにより、無駄なデータ学習による時間のロスを防ぐことができ、よりスピーディなセンサユニットの制御を行うことができる。
【００１７】
第９の発明は、特に、第５〜第８のいずれか１つの発明において、状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とすることにより、過去のサンプルデータとの差異が大きいもの、つまり、間違ったデータである可能性が高いものは除くので、より正確なセンサユニットの制御を行うことができる。
【００１８】
第１０の発明は、特に、第１〜第８のいずれか１つの発明において、自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とすることにより、状態図の範囲外のデータでもセンサユニットの制御を行うことができるので、より幅広い範囲でのセンサユニットの制御を行うことができる。
【００１９】
第１１の発明は、特に、第１〜第１０のいずれか１つの発明におけるセンサユニットの機能の少なくとも一部をコンピュータに実行させるためのプログラムとすることにより、プログラムであるので、電気・情報機器、コンピュータ、サーバーなどのハードリソースを協働させてセンサユニットの少なくとも一部を容易に実現することができる。
【００２０】
第１２の発明は、特に、第１１の発明におけるプログラムを記録したコンピュータ読み取り可能な記録媒体とすることにより、記録媒体に記録したり通信回線を用いてプログラムを配信したりすることで、プログラムの配布・更新やそのインストール作業が簡単にできる。
【００２１】
以下、本実施の形態について、図面を参照しながら説明する。なお、この実施の形態によって本発明が限定されるものではない。
【００２２】
（実施の形態）
各図は、本発明の実施の形態におけるセンサユニットを示している。
【００２３】
図１に示すように、本実施の形態におけるセンサユニット１は、距離測定など状態を検知する複数のセンサである、第一のセンサ１、第二のセンサ２、第三のセンサ３と、複数のセンサ１、２、３によるセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段４と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時のセンサのパラメータ値の組を記憶している状態図記憶手段７と、自己組織化マップ計算手段４によるマップ計算結果と状態図記憶手段７が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段５と、状態図位置計算手段５の位置情報と状態図記憶手段７のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段６とを備えている。
【００２４】
また、加えて、状態図位置計算手段５による低次元の状態図を使用者に報知（表示）するようにした状態表示手段１０と、状態図更新手段８と、サンプルデータ追加手段９とを備えている。
【００２５】
状態図更新手段７は、サンプルデータ追加手段９により既知であるセンサのデータとその時におけるセンサのパラメータ値の組がサンプルデータとして入力されると、サンプルデータのセンサのデータを自己組織化マップ上に射影した結果であるサンプルデータマップ計算結果を状態図記憶手段７が記憶する状態図にセンサのパラメータ値と対にして追加する。ただし、状態図更新手段８は、サンプルデータのセンサのデータ値が大幅に大きいとか、小さい場合は、サンプルのデータの値がおかしいとして状態図の追加を行わない。よって、状態図記憶手段７が記憶する状態図の群はより正確なデータベースを作成することができる。また、サンプルデータ追加手段９により上記工程を経て、サンプルデータによる状態図の更新が常に行われるために、より正確な複数のセンサ１、２、３のパラメータを設定することができる。
【００２６】
また、状態図位置計算手段５は、状態図記憶手段７が記憶する状態図と自己組織化マップ計算手段４が計算したマップ計算結果を入力とし、マップ計算結果と状態図の位置関係を計算して、位置情報として出力するものである。また、状態図制御手段６は、状態図位置計算手段５による位置情報と状態図記憶手段７のセンサのパラメータ値を入力として、複数のセンサ１、２、３のパラメータを決定するものである。また、複数のセンサ１、２、３は状態図制御手段６の結果に従ってセンサ１、２、３のパラメータの修正を行うものである。
【００２７】
上記のセンサユニット構成によると、複数のセンサ１、２、３のパラメータを自律的に、自己組織的に最適なものに変更することができ、センサ値を使用する機器（ロボット）のマイコンの負担、設計者によるカットアンドトライによる手間を大幅に削減することができる。ただし、上記図１の構成図においてはセンサの数を３として説明したが、センサの数はいくらでも良く、センサ数が多い方がより効果が大きい。
【００２８】
また、状態表示手段１０は低次元の自己組織化マップ、状態図を使用者に表示することにより、複数のセンサ１、２、３の状態を報知する。そのことにより、例えば、使用者はセンサが異常状態であることを知ることができる。よって、使用者にセンサユニットの安全使用状況などの情報を提供することができる。
【００２９】
次に、自己組織化マップ計算手段３で使用する自己組織化マップについて説明する。自己組織化マップは、入力層と競合層の２層からなる多層ニューラルネットワークの一種であり、人の脳における働きの一つである「情報を学習し似通った情報同士を一つのグループとして取り扱うグループ分け、または、クラスタリングを行う行為」を人工的に行うものである。また、自己組織化マップを用いることにより多次元のデータを２次元に写像することが可能であり、高次元のデータの可視化、特に、クラスタリング結果の可視化を行うことが容易にできるという特長がある。
【００３０】
図２により、自己組織化マップの動作について説明する。自己組織化マップは、上述したように、図２に示す入力層、競合層の２層からなるニューラルネットワークである。入力層はｎ個（図２の場合はｎ＝４）のユニットから構成され、ｉ番目のユニットの値をＸｉ（ｉ＝１〜ｎ）とする。また、競合層はｍ個（図２の場合はｍ＝６）のユニットから構成され、ｊ番目のユニットの値をＹｊ（ｊ＝１〜ｍ）とする。
【００３１】
自己組織化マップにおいて、入力層のユニットＸｉと競合層のユニットＹｊは次式に示す関係式を満たす。
【００３２】
Ｙｊ＝ｆ（Σｊ＝１〜ｍＷｉｊ・Ｘｉ）・・・（１）
ただし、ｆ（ｘ）＝１（ｘ＞０．５）、ｆ（ｘ）＝０（ｘ≦０．５）、重み係数Ｗｉｊ（ｉ＝１〜ｎ、ｊ＝１〜ｍ）はある定数とする。
【００３３】
つまり、入力層のユニットにデータＸｉが入力されると、競合層のユニットＹｊは（１）式によって計算することにより求めることができる。
【００３４】
自己組織化マップによるデータの学習とは、重みＷｉｊを入力層Ｘｊに入力された入力データＺｋの値によって変化することである。ただし、入力データＺｋは対応する入力層Ｘｉに入力する。つまり、入力層Ｘｉ＝Ｚｉ（ｉ＝１〜ｎ）となる。ｔ回目の学習の方法を以下で簡単に説明すると、全ての重み係数Ｗｉｊと入力Ｘｉとの距離ｄｊを（２）の式に従って計算し、最もその距離が短い、つまり、最も値が小さい競合ユニットｊを勝者ユニットとする（詳細は、「自己組織化マップの応用」出版：海文堂、著作：徳高平蔵、岸田悟、藤村喜久郎、Ｐ７からＰ９）。
【００３５】
ｄｊ＝Σｉ＝１〜ｎ（Ｗｉｊ−Ｘｉ）２ ・・・（２）
勝者ユニットｊを決定すると、全ての重み係数Ｗｉｊを以下の（３）の式に従って更新する。
【００３６】
Ｗｉｊ← Ｗｉｊ＋α・（Ｘｉ−Ｗｉｊ） ・・・（３）
ただし、αは近傍関数と呼ばれる関数であり、以下の性質を満たす。
１．近傍関数αは学習回数ｔに関する単調減少関数であり、学習回数ｔが無限大になったとき、０に収束する。
２．競合ユニット同士の距離ｓに関して単調減少する。図２の一例にて挙げると、競合ユニット１と競合ユニット５の場合の距離ｓは４＝５−１となる。入力データＺｋの数に相当する重み係数Ｗｉｊの変化を１工程、つまり、１回の学習として学習回数ｔが要求する数になるまで繰り返し行う。
【００３７】
自己組織化マップによる学習結果について、図３〜図５を用いて説明する。
【００３８】
図３は、縦軸に動物名、横軸を属性として、各々交わった箇所が正しければ○を、間違っていれば×を記入することにより作成した動物の属性図である。例えば、ハトは、「小さく」「２本足である」「羽を持っている」「飛ぶことができる」ので、それぞれ該当する項目「小さい」「２本足」「羽」「飛ぶ」に○を記入し、それ以外の項目は×とする。同様に、その他の動物についても属性図を作成する。
【００３９】
図３で作成した属性図を入力データＺｌｋ（ｌ番目の入力データＺｌのｋ番目の要素を意味する）に変換したのが、図４である。ただし、図３に示す属性データにおいて○であれば１、×であれば０としてｌ番目の入力データＺｌｋを作成する。
【００４０】
図４に示す動物の属性データを入力データＺｌｋとして自己組織化マップによって、学習した結果を図５に示す。図５は点で示した競合ユニットを横７個、縦８個に並べて図示したものであり、動物名は各動物の入力データの勝者ユニットを表している。図５に示すように、属性が似通ったもの鳥類「アヒル」「ガチョウ」など、草食動物「ウマ」「ウシ」など、肉食動物「トラ」「ライオン」は距離的に近い場所に集合していること、同類によるグループに分けられたクラスタリングができていることがわかる。
【００４１】
次に、図５に示す学習が終了した自己組織化マップの入力層のユニットＸｉに図４で示した工程で作成した新しいデータを下式の（４）に代入すると、最も値が大きい競合層のユニットＹｊを求めることができる。
【００４２】
Ｙｊ＝ｆ（Σｊ＝１〜ｍＷｉｊ・Ｘｉ）・・・（４）
最も値が大きくなる競合層のユニットＹｊと図５の自己組織化マップ上の位置関係を見ることで新しいデータの性質を知ることができる。例えば、新しいデータを入力したとき、図５におけるタカの競合層のユニットが最も大きくなった場合、新しいデータはタカであるとわかるし、タカとワシ間の競合層のユニットが最も大きくなった場合、入力されたデータは鳥類であり、タカとワシと似通った特性のトンビであることがわかる。
【００４３】
つまり、上記で示したように、サンプルとするデータによって自己組織化マップを作成し、作成した自己組織化マップに新しいデータを入力することにより、入力データの特性を容易に知ることができる。また、入力データの次元が多い場合でも図５の２次元の自己組織化マップ上に射影することと同等であるから、次元数が多い、データ数が多いなどの複雑なデータ分析も容易に行うことができる。
【００４４】
また、定性量が明らかな物質を同様に自己組織化マップで学習した場合、競合層のユニットを座標として示したもの（図５）の横軸、縦軸がある特徴的な値（鉛含有量、塩分量）を示すことがわかっている。つまり、自己組織化マップを使用することにより２次元の主成分分析を容易に行うことができる。
【００４５】
次に、本実施の形態における自己組織化マップによる解析の具体例を、使用センサユニットとして超音波センサを使用した時を一例として図６、図７で説明する。
【００４６】
図６は、送信センサによる超音波の送信波、受信センサによる障害物から反射した受信波を示した図である。一般的に知られるように、送信した時間ｔ１と反射波を受信した受信時間ｔ２と障害物の距離ｘとの間にはｘ＝（ｔ２−ｔ１）／（２・ｖ）の関係がある。ただし、ｖは超音波の速度である。
【００４７】
しかし、図６に示すように、その他の波として送信センサから受信センサに筐体で伝搬したり、回り込みによって発生したりする直接波が存在する。直接波の大きさ、時間は筐体の大きさ、形、センサ位置など、様々な条件下で決定する。
【００４８】
一般的なセンサの開発として、図７のように、直接波の大きさよりも大きく、直接波の時間よりも長いしきい値を設けて、しきい値以上の波を検知する構成として直接波の影響を受けないようように設計する。しかし、上述したように、直接波は複雑な経路をたどって伝搬する波であるので、従来の技術ではしきい値の設定に時間と手間がかかっていた。特に、ロボットに代表されるような、複数の超音波センサ、多い場合は１０個以上の超音波センサを設置するものは、全ての超音波センサのしきい値を設定する手間とそれにかかる時間はロボット開発、または、量産時における大きな問題となっていた。
【００４９】
そこで、本実施の形態では、入力として受信センサの定性量データを予め特性がわかっているサンプルデータを用いて学習した自己組織化マップに代入して、センサのパラメータ、一例にて挙げると、しきい値の時間と大きさを決定する。
【００５０】
前工程として、しきい値の値が明らかな超音波センサの定性量、送信時間ｔ１、受信時間ｔ２などを入力データとして学習を行い、超音波センサに対応した自己組織化マップを作成する。また、図５に示すように競合層のユニットを配置した時の横軸、縦軸の特徴的な値、一例にて示すと、送信センサと受信センサとの距離ｒ、送信波の大きさＳとする。
【００５１】
図８に学習した自己組織化マップの結果を示す。ただし、サンプルデータａ、ｂ、ｃ、ｄ、ｅの自己組織化マップ上の座標も同時に示した。
【００５２】
もし図８の自己組織化マップにしきい値が決定していない超音波センサのデータを入れると、ある点に射影される。サンプルデータａ、ｂ、ｃ、ｄ、ｅ上に射影されれば、同じ環境であると考えて、対応するサンプルデータのしきい値の時間、大きさを使用すれば良い。
【００５３】
しかし、一般には、サンプルデータと同じ点に射影されないため、下記に示す各サンプルデータとの距離を関係式として求める。
【００５４】
サンプルａとの距離 ｄ１２＝（ａ１−ｒ）２＋（ｂ１−Ｓ）２
サンプルｂとの距離 ｄ２２＝（ａ２−ｒ）２＋（ｂ２−Ｓ）２
サンプルｃとの距離 ｄ３２＝（ａ３−ｒ）２＋（ｂ３−Ｓ）２
サンプルｄとの距離 ｄ４２＝（ａ４−ｒ）２＋（ｂ４−Ｓ）２
サンプルｅとの距離 ｄ５２＝（ａ５−ｒ）２＋（ｂ５−Ｓ）２
上記に示すサンプルとの距離が最も短いものに属するサンプルを選択し、そのサンプルデータが最も近いものとして、センサのしきい値を決定する。
【００５５】
なお、上記では一例にてセンサとして超音波を使用したが、要はセンサとパラメータであればどのようなものでも良い。
【００５６】
また、類似度を示す関係式を作成し、類似度に応じてセンサのパラメータを決定しても良い。
【００５７】
上記で示したように、超音波センサに関して学習を行った自己組織化マップを使用することにより、超音波センサのパラメータを決定することができる。また、多くの超音波センサを使用した場合でも、２次元の自己組織化マップに射影するので、より簡単にセンサのパラメータを決定することができる。
【００５８】
自己組織化マップ計算手段４は、既に学習した自己組織化マップを記憶しており、第一のセンサ１、第二のセンサ２、第三のセンサ３のセンサデータを入力することで、図８に示す自己組織化マップ上の座標を決定する。
【００５９】
状態図記憶手段７は、図８に示すサンプルデータの自己組織化マップ上の座標位置である状態図と対応するサンプルデータの情報、図８の例ではしきい値を記憶している。
【００６０】
状態図位置計算手段５は、自己組織化マップ計算手段４による自己組織化マップの結果と状態図記憶手段７による状態図を図８のように図示して、位置関係を、関係式を用いて把握する。
【００６１】
状態図制御手段６は、状態図位置計算手段５による自己組織化マップ上のサンプルデータと取得したデータの位置関係から状態図記憶手段７が記憶するサンプルデータの情報を利用して、センサのパラメータを決定する。
【００６２】
本実施の形態は、状態を検知する複数のセンサと、センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、自己組織化マップ計算手段によるマップ計算結果と状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニットとを有するものである。
【００６３】
これによって、３つ以上のセンサがある場合でも一般的に自己組織化マップと呼ばれる２次元の状態図に射影し、射影した結果によって制御を行うので、３つ以上の入力でも使用することができる。また、設計者が容易に判断することができる２次元の状態図を使用するので、信頼性の高いものを提供することができる。さらに、センサの数に関係なく２次元の状態図に射影して使用するため、記憶すべきデータ量はセンサの数にほとんど関係なく一定であり、マイコンに搭載するメモリ容量も小さくすることができる。
【００６４】
また、本実施の形態は、センサは、その数を３以上とすることにより、より多くの情報を得ることができるので、より正確にパラメータの決定を行うことができる。
【００６５】
さらに、本実施の形態は、状態図記憶手段を自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものにしたことにより、より正確に情報を把握することができ、さらにより正確な制御をすることができる。
【００６６】
本実施の形態は、状態図位置計算は、マップ計算結果、状態図、位置情報を使用者に報知するようにしたことにより、使用者はセンサユニットの状態を正確に知ることができる。
【００６７】
さらに、状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加することにより、センサユニットの状態などの最新、かつ、正確な情報を入手することができるので、より正確にセンサユニットを制御することができる。
【００６８】
また、状態図制御手段は、状態図記憶手段が記憶する状態図とその時におけるセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を記憶して、関係式を用いてセンサのパラメータ値を決定するようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をタイムリーに行うことができる。
【００６９】
状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とするものである。よって、関係式に代入することによりパラメータを求めるようにしたことにより、パラメータを迅速に求めることができ、センサユニットの制御をよりタイムリーに行うことができる。
【００７０】
さらに、状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とすることにより、無駄なデータ学習による時間のロスを防ぐことができ、よりスピーディなセンサユニットの制御を行うことができる。
【００７１】
そして、状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とすることにより、過去のサンプルデータとの差異が大きいもの、つまり、間違ったデータである可能性が高いものは除くので、より正確なセンサユニットの制御を行うことができる。
【００７２】
さらに、自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とすることにより、状態図の範囲外のデータでもセンサユニットの制御を行うことができるので、より幅広い範囲でのセンサユニットの制御を行うことができる。
【産業上の利用可能性】
【００７３】
以上のように、本発明にかかるセンサユニットとプログラムおよびその記録媒体は、３つ以上のセンサ入力の場合でも使用することができ、また、設計者の手間を省き、マイコンに搭載するメモリ容量も小さくすることができるものであるので、掃除用、監視用あるいは作業用ロボットなどに用いるセンサユニットとして適応できる。
【図面の簡単な説明】
【００７４】
【図１】本発明の実施の形態におけるセンサユニットを示すブロック図
【図２】同センサユニットにおける自己組織化マップの構成例を示す図
【図３】同センサユニットにおける自己組織化マップを作成するデータの一例を示す第一の属性図
【図４】同センサユニットにおける自己組織化マップを作成するデータの一例を示す第二の属性図
【図５】同センサユニットにおける自己組織化マップの結果を示す状態図
【図６】同センサユニットにおける超音波センサの送信出力と受信入力の関係を示す図
【図７】同センサユニットにおける超音波センサの直接波用しきい値を示す図
【図８】同センサユニットにおける自己組織化マップの結果を示す図
【符号の説明】
【００７５】
１ 第一のセンサ
２ 第二のセンサ
３ 第三のセンサ
４ 自己組織化マップ計算手段
５ 状態図位置計算手段
６ 状態図制御手段
７ 状態図記憶手段
８ 状態図更新手段
９ サンプルデータ追加手段
１０ 状態表示手段
【特許請求の範囲】
【請求項１】
状態を検知する複数のセンサと、前記センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、前記自己組織化マップ計算手段によるマップ計算結果と前記状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、前記状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニット。
【請求項２】
センサは、その数を３以上とする請求項１に記載のセンサユニット。
【請求項３】
状態図記憶手段は、自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものである請求項１または２に記載のセンサユニット。
【請求項４】
状態図位置計算はマップ計算結果、状態図、位置情報を使用者に報知するようにした請求項１〜３のいずれか１項に記載のセンサユニット。
【請求項５】
状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加する請求項３または４に記載のセンサユニット。
【請求項６】
状態図制御手段は、状態図記憶手段が記憶する状態図とそのときのセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を計算して、記憶する請求項１〜５のいずれか１項に記載のセンサユニット。
【請求項７】
状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とする請求項６に記載のセンサユニット。
【請求項８】
状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とする請求項５〜７のいずれか１項に記載のセンサユニット。
【請求項９】
状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とする請求項５〜８のいずれか１項に記載のセンサユニット。
【請求項１０】
自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とする請求項１〜９のいずれか１項に記載のセンサユニット。
【請求項１１】
請求項１〜１０のいずれか１項に記載のセンサユニットにおける機能の少なくとも一部をコンピュータに実行させるためのプログラム。
【請求項１２】
請求項１１に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【請求項１】
状態を検知する複数のセンサと、前記センサのセンサ値を自己組織化マップ上に射影して、マップ計算結果として出力する自己組織化マップ計算手段と、センサのデータを自己組織化マップ上に射影した結果である状態図とその時におけるセンサのパラメータ値の組を記憶している状態図記憶手段と、前記自己組織化マップ計算手段によるマップ計算結果と前記状態図記憶手段が記憶する状態図を入力として、マップ計算結果と状態図の位置関係を計算して、位置情報として出力する状態図位置計算手段と、前記状態図位置計算手段の位置情報と前記状態図記憶手段のセンサのパラメータ値から現在のセンサのパラメータ値を決定する状態図制御手段とを有するセンサユニット。
【請求項２】
センサは、その数を３以上とする請求項１に記載のセンサユニット。
【請求項３】
状態図記憶手段は、自己組織化マップ上に射影するセンサのデータとその時におけるセンサのパラメータ値は既知であるものである請求項１または２に記載のセンサユニット。
【請求項４】
状態図位置計算はマップ計算結果、状態図、位置情報を使用者に報知するようにした請求項１〜３のいずれか１項に記載のセンサユニット。
【請求項５】
状態図記憶手段は、センサのデータとその時におけるセンサのパラメータ値の組が入力されると、状態図に追加する請求項３または４に記載のセンサユニット。
【請求項６】
状態図制御手段は、状態図記憶手段が記憶する状態図とそのときのセンサのパラメータ値を入力として、状態図を入力、センサのパラメータ値を出力とする関係式を計算して、記憶する請求項１〜５のいずれか１項に記載のセンサユニット。
【請求項７】
状態図制御手段は、自己組織化マップ計算手段のマップ計算結果を関係式に代入することによりセンサのパラメータ値を求める構成とする請求項６に記載のセンサユニット。
【請求項８】
状態図記憶手段は、センサのデータが過去に入力されたセンサのデータと同じである場合は、状態図に追加しない構成とする請求項５〜７のいずれか１項に記載のセンサユニット。
【請求項９】
状態図記憶手段は、センサのデータと過去に入力されたセンサのデータの差異が予め設定されたしきい値を上回る場合は、状態図に追加しない構成とする請求項５〜８のいずれか１項に記載のセンサユニット。
【請求項１０】
自己組織化マップ計算手段は、自己組織化マップ上に射影した結果が規定された最大値を上回ったときは最大値を、または、自己組織化マップ上に射影した結果が規定された最小値を下回ったときは、最小値を出力する構成とする請求項１〜９のいずれか１項に記載のセンサユニット。
【請求項１１】
請求項１〜１０のいずれか１項に記載のセンサユニットにおける機能の少なくとも一部をコンピュータに実行させるためのプログラム。
【請求項１２】
請求項１１に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２００８−１４７４５（Ｐ２００８−１４７４５Ａ）
【公開日】平成２０年１月２４日（２００８．１．２４）
【国際特許分類】
【出願番号】特願２００６−１８５２３３（Ｐ２００６−１８５２３３）
【出願日】平成１８年７月５日（２００６．７．５）
【出願人】（０００００５８２１）松下電器産業株式会社 (73,050)
【Ｆターム（参考）】
【公開日】平成２０年１月２４日（２００８．１．２４）
【国際特許分類】
【出願日】平成１８年７月５日（２００６．７．５）
【出願人】（０００００５８２１）松下電器産業株式会社 (73,050)
【Ｆターム（参考）】
[ Back to top ]