JP2517165B2

JP2517165B2 - 空気調和機の制御装置

Info

Publication number: JP2517165B2
Application number: JP2199411A
Authority: JP
Inventors: 基孫中; 美恵斉藤; 邦夫 ▲吉▼田
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1990-07-27
Filing date: 1990-07-27
Publication date: 1996-07-24
Anticipated expiration: 2011-07-24
Also published as: JPH0484057A

Description

【発明の詳細な説明】産業上の利用分野本発明は、例えばマイクロコンピュータ搭載の空気調
和機で快適な空調運転を自動的に行わせる、室内の温
度、風量および風向の制御を行うことにより室内の人間
の快適性を高めるための空気調和機の制御装置に関する
ものである。

従来の技術空気調和機で室温のコントロールを行う際、暖房の例
では室内温度の立ち上がり時の特性向上のために、空気
調和機の室内目標温度を一定時間高めにシフトさせる制
御や、室内温度によって圧縮機運転周波数の制御を行う
方法が採られていた。すなわち、第７図はこのような従
来の空気調和機の制御装置を示し、第７図において、制
御信号生成手段71はセンサ70よりの吸い込み温度75や、
空気調和機72の電源を投入してから作動するタイマ73よ
りのタイマ値77および前記空気調和機72を外部より操作
するリモコンまたは操作パネル74よりの使用者設定温度
78等により制御信号76を生成している。例としては、暖
房時には、電源を投入してからの時間が60分間以内は室
内温度を速く立ち上げるために、室内目標温度をリモコ
ンまたは操作パネル74より設定した使用者の設定温度よ
りも２℃高く設定するように、空気調和機72の室内温度
調整79を制御させるのである。

発明が解決しようとする課題しかしながら、前述した従来の制御装置では、電源を
投入してからの時間や室内温度特性のみで制御している
ため、空気調和機の設置された部屋の空調負荷の大小に
柔軟に対処することはできない。したがって、例えば、
負荷が過小なときには室温が目標温度よりも高くなり過
ぎたり、負荷が過大なときには室温が目標温度に達する
までかなりの時間がかかるという課題や、室内の位置の
違いによっては、温度差が生じ、空気調和機から距離が
遠い場合は設定温度に達しないこともあるので、室内の
人間の快適感を考慮できないという課題があった。

本発明の目的は、前述したような従来の課題に鑑み、
室内の人間の快適感を考慮した、より快適な空調および
生活環境を実現できる空気調和機の制御装置を提供する
ものである。

課題を解決するための手段この目的を達成するため、本発明は、空気調和機が具
備する室内外の環境条件を検知する複数のセンサ手段
と、前記センサ手段の前状態を保持する記憶手段と、前
記空気調和機を外部より制御するリモコンの位置を検出
する位置検出手段と、前記センサ手段および前記記憶手
段よりの出力、使用者の設定した温度並びに前記位置検
出手段よりの出力から人間の快適感を学習した神経回路
網模式手段（ニューロネットワーク）を用いて室内の人
間の快適感を推測する推測手段と、前記推測手段より推
測した前記室内の人間の快適感に基づき前記空気調和機
の吹き出し温度、風向および風量などの制御信号を生成
する制御信号生成手段とを具備することを特徴とする空
気調和機の制御装置を提案するものである。

作用前述した本発明の構成によると、推測手段は複数のセ
ンサ手段より検知された室内外の環境条件と、記憶手段
により保持された前記センサ手段の前状態、使用者の設
定した温度および位置検出手段にて検出されたリモコン
の位置から室内の人間の快適感を推測する。そして、こ
の推測手段より推測した前記人間の快適感に基づき、制
御信号生成手段より制御信号が生成され空気調和機を制
御するから、これにより室内の環境や人間の状態を考慮
した、より快適な空調環境を実現することができる。

実施例以下、第１図から第６図を用いて本発明の実施例を詳
細に説明する。

第１図は本発明の第１の実施例による制御装置におけ
る信号の流れを示すブロック図であり、第２図は第１図
における神経回路網模式手段の学習方法を示すブロック
図であるが、第１図において、10はセンサ、11,12はセ
ンサ10よりのセンサ信号値、13は記憶手段、14は記憶手
段13より出力される吸い込み温度のＮ秒間隔の傾斜、15
はリモコンまたは操作パネル、16はリモコンまたは操作
パネル15からの出力信号、17は神経回路網模式手段、18
は前記手段17より出力される快適度（予測平均投票数
（Predicted Mean Vote、以下PMVという）または標準新
有効温度（Standard Effective Temperature、以下SET
という）、19は制御信号生成手段、1aは前記手段19より
出力される制御信号、1bは空気調和機、1dはリモコン15
の位置センサ、1eは前記位置センサ1dよりのリモコン15
の位置信号である。

次に、神経回路網模式手段の学習方法を説明するため
のさらに詳細な構成を第２図について説明する。すなわ
ち、第２図は学習方法を示すブロック図であり、21は室
外温度、22は吸い込み温度、23は吸い込み温度の傾斜、
24は風量、25は使用者の設定温度、26は人体温度、27は
神経回路網模式手段、28は制御信号生成手段、29は実測
したPMV（またはSET）、2aは推測したPMV（またはSE
T）、2cは制御信号、2dはリモコン位置情報、211,221,2
31,241,251,261,2dlはそれぞれ室外温度21、吸い込み温
度22、吸い込み温度傾斜23、風量24、使用者の設定温度
25、人体温度26、およびリモコン位置情報2dよりの信号
である。

図示実施例による空気調和機は、以上のような構成で
あるから、空気調和機1b内の複数のセンサ（外気温セン
サ、吸い込み温度センサ、湿度センサ、人体温度セン
サ）10よりセンサ信号11が出力されることになる。この
信号11は、室外温度、吸い込み温度、湿度、人体温度な
どである。また、前記センサ10から信号11と同様の信号
12が出力され、記憶手段13に入力されるけれども、記憶
手段13は入力される前記センサ出力信号12における過去
Ｎ秒間（Ｎは正の実数）の履歴を記憶する。リモコンま
たは操作パネル15から風量と使用者の設定温度値16が出
力され、また、記憶手段13はセンサの前の状態、例えば
前述したＮ秒間の履歴より室内温度のＮ秒（Ｎは正の実
数）間隔の傾斜14を出力する。位置センサ1dは、リモコ
ンの位置を検出し、位置情報1eを出力する。第３図に示
すように、この位置センサ1dは室内をnxmゾーンに分割
し、リモコン15が部屋のどのゾーンに置かれているかを
出力する。例えば、ｉゾーンにあれば、位置センサ1dの
出力信号1eはｉとなる。各手段10,13,15,1dからの出力
信号11,14,16,1eは、入力信号として、神経回路網模式
手段17に入力する。この神経回路網模式手段17は入力信
号からの室内の快適度である予測平均投票数PMV、また
は、標準新有効温度SETの推測値18を出力する。PMVは、
快適性を左右する要素として、温度、湿度、気流速、輻
射温度（周囲壁体）、代謝量、着衣状態の６要素の組み
合せを変化させた環境試験室で被験者から、試験室での
寒暑についての投票を受け、その結果を基に定量化した
ものである。すなわち、人間の状態（代謝や着衣の状
況）と室内の環境（温度、湿度、機流速、周囲壁体輻
射）によって、計算したPMVの値は、 −３：寒い −２：涼しい −１：やや涼しい０：なんともない＋１：やや暖かい＋２：暖かい＋３：暑いと評価できる。

一方、SETは環境の物理因子から熱刺激量を求めて、
人間の生理的状態値と感覚を予測しようとするもので、
温熱に対する快・不快の関係を熱刺激の物理量に対する
生理反応でとらえている快適性物理的評価法の１つであ
る。例えば、PMVを用いた場合は、神経回路網模式17に
室外温度、吸い込み温度、吸い込み温度傾斜、風量、リ
モコンの位置情報、使用者の設定温度、人体温度という
人間の状態と室内の環境を入力することによって、神経
回路網模式手段17からPMVの推測値18が出力される。前
記PMVの推測値18は制御信号生成手段19に入力され、こ
の生成手段19より制御信号1aを生成する。制御信号生成
手段19は、快適感が不満足の場合には、空気調和機1bの
能力を最大限にできるような制御信号1aを生成する。

さらに、快適感が満足の場合は快適感が持続できるよ
うな制御信号1aを生成する。すなわち、前記推測したPM
Vの値18によって空気調和機1bを制御する信号1aを生成
する。この制御信号1aによって空気調和機1bにおけるイ
ンバータ周波数、風向、風量および室内目標設定温度を
制御する。一例としては、前記各手段10,13,15,1dから
の外気温、吸い込み温度、風量、設定温度、吸い込み温
度の傾斜、位置情報等より、空気調和機1bが目標とする
室内目標温度を算出するシフト量を求める。このシフト
量と、使用者が設定した温度および室内目標温度との関
係は、室内目標温度＝使用者設定温度＋シフト量となる。そこで、制御信号生成手段19より生成した空気
調和機1bの制御信号1aを空気調和機1bに入力し、一例と
して前記式に基づき室内目標温度となるように空気調和
機1bの運転を実行する。

以上のような過程を経て室内温度調整1cが行われる。

次に第２図について、第１図の神経回路網の学習方法
を説明すると、室外温度21および吸い込み温度22、Ｎ秒
間隔の吸い込み温度の傾斜23、風量24、使用者の設定温
度25、人体温度26、リモコン位置情報2d等からの信号21
1,221,231,241,251,261,2dlを神経回路網模式手段27に
入力して、PMVの推測値2aを出力する。

前記神経回路網模式手段27は、室内において測定した
実測PMV29を学習データ2bとして、PMVの推測値2aを学習
する。

神経回路網の学習アルゴリズムは、各種の方法がある
が、例えばバックプロパゲーションのアルゴリズム（参
考文献：ラメルハート、D.Eとマクレランド.J.L「PDPモ
デル−認知科学とニューロン回路網の検索」｛Runmelha
rt,D.E and Mcclelland,J.L.（Eds.）,"Parallel Distr
ibuted Processing,Exploration in the Microstructur
e of Cognition.Vol.1,2,MIT Press,Cammbridge（198
6｝）により最降下法にて最適解をもとめる。そして、
これらのアルゴリズムにより充分PMVが神経回路網模式
手段27で推測できるようになるまで学習を行う。学習が
終了すると、神経回路網模式手段27の出力値2aにより、
快適感が不満足の場合には、制御信号生成手段28より空
気調和機の能力を最大限でるような制御信号2cを生成す
る。また、快適感が満足の場合には、快適感が持続でき
るように制御信号2cを制御信号生成手段28より生成す
る。すなわち、神経回路網模式手段27にて推測したPMV
の値2aによって、制御信号生成手段28より空気調和機を
制御する信号2cを生成する。なお、前記制御信号2cはイ
ンバータ周波数、風向、風量および室内目標設定温度等
を制御する。

以上に述べたように、本実施例によれば、各センサか
らの入力を神経回路網模式手段に入力し、PMVを推測
し、PMVに値により制御信号を生成することにより、室
内の環境と人間の状態を考慮した、快適な空調環境を実
現することができる。

なお、前記実施例では神経回路網模式手段17,27より
の出力18、2aをPMVとしたが、SETや周囲壁輻射温度に置
き換えても同様の効果を得ることができるのは明らかな
ところである。

次に第４図から第６図を用いて本発明の第２実施例を
説明する。

第４図は本発明の第２の実施例による制御装置におけ
る信号の流れを示すブロック図であり、第５図は第４図
におけるルックアップテーブルの作成方法を説明するた
めのブロック図であるが、第４図において、40はセン
サ、41,42はセンサ40よりのセンサ信号値、43は記憶手
段、44は記憶手段43より出力される吸い込み温度のＮ秒
間隔の傾斜、45はリモコンまたは操作パネル、46はリモ
コンまたは操作パネル45からの出力信号、47はルックア
ップテーブル、48はルックアップテーブル47より出力さ
れる制御信号、49は空気調和機、4bは位置センサ、4cは
位置センサ4bよりのリモコン45の位置信号をそれぞれ示
してある。

次に第５図を参照しながら、ルックアップテーブルの
作成方法について説明すると、51は室外温度、52は吸い
込み温度、53は吸い込み温度の傾斜、54は風量、55は使
用者の設定温度、56は人体温度、57は神経回路網模式手
段、58は制御信号生成手段、59は実測したPMV（またはS
ET）、5aは神経回路網模式手段より推測したPMV（また
はSET）、5bは実測PMV（またはSET）よりの快適度（PMV
またはSET）、5cは制御信号、5dはリモコン位置情報、5
eはルックアップテーブル、511,521,531,541,551,561,5
d1はそれぞれ室外温度51、吸い込み温度52、吸い込み温
度の傾斜53、風量54、使用者の設定温度55、人体温度5
6、リモコン位置情報5dよりの信号である。

第２実施例による空気調和機は、以上のような構成で
あるから、第４図に示すように、空気調和機49内の複数
のセンサ40よりセンサ信号41が出力されることになる。
この信号41は外気温、吸い込み温度、湿度、人体温度な
どである。

また、前記センサ40から信号41と同様の信号42が出力
され、記憶手段43に入力される。記憶手段43は入力され
る前記センサ出力信号42における過去Ｎ秒間（Ｎは正の
実数）の履歴を記憶する。リモコンまたは操作パネル45
から風量、使用者の設定温度値46が出力され、また記憶
手段43はセンサの前の状態、例えば室内温度のＮ秒（Ｎ
は正の実数）間隔の傾斜44を出力する。さらに位置セン
サ4bからはリモコンの位置情報4cが出力される。位置セ
ンサ4bは、第１の実施例の第３図で説明したのでここで
は省略する。各手段40,43,45,4bからの出力信号41,44,4
6,4cは、入力信号としてルックアップテーブル47に入力
され、このルックアップテーブル47より空気調和機49に
対する制御信号48を求める。この制御信号48によって、
空気調和機49におけるインバータ周波数、風向、風量お
よび室内目標設定温度等が制御されることになる。一例
としては、前記各手段40,43,45,4bからの外気温、吸い
込み温度、風量、設定温度、吸い込み温度の傾斜等よ
り、空気調和機49が目標とする室内目標温度を算出する
シフト量が求められる。このシフト量と使用者が設定し
た温度および室内目標温度との関係は、室内目標温度＝使用者設定温度＋シフト量となる。そこで、ルックアップテーブル47より求めた制
御信号48は空気調和機49に入力し、一例として前記式に
基づき室内目標温度となるように空気調和機49の運転を
実行する。

次に、第４図のルックアップテーブルの作成方法を第
５図について説明すると、まず、室外温度51および吸い
込み温度52、Ｎ秒間隔の吸い込み温度の傾斜53、風量5
4、使用者の設定温度55、人体温度56、リモコンの位置
情報5d等からの信号511,521,531,541,551,561,5dlを神
経回路網模式手段57に入力して、PMVの推測値5aが出力
される。

この場合、前記神経回路網模式手段57は、室内におい
て測定した実測PMV59を学習データ5bとしてPMVの推測値
5aを学習する。

神経回路網の学習アルゴリズムは、各種の方法がある
が、例えば前述のバックプロパゲーションのアルゴリズ
ムにより最降下法にて最適解を求めればよい。そして、
これらのアルゴリズムにより充分PMVが神経回路網模式
手段57で推測できるようになるまで学習を行うが、学習
が終了すると、神経回路網模式手段57の出力値5aによ
り、快適感が不満足の場合には、制御信号生成手段58よ
り空気調和機の能力を最大限でるような制御信号5cを生
成する。また、快適感が満足の場合には、快適感が持続
できるように制御信号5cが制御信号生成手段58より生成
されることになる。

なお、前記制御信号5cはインバータ周波数、風向、風
量および室内目標設定温度等を制御するけれども、その
神経回路網模式手段57と制御信号5cを出力する制御信号
生成手段58の部分をルックアップテーブル5eに置き換え
るため、センサ入力である室外温度51〜リモコン位置情
報5dの各入力信号511〜5dlを荒く量子化してルックアッ
プテーブル5eに入力し、その結果を前記ルックアップテ
ーブル5eに書き込み、ルックアップテーブルを作成すれ
ばよい。

第６図は前述したルックアップテーブル5eの具体例を
示し、ルックアップテーブル5aはゾーンＡ〜Ｃを備え、
ゾーンＡには設定温度ti〜te、外気温toi〜tom、風量fi
〜fn、吸い込み温度si〜soおよび吸い込み温度傾斜ki〜
kpが書き込まれている。

以上にのべたように、前記実施例の空気調和機によれ
ば、各センサからの入力を神経回路網模式手段に入力
し、PMVを推測し、PMVの値により制御信号を生成するこ
とにより、室内の環境を考慮した、より快適な空調環境
を実現することができる。さらに、神経回路網模式手段
からPMVを推測し、制御信号に変換する部分をルックア
ップテーブルに置き換えることによって制御装置を簡単
に実現することができる。

発明の効果以上説明したように、本発明による空気調和機の制御
装置によれば、室内の環境や人間の状態を考慮したより
快適な空調および生活環境を実現することができる。ま
た安価で、簡易に実現することができるのは明らかであ
る。

【図面の簡単な説明】

第１図は本発明の第１実施例による空気調和機の制御装
置信号の流れを示すブロック図、第２図は第１図におけ
る神経回路網模式手段の学習方法を説明するためのブロ
ック図、第３図は第１図および第２図におけるリモコン
の位置情報を示す図、第４図は本発明の第２実施例によ
る空気調和機の制御装置信号の流れを示すブロック図、
第５図は第４図におけるルックアップテーブルの作成方
法を説明するためのブロック図、第６図は第４図および
第５図におけるルックアップテーブルの一例を示す図、
第７図は従来の制御装置を示すブロック図である。 10,40……センサ、11,12,41,42……センサ信号、13,43
……記憶手段、14,44……Ｎ秒間隔の吸い込み温度傾
斜、15,45……リモコンまたは操作パネル、16,46……風
量、設定温度等、17……神経回路網模式手段、18……快
適度推測値、19……制御信号生成手段、1a,48……制御
信号、1b,49……空気調和機、1c,4a……室内温度調整、
1d,4b……位置センサ、1e,4c……リモコン位置情報、2
1,51……室外温度、22,52……吸い込み温度、23,53……
吸い込み温度の傾斜、24,54……風量、25,55……使用者
の設定温度、26,56……人体温度、2d,5d……リモコン位
置情報、27,57……神経回路網模式手段、28,58……制御
信号生成手段、29,59……実測PMV、2a,5a……PMV推測
値、2b,5b……PMV学習データ、2c,5c……制御信号、2d,
5d……リモコン位置情報、47,5e……ルックアップテー
ブル、70……センサ、71……制御信号生成手段、72……
空気調和機、73……タイマ、74……リモコンまたは操作
パネル、75……吸い込み温度、76……制御信号、77……
タイマ値、78……設定温度。

Claims

(57)【特許請求の範囲】

【請求項１】空気調和機が具備する室内外の環境条件を
検知する複数のセンサ手段と、前記センサ手段の前状態
を保持する記憶手段と、前記空気調和機を外部より制御
するリモコンの位置を検出する位置検出手段と、前記セ
ンサ手段および前記記憶手段よりの出力、使用者の設定
した温度並びに前記位置検出手段よりの出力から人間の
快適感を学習した神経回路網模式手段（ニューロネット
ワーク）を用いて室内の人間の快適感を推測する推測手
段と、前記推測手段より推測した前記室内の人間の快適
感に基づき前記空気調和機の吹き出し温度、風向および
風量等の制御信号を生成する制御信号生成手段とを備え
ることを特徴とする空気調和機の制御装置。
【請求項２】センサ手段は、室外の温度、空気調和機の
吸込温度および風量、並びに湿度を検出することを特徴
とする請求項１記載の空気調和機の制御装置。
【請求項３】記憶手段はＮ秒（Ｎは正の実数値）間隔の
空気調和機の吸込温度勾配を記憶することを特徴とする
請求項１記載の空気調和機の制御装置。
【請求項４】推測手段および制御信号生成手段が、セン
サ手段および記憶手段よりの出力、使用者の設定した温
度並びに位置検出手段よりの出力から空気調和機の吹き
出し温度、風向および風量等の制御信号を生成するよう
にしたルックアップテーブルの記憶手段であることを特
徴とする請求項１記載の空気調和機の制御装置。
【請求項５】推測手段により推測される室内の人間の快
適感は、空気調和機の制御を行う評価指数として人間の
状態や室内の環境によって計算した予測平均投票数（PM
V）、または、人間の生理状態や感覚の予測を行った標
準新有効温度（SET）であることを特徴とする請求項１
記載の空気調和機の制御装置。
【請求項６】推測手段により推測される室内の人間の快
適感は、周囲壁輻射温度であることを特徴とする請求項
１記載の空気調和機の制御装置。