CN110753820B - 环境设备控制装置 - Google Patents

环境设备控制装置 Download PDF

Info

Publication number
CN110753820B
CN110753820B CN201880038350.3A CN201880038350A CN110753820B CN 110753820 B CN110753820 B CN 110753820B CN 201880038350 A CN201880038350 A CN 201880038350A CN 110753820 B CN110753820 B CN 110753820B
Authority
CN
China
Prior art keywords
control
environmental
user
plan
learning
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880038350.3A
Other languages
English (en)
Other versions
CN110753820A (zh
Inventor
绘本诗织
西野淳
桥本哲
堀翔太
中瀬绚哉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Daikin Industries Ltd
Original Assignee
Daikin Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Daikin Industries Ltd filed Critical Daikin Industries Ltd
Publication of CN110753820A publication Critical patent/CN110753820A/zh
Application granted granted Critical
Publication of CN110753820B publication Critical patent/CN110753820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/65—Electronic processing for selecting an operating mode
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/0008—Control or safety arrangements for air-humidification
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/60—Odour
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/50—Air quality properties
    • F24F2110/65—Concentration of specific substances or contaminants
    • F24F2110/70—Carbon dioxide
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2642—Domotique, domestic, home control, automation, smart house
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
    • H05B47/10—Controlling the light source
    • H05B47/105—Controlling the light source in response to determined parameters

Abstract

提供一种能够立即执行用于改善用户的身心状态的控制的环境设备控制装置。用于进行多种环境设备(10、20、30)的控制的环境设备控制装置(100)具备：掌握部(60)，其掌握用户当前身心状态信息、环境状况信息以及表示作为目标的身心状态与当前身心状态的关系的目标关系信息；学习控制计划输出单元(80)，其根据当前身心状态信息、环境状况信息以及目标关系信息输出多种环境设备(10、20、30)的每个组合的控制计划；以及选择控制部(90)，其从由学习控制计划输出单元(80)输出的多个控制计划中选择并执行一个控制计划，学习控制计划输出单元(80)进行学习，以使用通过执行选择控制部(90)选择的控制计划而变化后的用户的身心状态，更新输出的控制计划的特定方法。

Description

环境设备控制装置
技术领域
本发明涉及一种环境设备控制装置。
背景技术
迄今为止，一直在寻求提供一种能够使用空气调节装置或照明设备等环境设备以提高作业者的作业效率的环境。
例如，在专利文献1(日本特开2011-101746号公报)所记载的作业环境控制系统中提出了一种如下技术：基于作业者的身心状态与身心状态的相互关系，确定作为目标的身心状态，为了实现该被确定的作为目标的身心状态，基于身心状态与环境状态的相互关系控制照明装置及空调装置而实现作为目标的照度、温度和湿度，以构建适宜的作业环境。
发明内容
发明要解决的问题
在上述现有的系统中，以照度、温度和湿度是针对用户的唤醒度被唯一特定作为前提，通过利用照明装置及空调装置的控制实现作为与成为目标的心电图HF对应的环境目标的照度、温度和湿度，谋求提高用户的作业效率。
然而，实际上，用户的唤醒度是很复杂的，不是由照度、温度和湿度唯一确定的，而是会根据照度、温度和湿度之间的相互关系或季节等各种因素而变化。
但是，对于受像用户的身心状态这样的各种因素影响的复杂指标，即使试图以使该身心状态最优化为目标进行环境设备的控制，实际上也需要进行研究使各因素分别变化时的用户的身心状态的影响等极其复杂的模拟。特别是由于需要考虑影响用户的身心状态的多个因素彼此之间的抵消效应或协同效应，所以信息处理量极其庞大。即，当变更多个环境设备的控制时，虽然会考虑用户的身心状态因各个环境设备的控制变更而变化，但为了特定用于实现最佳的身心状态的照明装置或空调装置的控制状态，需要考虑通过照明装置对照度进行的调整给作业者的身心状态造成的影响与通过空调装置对温度或湿度进行的调整给作业者的身心状态造成的影响的抵消效应或协同效应，运算负荷非常庞大。
另外，到目前为止原本就没有研究包括所有影响用户的身心状态的因素的仿真模型，尝试如上所述的模拟本身很困难。
因此，利用现有的技术控制多个环境设备以使用户的身心状态接近作为目标的状态是不现实的，实质上是不可能的。
本发明的课题是鉴于上述几点而提出的，目的在于提供一种能够立即执行用于改善用户的身心状态的控制的环境设备控制装置。
用于解决问题的方案
第一观点所涉及的环境设备控制装置是用于进行多种环境设备的控制的环境设备控制装置，其中，具备掌握部、学习控制计划输出单元以及选择控制部。掌握部掌握与用户当前身心状态相关的当前身心状态信息、环境状况信息以及表示作为目标的身心状态与当前身心状态的关系的目标关系信息。学习控制计划输出单元根据当前身心状态信息、环境状况信息以及目标关系信息输出多种环境设备的每个组合的控制变更计划。选择控制部从由学习控制计划输出单元输出的多个控制变更计划中排除满足预先设定的排除条件的计划后，基于规定条件选择并执行一个控制变更计划。学习控制计划输出单元以使用通过执行选择控制部选择的控制变更计划而变化后的用户的身心状态来更新输出的控制变更计划的特定方法的方式进行学习。
此外，作为与用户的身心状态相关的信息，没有特别限定，例如，可使用唤醒度、LF/HF等自律神经平衡、嗜睡度、紧张度、出汗程度、体温、体表温度以及声音等各种信息。
另外，作为预先设定的排除条件，没有特别限定，只要是在选择控制部试图进行排除处理的时点确定即可。作为排除条件，例如也可以预先设定为根据季节和时间而变化的条件。另外，作为排除条件，例如，当通过执行由选择控制部选择的控制变更计划而在用户的身心状态和生产率发生变化时，在该变化不是规定的预期的变化的情况(未满足规定变化条件的情况)下，也可以确定为将该控制变更计划添加到此后的满足排除条件的控制变更计划中(此后从多个控制变更计划中排除该控制变更计划)。另外，环境设备控制装置也可以构成为用户能够设定输入排除条件。
在该环境设备控制装置中，在进行多个环境设备的控制的情况下，输出多个控制变更计划，并基于规定条件从该输出当中选择一个控制变更计划，而不是每次都反映通过各环境设备的控制给用户的身心状态造成的影响的抵消效应和协同效应，由此，能够快速进行控制内容的确定。而且，由于学习控制计划输出单元以使用执行了所选择的控制变更计划的控制内容时的用户的身心状态的变化来更新要输出的控制变更计划的特定方法的方式进行学习，所以通过学习能够输出并执行使用户的身心状态接近作为目标的状态的高效的控制变更计划。
另外，在该环境设备控制装置中，通过预先设定排除条件以除去用户不希望的控制变更计划，即使在由学习控制计划输出单元输出的多个控制变更计划中包括用户不希望的控制变更计划，也能够避免该控制变更计划被执行。
第二观点所涉及的环境设备控制装置是第一观点所涉及的环境设备控制装置，用户的身心状态是用户的唤醒度。
在此，作为唤醒度，没有特别限定，但例如，可以基于用户的心跳的状态来确定，也可以基于用户的皮肤的温度来确定，也可以基于用户的每单位时间的呼吸次数来确定，也可以基于用户的脑波来确定，也可以基于它们的组合来确定。
在该环境设备控制装置中，能够使用户的唤醒度接近作为目标的唤醒度的状态。
第三观点所涉及的环境设备控制装置是第一观点或第二观点所涉及的环境设备控制装置，学习控制计划输出单元是使用神经网络的运算单元。
在该环境设备控制装置中，能够使用神经网络输出多种控制变更计划。
第四观点所涉及的环境设备控制装置是第一观点至第三观点中任一观点所涉及的环境设备控制装置，选择控制部当从由学习控制计划输出单元输出的多个控制变更计划中选择一个控制变更计划时，在使多种环境设备的组合模式轮换的同时进行选择。
在该环境设备控制装置中，通过在使多种环境设备的组合模式轮换的同时选择并执行控制计划，能够使可学习的多种环境设备的组合模式具有变化，并且能够提高学习效率。
第五观点所涉及的环境设备控制装置为第一观点至第四观点中任一观点所涉及的环境设备控制装置，其在多种环境设备中至少包括调节温度的装置、调节湿度的装置、调节二氧化碳浓度的装置、以及提供芳香的装置中的至少任意两个以上。
在该环境设备控制装置中，能够使用调节温度的装置、调节湿度的装置、调节二氧化碳浓度的装置、以及提供芳香的装置中的至少任意两个以上，使用户的身心状态接近作为目标的状态。
第六观点所涉及的环境设备控制装置是第一观点至第五观点中任一观点所涉及的环境设备控制装置，其中，学习控制计划输出单元具有与进行学习前的初始的当前身心状态信息、环境状况信息以及目标关系信息相应的多种环境设备的每个组合的初始的控制变更计划，并且能够输出该初始的控制变更计划。
在该环境设备控制装置中，即使在学习控制计划输出单元进行学习前的阶段，由于具有与进行学习前的初始的当前身心状态信息、环境状况信息以及目标关系信息相应的多种环境设备的每个组合的初始的控制变更计划，所以能够快速输出多种控制变更计划。
发明效果
在第一观点所涉及的环境设备控制装置中，能够快速进行控制内容的确定，并且输出并执行通过学习使用户的身心状态接近作为目标的状态的高效的控制变更计划，即使在由学习控制计划输出单元输出的多个控制变更计划中包括用户不希望的控制变更计划，也能够避免该控制变更计划被执行。
在第二观点所涉及的环境设备控制装置中，能够使用户的唤醒度接近作为目标的唤醒度的状态。
在第三观点所涉及的环境设备控制装置中，能够使用神经网络输出多种控制变更计划。
在第四观点所涉及的环境设备控制装置中，能够使可学习的多种环境设备的组合模式具有变化，并且能够提高学习效率。
在第五观点所涉及的环境设备控制装置中，能够使用调节温度的装置、调节湿度的装置、调节二氧化碳浓度的装置、以及提供芳香的装置中的至少任意两个以上使用户的身心状态接近作为目标的状态。
在第六观点所涉及的环境设备控制装置中，即使在学习控制计划输出单元进行学习前的阶段，也能够快速输出多种控制变更计划。
附图说明
图1是环境设备控制系统的整体的概略构成图；
图2是环境设备控制装置的块构成图；
图3是表示将用户的唤醒度提升一级时的多种控制计划的例子的表；
图4是表示将用户的唤醒度降低一级时的多种控制计划的例子的表；
图5是环境设备控制装置进行的处理的流程图(其1)；
图6是环境设备控制装置进行的处理的流程图(其2)。
具体实施方式
以下，以一实施方式为例，对采用环境设备控制装置的环境设备控制系统进行说明，但本发明不限于此。
(1)环境设备控制系统整体的概略构成
在图1中示出环境设备控制系统1的整体的概略构成图。
环境设备控制系统1是用于通过使用多种环境设备使用户的身心状态即唤醒度接近作为目标的唤醒度的系统。
环境设备控制系统1主要具有空气调节装置10、换气装置20、香薰机30、生物传感器40、遥控器50、以及环境设备控制装置100。这些各设备相互通过有线或无线相互可通信地连接。
空气调节装置10、换气装置20以及香薰机30是相互不同种类的环境设备，是能够控制用户的唤醒度的设备。
空气调节装置10是能够调节用户所在的室内的温度的装置，具有通过连接未图示的室外单元和室内单元，连接压缩机、冷凝器、膨胀阀以及蒸发器并且能够执行冷冻循环的制冷剂回路。空气调节装置10具有检测室内的空气温度的温度传感器11和检测室内的二氧化碳的浓度的二氧化碳传感器12。
换气装置20是能够进行用户所在的室内的换气的装置，能够通过ON/OFF控制来进行室内的换气，由此，调节室内的二氧化碳浓度。该换气装置20具有送风风扇及通风管道等而构成。
香薰机30是能够对用户所在的室内供给规定芳香剂的装置，可通过ON/OFF控制来调节室内的芳香浓度。芳香剂的种类没有特别限定，优选是对用户的唤醒度造成影响的芳香。香薰机30具有检测室内的芳香浓度的香气传感器31。
生物传感器40是用于掌握用户的唤醒度的传感器，在本实施方式中，具有检测用户的心电图波形的心电图波形传感器41。心电图波形传感器41通过安装于用户的心脏附近来使用，能够将检测出的心电图波形数据通过无线发送到环境设备控制装置100等周围的设备。
遥控器50进行在环境设备控制系统1中使用的来自用户的各种输入数据的接受。另外，遥控器50构成为也能够进行空气调节装置10、换气装置20以及香薰机30的操作。另外，遥控器50也进行来自用户的与作为目标的唤醒度相关的信息的接受。具体地说，遥控器50接受与用户接下来进行的作业的复杂度相关的信息的输入。作业的复杂度例如被预先划分成多个阶段，也可以是用户选择的形式。一般来说，人当进行简单的作业时，唤醒度越高越能够提高作业效率，当进行复杂的作业时，如果唤醒度过高有时作业效率反而降低(Yerkes-Dodson法则)。即，当进行复杂的作业时，会存在最适合的唤醒度。
如后所述，环境设备控制装置100是进行各种环境设备的控制，以使用户的唤醒度能够接近通过遥控器50接受来自用户的输入而掌握的作为目标的唤醒度的装置。
(2)环境设备控制装置100的构成
在图2中示出环境设备控制装置100的功能块构成图。
环境设备控制装置100具备用于掌握各种信息的掌握部60、用于预先存储各种数据的存储部70、确定使各环境设备执行的控制计划的学习控制计划输出单元80、以及执行各环境设备的控制的选择控制部90。该环境设备控制装置100能够取得来自生物传感器40或遥控器50的信息，控制空气调节装置10、换气装置20以及香薰机30，具有一个或多个CPU、ROM、RAM而构成。
(2-1)掌握部60
掌握部60具有温度掌握部61、二氧化碳浓度掌握部62、芳香浓度掌握部63、当前唤醒度掌握部64、目标唤醒度掌握部65、以及目标唤醒度变化量掌握部66等，由一个或多个CPU或RAM等构成。
温度掌握部61通过通信取得空气调节装置10的温度传感器11检测出的值，掌握为用户所在的室内的气温。
二氧化碳浓度掌握部62通过通信取得空气调节装置10的二氧化碳传感器12检测出的值，掌握为用户所在的室内的二氧化碳浓度。
芳香浓度掌握部63通过通信取得香薰机30的香气传感器31检测出的值，掌握为用户所在的室内的芳香剂浓度。
当前唤醒度掌握部64基于作为生物传感器40的心电图波形传感器41的检测内容，通过参考存储于后述的存储部70的唤醒度对比数据部71来掌握用户当前的唤醒度(当前唤醒度)。
目标唤醒度掌握部65根据遥控器50接受的作业的复杂度，掌握作为目标的唤醒度。具体地说，目标唤醒度掌握部65以如下方式掌握作为目标的唤醒度(目标唤醒度)：在作业的复杂度比规定基准复杂度低的情况下，按照预先设定的关系，复杂度越低，作为目标的唤醒度越高，在作业的复杂度为规定基准复杂度以上的情况下，变为能够提高遵从Yerkes-Dodson法则的作业效率的预先设定的唤醒度。
目标唤醒度变化量掌握部66掌握作为当前唤醒度掌握部64掌握的当前唤醒度与目标唤醒度掌握部65掌握的目标唤醒度的差值的目标唤醒度变化量(ΔA)。
(2-2)存储部70
存储部70具有唤醒度对比数据部71、初始控制计划数据部72、数学模型系数数据部73、排除条件数据部74、以及学习数据累积部75等，由一个或多个ROM或RAM等构成。
如上所述，唤醒度对比数据部71根据作为生物传感器40的心电图波形传感器41的检测内容，预先存储用于掌握所推断的唤醒度的数据。心电图波形与唤醒度的关系基于公知的事项来确定。另外，例如，也可以通过参照预先存储的心电图波形与唤醒度的关系数据特定与从心电图波形传感器41掌握的心电图波形对应的唤醒度来掌握用户的唤醒度。
初始控制计划数据部72是后述的学习控制计划输出单元80的初始处理部81进行的控制计划的特定时参考的数据，根据目标唤醒度变化量(ΔA)的值，预先设定多种各环境设备的控制计划的组合即初始控制计划数据。
具体地说，作为用于实现目标唤醒度变化量(ΔA)的初始控制计划，按每个目标唤醒度变化量(ΔA)预先设定多种从试验等掌握的平均控制计划并存储于初始控制计划数据部72。
例如，如图3所示，对于目标唤醒度变化量(ΔA)为+1时的控制计划，即用于将唤醒度提高1级的控制计划，存储多种空气调节装置10、换气装置20以及香薰机30的控制计划的组合。在此，作为用于将唤醒度提高1级的控制计划的一例(控制计划A)，举出将空气调节装置10的设定温度下降2度，同时将换气装置20和香薰机30均设为OFF的状态。另外，作为用于将唤醒度提高1级的控制计划的另一例(控制计划B)，举出将空气调节装置10的设定温度下降1度，同时将换气装置20设为ON的状态且将香薰机30设为OFF的状态。而且，作为用于将唤醒度提高1级的控制计划的另一例(控制计划C)，举出不变更空气调节装置10的设定温度而将换气装置20设为ON的状态，对于香薰机30，使用唤醒度提高用的种类的香气并设为ON的状态。
另外，如图4所示，例如，对于目标唤醒度变化量(ΔA)为-1时的控制计划，即，用于将唤醒度下降1级的控制计划，存储多种空气调节装置10、换气装置20以及香薰机30的控制计划的组合。在此，作为用于将唤醒度下降2级的控制计划的一例(控制计划P)，举出将空气调节装置10的设定温度提高1度，同时将换气装置20和香薰机30均设为OFF的状态。另外，作为用于将唤醒度下降1级的控制计划的另一例(控制计划Q)，举出将空气调节装置10的设定温度提高3度，同时将换气装置20设为ON的状态，并且将香薰机30设为OFF的状态。而且，作为用于将唤醒度下降1级的控制计划的另一例(控制计划R)，举出将空气调节装置10的设定温度提高2度，同时将换气装置20设为ON的状态，对于香薰机30，使用唤醒度下降用的种类的香气并设为ON的状态。
如上所述，在初始控制计划数据部72中，按每个目标唤醒度变化量(ΔA)存储有多个环境设备的每个组合的初始控制计划。
数学模型系数数据部73存储有当确定在后述的学习控制计划输出单元80的NN处理部82进行的控制计划的特定时所使用的数学模型时参考的数学模型的系数的数据(数学模型系数数据)。该数学模型系数数据每次进行学习时被更新且被覆盖，该学习用于反映后述的学习控制计划输出单元80的NN处理部82得到的控制计划执行结果。
在后述的学习控制计划输出单元80的初始处理部81或NN处理部82输出的多个控制计划中包括不适合用户的控制计划的情况下，排除条件数据部74是用于将其排除的数据，被预先存储。排除数据没有特别限定，例如是包括从当前的设定温度提高5度以上的控制计划、及包括在保持将香薰机30设为ON的状态的同时从当前的设定温度下降3度以上的控制计划等用户不希望的控制计划的数据，被预先设定并存储。也可以学习失败的事例并将其追加到排除条件中。
学习数据累积部75存储有多种后述的学习控制计划输出单元80的选择控制部90选择并执行的控制计划、此时的各传感器的测量值、以及从开始执行该控制计划经过规定时间后(例如10分后)的用户的唤醒度的变化量被相关联的数据即学习数据。该学习数据用于后述的学习控制计划输出单元80的NN处理部82进行的学习，且数学模型的系数会被更新。
(2-3)学习控制计划输出单元80
学习控制计划输出单元80具有初始处理部81和NN处理部82等，由一个或多个CPU或RAM等构成。
初始处理部81从存储于存储部70的初始控制计划数据部72的信息中找到用于实现掌握部60的目标唤醒度变化量掌握部66掌握的目标唤醒度变化量(ΔA)的控制计划数据，且为了最终进行一个控制计划的选择，输出多个控制计划。在该多个控制计划的输出处理中，初始处理部81只是进行从存储于存储部70的初始控制计划数据部72的信息中找出多个控制计划的处理，而不是每次都进行与各环境设备中的控制内容对用户的唤醒度造成的影响的抵消效应、协同效应及习惯相关的研究判断的处理。
NN处理部82构成为：将掌握部60的温度掌握部61掌握的室内的气温、二氧化碳浓度掌握部62掌握的二氧化碳浓度、芳香浓度掌握部63掌握的芳香剂浓度、当前唤醒度掌握部64掌握的当前唤醒度、以及目标唤醒度变化量掌握部66掌握的目标唤醒度变化量(ΔA)用作输入，进行输出多种控制计划的多个神经网络(NN)的运算处理。神经网络具有数学模型。NN处理部82使用在数学模型系数数据部73中被随时更新的同时被存储的系数构建数学模型，进行神经网络的运算处理。NN处理部82通过如此进行神经网络的运算处理，输出多种能够根据室内的气温、二氧化碳浓度、芳香剂浓度、当前唤醒度以及目标唤醒度变化量(ΔA)，使用户接近目标唤醒度的控制计划。在此输出的多种控制计划也用于最终选择一个控制计划。另外，在该多个控制计划的输出处理中，NN处理部82进行使用输入的信息和上述数学模型来计算多个控制计划的处理，而不是每次都进行与各环境设备中的控制内容对用户的唤醒度造成的影响的抵消效应、协同效应及习惯相关的研究判断的处理。
(2-4)选择控制部90
选择控制部90具有排除处理部91和选择执行部92等，由一个或多个CPU或RAM等构成。
排除处理部91从初始处理部81或NN处理部82输出的多种控制计划中找到满足存储于排除条件数据部74的排除条件的计划，进行从由选择执行部92选择的对象中排除的处理。
选择执行部92从初始处理部81或NN处理部82输出的且结束排除处理部91进行的排除处理而剩下的多种控制计划之中选择一个控制计划并执行。在此，选择执行部92通过轮换而进行从多种控制计划中选择一个控制计划的选择。虽然没有特别限定，但在本实施方式中，选择执行部92按照预先设定的环境设备的组合的顺序进行控制计划的选择。此外，通过选择执行部92执行控制计划来进行与该控制计划相应的空气调节装置10、换气装置20以及香薰机30的各种控制。
(3)环境设备控制装置100进行的处理
在图5及图6中示出了环境设备控制装置100进行的处理的流程图。
环境设备控制装置100在处理的前半部分主要进行用于取得学习的样本数据的处理，以得到能够输出更合理的控制计划的神经网络的数学模型。另外，进行学习后，使用通过学习得到的数学模型进行控制计划的特定，同时进行继续进一步的学习的处理。以下，对各处理的流程进行说明。
在步骤S10中，掌握部60掌握各种信息。具体地说，掌握目标唤醒度变化量(ΔA)。
在步骤S11中，初始处理部81从存储于初始控制计划数据部72的信息中找到用于实现在步骤S10中掌握的目标唤醒度变化量(ΔA)的控制计划数据，输出多种控制计划。
在步骤S12中，排除处理部91从在步骤S11中初始处理部81输出的多种控制计划中找到并排除满足排除条件的控制计划。
在步骤S13中，选择执行部92从初始处理部81输出的、结束排除处理部91进行的排除处理而剩下的多种控制计划中选择一个控制计划。在此，选择执行部92通过轮换选择一个控制计划。
在步骤S14中，选择执行部92执行在步骤S13中选择的控制计划，通过进行空气调节装置10、换气装置20以及香薰机30的控制，使室内环境变化。
在步骤S15中，选择执行部92判断从步骤S14中的控制计划开始是否经过了规定时间。在此，在判断为经过了规定时间的情况下进入步骤S16，在判断为未经过规定时间的情况下待机，直到经过规定时间为止。
在步骤S16中，选择执行部92将在由步骤S14执行控制计划之前由当前唤醒度掌握部64掌握的当前唤醒度与在由步骤S14执行控制计划规定时间之后由当前唤醒度掌握部64掌握的当前唤醒度进行比较，掌握唤醒度的变化量。
在步骤S17中，选择执行部92将在步骤S14中执行的控制计划的信息和在步骤S16中掌握的唤醒度的变化量相关联，存储于学习数据累积部75。
在步骤S18中，选择执行部92判断存储于学习数据累积部75的数据的数量(控制计划的信息与唤醒度的变化量的组的数量)是否达到规定数量以上。在此，在判断为数据数量达到规定数量以上的情况下，进入步骤S19(从图5的A所示的部位移动到图6的A所示的部位)，在判断为数据数量低于规定数量的情况下，返回步骤S10，重复上述处理，增加学习数据的累积量。
在步骤S19中，因为在学习数据累积部75中充分地累积了数据，所以NN处理部82使用这些数据进行学习，制作或更新神经网络的数学模型的系数。具体地说，通过该学习确定神经网络的数学模型的系数，由此NN处理部82学习用户在何种唤醒度的状态下、在何种环境下，在使环境怎样变化的情况下，用户的唤醒度如何变化。
在步骤S20中，NN处理部82将在步骤S19中确定的数学模型的系数存储于数学模型系数数据部73(使系数数据更新)。
在步骤S21中，掌握部60再次掌握各种信息。具体地说，分别掌握室内的气温、二氧化碳浓度、芳香剂浓度、当前唤醒度、以及目标唤醒度变化量(ΔA)。
在步骤S22中，NN处理部82使用存储于数学模型系数数据部73的系数数据，构建神经网络的数学模型。然后，NN处理部82输入室内的气温、二氧化碳浓度、芳香剂浓度、当前唤醒度以及目标唤醒度变化量(ΔA)，并通过执行神经网络的运算处理，输出多种用于实现在步骤S21中掌握的目标唤醒度变化量(ΔA)的控制计划数据。
在步骤S23中，排除处理部91从在步骤S22中由NN处理部82输出的多种控制计划中找到并排除满足排除条件的计划。
在步骤S24中，选择执行部92从NN处理部82输出的、结束排除处理部91进行的排除处理而剩下的多种控制计划中选择一个控制计划。在此，选择执行部92通过轮换选择一个控制计划。
在步骤S25中，选择执行部92执行在步骤S24中选择的控制计划，通过进行空气调节装置10、换气装置20以及香薰机30的控制，使室内环境变化。
在步骤S26中，选择执行部92判断从步骤S25中的控制计划的开始是否经过了规定时间。在此，在判断为经过了规定时间的情况下，进入步骤S27，在判断为未经过规定时间的情况下待机，直到经过规定时间为止。此外，在此的规定时间与步骤S15同样。
在步骤S27中，选择执行部92将在执行步骤S25进行的控制计划之前由当前唤醒度掌握部64掌握的当前唤醒度与在将步骤S25进行的控制计划执行了规定时间之后由当前唤醒度掌握部64掌握的当前唤醒度进行比较，掌握唤醒度的变化量。
在步骤S28中，选择执行部92将在步骤S25中执行的控制计划的信息和在步骤S27中掌握的唤醒度的变化量相关联，存储于学习数据累积部75。
在步骤S29中，选择执行部92最后判断在进行学习后存储于学习数据累积部75的数据的数量(控制计划的信息与唤醒度的变化量的组的数量)是否达到规定数量以上。在此，在判断为数据数量达到规定数量以上的情况下，进入步骤S19，再次进行学习。另外，在判断为数据数量低于规定数量的情况下，返回步骤S21，重复上述处理，增加学习数据的累积量。
(4)实施方式的特征
(4-1)
本实施方式的环境设备控制装置100仅通过初始处理部81参考初始控制计划数据就能够输出与目标唤醒度变化量(ΔA)相应的多个控制计划。另外，NN处理部82仅通过执行具有使用数学模型系数数据构建的数学模型的神经网络的运算处理就能够输出多个控制计划。而且，如此输出的多个控制计划由选择执行部92按照简单的轮换选择一个控制计划并执行，而不是对各控制计划彼此进行比较研究。
因此，在直至选择并执行一个控制计划期间，因为不是每次都进行关于用户由于各环境设备的控制所受的影响(唤醒度的影响)的抵消效应及协同效应的用于研究判断的运算处理，所以能够减少运算负荷，且快速选择并执行一个控制计划。因此，能够实时进行成为用户希望的唤醒度的各环境设备的控制，能够早期实现用户希望的唤醒度。
而且，环境设备控制装置100使用由所执行的控制计划和通过执行该控制计划导致的用户的唤醒度的变化的组构成的多个学习数据进行学习，并通过更新神经网络的数学模型的系数，作为包含抵消效应、协同效应及习惯的结果，能够通过环境设备的控制构建反映了用户的唤醒度变化的趋势的数学模型。通过以上，越继续学习，越能够通过神经网络的运算处理输出准确反映了用户的唤醒度的趋势的控制计划。
(4-2)
在本实施方式的环境设备控制装置100中，排除处理部91从初始处理部81或NN处理部82输出的多种控制计划中排除用户不希望的控制计划。因此，即使在初始处理部81或NN处理部82输出的多种控制计划中包含用户不希望的控制计划，也能够避免该用户不希望的控制计划被执行。
(4-3)
本实施方式的环境设备控制装置100能够统一使用相同指标即唤醒度控制相互不同的种类的环境设备即空气调节装置10、换气装置20以及香薰机30。即，不是将温度用作空气调节装置10的控制的指标且将芳香浓度用作香薰机30的控制的指标等这样按每个环境设备使用不同的指标进行控制，而是在各环境设备的控制中使用唤醒度这样的统一的指标。因此，在变更了各环境设备的控制的情况下，能够简单地研究对统一的指标即唤醒度的影响，而不是复杂地研究对不同的指标的影响。
另外，在各环境设备的控制中，由于使用唤醒度这样的统一的指标而不是使用温度或芳香浓度这样的根据用户而感觉不同的指标，所以能够将每个用户的感觉的差异抑制得较小。特别是在上述实施方式中，并不是仅使用唤醒度本身，而是使用包括唤醒度的变化量在内的学习数据进行学习，并反映为NN处理部82具有的数学模型的系数。因此，也能够将每个用户的唤醒度的变化的个人差异抑制得较小。通过以上，进行规定量以上学习的NN处理部82具有的信息(包含系数的数学模型的信息)成为通用性高的信息，在对本实施方式的环境设备控制装置100以外的其他用户使用的装置中，即使在挪用的情况下也容易取得一定的效果。
(4-4)
在本实施方式的环境设备控制装置100中，从各环境设备进行的多种控制计划中选择并执行任意一个。特别是在本实施方式中，通过轮换选择并执行任意一个控制计划，而不是仅选择并继续执行为特定的环境设备专门设定的控制计划。
因此，通过执行控制计划而给用户带来的环境变化不限于温度变化等特定种类的环境变化，还可提供二氧化碳浓度的变化、芳香浓度的变化、或它们的变化的组合等各种环境变化。
由此，通过用户持续接受相同种类的环境变化的供给，能够将相对于该相同种类的环境变化的唤醒度的变化钝化的情况(例如，当仅将温度变化作为环境变化连续执行时用户习惯了温度变化的情况)抑制得较小。
通过以上，能够充分地持续确保环境设备控制装置100执行了控制计划时的用户的唤醒度的变化，能够充分地改善用户的唤醒度。
(4-5)
在本实施方式的环境设备控制装置100中，使用遥控器50所接受的与用户将要进行的作业的复杂度相关的信息来掌握作为目标的唤醒度。
在此，在作业的复杂度为基准复杂度以上的情况下，不是徒劳地设定高的目标唤醒度，而是将预先设定的特定的唤醒度设定为目标唤醒度。
因此，在作业的复杂度为基准复杂度以上的情况下，在用户的当前的唤醒度处于超过了预先设定的特定目标唤醒度的过度的觉醒状态的情况下，通过环境设备控制装置100选择并执行积极地降低用户的唤醒度这样的(使其积极地放松这样的)控制计划。
这样，在环境设备控制装置100中，能够根据用户进行的作业的复杂度，提供用于实现作业效率变得良好的唤醒度的环境。
(5)变形例
在上述实施方式中，对本发明的实施方式的一例进行了说明，但上述实施方式无意于限定本申请发明，不限于上述实施方式。本申请发明当然也包括在不脱离其宗旨的范围内适当地变更的方案。
另外，上述实施方式和以下所述的多个变形例也可以以不相互矛盾的方式适当地组合。
(5-1)变形例A
在上述实施方式中，对于选择执行部92按照简单的轮换选择并执行初始处理部81或NN处理部82输出的多种控制计划中的一个的情况举例进行了说明。
但是，例如，选择执行部92也可以不是按照简单的轮换选择多种控制计划的一个，而是随机地(不遵循任何顺序)选择与先前选择并执行的控制计划关联性弱的控制计划。在此，关联性是否弱的判断没有特别限定，也可以根据预先设定的判断基准进行判断。例如，在上一次的控制计划中没有使用香薰机30(设为OFF的状态)的情况下，在连续选择的控制计划中也可以优先选择使用香薰机30(设为ON的状态)的控制计划。
这样，通过选择并执行关联性弱的控制计划，能够将性质显著不同的数据收集为学习数据，能够提高学习效率，更快速地构建反映了用户的唤醒度的趋势的数学模型。
(5-2)变形例B
在上述实施方式中，以基于作为生物传感器40的心电图波形传感器41的检测内容来推断用户的身心状态的一例即唤醒度的情况为例进行了说明。
与此相对，作为用户的身心状态，不限于此，例如可使用用户的嗜睡度、紧张度、出汗程度、以及自律神经平衡等各种信息。此外，可使用公知的技术进行这些用户的嗜睡度、紧张度、出汗程度、以及自律神经平衡的测定或推测。
此外，在作为用户的身心状态将自律神经平衡作为管理评价对象的情况下，可使用基于心跳的模式或脉搏的模式算出的交感神经活性指标(LF/HF比)。交感神经活性指标(LF/HF)可通过对用户使用公知的测定装置来掌握。在将交感神经活性指标(LF/HF)用作用户的身心状态的情况下，因为作为与用户的交感神经相关的状态能够掌握可靠性高的值，并且能够使用公知的测定装置立即掌握该指标，所以能够进行与用户的交感神经活性指标(LF/HF)相应的环境设备的实时控制。
此外，这些指标不仅能够在上述实施方式所记载的例子中，而且能够在各变形例等中记载的例子中用作表示用户的身心状态的指标。
(5-3)变形例C
在上述实施方式中，作为环境设备，以空气调节装置10、换气装置20以及香薰机30为例进行了说明。
但是，作为环境设备，不限于此，例如，为了调节室内的照度而改变用户的唤醒度，也可以使用照明装置，为了改变用户的唤醒度，也可以使用能够提供韵律不同的多种音乐的音响系统(包括扬声器等)。在使用照明装置的情况下，可举出进行为了提高用户的唤醒度而提高照度，为了降低用户的唤醒度而降低照度等的控制。另外，在使用音响系统的情况下，可举出进行为了提高用户的唤醒度而播放拍子快的音乐，为了降低用户的唤醒度而播放拍子慢的音乐等的控制。
另外，在上述实施方式中，以换气装置20或香薰机30简单地进行ON/OFF控制的情况为例进行了说明，但对于换气装置20，也可以使用能够控制换气风量的装置进行与换气风量相应的用户的唤醒度的调整，对于香薰机30，也可以使用能够控制芳香剂的喷射量的装置进行与喷射量相应的用户的唤醒度的调整。另外，香薰机30也可以构成为具有用于提高用户的唤醒度的芳香和用于降低用户的唤醒度的芳香，并根据控制计划放出其至少任一种。虽然没有特别限定，但可将柠檬的香气用作用于提高唤醒度的芳香，可将雪松醇(cedrol)用作用于降低唤醒度的芳香。
另外，在上述空气调节装置10中，也可以将室内的湿度设为能够控制，通过湿度控制调节用户的唤醒度。
(5-4)变形例D
在上述实施方式中，以排除处理部91从初始处理部81或NN处理部82输出的多种控制计划中找到满足预先设定的排除条件的计划作为不适合用户的控制计划排除的情况为例进行了说明。
与此相对，例如，也可以预先确定控制计划中包括的各环境设备的控制内容的自当前起的变更幅度的上限，以便不会选择并执行用户能够感觉的程度较大的环境变化，并以排除超过该上限的环状设备的控制中包含的控制计划的方式确定排除条件。
由此，因为能够在使用户感觉不到的情况下随时执行控制计划，所以能够在抑制因感觉环境发生了变化而导致的用户的集中力下降的同时改善唤醒度。
另外，也可以改变上述实施方式中的初始处理部81或NN处理部82的构成，使得不会输出各环境设备的控制内容自当前起的变更幅度超过规定的上限的控制计划。
在此，用于不使用户感觉到环境变化的各环境设备的控制内容自当前起的变更幅度的上限没有特别限定，但用户也可以预先通过操作各环境设备渐渐地提高每单位时间的环境变化程度，掌握本身感觉的环境变化幅度，并将掌握的每个环境设备的环境变化幅度预先输入环境设备控制装置100。另外，对于不易产生个人差异的环境变化项目，也可以将预先设定的每个环境设备的环境变化幅度预先输入环境设备控制装置100。
例如，在仅将空气调节装置10的设定温度提高1℃时用户感觉不到环境变化的情况下，当通过将设定温度提高2℃用户感觉到了环境变化时，以不执行设定温度一次改变2℃以上的控制计划的方式构成环境设备控制装置100。
这样，为了不使用户感觉到环境变化，即使在对温度或二氧化碳浓度或芳香浓度等各环境因素的每单位时间的变化幅度设置上限的情况下，根据上述实施方式，因为能够同时执行使多种环境因素变化的控制计划，所以也能够在使各环境因素在不超过各上限的范围内变化的同时，充分地改善用户的唤醒度。
(5-5)变形例E
在上述实施方式中，对于通过环境设备控制装置100利用信息显示或声音输出等进行的报知没有特别提及，但也可以是用于能够进行报知的、具有液晶等显示屏这样的显示部或扬声器等的构成。
(5-6)变形例F
在上述实施方式中，以将神经网络用作学习用于实现目标唤醒度变化量的控制计划的学习算法的情况为例进行了说明。
与此相对，作为学习算法，不限于神经网络，例如，也可以使用深度学习、支持向量机、贝叶斯推断等公知的学习算法。
(5-7)变形例G
在上述实施方式中，以在从输出的多种控制计划中选择一个控制计划之前排除满足存储于排除条件数据部74的排除条件的控制计划的情况为例进行了说明。
在此，作为满足存储于排除条件数据部74的排除条件的控制计划，例如可举出用户变得过度不适的设定温度(例如，20℃以下或28℃以上的设定温度)的控制计划或自当前起的设定温度的变更幅度过大(例如，设定温度自当前的变化幅度为±5°以上)的控制计划。在此，作为这样的排除条件的确定方法，没有特别限定，例如，可以确定为排除以在空气调节装置10的特定的部分(蒸发器以外的部分等)形成结露等方式损害环境设备的控制计划、或排除空气调节装置10等环境设备的能耗成为规定值以上而变得过度的能源效率差的控制计划。另外，作为排除条件，不需要始终为相同条件，也可以根据情况应用不同的条件。例如，也可以确定为关于室外温度高于规定值的时期(例如，夏季)的排除条件(例如，排除设定温度为24℃以下的状况的条件)与关于室外温度低于规定值的时期(例如，冬季)的排除条件(例如，排除设定温度为24℃以上的状况的条件)不同。
另外，也可以是通过用户能够结合自身的偏好使用遥控器60等进行设定输入的方式构成环境设备控制装置100，将该设定输入的排除条件存储于排除条件数据部74。例如，因为在香薰机30所提供的芳香的种类中根据不同的用户存在难以接受的种类的芳香，所以也可以通过用户以排除使用自身不喜欢的种类的芳香的控制计划的方式输入，使用该特定的芳香的控制计划满足排除条件。另外，在通过选择执行部92执行控制计划从而用户所在的环境正在变化时(例如，在从控制计划开始的规定时间以内)，环境设备控制装置100经由遥控器60等接收来自用户的不喜欢当前执行中的控制计划之意的指示(例如，中止或变更当前执行中的控制计划的内容的指示等)的情况下，也可以将该当前执行中的控制计划作为满足排除条件的控制计划覆盖排除条件数据部74。作为如上所述反映用户的偏好的方式，不限于使用遥控器60的输入，也可以使用智能手机或无线开关等用户终端。
(6)其它
(6-1)其它A
在上述实施方式中，以通过将唤醒度用作表示用户的身心状态的指标并使用经由生物传感器40从用户得到的信息推断唤醒度，为了实现成为目标的唤醒度而进行环境设备的控制的情况为例进行了说明。
与此相对，在能够客观地表示用户的生产率的情况下，也可以代替将唤醒度等表示用户的身心状态的指标用作进行环境设备的控制时的指标，使用使用户的生产率数值化的指标。
在此，作为使用户的生产率数值化的指标，没有特别限定，但能够举出例如进行信息输入作业的用户的每单位时间的输入信息量、作为补习班的学生的用户的考试成绩、作为用户的程序员的每单位时间的制作程序量(程序行数等)、以及作为用户的呼叫中心的操作员的每单位时间的对应人数等。
即使在将这样的数值化了的生产率的数值用作指标的情况下，也能够通过取代上述实施方式中的唤醒度而使用数值化了的生产率的指标来取得同样的效果。即，通过选择、执行并学习实现当前的生产率与作为目标的生产率的差值的环境设备的控制计划，能够取得与上述实施方式同样的效果。
(6-2)其它B
一般来说，对人来说有不热不冷感觉舒适的气温即中性温度这样的概念，已知该中性温度受最近的过去的室外温度的转变的影响。即，在最近的过去室外温度高的环境持续的情况下，人体会适应并习惯高的气温。另外，在关于最近的过去室外气温低的环境持续的情况下，人体会适应并习惯低的气温。因此，例如，某环境变化对于具有习惯了高的气温的感觉的用户造成的影响与相同的某环境变化对于具有不习惯这样的高的气温的感觉的用户造成的影响有时是不同的，对用户的唤醒度等身心状态或生产率等造成的影响有时也是不同的。
期待环境设备控制装置能够控制多个环境设备，使得用户的唤醒度等身心状态或生产率等能够基于这样的过去的历史信息接近成为目标的状态。
与此相对，在使用环境设备控制用户所在的空间的环境的环境设备控制装置中，取得过去的最近的规定刚过期间中的环境信息即最近过去环境信息，并根据该最近过去环境信息改变环境设备的控制内容，由此，能够使用户的唤醒度等身心状态或生产性等接近成为目标的状态。具体来说，通过掌握部掌握与用户的唤醒度等身心状态或生产性等相关的当前值及其目标值以及最近过去环境信息，在特定能够使与用户的唤醒度等身心状态或生产性等相关的当前值接近目标值的环境设备的控制内容时，进行基于最近过去环境信息的特定。更具体来说，例如，在将空气调节装置用作环境设备，将过去的最近的规定期间中的用户所在的空间的温度作为最近过去环境信息来掌握的情况下，也可以基于如下的趋势来特定设定温度：在该过去的最近的温度高的状态(比规定温度高的状态)持续的情况下，相较于温度低的状态(比规定温度低的状态)持续的情况，通过降低空气调节装置的设定温度得到的用户的唤醒度的提高变得显著。
另外，这样的唤醒度等与中性温度的关系也能够应用于唤醒度等与中性二氧化碳浓度的关系。另外，在将照明设备用作环境设备的情况下，也能够应用于唤醒度等与中性照度的关系。在该情况下，考虑最近的几分钟的照度的历史对人接受的明或暗的感觉产生的影响，能够更准确地控制用户的唤醒度等。因此，作为环境设备，不限于空气调节装置，可使用照明装置、香薰机、换气装置、音响系统及它们的组合。在此，关于照明装置，也可以将过去的最近的用户周围的明亮度(照度等)用作环境信息，关于香薰机，也可以将过去的最近的用户周围的香气的种类或浓度用作环境信息，关于换气装置，也可以将过去的最近的用户周围的二氧化碳浓度用作环境信息，关于音响系统，也可以将过去的最近的用户周围的声音的大小用作环境信息。另外，过去的最近的规定刚过期间的长度也可以特定为根据环境设备的种类而不同。具体来说，在与空气调节装置的设定温度的关系中，也可以将过去的最近的规定刚过期间的长度设为一周左右，在与照明装置的照度的关系中，也可以将过去的最近的规定刚过期间的长度设为几分钟左右。
此外，在上述实施方式中，以在初始控制计划数据部72中，根据目标唤醒度变化量(ΔA)的值，预先设定多种各环境设备的控制计划的组合即初始控制计划数据的情况为例进行了说明，但也可以将上述的中性温度的考虑方法应用于此，例如，在上述实施方式中叙述的空气调节装置10进行的室内的温度的控制中，在进行多个控制计划的输出或控制计划的排除的处理的情况下，也可以反映出对用户感到的热或冷造成影响的过去的规定期间(例如，最近一周)的室外温度的历史。由此，能够基于最近的室外温度的历史对人接受的热或冷的感觉造成的影响来更正确地控制用户的唤醒度等。在此，也可以通过将室外温度按不同的地域、不同的季节分开存储或者将中性温度直接存储来学习对用户的唤醒度等造成的影响。
附图标记说明
1 环境设备控制装置
10 空气调节装置(环境设备、调节温度的装置、调节湿度的装置)
20 换气装置(环境设备、调节二氧化碳浓度的装置)
30 香薰机(环境设备、提供芳香的装置)
40 生物传感器
41 心电图波形传感器
50 遥控器
60 掌握部
61 温度掌握部(掌握部)
62 二氧化碳浓度掌握部(掌握部)
63 芳香浓度掌握部(掌握部)
64 当前唤醒度掌握部(掌握部)
65 目标唤醒度掌握部(掌握部)
66 目标唤醒度变化量掌握部(掌握部)
70 存储部
71 唤醒度对比数据部
72 初始控制计划数据部
73 数学模型系数数据部
74 排除条件数据部
75 学习数据累积部
80 学习控制计划输出单元
81 初始处理部(学习控制计划输出单元)
82 NN处理部(学习控制计划输出单元)
90 选择控制部
91 排除处理部(选择控制部)
92 选择执行部
100 环境设备控制装置
现有技术文献
专利文献
专利文献1：日本特开2011-101746号公报

Claims (6)

1.一种环境设备控制装置(1)，其用于进行多种环境设备(10、20、30)的控制，其中，
具备：
掌握部(60、61、62、63、64、66)，其掌握与用户当前身心状态相关的当前身心状态信息、环境状况信息以及表示作为目标的身心状态与当前身心状态的关系的目标关系信息；
学习控制计划输出单元(80、81、82)，其根据所述当前身心状态信息、所述环境状况信息以及所述目标关系信息，输出多种所述环境设备的每个组合的控制变更计划；以及
选择控制部(90、92)，其从由所述学习控制计划输出单元输出的多个所述控制变更计划中排除满足预先设定的排除条件的计划后，基于规定条件选择并执行一个所述控制变更计划，
所述学习控制计划输出单元以使用通过执行所述选择控制部选择的所述控制变更计划而变化后的所述用户的身心状态来更新所述输出的所述控制变更计划的特定方法的方式进行学习。
2.根据权利要求1所述的环境设备控制装置，其中，
所述用户的身心状态是所述用户的唤醒度。
3.根据权利要求1或2所述的环境设备控制装置，其中，
所述学习控制计划输出单元(82)是使用神经网络的运算单元。
4.根据权利要求1或2所述的环境设备控制装置，其中，
所述选择控制部(90)当从由所述学习控制计划输出单元输出的多个所述控制变更计划中选择一个所述控制变更计划时，在使多种所述环境设备的组合模式轮换的同时进行选择。
5.根据权利要求1或2所述的环境设备控制装置，其中，
在所述多种环境设备中至少包括调节温度的装置、调节湿度的装置、调节二氧化碳浓度的装置、提供芳香的装置、调节照明的装置、以及调节音响的装置中的至少任意两个以上。
6.根据权利要求1或2所述的环境设备控制装置，其中，
所述学习控制计划输出单元具有与进行所述学习前的初始的所述当前身心状态信息、所述环境状况信息以及所述目标关系信息相应的多种所述环境设备的每个组合的初始的控制变更计划，并且能够输出所述初始的控制变更计划。
CN201880038350.3A 2017-07-26 2018-07-24 环境设备控制装置 Active CN110753820B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017144974 2017-07-26
JP2017-144974 2017-07-26
PCT/JP2018/027667 WO2019022066A1 (ja) 2017-07-26 2018-07-24 環境設備制御装置

Publications (2)

Publication Number Publication Date
CN110753820A CN110753820A (zh) 2020-02-04
CN110753820B true CN110753820B (zh) 2021-08-10

Family

ID=65040062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880038350.3A Active CN110753820B (zh) 2017-07-26 2018-07-24 环境设备控制装置

Country Status (8)

Country Link
US (1) US11906186B2 (zh)
EP (1) EP3660413B1 (zh)
JP (1) JP6760506B2 (zh)
CN (1) CN110753820B (zh)
AU (1) AU2018306059B2 (zh)
ES (1) ES2923437T3 (zh)
PH (1) PH12020500155A1 (zh)
WO (1) WO2019022066A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11477870B2 (en) * 2017-09-28 2022-10-18 Daikin Industries, Ltd. Environmental control equipment control apparatus for controlling target space
KR20200071623A (ko) * 2018-12-11 2020-06-19 현대자동차주식회사 차량 및 그 제어방법
JP7398621B2 (ja) * 2019-02-06 2023-12-15 パナソニックＩｐマネジメント株式会社 空調システム及び制御ユニット
JP2021016137A (ja) * 2019-07-16 2021-02-12 株式会社Ｌｉｘｉｌ 支援システム、制御装置、及び制御プログラム
WO2021028967A1 (ja) * 2019-08-09 2021-02-18 三菱電機株式会社 制御システム、サーバ、機器、制御方法およびプログラム
CN110864414B (zh) * 2019-10-30 2021-09-24 郑州电力高等专科学校 基于大数据分析的空调用电负荷智能控制调度方法
CN111219840B (zh) * 2019-11-27 2021-09-21 珠海格力电器股份有限公司 一种超低温制冷控制方法、装置及空调设备
EP4241154A1 (en) * 2020-11-03 2023-09-13 HSIGN S.r.l. Wellness and productivity computer accessory device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08173407A (ja) * 1994-12-22 1996-07-09 Yamaha Motor Co Ltd 作業の適正化システム及びその装置
CN1714744A (zh) * 2004-06-29 2006-01-04 博能电子公司 监控人放松水平的方法以及用户操作的心率监控器
JP2009266482A (ja) * 2008-04-23 2009-11-12 Takenaka Komuten Co Ltd 生理情報対応型の照明制御システム
CN204810631U (zh) * 2015-07-31 2015-11-25 浙江嘉乐智能技术有限公司 一种led调光调色温电路

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372015A (en) * 1991-07-05 1994-12-13 Kabushiki Kaisha Toshiba Air conditioner controller
JPH10289006A (ja) * 1997-04-11 1998-10-27 Yamaha Motor Co Ltd 疑似感情を用いた制御対象の制御方法
JPH1165422A (ja) * 1997-08-22 1999-03-05 Omron Corp 作業者の心身状態評価方法，機器を用いた作業の作業内容制御方法及び作業内容制御システム
JP4100002B2 (ja) * 2002-02-22 2008-06-11 株式会社豊田中央研究所 心身状態維持装置
JP4682539B2 (ja) * 2003-09-30 2011-05-11 ダイキン工業株式会社 エリア別環境提供システム及びエリア別環境管理システム
JP4954879B2 (ja) 2005-07-11 2012-06-20 パナソニック株式会社 環境制御装置、環境制御方法、環境制御プログラム及び環境制御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
JP2007167105A (ja) * 2005-12-19 2007-07-05 Olympus Corp 心身相関データ評価装置及び心身相関データ評価方法
JP2007285579A (ja) * 2006-04-14 2007-11-01 Toshiba Corp 空調制御装置
US9020647B2 (en) * 2009-03-27 2015-04-28 Siemens Industry, Inc. System and method for climate control set-point optimization based on individual comfort
JP2011101746A (ja) * 2009-11-11 2011-05-26 Takenaka Komuten Co Ltd 作業環境制御システム、作業環境制御方法、及び作業環境制御プログラム
JP2011118293A (ja) * 2009-12-07 2011-06-16 Npo Life Management Center 計画実行支援システム
US9298985B2 (en) * 2011-05-16 2016-03-29 Wesley W. O. Krueger Physiological biosensor system and method for controlling a vehicle or powered equipment
US9504386B2 (en) * 2011-10-20 2016-11-29 International Business Machines Corporation Controlling devices based on physiological measurements
JP2014234934A (ja) * 2013-05-31 2014-12-15 学校法人東海大学 体感温度制御システム
CN105916540A (zh) * 2014-01-14 2016-08-31 松下知识产权经营株式会社 环境控制系统、控制装置、程序
US9501049B2 (en) * 2014-03-18 2016-11-22 Fujitsu Limited Dynamic environment adaptation
WO2016127050A1 (en) 2015-02-05 2016-08-11 Mc10, Inc. Method and system for interacting with an environment
US20160320081A1 (en) * 2015-04-28 2016-11-03 Mitsubishi Electric Research Laboratories, Inc. Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services
JP6090382B2 (ja) * 2015-07-31 2017-03-08 ダイキン工業株式会社 空調制御システム
KR102587452B1 (ko) * 2015-12-09 2023-10-11 삼성전자주식회사 생체 정보에 기반하여 장비를 제어하는 기법
JP6059375B1 (ja) * 2016-02-09 2017-01-11 ファナック株式会社 生産制御システムおよび統合生産制御システム
JP2018077757A (ja) * 2016-11-11 2018-05-17 横河電機株式会社 情報処理装置、情報処理方法、情報処理プログラム及び記録媒体

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08173407A (ja) * 1994-12-22 1996-07-09 Yamaha Motor Co Ltd 作業の適正化システム及びその装置
CN1714744A (zh) * 2004-06-29 2006-01-04 博能电子公司 监控人放松水平的方法以及用户操作的心率监控器
JP2009266482A (ja) * 2008-04-23 2009-11-12 Takenaka Komuten Co Ltd 生理情報対応型の照明制御システム
CN204810631U (zh) * 2015-07-31 2015-11-25 浙江嘉乐智能技术有限公司 一种led调光调色温电路

Also Published As

Publication number Publication date
JPWO2019022066A1 (ja) 2020-07-02
AU2018306059A1 (en) 2020-01-16
US20200208867A1 (en) 2020-07-02
ES2923437T3 (es) 2022-09-27
CN110753820A (zh) 2020-02-04
EP3660413A1 (en) 2020-06-03
AU2018306059B2 (en) 2021-03-11
JP6760506B2 (ja) 2020-09-23
US11906186B2 (en) 2024-02-20
EP3660413B1 (en) 2022-06-29
EP3660413A4 (en) 2021-04-07
WO2019022066A1 (ja) 2019-01-31
PH12020500155A1 (en) 2020-09-14

Similar Documents

Publication Publication Date Title
CN110753820B (zh) 环境设备控制装置
CN112469946B (zh) 环境设备控制装置以及环境设备控制系统
JP2020020571A (ja) 環境制御システム
US20170123442A1 (en) System and Method of Smart and Energy-Saving Environmental Control
CN109405224B (zh) 一种空调的控制方法、装置、存储介质及空调
WO2017017784A1 (ja) 環境制御装置および空調システム
US11326801B2 (en) Environmental apparatus controller with learning control based on user condition
JP2011101746A (ja) 作業環境制御システム、作業環境制御方法、及び作業環境制御プログラム
US20220065485A1 (en) Environmental control system and environmental control method
CN111133256B (zh) 环境控制单元的控制装置
JP6861366B2 (ja) 空気調和機
JP7369985B2 (ja) 環境制御システム、及び、環境制御方法
JP7315812B2 (ja) 環境設備制御システムの制御装置
JP6917552B2 (ja) 空気調和機
JP7295372B2 (ja) 環境制御手段の制御装置
JP7127347B2 (ja) 環境制御システム及び環境制御装置
JP2018011730A (ja) 空気調和装置
KR20150069081A (ko) 개인 맞춤형 온습도 제어 시스템
JPH07145981A (ja) 快適環境制御装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant