JP2000274862A - Temperature controller for absorption refrigerator - Google Patents

Temperature controller for absorption refrigerator

Info

Publication number
JP2000274862A
JP2000274862A JP11077760A JP7776099A JP2000274862A JP 2000274862 A JP2000274862 A JP 2000274862A JP 11077760 A JP11077760 A JP 11077760A JP 7776099 A JP7776099 A JP 7776099A JP 2000274862 A JP2000274862 A JP 2000274862A
Authority
JP
Japan
Prior art keywords
temperature
flow rate
chilled water
gas flow
neural network
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.)
Pending
Application number
JP11077760A
Other languages
Japanese (ja)
Inventor
Masato Fujiwara
正人 藤原
Yoshio Ozawa
芳男 小澤
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.)
Sanyo Electric Co Ltd
Original Assignee
Sanyo Electric Co 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 Sanyo Electric Co Ltd filed Critical Sanyo Electric Co Ltd
Priority to JP11077760A priority Critical patent/JP2000274862A/en
Publication of JP2000274862A publication Critical patent/JP2000274862A/en
Pending legal-status Critical Current

Links

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/62—Absorption based systems

Landscapes

  • Sorption Type Refrigeration Machines (AREA)

Abstract

PROBLEM TO BE SOLVED: To rapidly converge a chilled water outlet temperature of an absorption refrigerator to a target temperature irrespective of the environment of an air conditioning facility. SOLUTION: A chilled water outlet temperature of the refrigerator is controlled by controlling a gas flow rate by a controller 32 based on a gas flow rate obtained by adding a gas flow rate calculated by a PID calculator 33 and a gas flow rate calculated based on a neural network selected from a plurality of neural networks by a neural network calculator 34. The neural network is selected based on an atmospheric temperature when the refrigerator is started. Meanwhile, when a chilled water inlet temperature is changed in an ordinary state of the refrigerator, the network is selected based on a change amount of the chilled water inlet temperature and the atmospheric temperature. The neural network selected when started and steady state is learned based on an output from the calculator 33.

Description

【発明の詳細な説明】DETAILED DESCRIPTION OF THE INVENTION

【０００１】[0001]

【発明の属する技術分野】本発明は、吸収式冷凍機に供
給されるガス流量を制御することにより、吸収式冷凍機
における冷水出口温度を制御する装置であり、吸収式冷
凍機の起動時、並びに吸収式冷凍機の定常状態において
冷水入口温度が変化した時、冷水出口温度を目標温度へ
速く収束させる制御技術に関するものである。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to an apparatus for controlling a chilled water outlet temperature in an absorption refrigerator by controlling a gas flow supplied to the absorption refrigerator. Also, the present invention relates to a control technique for quickly converging the chilled water outlet temperature to a target temperature when the chilled water inlet temperature changes in a steady state of the absorption refrigerator.

【０００２】[0002]

【従来の技術】吸収式冷凍機は、冷媒と吸収剤とを使用
して液体を冷却するものであり、この冷却した液体が建
物内に流されることによって、建物内の空調を行うこと
ができる。この吸収式冷凍機の種類としては、単効用吸
収式、二重効用吸収式、太陽熱・廃熱利用吸収式等のも
のがあるが、以下、二重効用吸収式の冷凍機について簡
単に説明する。2. Description of the Related Art An absorption refrigerator cools a liquid by using a refrigerant and an absorbent, and the cooled liquid is caused to flow in the building, thereby performing air conditioning in the building. . As the type of the absorption refrigerator, there are a single effect absorption type, a double effect absorption type, an absorption type utilizing solar heat and waste heat, and the like. Hereinafter, the double effect absorption refrigerator will be briefly described. .

【０００３】二重効用吸収式冷凍機（以下、「冷凍機」
という。）は、図１に示すように、凝縮器２及び低温再
生器３からなる上胴１、蒸発器５及び吸収器６からなる
下胴４、バーナ７を備えた高温再生器８、高温熱交換器
９、低温熱交換器１０などを相互に配管接続したもので
あり、吸収液ポンプ１１によって、吸収剤を高温再生器
８、低温再生器３、吸収器６の間で循環させることによ
って、冷凍サイクルを実現している。A double-effect absorption refrigerator (hereinafter referred to as "refrigerator")
That. ) Is an upper body 1 comprising a condenser 2 and a low temperature regenerator 3, a lower body 4 comprising an evaporator 5 and an absorber 6, a high temperature regenerator 8 having a burner 7, a high temperature heat exchange, as shown in FIG. The heat exchanger 9, the low-temperature heat exchanger 10, and the like are connected to each other by piping. The absorbent is circulated by the absorbent pump 11 between the high-temperature regenerator 8, the low-temperature regenerator 3, and the absorber 6, so that freezing is performed. The cycle has been realized.

【０００４】そして、バーナ７には、燃料ガスを供給す
るためのガス管が接続され、さらに、そのガス管にはバ
ーナ７へ供給するガスの流量を調節するためのガス弁１
２が設けられている。また、蒸発器５内には、冷却した
液体を建物内で循環させるための管の一部が通されてお
り、この管の冷水入口１３から冷凍機へ流入した液体
は、蒸発器５内を通過して冷却された後、管の冷水出口
１４から建物内へと流れ込む。冷凍機は、この冷水出口
１４の温度（以下、「冷水出口温度」という。）が目標
温度になるように制御することを目的としており、この
目的は、適切な流量に制御されたガスが冷凍機に供給さ
れることにより達成される。そして、ガス流量の制御
は、例えば、前記ガス弁１２の開度が制御されることに
より行われる。[0004] A gas pipe for supplying fuel gas is connected to the burner 7, and a gas valve 1 for adjusting the flow rate of gas supplied to the burner 7 is connected to the gas pipe.
2 are provided. A part of a pipe for circulating the cooled liquid in the building is passed through the evaporator 5, and the liquid flowing into the refrigerator from the cold water inlet 13 of the pipe flows through the evaporator 5. After passing through and being cooled, it flows into the building from the cold water outlet 14 of the tube. The purpose of the refrigerator is to control the temperature of the chilled water outlet 14 (hereinafter, referred to as “chilled water outlet temperature”) to be a target temperature. This is achieved by being supplied to the machine. The control of the gas flow rate is performed, for example, by controlling the opening degree of the gas valve 12.

【０００５】従来、冷凍機における冷水出口温度の制御
は、制御部２２及びＰＩＤ算出部２３を有する制御装置
２１（図２）によって行われている。Conventionally, the control of the chilled water outlet temperature in a refrigerator is performed by a control device 21 (FIG. 2) having a control unit 22 and a PID calculation unit 23.

【０００６】この制御部２２は、ガス弁１２の開度を制
御することにより、バーナ７へ供給するガス流量を制御
するものであり、必要に応じて、後述するＰＩＤ算出部
２３による算出結果を利用する。具体的には、冷凍機の
起動時において、冷水出口温度と目標温度との温度差が
所定の値になるまでは、制御部２２は、ＰＩＤ算出部２
３を利用しないで、ガス流量が最大になるようにガス弁
１２の開度を制御する。ここで、所定の温度差は、ガス
流量が最大であるために冷水出口温度が目標温度より下
がり過ぎ、かえって冷水出口温度が目標温度に収束する
時間が長くなることを回避するため、適切な温度にされ
ている。そして、冷凍機の起動時において、目標温度と
冷水出口温度との温度差が所定の値になった後は、冷凍
機の運転が終了するまで、制御部２２は、ＰＩＤ算出部
２３を利用し、ＰＩＤ算出部２３より得られた算出結果
に基づたフィードバック制御により、ガス弁１２の開度
を制御することによりへ供給するガス流量を制御する。The control unit 22 controls the flow rate of the gas supplied to the burner 7 by controlling the opening of the gas valve 12, and, if necessary, calculates the result of calculation by a PID calculation unit 23 described later. Use. Specifically, when the refrigerator is started, until the temperature difference between the chilled water outlet temperature and the target temperature reaches a predetermined value, the control unit 22 controls the PID calculation unit 2.
3, the opening of the gas valve 12 is controlled so that the gas flow rate is maximized. Here, the predetermined temperature difference is set to an appropriate temperature in order to prevent the chilled water outlet temperature from dropping too much below the target temperature due to the maximum gas flow rate, and to prevent the chilled water outlet temperature from converging to the target temperature longer. Has been. Then, at the time of starting the refrigerator, after the temperature difference between the target temperature and the chilled water outlet temperature has reached a predetermined value, the control unit 22 uses the PID calculation unit 23 until the operation of the refrigerator ends. By controlling the opening of the gas valve 12 by feedback control based on the calculation result obtained from the PID calculation unit 23, the flow rate of gas supplied to the gas valve 12 is controlled.

【０００７】一方、ＰＩＤ算出部２３は、制御部２２か
らの指示により、目標温度とフィードバックされた冷水
出口温度との温度差に基づいて、比例・積分・微分演算
をすることによりガス流量を算出し、制御部２２にその
算出結果を出力する。そして、制御部２２は、この算出
結果に基づいてガス弁１２の開度を制御することにより
ガス流量を制御し、冷水出口温度を目標温度へ近づけ
る。なお、ＰＩＤ算出部２３によるガス流量の算出は、
以降、冷凍機の運転が終了するまで継続して行われる。On the other hand, the PID calculation unit 23 calculates a gas flow rate by performing a proportional, integral and differential operation based on a temperature difference between the target temperature and the fed back chilled water outlet temperature in accordance with an instruction from the control unit 22. Then, the calculation result is output to the control unit 22. Then, the control unit 22 controls the gas flow rate by controlling the opening of the gas valve 12 based on the calculation result, and brings the chilled water outlet temperature closer to the target temperature. The calculation of the gas flow rate by the PID calculation unit 23 is as follows.
Thereafter, the operation is continuously performed until the operation of the refrigerator ends.

【０００８】以下、この制御装置２１による冷水出口温
度の制御動作、及びこの制御動作によって得られる冷水
出口温度を、図３及び図４を参照して具体的に説明す
る。Hereinafter, the control operation of the chilled water outlet temperature by the controller 21 and the chilled water outlet temperature obtained by this control operation will be specifically described with reference to FIGS. 3 and 4. FIG.

【０００９】この図３は、冷凍機の起動時における冷水
出口温度を表すものであり、実線Ａは制御装置２１がガ
ス弁１２の開度を制御してガス流量を制御することによ
り得られた冷水出口温度を示したものである。この例に
おいては、冷凍機の起動時において、冷凍機の運転開始
時での冷水出口温度は１８℃である（ａ点）。この時、
制御部２２は、目標温度、この例では、７℃と冷水出口
温度との温度差がα℃になるまでは、ＰＩＤ算出部２３
を利用しないで、ガス流量が最大になるようにガス弁１
２の開度を制御し、できるだけ速く目標温度の冷水を作
り出そうとする。そして、目標温度７℃と冷水出口温度
との温度差がα℃になると（ｂ点）、制御部２２は、Ｐ
ＩＤ算出部２３に対して、ガス流量を算出すべき指示を
与える。これにより、以降、ＰＩＤ算出部２３は、目標
温度７℃と冷水出口温度との温度差に基づいて、ガス流
量を算出し、その結果を、制御部２２に出力していく。
そして、制御部２２は、ｂ点以降、ＰＩＤ算出部２３を
利用したフィードバック制御により、ガス弁１２の開度
を制御することによりガス流量を制御する。これによ
り、冷水出口温度は減衰振動を繰り返しながら、最終的
に目標温度７℃へ収束し、定常状態に落ち着く（ｃ
点）。このとき、ＰＩＤ算出部２３が算出した値によ
り、制御部２２は目標温度を達成しているガス流量を供
給している。FIG. 3 shows the chilled water outlet temperature when the refrigerator is started. The solid line A is obtained by the control device 21 controlling the opening of the gas valve 12 to control the gas flow rate. It shows the chilled water outlet temperature. In this example, when the refrigerator is started, the chilled water outlet temperature at the start of the operation of the refrigerator is 18 ° C. (point a). At this time,
The control unit 22 controls the PID calculation unit 23 until the target temperature, in this example, the temperature difference between 7 ° C. and the cold water outlet temperature becomes α ° C.
Without using the gas valve 1 so that the gas flow rate is maximized.
2 to control the opening degree and try to produce cold water at the target temperature as quickly as possible. Then, when the temperature difference between the target temperature 7 ° C. and the chilled water outlet temperature becomes α ° C. (point b), the control unit 22
An instruction to calculate the gas flow rate is given to the ID calculation unit 23. Accordingly, the PID calculation unit 23 thereafter calculates the gas flow rate based on the temperature difference between the target temperature of 7 ° C. and the chilled water outlet temperature, and outputs the result to the control unit 22.
The control unit 22 controls the gas flow rate by controlling the opening of the gas valve 12 by feedback control using the PID calculation unit 23 after the point b. As a result, the chilled water outlet temperature finally converges to the target temperature of 7 ° C. while repeating damped oscillation, and settles down to a steady state (c).
point). At this time, based on the value calculated by the PID calculation unit 23, the control unit 22 supplies the gas flow rate that has achieved the target temperature.

【００１０】一方、図４は冷凍機の定常状態における冷
水入口１３の温度（以下、「冷水入口温度」とい
う。）、及び冷水出口温度を表すものである。この図４
における実線Ｂは冷水入口温度を示したものであり、実
線Ｃは、制御装置２１がガス弁１２の開度を制御してガ
ス流量を制御することにより得られた冷水出口温度を示
したものである。ここで、制御部２２は、冷凍機の起動
時におけるｃ点から継続して、ＰＩＤ算出部２３を利用
したフィードバック制御を行っている。冷凍機が定常状
態であるときは、冷水入口温度は、この例では、１２℃
（ｄ点〜ｅ点）を保っており、冷水出口温度は目標温度
である７℃（ｇ点〜ｈ点）を保っている。なお、冷水入
口温度が冷水出口温度より高温となっているのは、冷水
出口１４から建物内に流入された冷水が、熱交換により
熱を得て、冷水入口１３に戻ってくることによるもので
ある。そして、冷水入口温度が、負荷の変動によりｅ点
から下がり始めると、冷水出口温度もこれに伴って下が
り始める（ｈ点）。これは、冷水入口温度が１２℃であ
るとき、冷水出口温度を７℃にするために必要なガス流
量がガス弁１２から供給されているため、冷水入口温度
がこの例のように１０℃に下がると、冷水出口温度を７
℃に保つために必要な量以上のガス流量が、供給されて
いることになるためである。しかし、制御部２２は、Ｐ
ＩＤ算出部２３からの出力に基づいて、ガス弁１２の開
度を制御してガス流量を制御していることにより、冷水
出口温度は減衰振動を繰り返しながら、目標温度７℃へ
収束する（ｉ点）。FIG. 4 shows the temperature of the chilled water inlet 13 (hereinafter referred to as "chilled water inlet temperature") and the chilled water outlet temperature in the steady state of the refrigerator. This figure 4
, The solid line B indicates the chilled water inlet temperature, and the solid line C indicates the chilled water outlet temperature obtained by controlling the opening of the gas valve 12 to control the gas flow rate. is there. Here, the control unit 22 performs feedback control using the PID calculation unit 23 continuously from the point c when the refrigerator is started. When the refrigerator is in a steady state, the cold water inlet temperature is 12 ° C. in this example.
(Point d to point e), and the chilled water outlet temperature is maintained at the target temperature of 7 ° C. (g point to h point). The reason why the chilled water inlet temperature is higher than the chilled water outlet temperature is that the chilled water flowing into the building from the chilled water outlet 14 obtains heat by heat exchange and returns to the chilled water inlet 13. is there. Then, when the chilled water inlet temperature starts to decrease from the point e due to a change in load, the chilled water outlet temperature also starts to decrease accordingly (point h). This is because when the chilled water inlet temperature is 12 ° C., the gas flow required to bring the chilled water outlet temperature to 7 ° C. is supplied from the gas valve 12, so that the chilled water inlet temperature becomes 10 ° C. as in this example. When the temperature drops, the chilled water outlet temperature becomes 7
This is because a gas flow rate that is equal to or higher than the amount required to maintain the temperature is supplied. However, the control unit 22
Since the gas flow rate is controlled by controlling the opening of the gas valve 12 based on the output from the ID calculation unit 23, the chilled water outlet temperature converges to the target temperature of 7 ° C. while repeating the damping oscillation (i. point).

【００１１】このようにして、冷水出口温度は、目標温
度と異なっていても、制御部２２は、ＰＩＤ算出部２３
を利用したフィードバック制御を行うことにより、最終
的には目標温度へ収束する。In this way, even if the chilled water outlet temperature is different from the target temperature, the control unit 22
And finally converges to the target temperature.

【００１２】[0012]

【発明が解決しようとする課題】ところで、冷水出口温
度は、最終的に目標温度へ落ち着く必要があるが、目標
温度へ収束する速度は、できるだけ早い方が望ましいと
いえる。即ち、冷凍機の起動時においては、できるだけ
速く目標温度の冷水を作り出す必要があり、一方、冷凍
機の定常状態においては、冷水入口温度が変化した時、
冷水出口温度が目標温度へ速く収束するようにする必要
がある。By the way, it is necessary that the chilled water outlet temperature finally settles to the target temperature, but it is desirable that the speed of converging to the target temperature be as fast as possible. That is, when starting the refrigerator, it is necessary to produce chilled water at the target temperature as quickly as possible, while in the steady state of the refrigerator, when the chilled water inlet temperature changes,
It is necessary to make the chilled water outlet temperature quickly converge to the target temperature.

【００１３】しかし、ＰＩＤ算出部２３を利用したフィ
ードバック制御のみを利用する従来の温度制御では、目
標値への収束が遅くなるといった問題がある。即ち、フ
ィードバック制御は、フィードバック制御によりガス弁
１２の開度を制御することによりガス流量を制御し、そ
の応答を更にフィードバックしてガス弁１２の開度を制
御してガス流量を制御するものであるため、冷凍機のよ
うに、制御に対する応答が遅い場合には、ガス弁１２の
開度を制御してガス流量を制御し始めてから、かなりの
時間が経過しないと、冷水出口温度が目標温度に収束し
ないといった問題が生じてしまう。また、収束性を向上
させるため、ＰＩＤ算出部２３における制御ゲインを最
適化しようとしても、最適な制御ゲインは建物の空調設
備の環境によって異なる点や、制御ゲインが固定値であ
る点を考えると、種々の設備において最適な制御ゲイン
を求めることは不可能である。However, the conventional temperature control using only the feedback control using the PID calculation unit 23 has a problem that the convergence to the target value is delayed. That is, in the feedback control, the gas flow rate is controlled by controlling the opening degree of the gas valve 12 by the feedback control, and the response is further fed back to control the gas flow rate by controlling the opening degree of the gas valve 12. Therefore, when the response to the control is slow, as in the case of a refrigerator, the chilled water outlet temperature becomes the target temperature unless a considerable time has elapsed since the opening of the gas valve 12 was controlled to control the gas flow rate. However, there is a problem that convergence does not occur. Further, even if an attempt is made to optimize the control gain in the PID calculation unit 23 in order to improve the convergence, considering that the optimum control gain differs depending on the environment of the air conditioning equipment of the building and that the control gain is a fixed value. However, it is impossible to find the optimum control gain in various facilities.

【００１４】そこで、本発明は、空調設備の環境に係わ
らず、吸収式冷凍機における冷水出口温度を、目標温度
により速く近づけることができる温度制御装置を提供す
ることを目的としている。SUMMARY OF THE INVENTION It is an object of the present invention to provide a temperature control device that can make the chilled water outlet temperature in an absorption chiller closer to a target temperature regardless of the environment of an air conditioner.

【００１５】[0015]

【課題を解決するための手段】上記した目的を達成する
ために、請求項１に記載の発明に係る吸収式冷凍機の温
度制御装置は、冷水出口の目標温度とフィードバックさ
れた現実の冷水出口温度との温度差に基づいてガス流量
を算出するフィードバック算出部と、冷水入口温度の変
化量に基づいて複数のニューラルネットワークの中から
最適なニューラルネットワークを選択し、この選択した
ニューラルネットワークを利用してガス流量を算出する
ニューラルネットワーク算出部と、を備え、これらの算
出部により算出されたガス流量に基づいて吸収式冷凍機
に供給するガス流量を制御し、冷水出口温度の制御を行
うことを特徴とする。In order to achieve the above object, a temperature control apparatus for an absorption chiller according to the first aspect of the present invention includes an actual chilled water outlet fed back to a target temperature of the chilled water outlet. A feedback calculation unit that calculates a gas flow rate based on a temperature difference from a temperature, and an optimal neural network is selected from a plurality of neural networks based on a change amount of a chilled water inlet temperature, and the selected neural network is used. A neural network calculator for calculating the gas flow rate by controlling the gas flow rate supplied to the absorption refrigerator based on the gas flow rate calculated by these calculation sections, and controlling the chilled water outlet temperature. Features.

【００１６】従って、フィードバック算出部は、冷水出
口の目標温度とフィードバックされた現実の冷水出口温
度との温度差に基づいて、ガス流量を算出する。また、
ニューラルネットワーク算出部は、冷水入口温度が変化
すると、冷水入口温度の変化量に基づいて、複数のニュ
ーラルネットワークの中から、最適なニューラルネット
ワークを選択し、これを利用してガス流量を算出する。
そして、フィードバック算出部より得られた算出結果
と、ニューラルネットワーク算出部より得られた算出結
果と、を利用してガス流量が制御される。これにより、
冷水出口温度の変化量を考慮した最適なフィードフォワ
ード制御が行われるため、吸収式冷凍機の冷水出口温度
は目標温度に速く収束する。Therefore, the feedback calculating section calculates the gas flow rate based on the temperature difference between the target temperature of the chilled water outlet and the actual chilled water outlet temperature fed back. Also,
When the chilled water inlet temperature changes, the neural network calculating unit selects an optimum neural network from a plurality of neural networks based on the amount of change in the chilled water inlet temperature, and calculates a gas flow rate using the optimum neural network.
Then, the gas flow rate is controlled using the calculation result obtained from the feedback calculation unit and the calculation result obtained from the neural network calculation unit. This allows
Since optimal feedforward control is performed in consideration of the amount of change in the chilled water outlet temperature, the chilled water outlet temperature of the absorption chiller quickly converges to the target temperature.

【００１７】請求項２に記載の発明に係る吸収式冷凍機
の温度制御装置は、請求項１に記載の吸収式冷凍機の温
度制御装置において、前記ニューラルネットワーク算出
部は、吸収式冷凍機の定常状態における冷水入口温度の
変化量に基づいて複数のニューラルネットワークの中か
ら最適なニューラルネットワークを選択し、この選択し
たニューラルネットワークを利用してガス流量を算出す
ることを特徴とする。即ち、請求項２に記載の発明は、
冷水入口温度の変化量に基づいて複数のニューラルネッ
トワークの中から最適なニューラルネットワークを選択
するに際して、その選択を、吸収式冷凍機の定常状態に
おける冷水入口温度の変化量に基づいて行う。これによ
り、吸収式冷凍機の定常状態における冷水出口温度の変
化量を考慮した最適なフィードフォワード制御が行われ
るため、吸収式冷凍機の冷水出口温度は目標温度に速く
収束する。According to a second aspect of the present invention, there is provided a temperature control apparatus for an absorption refrigerator, wherein the neural network calculation unit includes a first controller for controlling the temperature of the absorption refrigerator. An optimum neural network is selected from a plurality of neural networks based on the amount of change in the chilled water inlet temperature in a steady state, and a gas flow rate is calculated using the selected neural network. That is, the invention described in claim 2 is
When selecting an optimal neural network from a plurality of neural networks based on the amount of change in the chilled water inlet temperature, the selection is performed based on the amount of change in the chilled water inlet temperature in the steady state of the absorption refrigerator. Thereby, since the optimal feedforward control is performed in consideration of the amount of change in the chilled water outlet temperature in the steady state of the absorption chiller, the chilled water outlet temperature of the absorption chiller quickly converges to the target temperature.

【００１８】請求項３に記載の発明に係る吸収式冷凍機
の温度制御装置は、冷水出口の目標温度とフィードバッ
クされた現実の冷水出口温度との温度差に基づいてガス
流量を算出するフィードバック算出部と、外気温に基づ
いて複数のニューラルネットワークの中から最適なニュ
ーラルネットワークを選択し、この選択したニューラル
ネットワークを利用してガス流量を算出するニューラル
ネットワーク算出部と、を備え、これらの算出部により
算出されたガス流量に基づいて吸収式冷凍機に供給する
ガス流量を制御し、冷水出口温度の制御を行うことを特
徴とする。According to a third aspect of the present invention, there is provided a temperature control device for an absorption refrigerator, wherein a feedback calculation for calculating a gas flow rate based on a temperature difference between a target temperature of a chilled water outlet and a fed-back actual chilled water outlet temperature. And a neural network calculator for selecting an optimal neural network from a plurality of neural networks based on the outside air temperature and calculating a gas flow rate using the selected neural network. The gas flow rate supplied to the absorption refrigerator is controlled based on the gas flow rate calculated by the above, and the chilled water outlet temperature is controlled.

【００１９】従って、フィードバック算出部は、冷水出
口の目標温度とフィードバックされた現実の冷水出口温
度との温度差に基づいて、ガス流量を算出する。また、
ニューラルネットワーク算出部は、外気温に基づいて、
複数のニューラルネットワークの中から、最適なニュー
ラルネットワークを選択し、これを利用してガス流量を
算出する。そして、フィードバック算出部より得られた
算出結果と、ニューラルネットワーク算出部より得られ
た算出結果と、を利用してガス流量が制御される。これ
により、空調設備内を流れる冷水に影響を及ぼす外気温
を考慮した最適なフィードフォワード制御が行われるた
め、吸収式冷凍機の冷水出口温度は目標温度に速く収束
する。Therefore, the feedback calculation section calculates the gas flow rate based on the temperature difference between the target temperature of the chilled water outlet and the actual chilled water outlet temperature fed back. Also,
The neural network calculation unit calculates, based on the outside air temperature,
An optimal neural network is selected from a plurality of neural networks, and a gas flow rate is calculated using the optimal neural network. Then, the gas flow rate is controlled using the calculation result obtained from the feedback calculation unit and the calculation result obtained from the neural network calculation unit. Thereby, the optimum feedforward control is performed in consideration of the outside air temperature affecting the chilled water flowing in the air conditioner, so that the chilled water outlet temperature of the absorption chiller quickly converges to the target temperature.

【００２０】請求項４に記載の発明に係る吸収式冷凍機
の温度制御装置は、冷水出口の目標温度とフィードバッ
クされた現実の冷水出口温度との温度差に基づいてガス
流量を算出するフィードバック算出部と、冷水入口温度
の変化量及び外気温に基づいて複数のニューラルネット
ワークの中から最適なニューラルネットワークを選択
し、この選択したニューラルネットワークを利用してガ
ス流量を算出するニューラルネットワーク算出部と、を
備え、これらの算出部により算出されたガス流量に基づ
いて吸収式冷凍機に供給するガス流量を制御し、冷水出
口温度の制御を行うことを特徴とする。According to a fourth aspect of the present invention, there is provided a temperature control apparatus for an absorption refrigerator, wherein a feedback calculation for calculating a gas flow rate based on a temperature difference between a target temperature of a chilled water outlet and a fed-back actual chilled water outlet temperature. A neural network calculating unit that selects an optimal neural network from a plurality of neural networks based on the amount of change in the chilled water inlet temperature and the outside air temperature, and calculates a gas flow rate using the selected neural network; And controlling the gas flow rate supplied to the absorption refrigerator based on the gas flow rates calculated by these calculation units, and controlling the chilled water outlet temperature.

【００２１】従って、フィードバック算出部は、冷水出
口の目標温度とフィードバックされた現実の冷水出口温
度との温度差に基づいて、ガス流量を算出する。また、
ニューラルネットワーク算出部は、冷水入口温度の変化
量及び外気温に基づいて、複数のニューラルネットワー
クの中から、最適なニューラルネットワークを選択し、
これを利用してガス流量を算出する。そして、フィード
バック算出部より得られた算出結果と、ニューラルネッ
トワーク算出部より得られた算出結果と、を利用してガ
ス流量が制御される。これにより、冷水出口温度の変化
量及び外気温双方を考慮した最適なフィードフォワード
制御が行われるため、吸収式冷凍機の冷水出口温度は目
標温度に速く収束する。Therefore, the feedback calculation section calculates the gas flow rate based on the temperature difference between the target temperature of the chilled water outlet and the actual chilled water outlet temperature fed back. Also,
The neural network calculation unit selects an optimal neural network from a plurality of neural networks based on the amount of change in the chilled water inlet temperature and the outside temperature,
The gas flow rate is calculated using this. Then, the gas flow rate is controlled using the calculation result obtained from the feedback calculation unit and the calculation result obtained from the neural network calculation unit. Thereby, the optimal feedforward control is performed in consideration of both the amount of change in the chilled water outlet temperature and the outside air temperature, so that the chilled water outlet temperature of the absorption chiller quickly converges to the target temperature.

【００２２】請求項５に記載の発明に係る吸収式冷凍機
の温度制御装置は、請求項１乃至４のいずれかに記載の
吸収式冷凍機の温度制御装置において、前記フィードバ
ック算出部により算出されたガス流量を、ニューラルネ
ットワーク算出部により算出されたガス流量に加算し、
この加算したガス流量に基づいて吸収式冷凍機に供給す
るガス流量を制御し、冷水出口温度の制御を行うことを
特徴とする。According to a fifth aspect of the present invention, in the temperature control apparatus for an absorption refrigerator according to any one of the first to fourth aspects, the temperature is calculated by the feedback calculation unit. Added to the gas flow rate calculated by the neural network calculation unit,
On the basis of the added gas flow rate, the gas flow rate supplied to the absorption refrigerator is controlled to control the chilled water outlet temperature.

【００２３】従って、ガス流量の制御は、フィードバッ
ク算出部により算出されたガス流量を、ニューラルネッ
トワーク算出部により算出されたガス流量に加算し、こ
の加算したガス流量に基づいて行われる。Therefore, the control of the gas flow rate is performed by adding the gas flow rate calculated by the feedback calculation section to the gas flow rate calculated by the neural network calculation section, and based on the added gas flow rate.

【００２４】請求項６に記載の発明に係る吸収式冷凍機
の温度制御装置は、請求項１乃至５のいずれかに記載の
吸収式冷凍機の温度制御装置において、選択されたニュ
ーラルネットワークは、前記フィードバック算出部によ
り算出されたガス流量に基づいて学習を行うことを特徴
とする。従って、選択されたニューラルネットワーク
は、フィードバック算出部により算出されたガス流量に
基づいて学習を行い、ニューラルネットワーク算出部
は、以降、この学習したニューラルネットワークを利用
してガス流量の算出を行う。これにより、空調設備の環
境に応じた最適なフィードフォワード制御を行うことが
でき、また、この学習回数が増えるにつれて、より最適
なフィードフォワード制御を行うことが可能になる。According to a sixth aspect of the present invention, there is provided a temperature control apparatus for an absorption refrigerator according to any one of the first to fifth aspects, wherein the selected neural network comprises: The learning is performed based on the gas flow rate calculated by the feedback calculation unit. Therefore, the selected neural network performs learning based on the gas flow rate calculated by the feedback calculation unit, and the neural network calculation unit subsequently calculates the gas flow rate using the learned neural network. As a result, it is possible to perform optimal feedforward control according to the environment of the air conditioning equipment, and it is possible to perform more optimal feedforward control as the number of times of learning increases.

【００２５】[0025]

【発明の実施の形態】以下、本発明に係る吸収式冷凍機
における冷水出口１４の温度（以下、本実施形態におい
て、「冷水出口温度」という。）の制御装置を、上述し
た冷凍機に実装する場合について、図１、図３乃至図８
に基づいて説明する。なお、本実施形態における冷凍機
の構成は、上述した図１の冷凍機と異なる点はないの
で、ここでは、その説明を省略するとともに、以下の説
明においては、必要に応じて図１で用いた用語を利用す
る。ここで、冷水出口温度の制御は、上述したように、
ガス流量が制御されることによって行われるものであ
る。従って、以降、冷水出口温度を制御すると記述する
ときもあるが、主として、ガス流量の制御を行うと記述
する。なお、このガス流量の制御は、ガスを供給する装
置等を制御することによっても行うことができるが、本
実施形態においては、ガス弁１２の開度を制御すること
により行うものとして説明する。DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a control device for controlling the temperature of a chilled water outlet 14 (hereinafter referred to as "chilled water outlet temperature" in the present embodiment) in an absorption refrigerator according to the present invention is mounted on the above-described refrigerator. 1 and FIGS. 3 to 8
It will be described based on. The configuration of the refrigerator in the present embodiment is not different from that of the refrigerator of FIG. 1 described above, and therefore the description thereof will be omitted here, and in the following description, it will be used in FIG. Use terms that you have. Here, the control of the chilled water outlet temperature is, as described above,
This is performed by controlling the gas flow rate. Therefore, hereinafter, the description may be made to control the chilled water outlet temperature, but mainly to control the gas flow rate. The control of the gas flow rate can also be performed by controlling a gas supply device or the like. However, in the present embodiment, the control is performed by controlling the opening degree of the gas valve 12.

【００２６】さて、図５は、冷凍機における冷水出口温
度の制御装置３１を示したものである。この制御装置３
１は、制御部３２と、ＰＩＤ算出部３３と、ニューラル
ネットワーク算出部３４とを有している。以下、制御部
３２と、ＰＩＤ算出部３３と、ニューラルネットワーク
算出部３４とについて順に説明する。FIG. 5 shows a control device 31 for controlling the chilled water outlet temperature in the refrigerator. This control device 3
1 has a control unit 32, a PID calculation unit 33, and a neural network calculation unit 34. Hereinafter, the control unit 32, the PID calculation unit 33, and the neural network calculation unit 34 will be described in order.

【００２７】制御部３２は、ガス弁１２の開度を制御す
ることにより、バーナ７へ供給するガス流量を制御する
ものであり、必要に応じて、後述するＰＩＤ算出部３
３、後述するニューラルネットワーク算出部３４を利用
する。即ち、制御部３２は、必要に応じて、ＰＩＤ算出
部３３に対して比例・積分・微分演算を行わせ、ガス流
量を算出させる。一方、ニューラルネットワーク算出部
３４に対して、後述する条件で選択されたニューラルネ
ットワークを利用して、ガス流量を算出させる。そし
て、制御部３２は、この両者に算出させた結果を加算
し、この加算した結果に基づいてガス流量を制御する。The control section 32 controls the flow rate of gas supplied to the burner 7 by controlling the opening of the gas valve 12, and, if necessary, a PID calculation section 3 described later.
3. Use the neural network calculation unit 34 described later. That is, the control unit 32 causes the PID calculation unit 33 to perform a proportional / integral / differential operation as needed to calculate a gas flow rate. On the other hand, the neural network calculation unit 34 is caused to calculate the gas flow rate using the neural network selected under the conditions described later. Then, the control unit 32 adds the results calculated by the two, and controls the gas flow rate based on the added result.

【００２８】具体的には、制御部３２は、冷凍機の起動
時において、冷水出口１４の目標温度（以下、「目標温
度」と略記する。）目標温度と冷水出口温度との温度差
が所定の値になるまでは、ＰＩＤ算出部３３、ニューラ
ルネットワーク算出部３４のいずれも利用しないで、ガ
ス流量が最大になるようにガス弁１２の開度を制御す
る。ここで、温度差は、冷水出口温度が目標温度より下
がり過ぎることによって、かえって冷水出口温度が目標
温度に収束するための時間が長くなることを回避するこ
とを目的として、適切な温度にされている。また、ＰＩ
Ｄ算出部３３や、ニューラルネットワーク算出部３４を
利用しないとしているのは、ガス流量を最大にするとき
は、わざわざＰＩＤ算出部３３や、ニューラルネットワ
ーク算出部３４に、算出させた結果に基づいて、ガス弁
１２の開度を制御してガス流量を制御する必要がないか
らである。そして、冷凍機の起動時において、目標温度
と冷水出口温度との温度差が所定の値になった後、或い
は冷凍機の定常状態においては、制御部３２は、ＰＩＤ
算出部３３、及びニューラルネットワーク算出部３４か
ら得られた算出結果を加算し、この加算した結果に基づ
いて、ガス弁１２の開度を制御してガス流量を制御す
る。Specifically, when the refrigerator is started, the control unit 32 determines that the temperature difference between the target temperature of the chilled water outlet 14 (hereinafter abbreviated as “target temperature”) and the chilled water outlet temperature is predetermined. Until the value becomes, the opening of the gas valve 12 is controlled so that the gas flow rate is maximized without using any of the PID calculation unit 33 and the neural network calculation unit 34. Here, the temperature difference is set to an appropriate temperature for the purpose of avoiding that the time required for the chilled water outlet temperature to converge to the target temperature is rather long due to the chilled water outlet temperature falling too much below the target temperature. I have. Also, PI
The reason that the D calculation unit 33 and the neural network calculation unit 34 are not used is that when the gas flow rate is maximized, the PID calculation unit 33 and the neural network calculation unit 34 calculate based on the calculation result. This is because there is no need to control the gas flow rate by controlling the opening of the gas valve 12. Then, when the refrigerator is started, after the temperature difference between the target temperature and the chilled water outlet temperature has reached a predetermined value, or in a steady state of the refrigerator, the control unit 32 sets the PID
The calculation results obtained from the calculation unit 33 and the neural network calculation unit 34 are added, and based on the addition result, the opening degree of the gas valve 12 is controlled to control the gas flow rate.

【００２９】ＰＩＤ算出部３３は、制御部３２からの指
示により、目標温度とフィードバックされた冷水出口温
度との温度差に基づいて、比例・積分・微分演算を行う
ことによって、ガス流量を算出し、その結果を制御部３
２に出力する。具体的には、ＰＩＤ算出部３３は、冷凍
機の起動時においては、目標温度と冷水出口温度との温
度差が所定の値になると、制御部３２からの指示に基づ
いて、上記の算出を行う。そして、この算出は、以降、
冷凍機が定常状態にあるときにおいても継続され、冷凍
機の運転が終了したと同時に終了する。The PID calculation unit 33 calculates a gas flow rate by performing a proportional, integral, and differential operation based on a temperature difference between the target temperature and the fed back chilled water outlet temperature in accordance with an instruction from the control unit 32. And the result to the control unit 3
Output to 2. Specifically, the PID calculation unit 33 performs the above calculation based on an instruction from the control unit 32 when the temperature difference between the target temperature and the chilled water outlet temperature reaches a predetermined value when the refrigerator is started. Do. Then, this calculation is
The operation is continued even when the refrigerator is in the steady state, and ends at the same time when the operation of the refrigerator is completed.

【００３０】ニューラルネットワーク算出部３４は、複
数のニューラルネットワーク（以下、「ＮＮ」とい
う。）を有している。これは、最適なＮＮを利用して、
後述するフィードフォワード制御を行うことにより、冷
水出口温度を速く目標温度へ収束させることができる制
御を実現するためである。すなわち、最適なフィードフ
ォワード制御は、空調設備の環境により、微妙にずれが
あるのが通常であり、その微妙なずれにも十分な対応が
できるように、複数のＮＮを用意したものである。The neural network calculator 34 has a plurality of neural networks (hereinafter, referred to as "NN"). This uses the optimal NN,
This is because, by performing the feedforward control described later, it is possible to realize control capable of quickly converging the chilled water outlet temperature to the target temperature. That is, the optimum feedforward control usually has a slight shift depending on the environment of the air conditioning equipment, and a plurality of NNs are prepared so as to sufficiently cope with the slight shift.

【００３１】そして、ニューラルネットワーク算出部３
４は、制御部３２からの指示により、後述するように、
自ら選択した適切なＮＮに基づいて、ガス流量を算出
し、その結果を制御部３２に出力する。このニューラル
ネットワーク算出部３４によるガス流量の算出は、前記
ＰＩＤ算出部３３の場合と異なり、冷水出口温度をフィ
ードバックすることなく行う。即ち、ＮＮは、各種条件
により、ガス流量をどのようにすべきか、予め学習して
おり、ニューラルネットワーク算出部３４は、冷水入口
温度の変化量及び外気温に基づいた適切なＮＮを選択
し、この選択したＮＮに基づいて、ガス流量の算出を行
い、その結果を制御部３２に出力する。これにより、制
御部３２は、その結果を利用して、フィードフォワード
制御を行うことができる。尚、ニューラルネットワーク
算出部３４は、冷水入口温度、及び外気温を検出するこ
とができるようになっている。Then, the neural network calculator 3
4 is given by an instruction from the control unit 32, as described later,
The gas flow rate is calculated based on the appropriate NN selected by the user, and the result is output to the control unit 32. The calculation of the gas flow rate by the neural network calculation unit 34 is performed without feeding back the chilled water outlet temperature, unlike the case of the PID calculation unit 33. That is, the NN has learned in advance how to adjust the gas flow rate according to various conditions, and the neural network calculation unit 34 selects an appropriate NN based on the amount of change in the chilled water inlet temperature and the outside air temperature, The gas flow rate is calculated based on the selected NN, and the result is output to the control unit 32. Thereby, the control unit 32 can perform feedforward control using the result. Note that the neural network calculation unit 34 can detect the chilled water inlet temperature and the outside air temperature.

【００３２】ところで、このＮＮは、ＰＩＤ算出部３３
からの出力を利用したフィードバック誤差学習法によっ
て、その結合係数を変更するといった学習を行う。即
ち、選択されたＮＮは、ＰＩＤ算出部３３によって算出
された前記ガス流量に基づいて、その結合係数を変更す
るといった学習をする。そして、このようにして変更さ
れた結合係数に基づいて、以降のガス流量が算出され
る。この学習は、ニューラルネットワーク算出部３４
が、選択したＮＮに基づいて、ガス流量の算出を行って
いる時に、同時に平行して行われる。また、目標温度と
冷水出口温度との温度差がなくなると、ＰＩＤ算出部３
３の算出値は０になり、結合係数の変更は終了する。な
お、冷凍機を実際に起動する以前においては、ＮＮにお
ける結合係数の初期値として、シミュレーションや実機
実験により学習した結合係数を設定しておく。Incidentally, the NN is calculated by the PID calculating section 33.
Learning such as changing the coupling coefficient is performed by the feedback error learning method using the output from the. That is, the selected NN learns to change the coupling coefficient based on the gas flow rate calculated by the PID calculation unit 33. Then, the subsequent gas flow rate is calculated based on the coupling coefficient thus changed. This learning is performed by the neural network calculator 34.
Are performed simultaneously and in parallel when calculating the gas flow rate based on the selected NN. When the temperature difference between the target temperature and the chilled water outlet temperature disappears, the PID calculation unit 3
The calculated value of 3 becomes 0, and the change of the coupling coefficient ends. Before actually starting the refrigerator, a coupling coefficient learned through simulation or a real machine experiment is set as an initial value of the coupling coefficient in the NN.

【００３３】以下、ニューラルネットワーク算出部３４
によって選択されるＮＮ、ニューラルネットワーク算出
部３４が行うガス流量の算出について、それぞれ順に説
明する。Hereinafter, the neural network calculating section 34
The calculation of the gas flow rate performed by the NN selected by the above and the neural network calculation unit 34 will be described in order.

【００３４】まず、ニューラルネットワーク算出部３４
によって選択されるＮＮについて、図７及び図８を利用
して説明する。これらの図は、最適なＮＮを選択するた
め、外気温等ごとの各種条件に応じてＮＮを割り付けた
ものである。ここで、図７のＮＮは、冷凍機の起動時に
おいて使用するものを各種条件毎に対応させたものであ
り、図８のＮＮは冷凍機の定常状態において、冷水入口
温度が変化したときに使用するものを各種条件毎に対応
させたものである。First, the neural network calculator 34
The NN selected by will be described with reference to FIGS. In these figures, NNs are allocated in accordance with various conditions such as the outside air temperature in order to select an optimum NN. Here, NN in FIG. 7 is the one used at the time of starting the refrigerator corresponding to each of various conditions, and NN in FIG. 8 is the steady state of the refrigerator when the chilled water inlet temperature changes. What is used corresponds to various conditions.

【００３５】冷凍機の起動時において使用するＮＮは、
図７に示すように、外気温に対応して３種類のものを用
意している。具体的には、外気温が１０℃以上２０℃未
満であるときは、ＮＮ１０ａを割り付け、外気温が２０
℃以上３０℃未満であるときは、ＮＮ１０ｂを割り付
け、外気温が３０℃以上であるときは、ＮＮ１０ｃを割
り付けている。このように、外気温に対応した複数のＮ
Ｎを用意したのは、外気温は空調設備内を流れる冷水に
影響を及ぼすことを考慮したものである。The NN used when starting the refrigerator is as follows:
As shown in FIG. 7, three types are prepared according to the outside air temperature. Specifically, when the outside air temperature is 10 ° C. or higher and lower than 20 ° C., NN 10a is assigned and
When the temperature is higher than or equal to 30 ° C. and lower than 30 ° C., NN10b is allocated. Thus, a plurality of N corresponding to the outside air temperature
The reason for preparing N is to take into account that the outside air temperature affects the cold water flowing in the air conditioning equipment.

【００３６】一方、冷凍機の定常状態において、冷水入
口温度が変化したときに使用するＮＮは、図８に示すよ
うに、３種類の外気温と、８種類の冷水入口１３の温度
（以下、「冷水入口温度」という。）の変化量とに対応
して、合計２４種類のものを用意している。ここでも、
冷凍機の起動時において使用するＮＮと同様に、外気温
に対応した複数のＮＮを用意したのは、外気温は空調設
備内を流れる冷水に影響を及ぼすことを考慮したもので
ある。また、冷水入口温度の変化量に対応した複数のＮ
Ｎを用意したのは、冷水入口温度の変化量によっても、
最適な制御方法は異なるからである。On the other hand, in the steady state of the refrigerator, the NN used when the chilled water inlet temperature changes varies, as shown in FIG. A total of 24 types are prepared in accordance with the amount of change of the “cold water inlet temperature”). even here,
The reason why a plurality of NNs corresponding to the outside air temperature are prepared in the same manner as the NN used when the refrigerator is started is in consideration of the fact that the outside air temperature affects the cold water flowing in the air conditioner. In addition, a plurality of Ns corresponding to the amount of change in the chilled water inlet temperature.
N was prepared according to the amount of change in the cold water inlet temperature.
This is because the optimal control method is different.

【００３７】そして、それぞれのＮＮには、外気温１０
℃以上２０℃未満、２０℃以上３０℃未満、３０℃以上
の３種類のそれぞれの温度に対応して、ａ、ｂ、ｃなる
記号を付することにより、複数のＮＮを温度毎に割り付
けている。一方、冷水入口温度の変化量については、０
％より上１０％未満、１０％以上２０％未満、２０％以
上３０％未満、３０％以上４０％未満、４０％以上５０
％未満、５０％以上６０％未満、６０％以上７０％未
満、７０％以上の８種類があり、それぞれの変化量に対
応して、ＮＮに１１、１２、……、１８なる記号を付す
ることにより、複数のＮＮを冷水入口温度毎に割り付け
ている。ここで、冷水入口温度の変化量は、その温度変
化が５℃であるときを、１００％としている。従って、
例えば、冷水入口温度の変化量が２０％であるときと
は、その温度変化が１℃であることを意味する。以上の
ように、外気温毎及び冷水入口温度の変化量毎に、複数
のＮＮを割り付けており、例えば、外気温が２５℃であ
り、冷水入口温度の変化量が２０％であるときは、これ
に対応するＮＮとして、ＮＮ１３ｂが割り付けられてい
る。なお、「０％より上」としているのは、温度変化量
が０％であるときは、冷水入口の温度変化はないため、
新たなＮＮに基づいて、ガス流量を制御する必要はない
と考えられるためである。Each NN has an outside air temperature of 10
A plurality of NNs are assigned to each temperature by assigning symbols a, b, and c corresponding to the three types of temperatures of not less than 20 ° C and less than 20 ° C, not less than 20 ° C and less than 30 ° C, and not less than 30 ° C. I have. On the other hand, the change amount of the cold water inlet temperature is 0
% To less than 10%, 10% to less than 20%, 20% to less than 30%, 30% to less than 40%, 40% to 50%
%, Less than 50% to less than 60%, more than 60% to less than 70%, and more than 70%, and NNs are marked with symbols 11, 12,... Thus, a plurality of NNs are allocated for each cold water inlet temperature. Here, the amount of change in the chilled water inlet temperature is 100% when the temperature change is 5 ° C. Therefore,
For example, when the amount of change in the cold water inlet temperature is 20%, it means that the temperature change is 1 ° C. As described above, a plurality of NNs are assigned to each of the outside air temperature and the amount of change in the chilled water inlet temperature. For example, when the outside air temperature is 25 ° C. and the amount of change in the chilled water inlet temperature is 20%, The NN 13b is assigned as the corresponding NN. It should be noted that “above 0%” means that when the temperature change amount is 0%, there is no temperature change at the cold water inlet,
This is because it is not considered necessary to control the gas flow rate based on the new NN.

【００３８】次に、ニューラルネットワーク算出部３４
が行うガス流量の算出について説明する。冷凍機の起動
時においては、制御部３２の指示により、このニューラ
ルネットワーク算出部３４は、検出した外気温に基づい
て、図７におけるＮＮの中から、外気温に対応する適切
なＮＮを選択する。そして、ニューラルネットワーク算
出部３４は、選択したＮＮに基づいて、ガス流量を算出
し、その結果を制御部３２へ出力する。この時、上述し
たように、ＰＩＤ算出部３３によりガス流量が算出され
ており、選択されたＮＮは、このＰＩＤ算出部３３によ
り算出されたガス流量に基づいて、その結合係数を変更
して新たに学習している。なお、新たな学習をしたＮＮ
に基づいて、ニューラルネットワーク算出部３４は、次
のガス流量の算出を行っている。このガス流量の算出、
及び選択されたＮＮによる学習は、以降、冷凍機の定常
状態において、冷水入口温度が変化するまで継続して行
われる。Next, the neural network calculating section 34
The calculation of the gas flow rate performed by will be described. At the time of starting the refrigerator, the neural network calculating unit 34 selects an appropriate NN corresponding to the outside air temperature from the NNs in FIG. 7 based on the detected outside air temperature in accordance with an instruction from the control unit 32. . Then, the neural network calculation unit 34 calculates the gas flow rate based on the selected NN, and outputs the result to the control unit 32. At this time, as described above, the gas flow rate has been calculated by the PID calculation unit 33, and the selected NN changes its coupling coefficient based on the gas flow rate calculated by the PID calculation unit 33, and newly selects the NN. Learning to. In addition, NN who did new learning
, The neural network calculation unit 34 calculates the next gas flow rate. Calculation of this gas flow rate,
Thereafter, learning by the selected NN is continuously performed until the chilled water inlet temperature changes in the steady state of the refrigerator.

【００３９】一方、冷凍機の定常状態において、冷水入
口温度が変化すると、ニューラルネットワーク算出部３
４は、ガス流量の算出を中止する。そして、温度変化が
終了すると、ニューラルネットワーク算出部３４は、そ
の冷水入口温度の温度変化量を算出し、この温度変化量
と外気温とに基づいて、図８におけるＮＮの中から、適
切なＮＮを選択する。そして、ニューラルネットワーク
算出部３４は、以降、選択したＮＮに基づいて、ガス流
量を算出し、その結果を制御部３２へ出力する。この
時、選択されたＮＮは冷凍機の起動時と同様に、ＰＩＤ
算出部３３により算出されたガス流量に基づいて、その
結合係数を変更して新たに学習している。尚、この時
も、冷凍機の起動時と同様に、新たな学習をしたＮＮに
基づいて、ニューラルネットワーク算出部３４は、次の
ガス流量の算出を行っている。このガス流量の算出、及
び選択されたＮＮによる学習は、以降、冷凍機の定常状
態において、冷水入口温度が再度変化するまで継続して
行われる。そして、再度、冷水入口温度が変化すると、
上記と同様の動作が繰り返され、この動作は、冷凍機の
運転が終了するまで、繰り返し行われる。On the other hand, when the chilled water inlet temperature changes in the steady state of the refrigerator, the neural network
4 stops the calculation of the gas flow rate. Then, when the temperature change is completed, the neural network calculation unit 34 calculates the temperature change amount of the chilled water inlet temperature and, based on the temperature change amount and the outside air temperature, from among the NNs in FIG. Select Then, the neural network calculation unit 34 calculates the gas flow rate based on the selected NN, and outputs the result to the control unit 32. At this time, the selected NN has the same PID as when the refrigerator is started.
Based on the gas flow rate calculated by the calculation unit 33, the coupling coefficient is changed and learning is newly performed. Also at this time, the neural network calculator 34 calculates the next gas flow rate based on the newly learned NN, similarly to when the refrigerator is started. The calculation of the gas flow rate and the learning by the selected NN are subsequently performed in the steady state of the refrigerator until the chilled water inlet temperature changes again. And when the cold water inlet temperature changes again,
The same operation as described above is repeated, and this operation is repeatedly performed until the operation of the refrigerator ends.

【００４０】以下、本発明に係る制御装置３１が行う冷
凍機の温度制御動作について、図１、図３乃至図８に基
づいて、具体例を挙げながら説明する。ここで、図３
は、冷凍機の起動時における冷水出口温度を表すもので
あり、破線Ｄは、本発明による制御装置３１により制御
されることによって得られた冷水出口温度を示したもの
である。また、図４は、冷凍機の定常状態における冷水
入口温度、及び冷水出口温度を表すものであり、実線Ｂ
は冷水入口温度を示したものであり、破線Ｅは本発明に
よる制御装置３１により制御されることによって得られ
た冷水出口温度を示したものである。また、図６は、制
御装置３１が行う制御動作を、フローチャートとして示
したものである。Hereinafter, the operation of controlling the temperature of the refrigerator performed by the control device 31 according to the present invention will be described with reference to FIGS. 1, 3 to 8 and specific examples. Here, FIG.
Represents the chilled water outlet temperature when the refrigerator is started, and the broken line D represents the chilled water outlet temperature obtained by being controlled by the control device 31 according to the present invention. FIG. 4 shows the chilled water inlet temperature and the chilled water outlet temperature in the steady state of the refrigerator.
Indicates the chilled water inlet temperature, and the broken line E indicates the chilled water outlet temperature obtained by being controlled by the control device 31 according to the present invention. FIG. 6 is a flowchart illustrating the control operation performed by the control device 31.

【００４１】まず、冷凍機の起動時について説明する。
冷凍機の起動時において、冷凍機の運転開始時での冷水
出口温度は、この実施形態において１８℃である（ａ
点）。制御部３２は、目標温度７℃と冷水出口温度との
温度差がα℃より小さいか否かを判断し（ステップＳ
１）、α℃より大きいと判断すると、ＰＩＤ算出部３
３、ニューラルネットワーク算出部３４のいずれも利用
しないで、ガス流量が最大になるようにガス弁１２の開
度を制御する（ステップＳ２）。この時、α℃は、ガス
流量を最大にすることによって、冷水出口温度が下がり
過ぎないように、適当な値とされている。そして、冷水
出口温度が次第に下がり、この実施形態において目標温
度７℃と冷水出口温度との温度差がα℃になると（ｂ
点）、制御部３２は、ＰＩＤ算出部３３、及びニーラル
ネットワーク算出部３４に対してガス流量を算出すべき
指示を与える。First, the start of the refrigerator will be described.
When the refrigerator is started, the chilled water outlet temperature at the start of the operation of the refrigerator is 18 ° C. in this embodiment (a
point). The control unit 32 determines whether or not the temperature difference between the target temperature of 7 ° C. and the chilled water outlet temperature is smaller than α ° C. (Step S)
1) If it is determined that the temperature is larger than α ° C., the PID calculation unit 3
3. The opening of the gas valve 12 is controlled so as to maximize the gas flow rate without using any of the neural network calculation units 34 (step S2). At this time, α ° C. is set to an appropriate value so that the chilled water outlet temperature does not excessively decrease by maximizing the gas flow rate. Then, the chilled water outlet temperature gradually decreases, and in this embodiment, when the temperature difference between the target temperature 7 ° C. and the chilled water outlet temperature becomes α ° C. (b
Point), the control unit 32 gives an instruction to calculate the gas flow rate to the PID calculation unit 33 and the neural network calculation unit 34.

【００４２】これにより、以降、ＰＩＤ算出部３３は、
目標温度７℃と冷水出口温度との温度差に基づいて、比
例・積分・微分演算を行うことによって、ガス流量を算
出し、その結果を制御部３２に出力していく。一方、ニ
ューラルネットワーク算出部３４は、外気温を検出し、
この実施形態において外気温が１９℃であったとする
と、図７におけるＮＮの中から、外気温１９℃に対応す
るＮＮ１０ａを選択する（ステップＳ３）。そして、ニ
ューラルネットワーク算出部３４は、選択したＮＮ１０
ａに基づいて、ガス流量を算出し、その結果を、制御部
３２に出力していく。これにより、ｂ点以降、制御部３
２は、ＰＩＤ算出部３３、ニューラルネットワーク算出
部３４の双方を利用し、この双方から得られた結果を加
算し、この加算結果に基づいて、ガス弁１２の開度を制
御してガス流量を制御する（ステップＳ４）。即ち、ｂ
点以降は、ＰＩＤ算出部３３を利用したフィードバック
制御と、ニューラルネットワーク算出部３４を利用した
フィードフォワード制御とが、同時に平行して行われ
る。そして、このような制御により、冷水出口温度は減
衰振動を繰り返しながら、目標温度７℃に収束し、定常
状態に落ち着く（ｊ点）。ここで、選択されているＮＮ
１０ａは、ＰＩＤ算出部３３からの出力に基づいて、ｂ
点以降、学習を行っている。尚、ニューラルネットワー
ク算出部３４は、新たに学習したＮＮに基づいて、次の
ガス流量の算出を行っている。Thus, the PID calculation unit 33 thereafter
Based on the temperature difference between the target temperature of 7 ° C. and the chilled water outlet temperature, a gas flow rate is calculated by performing a proportional, integral, and differential operation, and the result is output to the control unit 32. On the other hand, the neural network calculation unit 34 detects the outside air temperature,
Assuming that the outside air temperature is 19 ° C. in this embodiment, the NN 10a corresponding to the outside air temperature of 19 ° C. is selected from the NNs in FIG. 7 (step S3). Then, the neural network calculation unit 34 selects the selected NN 10
Based on a, the gas flow rate is calculated, and the result is output to the control unit 32. Thereby, after the point b, the control unit 3
2 uses both the PID calculation unit 33 and the neural network calculation unit 34, adds the results obtained from both, and controls the opening of the gas valve 12 based on the addition result to reduce the gas flow rate. Control is performed (step S4). That is, b
After the point, the feedback control using the PID calculation unit 33 and the feedforward control using the neural network calculation unit 34 are simultaneously performed in parallel. With such control, the chilled water outlet temperature converges to the target temperature of 7 ° C. while repeating damped oscillation, and settles down to a steady state (point j). Here, the selected NN
10a is based on the output from the PID calculation unit 33,
After that point, they have been learning. The neural network calculator 34 calculates the next gas flow rate based on the newly learned NN.

【００４３】次に、冷凍機の定常状態について説明す
る。なお、ここでは、冷凍機の起動時において、冷水出
口温度が定常状態になった状態（ｊ点）を保っている。
即ち、冷凍機が定常状態であるときは、冷水入口温度は
この実施形態において１２℃（ｄ点〜ｅ点）を保ってお
り、冷水出口温度は目標温度である７℃（ｇ点〜ｈ点）
を保っている。そして、冷水入口温度が、負荷の変動に
より、ｅ点から下がり始めるとする。これに伴い、冷水
出口温度も下がり始める（ｈ点）。すると、ニューラル
ネットワーク算出部３４は、冷水入口温度が下がり始め
たことを検知して（ステップＳ５）、その温度変化が終
わるまで、ガス流量の算出を中止する。即ち、ニューラ
ルネットワーク算出部３４は、冷凍機の起動時において
選択したＮＮ１０ａに基づくガス流量の算出を中止す
る。この時、制御部３２は、ニューラルネットワーク算
出部３４がガス流量の算出を中止する直前（ｅ点、ｈ
点）に、ニューラルネットワーク算出部３４が算出した
ガス流量を記憶する。そして、冷水入口温度が変化して
いる間は（ｅ点〜ｆ点）、制御部３２は、次のようにし
て、ガス弁１２の開度を制御してガス流量を制御する。
即ち、制御部３２は、ニューラルネットワーク算出部３
４がガス流量の算出を中止した直後において、前記記憶
しているガス流量に、ＰＩＤ算出部３３が算出するガス
流量を加算し、その加算結果に基づいて、ガス弁１２の
開度を制御してガス流量を制御する。そして、更に、制
御部３２は、加算して得た直前の結果に、ＰＩＤ算出部
３３が更に算出したガス流量を加算し、その加算結果に
基づいて、ガス弁１２の開度を制御してガス流量を制御
するといった制御動作を繰り返す（ステップＳ６）。そ
して、冷水入口の温度変化が終了したことを、ニューラ
ルネットワーク算出部３４が検知すると（ステップＳ
７、ｆ点）、ニューラルネットワーク算出部３４は冷水
入口温度の温度変化量を算出し、この温度変化量と外気
温とに基づいて、図８におけるＮＮの中から、適切なＮ
Ｎを選択する（ステップＳ８）。即ち、ニューラルネッ
トワーク算出部３４は、ｅ点の冷水出口温度は１２℃で
あり、ｆ点の冷水出口温度はこの実施形態において１０
℃であり、その温度変化は２℃であることから、その温
度変化量が４０％であることを算出する。また、外気温
が１９℃であったとすると、算出した温度変化量４０％
と外気温１９℃とに基づいて、図８におけるＮＮの中か
ら、ＮＮ１５ａを選択する。Next, the steady state of the refrigerator will be described. Here, when the refrigerator is started, the chilled water outlet temperature is kept in a steady state (point j).
That is, when the refrigerator is in a steady state, the cold water inlet temperature is maintained at 12 ° C. (points d to e) in this embodiment, and the cold water outlet temperature is the target temperature of 7 ° C. (points g to h). )
Is kept. Then, it is assumed that the chilled water inlet temperature starts to decrease from the point e due to a change in load. Along with this, the cold water outlet temperature also starts to decrease (point h). Then, the neural network calculation unit 34 detects that the chilled water inlet temperature has started to drop (step S5), and stops calculating the gas flow rate until the temperature change ends. That is, the neural network calculation unit 34 stops calculating the gas flow rate based on the selected NN 10a when the refrigerator is started. At this time, the control unit 32 immediately before the neural network calculation unit 34 stops calculating the gas flow rate (point e, h
(Point), the gas flow rate calculated by the neural network calculation unit 34 is stored. Then, while the chilled water inlet temperature is changing (points e to f), the control unit 32 controls the opening degree of the gas valve 12 to control the gas flow rate as follows.
That is, the control unit 32 controls the neural network calculation unit 3
Immediately after the calculation of the gas flow rate is stopped, the gas flow rate calculated by the PID calculation unit 33 is added to the stored gas flow rate, and the opening of the gas valve 12 is controlled based on the addition result. To control the gas flow. Further, the control unit 32 further adds the gas flow rate further calculated by the PID calculation unit 33 to the immediately preceding result obtained by the addition, and controls the opening of the gas valve 12 based on the addition result. The control operation such as controlling the gas flow rate is repeated (step S6). Then, when the neural network calculation unit 34 detects that the temperature change at the cold water inlet has ended (step S
7, f point), the neural network calculation unit 34 calculates the temperature change amount of the chilled water inlet temperature, and based on the temperature change amount and the outside air temperature, from the NN in FIG.
N is selected (step S8). That is, the neural network calculation unit 34 determines that the chilled water outlet temperature at point e is 12 ° C. and the chilled water outlet temperature at point f is 10 ° C. in this embodiment.
° C and the temperature change is 2 ° C, so that the temperature change amount is calculated to be 40%. If the outside air temperature is 19 ° C., the calculated temperature change amount is 40%.
NN 15a is selected from NNs in FIG.

【００４４】そして、ニューラルネットワーク算出部３
４は、ｋ点以降、その選択したＮＮ１５ａに基づいてガ
ス流量を算出し、その結果を制御部３２に出力してい
く。これにより、ｋ点以降、制御部３２は、ＰＩＤ算出
部３３、ニューラルネットワーク算出部３４の双方を利
用し、この双方から得られた結果を加算し、この加算結
果に基づいて、ガス弁１２の開度を制御してガス流量を
制御する（ステップＳ９）。即ち、ｋ点以降は、ＰＩＤ
算出部３３を利用したフィードバック制御と、ニューラ
ルネットワーク算出部３４を利用したフィードフォワー
ド制御とが、同時に平行して行われる。そして、冷水出
口温度は目標温度７℃に収束して、定常状態に落ち着く
（ｌ点）。ここで、選択されているＮＮ１５ａは、ＰＩ
Ｄ算出部３３からの出力に基づいて、ｋ点以降、学習を
行う。尚、ニューラルネットワーク算出部３４は、新た
に学習したＮＮに基づいて、次のガス流量の算出を行っ
ている。この制御動作、及び選択されているＮＮ１５ａ
による学習は、以降、冷凍機の運転が終了したと判断さ
れず（ステップＳ１０）、さらに、冷水入口温度が変化
したと検知されなければ（ステップＳ１１）、前記ステ
ップ９へ移行し、継続して行われる（ステップＳ９〜Ｓ
１１）。一方、上記制御動作、及び選択されているＮＮ
１５ａによる学習は、冷凍機の運転が終了したとは判断
されないが（ステップＳ１０）、冷水入口温度が変化し
たとニューラルネットワーク算出部３４が検知すると
（ステップＳ１１）、前記ステップＳ６へ移行して、中
止される。そして、前記ステップＳ７以降の動作が行わ
れる。尚、前記ステップＳ１０において、制御部３２
は、冷凍機の運転が終了したと判断すると、ガス流量の
制御動作を終了し、また、選択されているＮＮは学習を
終了する。Then, the neural network calculator 3
4 calculates the gas flow rate based on the selected NN 15a after the k point, and outputs the result to the control unit 32. Thus, after the point k, the control unit 32 uses both the PID calculation unit 33 and the neural network calculation unit 34, adds the results obtained from both, and based on the addition result, determines whether the gas valve 12 The gas flow rate is controlled by controlling the opening (step S9). That is, after the k point, the PID
Feedback control using the calculation unit 33 and feedforward control using the neural network calculation unit 34 are simultaneously performed in parallel. Then, the chilled water outlet temperature converges to the target temperature of 7 ° C., and settles down to a steady state (point 1). Here, the selected NN 15a is PI
Based on the output from the D calculation unit 33, learning is performed after the k point. The neural network calculator 34 calculates the next gas flow rate based on the newly learned NN. This control operation and the selected NN 15a
After that, learning is not determined that the operation of the refrigerator has ended (step S10), and if it is not detected that the chilled water inlet temperature has changed (step S11), the process proceeds to step 9 and continues. (Steps S9 to S
11). On the other hand, the control operation and the selected NN
In the learning by 15a, although it is not determined that the operation of the refrigerator has been completed (step S10), when the neural network calculation unit 34 detects that the chilled water inlet temperature has changed (step S11), the process proceeds to step S6. Aborted. Then, the operation after step S7 is performed. In step S10, the control unit 32
When it is determined that the operation of the refrigerator has ended, the control operation of the gas flow rate ends, and the selected NN ends the learning.

【００４５】本実施形態における吸収式冷凍機の冷水出
口温度の制御装置３１は、以上のように制御動作を行う
ため、次のような利点を有する。The control device 31 for controlling the chilled water outlet temperature of the absorption chiller in this embodiment performs the control operation as described above, and therefore has the following advantages.

【００４６】冷凍機の起動時において、ニューラルネッ
トワーク算出部３４は、図７におけるＮＮの中から、外
気温に対応するＮＮを選択し、この選択したＮＮに基づ
いてガス流量を算出する。そして、制御部３２は、この
算出結果を利用して、ガス弁１２の開度を制御してガス
流量の制御を行う。即ち、空調設備内を流れる冷水に影
響を及ぼす外気温を考慮した最適なフィードフォワード
制御が行われるため、目標温度への収束性を高めること
ができる。このことは、図３により明らかに示される。
即ち、ＰＩＤ算出部２３のみを利用した従来の制御装置
２１によれば、冷水出口温度が定常状態に落ち着くのは
ｃ点であるが、本発明の制御装置３１によれば、従来よ
り短い時間であるｊ点において、定常状態に落ち着いて
いる。When the refrigerator is started, the neural network calculator 34 selects an NN corresponding to the outside air temperature from the NNs in FIG. 7, and calculates a gas flow rate based on the selected NN. The control unit 32 controls the gas flow rate by controlling the opening of the gas valve 12 using the calculation result. That is, since the optimal feedforward control is performed in consideration of the outside air temperature affecting the cold water flowing in the air conditioner, the convergence to the target temperature can be improved. This is clearly shown in FIG.
That is, according to the conventional control device 21 using only the PID calculation unit 23, it is at the point c that the chilled water outlet temperature settles in a steady state, but according to the control device 31 of the present invention, it takes less time than before. At a certain j point, it is settled in a steady state.

【００４７】また、冷凍機の定常状態において、ニュー
ラルネットワーク算出部３４は、図８におけるＮＮの中
から、冷水入口温度の変化量に基づくＮＮを選択し、こ
の選択したＮＮに基づいてガス流量を算出する。そし
て、制御部３２は、この算出結果を利用して、ガス弁１
２の開度を制御してガス流量の制御を行う。従って、冷
水入口温度が変化した時、その温度変化量に基づいた最
適なフィードフォワード制御が行われるため、目標温度
への収束性を高めることができる。また、冷凍機の定常
状態においても、起動時と同様に、空調設備内を流れる
冷水に影響を及ぼす外気温を考慮して選択されたＮＮに
基づいた最適なフィードフォワード制御が行われるた
め、目標温度への収束性を高めることができる。このこ
とは、図４により明らかに示される。即ち、ＰＩＤ算出
部２３のみを利用した従来の制御装置２１によれば、冷
水出口温度が定常状態に落ち着くのはｉ点であるが、本
発明の制御装置３１によれば、従来より短い時間である
ｌ点において、定常状態に落ち着いている。In the steady state of the refrigerator, the neural network calculation unit 34 selects an NN based on the amount of change in the chilled water inlet temperature from the NNs in FIG. 8, and adjusts the gas flow rate based on the selected NN. calculate. Then, the control unit 32 uses the calculation result to generate the gas valve 1
The gas flow rate is controlled by controlling the opening degree of No. 2. Therefore, when the chilled water inlet temperature changes, optimal feedforward control is performed based on the temperature change amount, so that convergence to the target temperature can be improved. Further, even in the steady state of the refrigerator, the optimum feedforward control based on the NN selected in consideration of the outside air temperature affecting the chilled water flowing in the air conditioner is performed as in the case of the start-up. Convergence to temperature can be improved. This is clearly shown in FIG. That is, according to the conventional control device 21 using only the PID calculation unit 23, it is at the point i that the chilled water outlet temperature settles to a steady state, but according to the control device 31 of the present invention, it takes less time than the conventional one. At a certain l point, it has settled down to a steady state.

【００４８】また、ＮＮは、冷凍機の起動時及び定常状
態において、ＰＩＤ算出部３３により算出されるガス流
量に基づいて、学習を逐次行う。そして、ニューラルネ
ットワーク算出部３４は、逐次学習するＮＮに基づいて
ガス流量を算出するため、学習回数が増えるにつれて、
空調設備の環境に応じたより最適なフィードフォワード
制御を行うことができる。即ち、学習回数を重ねること
により、ＰＩＤ算出部３３により算出されるガス流量
は、ほぼなくなり、ＰＩＤ算出部３３を使ったフィード
バック制御への依存が小さくなるため、冷水出口温度を
速く目標温度に収束させることができるニューラルネッ
トワーク算出部３４を得ることができる。The NN performs learning sequentially based on the gas flow rate calculated by the PID calculation unit 33 when the refrigerator is started and in a steady state. Then, since the neural network calculation unit 34 calculates the gas flow rate based on the NN to be sequentially learned, as the number of times of learning increases,
More optimal feedforward control according to the environment of the air conditioner can be performed. That is, by increasing the number of times of learning, the gas flow rate calculated by the PID calculation unit 33 is almost eliminated, and the dependence on the feedback control using the PID calculation unit 33 is reduced, so that the chilled water outlet temperature quickly converges to the target temperature. Thus, a neural network calculation unit 34 that can be operated can be obtained.

【００４９】ところで、本発明に係る吸収式冷凍機の冷
水出口温度の制御装置３１を実施する場合には、上述し
た実施形態に限定されるものではなく、以下の態様で実
施することも可能である。When the control device 31 for controlling the chilled water outlet temperature of the absorption chiller according to the present invention is not limited to the above-described embodiment, the control may be performed in the following manner. is there.

【００５０】また、上記実施形態では、冷水入口温度の
変化量に基づいて最適なニューラルネットワークを選択
するのは、定常状態に限っているが、冷凍機の起動時に
おいても、冷水入口温度の変化量に基づいて最適なニュ
ーラルネットワークを選択するものであってもよい。例
えば、ｂ点から一定の時間が経過する間における冷水入
口温度の変化量を算出し、この変化量に基づいて最適な
ニューラルネットワークを選択するものであってもよ
い。これにより、ＮＮの学習にかかる時間は多くなる場
合もあるが、最終的には最適なフィードフォワード制御
を行うことができ、冷水出口温度を早く目標値に収束さ
せることができるようになる。In the above embodiment, the selection of the optimum neural network based on the amount of change in the chilled water inlet temperature is limited to a steady state. However, even when the refrigerator is started, the change in the chilled water inlet temperature is not changed. An optimal neural network may be selected based on the quantity. For example, the amount of change in the chilled water inlet temperature during a certain period of time from point b may be calculated, and an optimal neural network may be selected based on the amount of change. As a result, although the time required for the learning of the NN may be long, optimal feedforward control can be finally performed, and the chilled water outlet temperature can quickly converge to the target value.

【００５１】また、上記実施形態では、冷凍機の起動時
において、制御部３２は、目標温度７℃と冷水出口温度
との温度差がα℃より小さいか否かを判断し（ステップ
Ｓ１）、α℃より大きいと判断すると、制御部３２は、
ＰＩＤ算出部３３、ニューラルネットワーク算出部３４
のいずれも利用しないで、ガス流量が最大になるように
ガス弁１２の開度を制御している（ステップＳ２）が、
温度差がα℃より大きいと判断した場合であっても、制
御部３２は、ＰＩＤ算出部３３、ニューラルネットワー
ク算出部３４を利用して、ガス弁１２の開度を制御して
ガス流量を制御するようにしてもよい。このようにして
も、温度差が大きいときは、ＰＩＤ算出部３３はガス流
量が最大になるよう算出し、ニューラルネットワーク算
出部３４により選択されたＮＮは、ガス流量を最大にす
べきと学習することにより、同一の効果を得ることがで
きる。In the above embodiment, when the refrigerator is started, the control unit 32 determines whether the temperature difference between the target temperature 7 ° C. and the chilled water outlet temperature is smaller than α ° C. (step S1). When determining that it is larger than α ° C., the control unit 32
PID calculator 33, neural network calculator 34
Without using any of the above, the opening of the gas valve 12 is controlled so that the gas flow rate is maximized (step S2).
Even when it is determined that the temperature difference is larger than α ° C., the control unit 32 controls the opening degree of the gas valve 12 using the PID calculation unit 33 and the neural network calculation unit 34 to control the gas flow rate. You may make it. Even in this case, when the temperature difference is large, the PID calculation unit 33 calculates so that the gas flow rate is maximized, and the NN selected by the neural network calculation unit 34 learns that the gas flow rate should be maximized. Thereby, the same effect can be obtained.

【００５２】また、上記実施形態において、冷凍機の定
常状態において利用するＮＮを、冷水入口温度の変化量
に応じて一律に割り付けているが、冷水入口の温度が上
昇する場合に利用するものと、下降する場合に利用する
ものとに分けて、ＮＮを割り付けるようにしてもよい。
これによれば、より最適なフィードフォワード制御を行
うことが可能になり、冷水出口温度をより早く目標値に
収束させることができる。In the above embodiment, the NN used in the steady state of the refrigerator is uniformly allocated according to the amount of change in the chilled water inlet temperature. Alternatively, NNs may be allocated separately to those used when descending.
According to this, more optimal feedforward control can be performed, and the chilled water outlet temperature can be made to converge to the target value more quickly.

【００５３】また、上記実施形態において、冷凍機の起
動時及び定常状態におけるＮＮの割り付けは、図７及び
図８のものに限定されるものではなく、より適切な制御
が行えると考えられる区分により、ＮＮの割り付けを行
ってもよい。即ち、図７において、ＮＮの割り付けは、
外気温が１０℃以上２０℃未満、２０℃以上３０℃未
満、３０℃以上としているが、例えば、外気温が１０℃
以上２０℃未満、２０℃以上２８℃未満、２８℃以上３
２℃未満、３２℃以上のように、区分を変化させるよう
なものであってもよい。このことは、冷水入口温度の変
化量に対しても同様である。Further, in the above embodiment, the allocation of NNs at the time of starting the refrigerator and in the steady state is not limited to those shown in FIGS. , NN may be assigned. That is, in FIG. 7, the assignment of the NN is
The outside air temperature is 10 ° C or more and less than 20 ° C, 20 ° C or more and less than 30 ° C, or 30 ° C or more.
Not less than 20 ° C, not less than 20 ° C and less than 28 ° C, not less than 28 ° C and 3
It may be one that changes the category, such as less than 2 ° C. or more than 32 ° C. This is the same for the amount of change in the chilled water inlet temperature.

【００５４】また、上記実施形態において、フィードバ
ック算出部は、比例・積分・微分演算を行うＰＩＤ算出
部３３を利用しているが、冷水出口温度を目標値に収束
させることができるもの、例えば、比例・積分演算を行
うＰＩ算出部のようなものであってもよい。このように
しても、ＮＮが学習を行うことにより、最適なフィード
フォワード制御を行うことができるようになり、冷水出
口温度をより早く目標値に収束させることができると考
えられる。In the above embodiment, the feedback calculation unit uses the PID calculation unit 33 for performing the proportional / integral / differential calculation. However, the feedback calculation unit can converge the chilled water outlet temperature to the target value, for example, It may be a PI calculation unit that performs a proportional / integral operation. Even in this case, it is considered that the NN performs the learning, thereby performing the optimal feedforward control, and converging the chilled water outlet temperature to the target value more quickly.

【００５５】[0055]

【発明の効果】以上詳述したように、本発明によれば次
のような優れた効果を奏することができる。As described above, according to the present invention, the following excellent effects can be obtained.

【００５６】請求項１に記載の発明に係る吸収式冷凍機
の温度制御装置は、冷水入口温度の変化量に基づくニュ
ーラルネットワークを選択し、この選択したニューラル
ネットワークを利用してガス流量を制御する。また、請
求項２に記載の発明に係る吸収式冷凍機の温度制御装置
において、ニューラルネットワークの選択は、吸収式冷
凍機の定常状態における冷水入口温度の変化量に基づい
て行われる。従って、請求項１または２に記載の発明に
係る吸収式冷凍機における冷水出口温度の制御装置によ
れば、いずれも、冷水入口温度の変化量を考慮した最適
なフィードフォワード制御が行われるため、目標温度へ
の収束性を高めることができる。The temperature control device for an absorption refrigerator according to the first aspect of the present invention selects a neural network based on the amount of change in the chilled water inlet temperature, and controls the gas flow rate using the selected neural network. . In the temperature control apparatus for an absorption refrigerator according to the second aspect of the present invention, the selection of the neural network is performed based on a change amount of a chilled water inlet temperature in a steady state of the absorption refrigerator. Therefore, according to the control device for the chilled water outlet temperature in the absorption chiller according to the first or second aspect of the present invention, the optimum feedforward control is performed in consideration of the amount of change in the chilled water inlet temperature. The convergence to the target temperature can be improved.

【００５７】請求項３に記載の発明に係る吸収式冷凍機
の温度制御装置は、外気温に対応するニューラルネット
ワークを選択し、この選択したニューラルネットワーク
を利用してガス流量を制御する。従って、空調設備内を
流れる冷水に影響を及ぼす外気温を考慮した最適なフィ
ードフォワード制御が行われるため、目標温度への収束
性を高めることができる。The temperature control device of the absorption refrigerator according to the third aspect of the present invention selects a neural network corresponding to the outside air temperature, and controls the gas flow rate using the selected neural network. Therefore, optimal feedforward control is performed in consideration of the outside air temperature affecting the chilled water flowing in the air conditioner, so that the convergence to the target temperature can be improved.

【００５８】請求項４に記載の発明に係る吸収式冷凍機
の温度制御装置は、冷水入口温度の変化量及び外気温に
対応するニューラルネットワークを選択し、この選択し
たニューラルネットワークを利用してガス流量を制御す
る。よって、冷水入口温度の変化量及び外気温を考慮し
たより最適なフィードフォワード制御が行われるため、
目標温度への収束性をより高めることができる。According to a fourth aspect of the present invention, there is provided a temperature control apparatus for an absorption refrigerator, which selects a neural network corresponding to a change amount of a chilled water inlet temperature and an outside air temperature, and utilizes the selected neural network to perform gas supply. Control the flow rate. Therefore, since more optimal feedforward control is performed in consideration of the amount of change in the chilled water inlet temperature and the outside air temperature,
The convergence to the target temperature can be further improved.

【００５９】請求項５に記載の発明に係る吸収式冷凍機
の温度制御装置は、双方の算出部より得られたガス流量
を加算し、この加算したガス流量に基づいてガス流量を
制御する。従って、最適なフィードフォワード制御が行
われるため、目標温度への収束性を高めることができ
る。The temperature control device for an absorption refrigerator according to the fifth aspect of the present invention adds the gas flow rates obtained from both calculation units, and controls the gas flow rate based on the added gas flow rates. Therefore, optimal feedforward control is performed, so that convergence to the target temperature can be improved.

【００６０】請求項６に記載の発明に係る吸収式冷凍機
の温度制御装置においては、選択されたニューラルネッ
トワークは、逐次学習を行い、ニューラルネットワーク
算出部は、以降、この学習したニューラルネットワーク
に基づいてフィードフォワード制御を行うため、空調設
備の環境に応じた最適なフィードフォワード制御を行う
ことができる。そして、この学習回数が増えるにつれ
て、より最適なフィードフォワード制御を行うことが可
能になる。In the temperature control apparatus for an absorption refrigerator according to the sixth aspect of the present invention, the selected neural network sequentially learns, and the neural network calculation unit thereafter performs the learning based on the learned neural network. In this case, the feedforward control can be performed optimally according to the environment of the air conditioner. As the number of times of learning increases, more optimal feedforward control can be performed.

【図面の簡単な説明】[Brief description of the drawings]

【図１】本発明を利用する二重効用吸収式冷凍機の模式
図である。FIG. 1 is a schematic view of a double-effect absorption refrigerator utilizing the present invention.

【図２】従来の制御装置を説明する図である。FIG. 2 is a diagram illustrating a conventional control device.

【図３】吸収式冷凍機の起動時における冷水出口温度を
示す図である。FIG. 3 is a diagram showing a chilled water outlet temperature when the absorption chiller is started.

【図４】吸収式冷凍機の定常状態における冷水入口温
度、及び冷水出口温度を示す図である。FIG. 4 is a diagram showing a chilled water inlet temperature and a chilled water outlet temperature in a steady state of the absorption refrigerator.

【図５】本発明の制御装置を説明する図である。FIG. 5 is a diagram illustrating a control device of the present invention.

【図６】本発明の制御装置における制御動作を示すフロ
ーチャートである。FIG. 6 is a flowchart showing a control operation in the control device of the present invention.

【図７】吸収式冷凍機の起動時において使用するニュー
ラルネットワークを各種条件に応じて対応させた図であ
る。FIG. 7 is a diagram in which a neural network used at the time of starting the absorption refrigerator is associated with various conditions.

【図８】吸収式冷凍機の定常状態において使用するニュ
ーラルネットワークを各種条件に応じて対応させた図で
ある。FIG. 8 is a diagram in which a neural network used in a steady state of the absorption refrigerator is associated with various conditions.

【符号の説明】[Explanation of symbols]

１２ ガス弁 １３ 冷水入口 １４ 冷水出口 ３１ 制御装置 ３２ 制御部 ３３ ＰＩＤ算出部 ３４ ニューラルネットワーク算出部 Reference Signs List 12 gas valve 13 chilled water inlet 14 chilled water outlet 31 controller 32 control unit 33 PID calculation unit 34 neural network calculation unit

フロントページの続き Ｆターム(参考） 3L093 BB11 BB22 BB31 BB32 CC00 CC05 DD09 EE00 EE17 EE30 GG00 GG02 HH12 JJ02 KK00 KK05 Continuation of the front page F term (reference) 3L093 BB11 BB22 BB31 BB32 CC00 CC05 DD09 EE00 EE17 EE30 GG00 GG02 HH12 JJ02 KK00 KK05

Claims (6)

【特許請求の範囲】[Claims] 【請求項１】 冷水出口の目標温度とフィードバックさ
れた現実の冷水出口温度との温度差に基づいてガス流量
を算出するフィードバック算出部と、冷水入口温度の変
化量に基づいて複数のニューラルネットワークの中から
最適なニューラルネットワークを選択し、この選択した
ニューラルネットワークを利用してガス流量を算出する
ニューラルネットワーク算出部と、を備え、これらの算
出部により算出されたガス流量に基づいて吸収式冷凍機
に供給するガス流量を制御し、冷水出口温度の制御を行
うことを特徴とする吸収式冷凍機の温度制御装置。A feedback calculation unit configured to calculate a gas flow rate based on a temperature difference between a target temperature of the chilled water outlet and a feedback actual chilled water outlet temperature, and a plurality of neural networks based on a change amount of the chilled water inlet temperature. A neural network calculating unit that selects an optimal neural network from among them, and calculates a gas flow rate using the selected neural network, based on the gas flow rates calculated by these calculating units. A temperature control device for an absorption chiller, which controls a flow rate of gas supplied to a chiller and controls a chilled water outlet temperature. 【請求項２】 前記ニューラルネットワーク算出部は、
吸収式冷凍機の定常状態における冷水入口温度の変化量
に基づいて複数のニューラルネットワークの中から最適
なニューラルネットワークを選択し、この選択したニュ
ーラルネットワークを利用してガス流量を算出すること
を特徴とする請求項１に記載の吸収式冷凍機の温度制御
装置。2. The neural network calculating section,
Selecting an optimal neural network from a plurality of neural networks based on the amount of change in the chilled water inlet temperature in the steady state of the absorption refrigerator, and calculating a gas flow rate using the selected neural network. The temperature control device for an absorption refrigerator according to claim 1. 【請求項３】 冷水出口の目標温度とフィードバックさ
れた現実の冷水出口温度との温度差に基づいてガス流量
を算出するフィードバック算出部と、外気温に基づいて
複数のニューラルネットワークの中から最適なニューラ
ルネットワークを選択し、この選択したニューラルネッ
トワークを利用してガス流量を算出するニューラルネッ
トワーク算出部と、を備え、これらの算出部により算出
されたガス流量に基づいて吸収式冷凍機に供給するガス
流量を制御し、冷水出口温度の制御を行うことを特徴と
する吸収式冷凍機の温度制御装置。3. A feedback calculation unit that calculates a gas flow rate based on a temperature difference between a target temperature of a chilled water outlet and a fed-back actual chilled water outlet temperature, and an optimal one among a plurality of neural networks based on an outside air temperature. A neural network calculating unit that selects a neural network and calculates a gas flow rate using the selected neural network, and supplies a gas supplied to the absorption refrigerator based on the gas flow rate calculated by these calculating units. A temperature control device for an absorption refrigerator, wherein a flow rate is controlled and a chilled water outlet temperature is controlled. 【請求項４】 冷水出口の目標温度とフィードバックさ
れた現実の冷水出口温度との温度差に基づいてガス流量
を算出するフィードバック算出部と、冷水入口温度の変
化量及び外気温に基づいて複数のニューラルネットワー
クの中から最適なニューラルネットワークを選択し、こ
の選択したニューラルネットワークを利用してガス流量
を算出するニューラルネットワーク算出部と、を備え、
これらの算出部により算出されたガス流量に基づいて吸
収式冷凍機に供給するガス流量を制御し、冷水出口温度
の制御を行うことを特徴とする吸収式冷凍機の温度制御
装置。4. A feedback calculation section for calculating a gas flow rate based on a temperature difference between a target temperature of the chilled water outlet and a fed-back actual chilled water outlet temperature, and a plurality of feedback calculating sections based on a change amount of the chilled water inlet temperature and an outside temperature. A neural network calculating unit that selects an optimal neural network from the neural networks and calculates a gas flow rate using the selected neural network,
A temperature control device for an absorption chiller that controls a gas flow rate supplied to an absorption chiller based on a gas flow rate calculated by these calculation units and controls a chilled water outlet temperature. 【請求項５】 前記フィードバック算出部により算出さ
れたガス流量を、ニューラルネットワーク算出部により
算出されたガス流量に加算し、この加算したガス流量に
基づいて吸収式冷凍機に供給するガス流量を制御し、冷
水出口温度の制御を行うことを特徴とする請求項１乃至
４のいずれかに記載の吸収式冷凍機の温度制御装置。5. A gas flow rate calculated by the feedback calculation section is added to a gas flow rate calculated by the neural network calculation section, and a gas flow rate supplied to the absorption refrigerator is controlled based on the added gas flow rate. The temperature control device for an absorption refrigerator according to any one of claims 1 to 4, wherein the temperature of the chilled water outlet is controlled. 【請求項６】 選択されたニューラルネットワークは、
前記フィードバック算出部により算出されたガス流量に
基づいて学習を行うことを特徴とする請求項１乃至５の
いずれかに記載の吸収式冷凍機の温度制御装置。6. The selected neural network comprises:
The temperature control device for an absorption refrigerator according to any one of claims 1 to 5, wherein learning is performed based on the gas flow rate calculated by the feedback calculation unit.
JP11077760A 1999-03-23 1999-03-23 Temperature controller for absorption refrigerator Pending JP2000274862A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP11077760A JP2000274862A (en) 1999-03-23 1999-03-23 Temperature controller for absorption refrigerator

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP11077760A JP2000274862A (en) 1999-03-23 1999-03-23 Temperature controller for absorption refrigerator

Publications (1)

Publication Number Publication Date
JP2000274862A true JP2000274862A (en) 2000-10-06

Family

ID=13642899

Family Applications (1)

Application Number Title Priority Date Filing Date
JP11077760A Pending JP2000274862A (en) 1999-03-23 1999-03-23 Temperature controller for absorption refrigerator

Country Status (1)

Country Link
JP (1) JP2000274862A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004063641A2 (en) * 2003-01-07 2004-07-29 Carrier Corporation Feedforward control for absorption chiller
CN101900451A (en) * 2009-05-28 2010-12-01 三洋电机株式会社 Absorption type refrigerating unit
CN104833154A (en) * 2015-05-28 2015-08-12 河海大学常州校区 Chilled water loop control method based on fuzzy PID and neural internal model
CN104896649A (en) * 2014-03-05 2015-09-09 珠海格力电器股份有限公司 Water outlet set temperature control method and system of air conditioning system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004063641A2 (en) * 2003-01-07 2004-07-29 Carrier Corporation Feedforward control for absorption chiller
WO2004063641A3 (en) * 2003-01-07 2004-12-29 Carrier Corp Feedforward control for absorption chiller
CN101900451A (en) * 2009-05-28 2010-12-01 三洋电机株式会社 Absorption type refrigerating unit
CN104896649A (en) * 2014-03-05 2015-09-09 珠海格力电器股份有限公司 Water outlet set temperature control method and system of air conditioning system
CN104833154A (en) * 2015-05-28 2015-08-12 河海大学常州校区 Chilled water loop control method based on fuzzy PID and neural internal model

Similar Documents

Publication Publication Date Title
JP2002031376A (en) Air-conditioning system
CN107300243B (en) Air-conditioning system, wind file adjusting method and computer readable storage medium
JP2006292329A (en) Heat source system, and control device and control method thereof
JP2575970B2 (en) Absorption chiller / heater and individual decentralized air conditioning system
JP2000274862A (en) Temperature controller for absorption refrigerator
JP3306612B2 (en) How to control the number of operating heat source units
CN113834249A (en) Automatic adjusting method and system for refrigeration energy of environmental chamber
JP2002162087A (en) Variable flow control system for exhaust heat recovery and heat source
WO2019193649A1 (en) Control device, outdoor unit, and air conditioning system
JP2000297970A (en) Controller for heat pump
JP2006275492A (en) Air conditioning installation and its control method, as well as refrigerating machine operation number control device
US5275010A (en) Control method and apparatus of absorption chiller heater
JP4104218B2 (en) Air conditioner
JP2000337729A (en) Operation method for water-cooled air conditioner
CN113757828B (en) Four-pipe air conditioning system and control method thereof
JP3745357B2 (en) Air conditioning system
JP2011052892A (en) Cold water circulating system
JPH07225061A (en) Controller for absorption type chilled and warm water machine
US5782099A (en) Method for controlling an absorption system
JP2000274864A (en) Method for controlling absorption refrigerator
JPH062982A (en) Absorption room cooling/heating system and controlling method therefor
JP3124685B2 (en) Air conditioner using absorption refrigerator
JP5388660B2 (en) Operation method of absorption chiller water heater
JP3081465B2 (en) Control device for absorption refrigerator
JP2000241039A (en) Controller for absorption refrigerating machine