JP2006046762A - Ｇｈｐ故障予知診断方法及びその装置 - Google Patents
Ｇｈｐ故障予知診断方法及びその装置 Download PDFInfo
- Publication number
- JP2006046762A JP2006046762A JP2004226969A JP2004226969A JP2006046762A JP 2006046762 A JP2006046762 A JP 2006046762A JP 2004226969 A JP2004226969 A JP 2004226969A JP 2004226969 A JP2004226969 A JP 2004226969A JP 2006046762 A JP2006046762 A JP 2006046762A
- Authority
- JP
- Japan
- Prior art keywords
- ghp
- reference value
- prediction
- monitoring mode
- value
- 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
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
Abstract
【課題】ＧＨＰに最適な故障予知診断方法および装置を提供すること。
【解決手段】ＧＨＰにおける故障予知診断方法であって、ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングして、ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、複数の異なる基準運転域にそれぞれ対応するよう複数作成する初期監視モードＳ１００と、初期監視モードＳ１００を行った後に、運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する基準運転域に関する基準値と現在値とを基にして、機器の異常又は性能低下の兆候の有無を判断する予知モードＳ１９０とを行う。
【選択図】図１
【解決手段】ＧＨＰにおける故障予知診断方法であって、ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングして、ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、複数の異なる基準運転域にそれぞれ対応するよう複数作成する初期監視モードＳ１００と、初期監視モードＳ１００を行った後に、運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する基準運転域に関する基準値と現在値とを基にして、機器の異常又は性能低下の兆候の有無を判断する予知モードＳ１９０とを行う。
【選択図】図１
Description
本発明は、ガスヒートポンプ型空調装置の故障や性能低下等に未然に対応するための故障予知診断方法およびその装置に関する。
ガスエンジンヒートポンプ型空調装置（以下、適宜ＧＨＰという）は、省エネルギー化に有利な空調装置として脚光を浴び、その普及率も高まってきている。ＧＨＰは、都市ガス等によって駆動する内燃機関であるガスエンジンを備えるなど機械系機器を多く含む。そのため、それらの故障を未然に防ぐメンテナンス体制の充実が望まれている。
現在は、ＧＨＰが故障した後、あるいは不調となった後に、事後的に保全が行われることが主流である。
一方、ＧＨＰが故障又は不調となる前にそれを事前に予知する故障予知診断システムの開発も急がれている。例えば、電気式空調機の監視装置として、下記の特許文献１に示されているものがある。
一方、ＧＨＰが故障又は不調となる前にそれを事前に予知する故障予知診断システムの開発も急がれている。例えば、電気式空調機の監視装置として、下記の特許文献１に示されているものがある。
しかしながら、従来においては、ＧＨＰの特性に合致した予知方法が開発されておらず、その開発が待たれている。
本発明は、かかる従来の問題点に鑑みてなされたもので、ＧＨＰに最適な故障予知診断方法および装置を提供しようとするものである。
第１の発明は、室内機と室外機とを有し、該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって、
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングすることにより、又は、予め設定した値を用いることにより、上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、一つの基準運転域に対応するよう一つ作成する又は複数の異なる基準運転域にそれぞれ対応するよう複数作成する初期監視モードと、
該初期監視モードを行った後に、上記運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する上記基準運転域に関する上記基準値と上記現在値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する予知モードとを行うことを特徴とするＧＨＰ故障予知診断方法にある（請求項１）。
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングすることにより、又は、予め設定した値を用いることにより、上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、一つの基準運転域に対応するよう一つ作成する又は複数の異なる基準運転域にそれぞれ対応するよう複数作成する初期監視モードと、
該初期監視モードを行った後に、上記運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する上記基準運転域に関する上記基準値と上記現在値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する予知モードとを行うことを特徴とするＧＨＰ故障予知診断方法にある（請求項１）。
本発明のＧＨＰ故障予知診断方法においては、上記初期監視モードを行った後に上記予知モードを実施する。
ここで、注目すべき第１の点は、上記初期監視モードを実施して、機器の異常又は性能低下の兆候の有無を判断する基礎となる基準値を作成する点である。特に、サンプリングした運転データにより上記基準値を作成する場合には、監視しようとするＧＨＰが有する機器の性能を、この初期監視モードの実行によって初めて詳細に把握し、そして、この初期監視モードの実行によって初めて上記基準値を作成する。そのため、監視しようとするＧＨＰの個体差、設置環境、運転時間等に影響されにくい、それぞれのＧＨＰに最適な基準値を得ることができる。そのため、その後の予知モードにおける予知判断の精度を高めることができる。
ここで、注目すべき第１の点は、上記初期監視モードを実施して、機器の異常又は性能低下の兆候の有無を判断する基礎となる基準値を作成する点である。特に、サンプリングした運転データにより上記基準値を作成する場合には、監視しようとするＧＨＰが有する機器の性能を、この初期監視モードの実行によって初めて詳細に把握し、そして、この初期監視モードの実行によって初めて上記基準値を作成する。そのため、監視しようとするＧＨＰの個体差、設置環境、運転時間等に影響されにくい、それぞれのＧＨＰに最適な基準値を得ることができる。そのため、その後の予知モードにおける予知判断の精度を高めることができる。
なお、また、監視しようとするＧＨＰの設置環境、運転時間等が予め把握できている場合は、上記初期監視モードで作成する１又は複数の基準値として予め設定された値を用いることが好ましい。これにより、初期監視モードのサンプリングデータ量を低減でき、通信費を低減できる。
注目すべき第２の点は、上記初期監視モードでは、上記基準値として、特定の基準運転域に対応させて作成することである。すなわち、特定の基準運転域が１つの場合には１つの基準値を作成し、複数の異なる基準運転域を持つ場合には、それぞれ対応するよう複数作成することである。すなわち、実際のＧＨＰの運転は、様々な環境の変化によって、運転条件が変動するのが通常である。運転条件が変われば、予知判断に用いる基準値の値も変更すべきである。
ここで、本発明では、上記のように、基準運転運転条件ごとに基準値を作成するので、その後の予知モードでは、基準値の作成されている基準運転域のうち、現在値を採取した実際の運転条件が最も合致する基準運転域を選択し、これに対応する基準値を用いて予知判断を行うことが可能となる。それ故、さらに予知判断の精度を高めることができる。
ここで、本発明では、上記のように、基準運転運転条件ごとに基準値を作成するので、その後の予知モードでは、基準値の作成されている基準運転域のうち、現在値を採取した実際の運転条件が最も合致する基準運転域を選択し、これに対応する基準値を用いて予知判断を行うことが可能となる。それ故、さらに予知判断の精度を高めることができる。
第２の発明は、室内機と室外機とを有し、該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置における故障予知診断を行う装置であって、上記ＧＨＰに直接的又は通信機器を介して間接的に接続された監視用コンピュータを有し、該監視用コンピュータが、上記第１又は第２の発明のＧＨＰ故障予知診断方法を自動的に実行するよう構成されていることを特徴とするＧＨＰ故障予知診断装置にある（請求項１４）。
本発明のＧＨＰ故障予知診断装置は、上記初期監視モード及び上記予知モードを実行することができる上記監視用コンピュータを備えることにより、上述した優れたＧＨＰ故障予知診断方法を無人で自動的に実施することができる。
上記第１及び第２の発明におけるＧＨＰが有する室内機と室外機は、それぞれ１台ずつの構成でもいいし、それぞれ複数台の構成でもよい。室外機又は室内機が複数台の構成の場合には、同じ種類の運転データが複数得られる。この場合には、上記故障予知診断方法は、室外機の台数分ごと、あるいは室内機の台数分ごとに実行し、各室外機又は各室内機毎に個別に判断することが好ましい。また、複数台の室内機、あるいは室外機の同種類の運転データをまとめて１種類の運転データとして取り扱うことも可能である。この場合には、複数台の室内機または室外機のいずれかが異常又は性能低下の兆候が有ると判断することができる。
また、上記第１の発明における上記運転データとしては、直接的に判断に用いられるデータだけでなく、これを補正するか否か、正常データであるか否か、選別するか否か等の判断を行うための参考用の運転データを合わせてサンプリングすることもできる。この場合には、この参考用の運転データに対する基準値を上記初期監視モードにおいて作成してその基準値との比較によって様々な判断をしても良いし、予め決めた基準値との比較によって様々な判断をしても良い。また、上記参考用運転データについては基準値と特に比較することなく、他の運転データを加工する際に用いてもよい。また、基準値とは別に、故障を明確に示す基準値の一種である故障値等を予め記憶しておき、これを上記基準値と現在値との比較の際に考慮して判断する方法を採ることもできる。
また、上記初期監視モードは、上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間において行う。従って、新品のＧＨＰにおいてこの故障予知診断方法を実行する場合には、ＧＨＰの運転開始から所定の期間上記初期監視モードを実行する。また、既存のＧＨＰにあらたにこの故障予知診断方法を適用する場合には、その適用を開始すべく監視を始めてから所定期間上記初期監視モードを実行する。
また、上記所定期間の具体的な期間は、ＧＨＰの種類ごと、用いる運転データの種類ごと、あるいはＧＨＰの運転履歴に応じて設定することができる。
また、上記運転データは、サンプリングするごとにそのまま用いることもできるし、一定期間の複数のデータを平均化したり、ある一定の基準で有効でないデータを切り捨てる選別処理などを行うというような加工を行った加工データとして用いることができる。
また、上記運転データは、サンプリングするごとにそのまま用いることもできるし、一定期間の複数のデータを平均化したり、ある一定の基準で有効でないデータを切り捨てる選別処理などを行うというような加工を行った加工データとして用いることができる。
また、上記基準値の作成方法としては、様々な方法を用いることができる。例えば、上記運転データあるいは加工データを複数集め、これらの平均値をとる、あるいは最大値または最小値をとる、あるいは分布を求めて統計的に処理する、その他の方法がある。
また、上記基準値としては、異常又は性能低下を示すもの、完全に故障であることを示すものなど、判定する機器に応じて様々な状態の基準に置き換えることができる。
また、上記基準値としては、異常又は性能低下を示すもの、完全に故障であることを示すものなど、判定する機器に応じて様々な状態の基準に置き換えることができる。
また、上記基準運転域としては、例えば、起こりうる運転条件を複数の領域に区分して、その領域内にある場合を１つの同じ基準運転域とすることができる。また、その他の様々な決め方で上記基準運転域を決定することができる。
また、上記基準運転域は、上記初期モード中における任意の運転条件から採用することもできるし、強制的に特定の運転条件でＧＨＰを運転し、その条件を上記基準運転域としすることもできる。
いずれにしても、上記初期モードでは、一又は複数の異なる基準運転域においてそれぞれ上記基準値を作成する。
また、上記基準運転域は、上記初期モード中における任意の運転条件から採用することもできるし、強制的に特定の運転条件でＧＨＰを運転し、その条件を上記基準運転域としすることもできる。
いずれにしても、上記初期モードでは、一又は複数の異なる基準運転域においてそれぞれ上記基準値を作成する。
また、上記予知モードにおける判断は、サンプリングした運転データ又はこれを加工した加工データの現在値と上記基準値とを基にして行う。この場合の判断方法としては、単純に差を求めて、ある値より大きいか小さいかによって判断する方法、あるいは何らかの特殊な関係式を予め作っておいて、これを満たすか否かによって判断する方法など、様々な方法をとることができる。
また、運転データをサンプリングすることにより基準値を作成する上記初期監視モード、又は、上記予知モードを行う際には、上記複数の基準運転域のいずれかに合致する運転条件で運転するよう強制的に上記ＧＨＰを制御することが好ましい（請求項２）。このような強制的に所定の運転条件に設定して予知判断を行う方法はこれまでになかった。この方法を適用することにより、非常に精度の高い予知判断を可能とすることができる。
また、上記初期監視モードでは、上記基準運転域と合致した運転条件を含む運転が行われる時刻をサンプリング時刻として記憶しておき、上記予知モードは、上記サンプリング時刻に合致した時刻において実行することが好ましい。ＧＨＰの運転条件は概ね一日の間のパターンがある程度決まってくる場合が多い。そのため、上記サンプリング時刻に合致した時刻に上記予知モードを実行することにより、実際の運転条件が複数の上記基準運転域のいずれかに合致する確率を高めることができる。それ故、さらに予知精度を高めることができる。
また、上記予知モードは、所定量の上記運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に関する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと、該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に、上記通常監視モードの場合よりも多くの量の運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うことが好ましい（請求項３）。
この場合の上記通常監視モードは、上記初期監視モード完了後に実行を始める。このモードは、異常又は性能低下の兆候がない限り常時又は定期的に実行され続ける。この場合の運転データのサンプリングは、この後に行われる集中監視モードの場合よりもサンプリング量を少なくする。これにより、最も長時間、定常的に行われる通常監視モードを実行するための通信費等のコストを低減することができる。
また、上記集中監視モードは、上記のごとく、通常監視モードの第１予知判断によって異常又は性能低下の兆候があると判断されて初めて実行する。この場合の運転データのサンプリングは、上記通常監視モードの場合よりもサンプリング量を多くし、これにより第２予知判断の判断精度を高めることができる。
また、上記初期監視モードでは、少なくとも、上記ＧＨＰが各予知診断ごとに最適な運転状態となる時間帯である診断最適時間帯を判断する診断最適時間帯判断手段を有していると共に、上記基準値の少なくとも１つを当該診断最適運転状態において作成し、上記予知モードは、少なくとも上記診断最適時間帯において行うことが好ましい（請求項４）。この場合には、上記初期監視モードにおいて、少なくとも、上記診断最適時間帯を判断する。そして、上記予知モードは、その診断最適時間帯を含む時間に実施する。ＧＨＰが各故障対象ごとに予知診断に最適な運転状態にある運転データを得ることが重要である。また、予知診断に最適な運転状態が生じるのは、一日のうち特定の時間帯に集中することが多い。そのため、上記初期監視モードに判断した上記診断最適時間帯を中心に上記予知モードを実施することによって、予知判断精度の向上および全体のサンプリング頻度を低くすることができる。
ここで、上記ＧＨＰの診断最適運転状態を判断する手段としては、例えば、上記ガスエンジンのエンジン回転数、室内機の運転容量、室外機の圧縮機とガスエンジンとの間に配設されたクラッチのＯＮ／ＯＦＦデータ等により算出されるＧＨＰの負荷状態を指標として判断することが可能である。
ここで、上記ＧＨＰの診断最適運転状態を判断する手段としては、例えば、上記ガスエンジンのエンジン回転数、室内機の運転容量、室外機の圧縮機とガスエンジンとの間に配設されたクラッチのＯＮ／ＯＦＦデータ等により算出されるＧＨＰの負荷状態を指標として判断することが可能である。
また、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記ガスエンジンの冷却水温度とスロットル弁開度との比率に関する上記基準値を作成し、上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記ガスエンジンの冷却水温度とスロットル弁開度との比率の現在値と上記基準値とを基にして、上記室外機が有する熱交換器の異常又は性能低下を判定することが好ましい（請求項５）。
スロットル弁開度はエンジン出力すなわち排熱量に比例するため、一般的にはスロットル弁開度に比例して冷却水温度は高くなるが、室外機熱交換器の汚れにより、スロットル弁開度が低くても冷却水温度が高くなる。そのため、上記比率を用いることにより、冷却水温度データのみの判定に比べ、室外機熱交換器の汚れという異常又は性能低下診断精度が向上する。また、汚れによる回避制御運転時にも回避制御情報を必要とせず判定ができる。
ここで、上記比率は、これを算出して比較データとすることができるが、さらに、比率を算出することなく、比率を算出可能な個々のデータ、すなわち、例えば上記冷却水温度とスロットル弁開度のデータそのもの等にそれぞれ基準値を設けて、比較する方法をとることもできる。これは以下の他の比率を用いる場合にも同様である。
ここで、上記比率は、これを算出して比較データとすることができるが、さらに、比率を算出することなく、比率を算出可能な個々のデータ、すなわち、例えば上記冷却水温度とスロットル弁開度のデータそのもの等にそれぞれ基準値を設けて、比較する方法をとることもできる。これは以下の他の比率を用いる場合にも同様である。
また、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記室外機の圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率に関する上記基準値を作成し、上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率の現在値と上記基準値とを基にして、上記室外機が有する熱交換器の異常又は性能低下を判定することが好ましい（請求項６）。
室外機の熱交換器の場合、伝熱面積が一定であるため、一般的にエンジン回転数（冷媒循環量）が低いほど圧縮機の吐出圧力（いわゆる高圧）は低下するが、室外機熱交換器の汚れにより、回転数が低くても上記吐出圧力が高くなる。よって、上記比率を用いることにより、吐出圧力データのみの判定に比べ、上記室外機熱交換器の汚れという異常又は性能低下の診断精度が向上する。また、汚れによる回避制御運転時にも回避制御情報を必要とせず判定ができる。
また、上記初期監視モードでは、少なくとも、ガスエンジンのエンジン回転数および上記室外機の冷媒系の運転データにより算出されるエンジン出力と上記ガスエンジンの運転データから算出されるエンジン入力との比率に関する上記基準値を作成し、上記予知モードでは、上記エンジン出力と上記エンジン入力との比率あるいは当該比率を算出可能な複数の運転データの現在値と上記基準値とを基にして、上記ガスエンジンの異常又は性能低下を判定することが好ましい（請求項７）。
ここで、上記エンジン出力は、冷媒系の運転データである、例えば圧縮機の吐出圧力、吸込圧力、クラッチのＯＮ／ＯＦＦデータとエンジン回転数とから算出することができ、上記エンジン入力は、例えばスロットル弁開度と燃料弁開度から算出することができる。
ＧＨＰでは、出力不足を補うためスロットル弁開度、及び空気比を濃くするよう燃料弁開度が開く。このようにエンジン入力（スロットル弁開度×燃料弁開度）とエンジン出力に相関にあることに着目し、エンジン出力をＧＨＰ室外機の冷媒系データで算出して比較判定することでガスエンジンの出力不足という異常又は性能低下に対する判定精度が向上する。
また、クラッチがＯＮとＯＦＦとの間で生じるエンジン出力の差を補正する係数を予め設定しておき、クラッチのＯＮ／ＯＦＦデータから、例えばクラッチがＯＦＦの時にエンジン出力に上記係数を掛けることで、クラッチのＯＮ／ＯＦＦの状態によらない判定が可能となる。
ＧＨＰでは、出力不足を補うためスロットル弁開度、及び空気比を濃くするよう燃料弁開度が開く。このようにエンジン入力（スロットル弁開度×燃料弁開度）とエンジン出力に相関にあることに着目し、エンジン出力をＧＨＰ室外機の冷媒系データで算出して比較判定することでガスエンジンの出力不足という異常又は性能低下に対する判定精度が向上する。
また、クラッチがＯＮとＯＦＦとの間で生じるエンジン出力の差を補正する係数を予め設定しておき、クラッチのＯＮ／ＯＦＦデータから、例えばクラッチがＯＦＦの時にエンジン出力に上記係数を掛けることで、クラッチのＯＮ／ＯＦＦの状態によらない判定が可能となる。
また、上記初期監視モードでは、少なくとも、上記ガスエンジンにおけるスロットル弁開度と燃料弁開度との比率に関する上記基準値を作成し、上記予知モードでは、上記ガスエンジンにおけるスロットル弁開度と燃料弁開度との比率の現在値と上記基準値とを基にして、上記ガスエンジンのエアフィルタの異常又は性能低下を判定することが好ましい（請求項８）。
この場合には、汚れにより燃料リッチとなった空気比を正常に戻そうと燃料弁開度が閉じる方向に働くことを検知することによりガスエンジンにおけるエアフィルタの汚れという異常又は性能低下診断が可能となる。
この場合には、汚れにより燃料リッチとなった空気比を正常に戻そうと燃料弁開度が閉じる方向に働くことを検知することによりガスエンジンにおけるエアフィルタの汚れという異常又は性能低下診断が可能となる。
また、上記初期監視モードでは、少なくとも、上記室内機の冷媒要求量と熱交換器の冷媒温度と膨張弁開度の三者の比率に関する上記基準値を作成し、上記予知モードでは、上記室内機の冷媒要求量と熱交換器の冷媒温度と膨張弁開度の三者の比率の現在値と上記基準値とを基にして、上記室内機のフィルタの異常又は性能低下を判定することが好ましい（請求項９）。
この場合には、運転データである冷媒要求量あるいは室内機の設定温度と吸込温度から算出される冷媒要求量から各室内機が室外機に要求する冷媒量がわかり、この冷媒要求量が大きいほど冷媒量が大きいので、例えば冷房運転時において、通常は室内機の熱交換器の冷媒温度、膨張弁開度は大きくなる。しかし、室内機のフィルタに汚れがある場合、冷媒要求量が大きくても室内機の能力が制限されるため、室内機の熱交換器の冷媒温度、膨張弁開度は逆に小さくなる。したがって、上記三者の比率を用いることにより、各室内機毎に精度よくフィルタの汚れという異常又は性能低下の診断を行うことができる。
この場合には、運転データである冷媒要求量あるいは室内機の設定温度と吸込温度から算出される冷媒要求量から各室内機が室外機に要求する冷媒量がわかり、この冷媒要求量が大きいほど冷媒量が大きいので、例えば冷房運転時において、通常は室内機の熱交換器の冷媒温度、膨張弁開度は大きくなる。しかし、室内機のフィルタに汚れがある場合、冷媒要求量が大きくても室内機の能力が制限されるため、室内機の熱交換器の冷媒温度、膨張弁開度は逆に小さくなる。したがって、上記三者の比率を用いることにより、各室内機毎に精度よくフィルタの汚れという異常又は性能低下の診断を行うことができる。
また、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記室外機の圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率に関する上記基準値を作成し、上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率の現在値と上記基準値とを基にして、冷媒の異常又は性能低下を判定することが好ましい（請求項１０）。
一般的に回転数（冷媒循環量）が高いほど圧縮機の吐出圧力（高圧）は上昇傾向となるが、冷媒不足では回転数が高くても吐出圧力が低いままである。よって、吐出圧力データのみの判定に比べ、回転数との比率で判定することで冷媒不足という異常又は性能低下の判定精度が向上する。また、冷媒不足ではリキッド弁効果で吐出温度回避制御に入りにくいが、回避制御情報なしでも判定が可能となる。
また、上記初期監視モードでは、少なくとも、上記ガスエンジンのエンジントルクに関する上記基準値を作成し、上記予知モードでは、上記ガスエンジンのエンジントルクに関する現在値と上記基準値とを基にして、冷媒の異常又は性能低下を判定することが好ましい（請求項１１）。
ＧＨＰにおいては、冷媒不足になると同一回転数でも圧縮する冷媒量が減少し、エンジントルクが低下する。このことを利用したＧＨＰ独自の新しい判定方法により冷媒の不足という異常又は性能低下を診断する精度が向上する。
なお、上記エンジントルクに関する基準値及び現在値は、例えば、ガスエンジンのスロットル弁開度とエンジン回転数、又は圧縮機における高低圧差（吐出圧力と吸入圧力との差）から算出することができる。
ＧＨＰにおいては、冷媒不足になると同一回転数でも圧縮する冷媒量が減少し、エンジントルクが低下する。このことを利用したＧＨＰ独自の新しい判定方法により冷媒の不足という異常又は性能低下を診断する精度が向上する。
なお、上記エンジントルクに関する基準値及び現在値は、例えば、ガスエンジンのスロットル弁開度とエンジン回転数、又は圧縮機における高低圧差（吐出圧力と吸入圧力との差）から算出することができる。
また、上記初期監視モードでは、少なくとも、上記ＧＨＰが暖房運転状態にある際の冷却水三方弁又は冷却水温度の変動に関する上記基準値を作成し、上記予知モードでは、上記ＧＨＰが暖房運転状態にある際の上記冷却水三方弁又は冷却水温度の変動に関する現在値と上記基準値とを基にして、冷媒の異常又は性能低下を判断することが好ましい（請求項１２）。
ＧＨＰでは、暖房での排熱回収時に冷媒不足になると、冷媒へ熱交換できる熱量が減少するため冷却水温度が上昇し、ラジエータへ放熱させようと冷却水三方弁がハンチング（変動）する。またこの動作に伴い冷却水温度もハンチング（変動）する。この現象を利用したＧＨＰ独自の新しい判定により冷媒不足という冷媒の異常又は性能低下を診断する精度が向上する。
また、上記第１及び第２の発明において、上記予知モードでは、上記室内機を設置する環境に応じて決定された環境係数によって、上記室内機の運転時間を補正して補正運転時間を算出し、該補正運転時間と予め定めた室内機基準運転時間とを基にして、上記室内機のフィルタの異常又は性能低下を判断することが好ましい（請求項１３）。
従来一般的に利用されている運転時間のみの簡易判定に比べ、室内機フィルタの汚れという異常又は性能低下を診断する精度が向上する。
ここで、上記環境係数としては、例えば、非常に汚れの少ない環境の場合には、１よりも小さい数値とし、汚れの多い環境の場合には、１よりも大きい数値とすることが好ましい。
従来一般的に利用されている運転時間のみの簡易判定に比べ、室内機フィルタの汚れという異常又は性能低下を診断する精度が向上する。
ここで、上記環境係数としては、例えば、非常に汚れの少ない環境の場合には、１よりも小さい数値とし、汚れの多い環境の場合には、１よりも大きい数値とすることが好ましい。
（実施例１）
本発明の実施例に係るＧＨＰ故障予知診断方法およびその装置につき、図１〜図８を用いて説明する。
本例のＧＨＰ故障予知診断装置１は、図２に示すごとく、室内機２１と室外機３１とを有し、該室外機３１にガスエンジン３９（図３）を備えてなるガスヒートポンプ型空調装置（ＧＨＰ）における故障予知診断装置である。そして、このＧＨＰ故障予知診断装置１は、図２に示すごとく、ＧＨＰに直接的に接続された監視用コンピュータ１０を有する。
監視用コンピュータ１０は、後述する初期監視モード実行手段と、予知モード実行手段（通常監視モード実行手段及び集中監視モード実行手段）とを有している。
以下、この内容を詳説する。
本発明の実施例に係るＧＨＰ故障予知診断方法およびその装置につき、図１〜図８を用いて説明する。
本例のＧＨＰ故障予知診断装置１は、図２に示すごとく、室内機２１と室外機３１とを有し、該室外機３１にガスエンジン３９（図３）を備えてなるガスヒートポンプ型空調装置（ＧＨＰ）における故障予知診断装置である。そして、このＧＨＰ故障予知診断装置１は、図２に示すごとく、ＧＨＰに直接的に接続された監視用コンピュータ１０を有する。
監視用コンピュータ１０は、後述する初期監視モード実行手段と、予知モード実行手段（通常監視モード実行手段及び集中監視モード実行手段）とを有している。
以下、この内容を詳説する。
上記ＧＨＰ故障予知診断装置１は、図２に示すごとく、１台の室外機３１を有し、さらに、室外機３１に複数の室内機２１を接続してなるＧＨＰの故障予知診断装置である。
図３に示すごとく、室外機３１は、ガスエンジン３９を内蔵し、これによってクラッチ３８５を介して圧縮機３８を駆動するように構成されている。また、室外機３１内には、室外機側熱交換器３５（以下、単に熱交換器３５という）が配設されており、この熱交換器３５に室外機側冷媒経路４１（以下、単に冷媒経路４１という）と冷却水経路４９とが接続されている。また、熱交換器３５に対面して室外機側ファン３６を配設してある。
図３に示すごとく、室外機３１は、ガスエンジン３９を内蔵し、これによってクラッチ３８５を介して圧縮機３８を駆動するように構成されている。また、室外機３１内には、室外機側熱交換器３５（以下、単に熱交換器３５という）が配設されており、この熱交換器３５に室外機側冷媒経路４１（以下、単に冷媒経路４１という）と冷却水経路４９とが接続されている。また、熱交換器３５に対面して室外機側ファン３６を配設してある。
冷媒経路４１には四方弁４１０が配設されており、その第１のポートは、圧縮機３８の出側に接続されている。また、四方弁４１０の第２のポートは、室内機側冷媒経路４２（以下、単に冷媒経路４２という）に接続され、第３のポートは、サブエバポレータ４１３およびアキュームレータ４１４を介して圧縮機３８の入側に接続されている。さらに、四方弁４１０の第４のポートは熱交換器３５を介して、冷媒経路４１に接続されている。
また、冷媒経路４１には、各種センサとして、吐出温度センサ４５１、高圧センサ４５２、吸込温度センサ４５３、低圧センサ４５４、温度センサ４５５が配置され、さらに、電動弁４５６が配設されている。
また、冷媒経路４１には、各種センサとして、吐出温度センサ４５１、高圧センサ４５２、吸込温度センサ４５３、低圧センサ４５４、温度センサ４５５が配置され、さらに、電動弁４５６が配設されている。
また、室外機３１内の冷却水経路４９には、上記のごとく熱交換器３５を通過する経路と、サブエバポレータ４１３を通過する経路とが設けられ、いずれもガスエンジン３９に接続されている。そして、冷却水経路４９には、電動弁４６１、三方弁４６２、冷却水ポンプ４６３、冷却水温度センサ４６４が配設されている。
また、各室内機２１には、それぞれ、室内機側熱交換器２５（以下、単に熱交換器２５という）とこれに対面するように配設された室内ファン２６および空気フィルタ２７が配設されている。また、熱交換器２５には冷媒経路４２が接続され、この冷媒経路４２には電動弁４２５が配設されている。そして、複数の室内機２１は、共通の冷媒経路４２を冷媒経路４１３に接続することによって一つの室外機３１に接続されている。
また、図２に示すごとく、各室内機２１は、室外機３１に電送線５１を介して電気的に接続され、さらに、室外機３１は、電送線５５を介して監視用コンピュータ１０に接続されている。
上記監視用コンピュータ１０は、図１に示すごとく、初期監視モードＳ１００を実行する初期監視モード実行手段と、予知モードＳ１９０を実行する予知モード実行手段とを有している。予知モード実行手段は、後述するごとく、通常監視モードＳ２００を実行する通常監視モード実行手段、および集中監視モードＳ３００を実行する集中監視モード実行手段を有している。
同図に示すごとく、初期監視モードＳ１００は、ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングして、上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、複数の異なる基準運転域にそれぞれ対応するよう複数作成するモードである。
すなわち、基準値作成用と基準運転域作成用の運転データをサンプリングするステップ（Ｓ１２０）と、複数の基準運転域に対する基準値を作成するステップ（Ｓ１３０）とを有している。
すなわち、基準値作成用と基準運転域作成用の運転データをサンプリングするステップ（Ｓ１２０）と、複数の基準運転域に対する基準値を作成するステップ（Ｓ１３０）とを有している。
採取すべき基準値及び基準運転域としては、予知判断すべき内容その他の状況等から任意に決定することができる。また、上記基準運転域は、例えば、エンジン回転数、外気温、室内機の運転容量、クラッチＯＮ／ＯＦＦデータ等の各運転データが特定の範囲内にある場合を高負荷運転域、別の特定の範囲内にある場合を中負荷運転域、さらに別の特定の範囲内にある場合を低負荷運転域とし、このような３種類の基準運転域を定めることができる。なお、基準運転域の数、定め方は様々な方法をとることができ、上記の定め方は一例に過ぎない。
また、１つの基準運転域において複数の種類の基準値を求めることもできる。
また、１つの基準運転域において複数の種類の基準値を求めることもできる。
次に、すべての基準運転域に対応するすべての基準値が得られた後には、初期監視モードＳ１００を終えて予知モードＳ１９０へと移行する。
予知モードＳ１９０は、運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値と上記現在値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断するモードである。本例では、予知モードＳ１９０における実際の判定を、通常監視モードＳ２００と集中監視モードＳ３００の２段階にして、精度の向上と通信コストダウンを図っている。
予知モードＳ１９０は、運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値と上記現在値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断するモードである。本例では、予知モードＳ１９０における実際の判定を、通常監視モードＳ２００と集中監視モードＳ３００の２段階にして、精度の向上と通信コストダウンを図っている。
まず、通常監視モードＳ２００は、所定の割合で運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行うモードである。すなわち、図１に示すごとく、通常監視モードＳ２００は、運転データのサンプリングを行うステップ（Ｓ２１０）と、この運転データを採取した運転条件がいずれの基準運転域に合致するかを判断して、合致した基準運転域に対応する基準値を選択した後、上記運転データ又はこれを加工したデータの現在値と上記の基準値とを比較する第１予知判断を行うステップ（Ｓ２６０）を行う。
また、集中監視モードＳ３００は、通常監視モードＳ２００の第１予知判断（Ｓ２６０）において上記機器の異常又は性能低下の兆候が有ると判断された場合に、通常監視モードＳ２００の場合よりもサンプリング頻度を高めて運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行うモードである。すなわち、図１に示すごとく、集中監視モードＳ３００は、運転データのサンプリングを行うステップ（Ｓ３１０）と、この運転データを採取した運転条件がいずれの基準運転域に合致するかを判断して、合致した基準運転域に対応する基準値を選択した後、上記運転データ又はこれを加工したデータの現在値と上記の基準値とを比較する第２予知判断を行うステップ（Ｓ３６０）を行う。
ここで、本例のＧＨＰ故障予知診断装置１は、複数の機器について異常又は性能低下の兆候を判断するように構成され、それぞれの機器に対して上記ＧＨＰ故障予知診断方法を実行できるようにしてある。そのため、判定しようとする機器ごとに対応する運転データをそれぞれ採取する。
まず、一例として、図４〜図６を用いて、室内機２１〜２３が有する空気フィルタ２７の異常又は性能低下を冷媒供給率によって判断するＧＨＰ故障予知診断方法について詳しく説明する。ここでいう空気フィルタの異常又は性能低下としては、主に空気フィルタの汚れによる性能低下がある。
図４に示すごとく、まず初期監視モードＳ１００では、まずＳ１１０において、最初に設定しておく情報、例えば各運転データの変化率がその値を超えていれば１００％故障であると判断できる故障判定変化率等の設定値を読み込み保存する。実際には、監視用コンピュータに対してオペレータによって入力されたデータを読み込み保存する。本例では、この故障判定変化率は、後述する判断に用いる予知確率を算出する際に使用する。
図４に示すごとく、まず初期監視モードＳ１００では、まずＳ１１０において、最初に設定しておく情報、例えば各運転データの変化率がその値を超えていれば１００％故障であると判断できる故障判定変化率等の設定値を読み込み保存する。実際には、監視用コンピュータに対してオペレータによって入力されたデータを読み込み保存する。本例では、この故障判定変化率は、後述する判断に用いる予知確率を算出する際に使用する。
次に、運転データのサンプリングを行うステップ（Ｓ１２０）では、以降、Ｓ１２１〜Ｓ１２３、Ｓ１２６、Ｓ１２７の５つのステップを使って冷媒供給率データを得る。また、Ｓ１２１〜Ｓ１２４、Ｓ１２７の５つのステップを使って冷媒供給率データ算出時の運転状態データを得る。また、Ｓ１２１〜Ｓ１２５、Ｓ１２７の６つのステップを使って最大負荷発生時刻を得る。運転データのサンプリング間隔は、本例では、この初期監視モードＳ１００だけでなく、通常監視モードＳ２００及び集中監視モードＳ３００を含む３つのモードで基本的に同じとし、１分間隔とした（時間変更は可能である）。
この例では、上記運転データとして、室内機２１〜２３が室外機に要求する冷媒量を示す冷媒要求量と室内機２１〜２３の熱交温度あるいは膨張弁開度を用いる。上記冷媒供給率は、運転中の熱交温度あるいは膨張弁開度と、室内機２１〜２３が室外機に要求する冷媒量を示す冷媒要求データを採取し、冷房時には（熱交温度×膨張弁開度）／冷媒要求量を算出することにより求めることができる。冷媒要求量がないＧＨＰの場合は、室内機２１〜２３の吸込温度と設定温度を採取して冷媒要求量を作成する。従って、本例では、運転データとして熱交温度と膨張弁開度と冷媒要求量を採取し、これを演算して得られる冷媒供給率を実際に用いる診断データ、すなわち、基準値及び現在値とする。
具体的には、まず、アダプタ５を介して、運転データ（熱交温度、膨張弁開度、および冷媒要求量）を監視用コンピュータ１０内に転送する、運転データのサンプリング（Ｓ１２１）を、例えばＳ１２７の繰り返し数が５回という頻度で行う。そして、そのデータが有効であるか否かを判断して有効データだけを残す有効データの選別（Ｓ１２２）を行い、これを保存する。有効データか否かは、例えば、運転データをサンプリングしたタイミングが、室内機２１〜２３が運転中である、エンジン回転数の変動がある一定範囲内である、あるいは運転開始からある一定時間後である場合を有効データとするという方法で行う。次に、有効データ数が所定数に達したか否かを判断し（Ｓ１２３）、所定数を超えていない場合には、再びステップＳ１２１に戻る。
有効データ数が所定値を超えた場合には、全ての有効データ数から冷媒供給率を算出し、さらに、算出された冷媒供給率を、例えば、室内機の設定温度、風速等のデータを用いて補正し、診断データとしての冷媒供給率（以下、適宜、補正冷媒供給率という）を得る（Ｓ１２６）。
また、冷媒供給率を算出するのと同じルーチンで冷媒供給率算出時の上記運転状態データを得る。この例では、運転データとして、室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、外気温度、室内機の運転容量等を用いる。運転状態データは、室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、外気温度、室内機の運転容量等を採取し、その平均により求めることができる。従って、本例では、運転データとして室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、外気温度、室内機の運転容量を採取し、これを演算して得られる値を、それぞれの冷媒供給率に対応する運転状態データとする。
また、運転状態データを算出するのと同じルーチンで最大負荷発生時の時刻データを得る。冷媒供給率を用いた予知診断は空調負荷が大きい時のデータほど予知精度が向上するため、空調負荷が大きい運転データをサンプリングすることが有効である。しかしながら、１日のうちの空調負荷のトレンドは物件毎に異なるため、初期監視モード以降の監視モードで物件毎の最適なサンプリング時刻を決めるために、初期監視モードで最大負荷発生時刻を判断している。例えば、負荷を判断する運転データとして、室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、室内機の運転容量等の上記運転状態データを用いる。従って、本例では、運転データとして室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、室内機の運転容量を採取し、これらが最大となる時刻を、その物件の最大負荷発生時刻とし、以降の監視モードでのサンプリング時刻とする。
次に、基準値を作成するステップ（Ｓ１３０）に移る。
このステップでは、冷媒供給率とそれに対応する運転状態データにより、例えば、ステップＳ１２０で算出された冷媒供給率を高負荷運転、中負荷運転、低負荷運転の３つの基準運転域での冷媒供給率に振り分ける。冷媒供給率がどの基準運転域に入るかは、例えば、エンジン回転数がある範囲内である、かつクラッチＯＮ／ＯＦＦがＯＮである、かつ室内機の運転容量がある範囲内である、という条件に合致した運転状態データに対応する冷媒供給率をピックアップする。そして、基準運転域ごとに冷媒供給率を平均することで基準値、すなわち、高負荷基準値、中負荷基準値、及び低負荷基準値を算出する（Ｓ１３１〜Ｓ１３３）。
そして、本例では、得られた基準値およびサンプリング時刻を、監視用コンピュータ１０が有するトレンドメモリ（図示略）に転送し（Ｓ１４０）、記憶させる。
このステップでは、冷媒供給率とそれに対応する運転状態データにより、例えば、ステップＳ１２０で算出された冷媒供給率を高負荷運転、中負荷運転、低負荷運転の３つの基準運転域での冷媒供給率に振り分ける。冷媒供給率がどの基準運転域に入るかは、例えば、エンジン回転数がある範囲内である、かつクラッチＯＮ／ＯＦＦがＯＮである、かつ室内機の運転容量がある範囲内である、という条件に合致した運転状態データに対応する冷媒供給率をピックアップする。そして、基準運転域ごとに冷媒供給率を平均することで基準値、すなわち、高負荷基準値、中負荷基準値、及び低負荷基準値を算出する（Ｓ１３１〜Ｓ１３３）。
そして、本例では、得られた基準値およびサンプリング時刻を、監視用コンピュータ１０が有するトレンドメモリ（図示略）に転送し（Ｓ１４０）、記憶させる。
次に、図５に示すごとく、通常監視モードＳ２００に移行する。
通常監視モードＳ２００では、運転データのサンプリングを行うステップ（Ｓ２１０）、各基準運転域ごとの現在値を算出するステップ（Ｓ２２０）、各基準運転域ごとの暫定的な予知確率、つまり高負荷暫定予知確率、中負荷暫定予知確率、低負荷暫定予知確率の少なくとも１つを算出するステップ（Ｓ２３０）と、これらを基にして実際の判断に用いる第１予知確率を算出するステップ（Ｓ２４０）とを行い、その後、第１予知確率を用いて第１予知判断を行うステップ（Ｓ２６０）を行う。
通常監視モードＳ２００では、運転データのサンプリングを行うステップ（Ｓ２１０）、各基準運転域ごとの現在値を算出するステップ（Ｓ２２０）、各基準運転域ごとの暫定的な予知確率、つまり高負荷暫定予知確率、中負荷暫定予知確率、低負荷暫定予知確率の少なくとも１つを算出するステップ（Ｓ２３０）と、これらを基にして実際の判断に用いる第１予知確率を算出するステップ（Ｓ２４０）とを行い、その後、第１予知確率を用いて第１予知判断を行うステップ（Ｓ２６０）を行う。
まず、Ｓ２１１〜Ｓ２１６のステップは、初期監視モードＳ１００における運転データをサンプリングするステップ（Ｓ１２０）を構成するＳ１２１〜Ｓ１２４、Ｓ１２６、Ｓ１２７と同様のステップであるが、最初のステップＳ２１１で行うアダプタ５からの運転データ（熱交温度と膨張弁開度と冷媒要求量）のサンプリングは、その頻度を低くし、例えば、Ｓ２１６の繰り返し数を１回とし、通常監視モードを行うのは２日に一度という頻度にする。また、通常監視モードＳ２００の実施は、その実施日に当たる１日の間で、上記初期監視モードＳ１００において得られたサンプリング時刻にのみ行う。もちろんこれらのサンプリング日、時刻等を任意に設定変更することは可能である。
そして、Ｓ２２０のステップでは、初期監視モードＳ１００における基準値を作成するステップ（Ｓ１３０）のＳ１３１〜Ｓ１３３と同様の処理を行って、各基準運転域ごとの補正冷媒供給率の現在値を算出する。各基準運転域ごとの現在値の算出方法は、基準値の算出方法と同様に、例えば各基準運転域ごとの補正冷媒供給率の平均値を現在値、すなわち、高負荷現在値、中負荷現在値、低負荷現在値とする。なお、所定のサンプリング時刻内に採取した現在値が属する基準運転域が無い場合には、その基準運転域における現在値は得られない。従って、上記現在値の算出時に、上記３つの基準運転域すべてにおける現在値が得られる場合と、いずれか１つ又は２つの基準運転域のみにおける現在値が得られる場合と、１つの現在値も得られない場合も生じうる。
次に、Ｓ２３０のステップでは、算出した各基準運転域ごとの補正冷媒供給率（現在値）から各基準運転域ごとの暫定的な予知確率を算出する。様々な式を用いることができるが、ここでは、初期監視モードＳ１００において求めた、ある基準運転域での基準値（補正冷媒供給率の基準値）をＡ１、基準値の基準運転域に合致する現在値（補正冷媒供給率の現在値）をＢ１、Ｓ１１０で読み込んだ設定値である故障判定変化率をＣ１として、暫定予知確率Ｄ１＝（Ａ１−Ｂ１）／Ａ１／Ｃ１×１００を算出する。このとき、高負荷現在値に対しては高負荷暫定予知確率を、中負荷現在値に対しては中負荷暫定予知確率を、低負荷現在値に対しては低負荷暫定予知確率を算出する。
次に、Ｓ２４０にて、例えば、算出した各基準運転域の暫定予知確率の平均値から最終的な第１予知確率Ｅ１を算出する。このとき、上記暫定予知確率が１種類のみしかない場合には、その暫定予知確率がそのまま第１予知確率となる。そして、この第１予知確率をトレンドメモリへ転送（Ｓ２５０）して記憶させると共に、第１予知判断を行うステップ（Ｓ２６０）に移る。
ここでは、Ｓ２４０で算出した予知確率Ｅ１が、予め定めたαよりも大きいか、つまりＥ１＞αを満たすか否かによって判断する。上記の式を満たさない場合には、再び運転データをサンプリングするステップＳ２１０の最初のステップＳ２１１に戻り、通常監視モードＳ２００を続ける。上記の式を満たす場合には、室内機２１〜２３が有する空気フィルタ２７の異常又は性能低下の兆候が有ると判断し、集中監視モードＳ３００に移行する。
図６に示すごとく、集中監視モードＳ３００では、運転データのサンプリングを行うステップ（Ｓ３１０）と、各基準運転域ごとの現在値を算出するステップ（Ｓ３２０）と、各基準運転域ごとの暫定的な予知確率を算出するステップ（Ｓ３３０）と、判断に用いる第２予知確率を算出するステップ（Ｓ３４０）とを行い、その後、第２予知確率をお用いて第２予知判断を行うステップ（Ｓ３６０）を行う。
ここで、集中監視モードＳ３００を行うのは、上記通常監視モードＳ２００を行った次の日の上記と同じサンプリング時刻近傍において、このサンプリング時刻よりも長い時間、つまり、サンプリング量を多くして実施する。
ここで、集中監視モードＳ３００を行うのは、上記通常監視モードＳ２００を行った次の日の上記と同じサンプリング時刻近傍において、このサンプリング時刻よりも長い時間、つまり、サンプリング量を多くして実施する。
まず、Ｓ３１１〜Ｓ３１６のステップは、初期監視モードＳ１００における運転データをサンプリングするステップを構成するＳ１２１〜Ｓ１２４、Ｓ１２６、Ｓ１２７と同様のステップであるが、最初のステップＳ３１１で行うアダプタ５からの運転データ（熱交温度と膨張弁開度と冷媒要求量）のサンプリングは、その頻度を、通常監視モードＳ２００の場合よりも高くし、例えば、Ｓ３１６の繰り返し数を５回という頻度にする。
そして、Ｓ３２１〜Ｓ３２３のステップでは、初期監視モードＳ１００における基準値を作成するステップ（Ｓ１３０）のＳ１３１〜Ｓ１３３と同様の処理を行って、補正冷媒供給率の現在値を算出する。この場合の算出方法は、上記通常監視モードＳ２００の場合と同様とする。また、この場合も、所定のサンプリング時刻に採取した現在値が属する基準運転域が無い場合には、その基準運転域における現在値は得られない。従って、上記現在値の算出時に、上記３つの基準運転域すべてにおける現在値が得られる場合と、いずれか１つ又は２つの基準運転域のみにおける現在値が得られる場合と、１つの現在値も得られない場合も生じうる。
そして、Ｓ３２１〜Ｓ３２３のステップでは、初期監視モードＳ１００における基準値を作成するステップ（Ｓ１３０）のＳ１３１〜Ｓ１３３と同様の処理を行って、補正冷媒供給率の現在値を算出する。この場合の算出方法は、上記通常監視モードＳ２００の場合と同様とする。また、この場合も、所定のサンプリング時刻に採取した現在値が属する基準運転域が無い場合には、その基準運転域における現在値は得られない。従って、上記現在値の算出時に、上記３つの基準運転域すべてにおける現在値が得られる場合と、いずれか１つ又は２つの基準運転域のみにおける現在値が得られる場合と、１つの現在値も得られない場合も生じうる。
次に、Ｓ３３０にて、算出した各基準運転域ごとの補正冷媒供給率から各基準運転域ごとの暫定的な予知確率を算出する。様々な式を用いることができるが、ここでは、初期監視モードＳ１００において求めた、ある基準運転域での基準値（補正冷媒供給率の基準値）をＡ１、基準値の基準運転域に合致する現在値（補正冷媒供給率の現在値）をＢ１、Ｓ１１０で読み込んだ設定値である故障判定変化率をＣ１として、通常監視モードの場合と同様に、各基準運転域ごとの暫定予知確率Ｄ２＝（Ａ１−Ｂ１）／Ａ１／Ｃ１×１００を算出する。
次に、Ｓ３４０にて、例えば、Ｓ３３０で算出した各基準運転域の暫定予知確率Ｄ２の平均値から最終的な第２予知確率Ｅ２を算出し、トレンドメモリへ転送（Ｓ３５０）して記憶させると共に、第２予知判断を行うステップ（Ｓ３６０）に移る。ここでは、Ｓ３４０で算出した予知確率Ｅ２が、予め定めたβよりも大きいか否か、すなわち、Ｅ２＞βを満たすか否かによって判断する。
上記の式を満たさない場合には、室内機２１〜２３が有する空気フィルタ２７の異常又は性能低下の兆候が無いと判断し、通常監視モードＳ２００に再び戻り、上記の一連の処理を繰り返す。
上記の式を満足する場合には、室内機２１〜２３が有する空気フィルタ２７の異常又は性能低下の兆候が有ると確定的に判断し、通常監視モードに戻ることなく、次の使用限界時期の算出のステップ（Ｓ４１０、Ｓ４２０）に移行する。
上記の式を満足する場合には、室内機２１〜２３が有する空気フィルタ２７の異常又は性能低下の兆候が有ると確定的に判断し、通常監視モードに戻ることなく、次の使用限界時期の算出のステップ（Ｓ４１０、Ｓ４２０）に移行する。
このステップ（Ｓ４１０、Ｓ４２０）では、まず、第１予知確率Ｅ１と第２予知確率Ｅ２とを含めた予知確率の変化率の算出を行うステップ（Ｓ４１０）に移る。ここでは、監視用コンピュータ１０のトレンドメモリに記憶されている第１、第２予知確率Ｅ１、Ｅ２を用いて、その変化率を算出する。そして、次の使用限界時期の算出ステップ（Ｓ４２０）において、上記の変化率から、いつ頃、室内機２１〜２３が有する空気フィルタ２７の洗浄をすべきかを予め定めた算出式によって算出する。この算出式としても、様々な式を用いることができるが、本例では、例えば、現在から過去ｎ個の予知確率のトレンドデータから最小２乗法によりトレンドデータの近似式を算出し、使用限界を示す確率に達する時間を算出するという方法を用いた。なお、２つのレベルの判定確率を用いて使用限界時期と洗浄推奨時期を算出できる。
監視用コンピュータ１０は、上記一連の処理の結果を適宜出力する機能を有している。例えば、監視用コンピュータ１０およびこれに繋がるクライアントコンピュータ１１の画面への出力や、接続されたプリンタへの出力や、ブザー等の機器、ポケットベル、携帯電話等への通信など、様々な情報伝達手段を使って、故障予知診断結果を出力するようにできる。
以上のように、本例の故障予知診断方法においては、少なくとも、上記３つのモード、すなわち初期監視モードＳ１００、通常監視モードＳ２００、集中監視モードＳ３００を行う。そして、故障予知診断を行うための監視を開始した直後の所定期間に、必ず上記初期監視モードＳ１００を実施する。そして、この初期監視モードＳ１００において、ＧＨＰを構成する空気フィルタの異常又は性能低下を判断する基礎となる基準値を作成する。そのため、監視しようとするＧＨＰ全体が新品であっても、既に有る程度運転を行っているＧＨＰであっても、それぞれのＧＨＰに最適な基準値を得ることができる。なお、上記空気フィルタ２７は、これそのものが消耗品で交換を前提としているので、この監視を始める際には、空気フィルタ２７を新品に交換してから上記初期監視モードＳ１００を行うことが好ましい。
また、本例では、上記基準値を基に上記機器の異常又は性能低下の兆候の有無を判断する行為を、上記通常監視モードＳ２００における第１予知判断Ｓ２６０と、上記集中監視モードＳ３００における第２予知判断Ｓ３６０の２段階で行う。これにより、通常監視モードＳ２００では異常又は性能低下の兆候の有無の初期判断を簡易に行い、集中監視モードＳ３００でより正確に、詳細に判断するというように、両モードにそれぞれ異なる役割分担を担わすことができる。これにより、平常的に行う上記通常監視モードＳ２００では、判断に用いる運転データのサンプリング頻度を少なくすることができ、通信コストを必要最低限に抑えることができる。それ故、ＧＨＰ故障予知診断装置１のランニングコストの低減を図ることができる。また、コスト的にさらに少ないサンプリング頻度が必要な場合は、集中監視モードＳ３００を省くこともできる。この場合、Ｓ４１０、Ｓ４２０は通常監視モードＳ２００に追加される。
なお、上述した運転データのサンプリング方法、加工方法については、適宜変更することができ、また、第１予知判断、第２予知判断の方法等についても具体的な方法は適宜変更することができる。
（実施例２）
本例では、図７に示すごとく、実施例１における方法をさらに簡略化して、初期監視モードＳ１００における基準値の作成を省略した。一方、初期監視モードＳ１００においては、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングして、上記ＧＨＰが予知診断に最適な運転状態となる時間帯である診断最適時間帯を判断し、その後の予知モード（通常監視モード及び集中監視モード）では、上記診断最適時間帯を含む時間帯において、上記運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、該現在値を基にして、上記機器の異常又は性能低下の兆候の有無を判断する方法とした。
また、通常監視モード及び集中監視モードにおける第１予知判断及び第２予知判断方法も実施例１とは変更した。
本例では、図７に示すごとく、実施例１における方法をさらに簡略化して、初期監視モードＳ１００における基準値の作成を省略した。一方、初期監視モードＳ１００においては、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングして、上記ＧＨＰが予知診断に最適な運転状態となる時間帯である診断最適時間帯を判断し、その後の予知モード（通常監視モード及び集中監視モード）では、上記診断最適時間帯を含む時間帯において、上記運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、該現在値を基にして、上記機器の異常又は性能低下の兆候の有無を判断する方法とした。
また、通常監視モード及び集中監視モードにおける第１予知判断及び第２予知判断方法も実施例１とは変更した。
より具体的に説明すると、まず、図７に示すごとく、上記初期監視モードＳ１００では、実施例１の場合と同様に、まずＳ１１０において、最初に設定しておく情報、例えば各運転データがその値を超えていれば１００％故障であると判断できる故障値等の設定値を読み込み保存する。実際には、監視用コンピュータに対してオペレータによって入力されたデータを読み込み保存する。本例では、この故障値は、後述する判断に用いる予知確率を算出する際に使用する。
そして、実施例１の場合と同様のルーチンで、運転データのサンプリングを行うＳ１２１〜Ｓ１２５、Ｓ１２７の６つのステップを使ってＧＨＰの予知診断に最適な時刻（ここでは最大負荷発生時刻とした）を得る。本例では、運転データとして室外機のエンジン回転数、クラッチＯＮ／ＯＦＦ、室内機の運転容量を採取し、これらが最大となる時刻を、その物件の最大負荷発生時刻とし、以降の通常監視モード及び集中監視モードでのサンプリング時刻とし、設定する（Ｓ１３９）。
また、上記通常監視モード及び通常監視モード（図示略）では、それぞれ、予知確率Ｆ１、Ｆ２を作成すると共に、これが予め定めた値を上回るか否かにより機器の異常又は性能低下の兆候の有無を判断する。
ここで、様々な式を用いることができるが、本例では、上記故障値をＣ２、現在値をＢ２とした場合、異常になるにつれて値が小さくなるため、予知確率Ｆ１、Ｆ２＝（Ｃ２／Ｂ２）×１００により算出する。逆に、異常になるにつれて値が大きくなる場合は、予知確率Ｆ１、Ｆ２＝（Ｂ２／Ｃ２）×１００により算出する。
ここで、様々な式を用いることができるが、本例では、上記故障値をＣ２、現在値をＢ２とした場合、異常になるにつれて値が小さくなるため、予知確率Ｆ１、Ｆ２＝（Ｃ２／Ｂ２）×１００により算出する。逆に、異常になるにつれて値が大きくなる場合は、予知確率Ｆ１、Ｆ２＝（Ｂ２／Ｃ２）×１００により算出する。
本例の場合には、上記診断最適時間帯として最大負荷発生時刻を初期監視モードＳ１００において求め、その後の予知モードでは、この時刻を含む時間帯において運転データのサンプリングを行う。
これにより、故障予知判断に適した運転データを得やすい診断最適時間帯において効率よく有効なデータサンプリングを行うことができ、予知判断精度の向上および全体のサンプリング頻度を低くすることができる。
そして、例えば、監視開始当初から異常状態であるＧＨＰ、例えば、冷媒不足のようなＧＨＰ導入時の冷媒充填不足が異常原因であるＧＨＰへの対応や、通信コスト低減のためのさらなるサンプリングデータ量を低減が可能となる。
これにより、故障予知判断に適した運転データを得やすい診断最適時間帯において効率よく有効なデータサンプリングを行うことができ、予知判断精度の向上および全体のサンプリング頻度を低くすることができる。
そして、例えば、監視開始当初から異常状態であるＧＨＰ、例えば、冷媒不足のようなＧＨＰ導入時の冷媒充填不足が異常原因であるＧＨＰへの対応や、通信コスト低減のためのさらなるサンプリングデータ量を低減が可能となる。
（実施例３）
本例は、図８に示すごとく、複数の室外機３１、３２とこれに複数の室内機２１、２２をそれぞれ接続してなるＧＨＰの遠隔による故障予知診断装置１０２の例である。本例では、監視用コンピュータ１０が、有線又は無線の電話回線６を介して室外機３１、３２と通信できるようにし、室外機３１、３２から遠隔で運転データのサンプリングを行うように構成した。
本例のＧＨＰ故障予知診断装置１０２においても、上記と同様の３つのモード、初期監視モード、通常監視モード、および集中監視モードを行うことによって、実施例１又は２と同様の作用効果を得ることができる。
また、平常的に行う上記通常監視モードＳ２００では、判断に用いる運転データのサンプリング頻度を少なくすることができるため、上記の有線又は無線の電話回線６における通信コストを必要最低限に抑えることができる。それ故、ＧＨＰ故障予知診断装置１のランニングコストの低減を図ることができる。
本例は、図８に示すごとく、複数の室外機３１、３２とこれに複数の室内機２１、２２をそれぞれ接続してなるＧＨＰの遠隔による故障予知診断装置１０２の例である。本例では、監視用コンピュータ１０が、有線又は無線の電話回線６を介して室外機３１、３２と通信できるようにし、室外機３１、３２から遠隔で運転データのサンプリングを行うように構成した。
本例のＧＨＰ故障予知診断装置１０２においても、上記と同様の３つのモード、初期監視モード、通常監視モード、および集中監視モードを行うことによって、実施例１又は２と同様の作用効果を得ることができる。
また、平常的に行う上記通常監視モードＳ２００では、判断に用いる運転データのサンプリング頻度を少なくすることができるため、上記の有線又は無線の電話回線６における通信コストを必要最低限に抑えることができる。それ故、ＧＨＰ故障予知診断装置１のランニングコストの低減を図ることができる。
１、１０２ ＧＨＰ故障予知診断装置
１０ 監視用コンピュータ
２１〜２３ 室内機
２５ 熱交換器
２７ 空気フィルタ
３１〜３３ 室外機
３５ 熱交換器
３９ ガスエンジン
６ 有線又は無線電話回線
１０ 監視用コンピュータ
２１〜２３ 室内機
２５ 熱交換器
２７ 空気フィルタ
３１〜３３ 室外機
３５ 熱交換器
３９ ガスエンジン
６ 有線又は無線電話回線
Claims (14)
- 室内機と室外機とを有し、該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって、
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に、上記ＧＨＰの運転状態を示す１又は複数の運転データをサンプリングすることにより、又は、予め設定した値を用いることにより、上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を、一つの基準運転域に対応するよう一つ作成する又は複数の異なる基準運転域にそれぞれ対応するよう複数作成する初期監視モードと、
該初期監視モードを行った後に、上記運転データをサンプリングして当該運転データ又はこれを加工した加工データの現在値を得ると共に、そのサンプリング時の運転条件が合致する上記基準運転域に関する上記基準値と上記現在値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する予知モードとを行うことを特徴とするＧＨＰ故障予知診断方法。 - 請求項１において、運転データをサンプリングすることにより基準値を作成する上記初期監視モード、又は、上記予知モードを行う際には、上記複数の基準運転域のいずれかに合致する運転条件で運転するよう強制的に上記ＧＨＰを制御することを特徴とするＧＨＰ故障予知診断方法。
- 請求項１又は２において、上記予知モードは、所定量の上記運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に関する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと、
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に、上記通常監視モードの場合よりも多くの量の運転データをサンプリングして、該運転データ又はこれを加工した加工データの現在値と、当該運転データのサンプリング時の運転条件が合致する上記基準運転域に対応する上記基準値とを基にして、上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うことを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜３のいずれか１項において、上記初期監視モードでは、少なくとも、上記ＧＨＰが予知診断に最適な運転状態となる時間帯である診断最適時間帯を判断する診断最適時間帯判断手段を有していると共に、上記基準値の少なくとも１つを当該最適運転状態において作成し、
上記予知モードは、少なくとも上記診断最適時間帯において行うことを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜４のいずれか１項において、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記ガスエンジンの冷却水温度とスロットル弁開度との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記ガスエンジンの冷却水温度とスロットル弁開度との比率の現在値と上記基準値とを基にして、上記室外機が有する熱交換器の異常又は性能低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜５のいずれか１項において、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記室外機の圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率の現在値と上記基準値とを基にして、上記室外機が有する熱交換器の異常又は性能低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜６のいずれか１項において、上記初期監視モードでは、少なくとも、上記ガスエンジンのエンジン回転数および上記室外機の冷媒系の運転データにより算出されるエンジン出力と上記ガスエンジンの運転データから算出されるエンジン入力との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記エンジン出力と上記エンジン入力との比率あるいは当該比率を算出可能な複数の運転データの現在値と上記基準値とを基にして、上記ガスエンジンの異常又は性能低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜７のいずれか１項において、上記初期監視モードでは、少なくとも、上記ガスエンジンにおけるスロットル弁開度と燃料弁開度との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ガスエンジンにおけるスロットル弁開度と燃料弁開度との比率の現在値と上記基準値とを基にして、上記ガスエンジンのエアフィルタの異常又は性能低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜８のいずれか１項において、上記初期監視モードでは、少なくとも、上記室内機の冷媒要求量と熱交換器の冷媒温度と膨張弁開度の三者の比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記室内機の冷媒要求量と熱交換器の冷媒温度と膨張弁開度の三者の比率の現在値と上記基準値とを基にして、上記室内機のフィルタの異常又は性能低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜９のいずれか１項において、上記初期監視モードでは、少なくとも、上記ＧＨＰが冷房運転状態にある際の上記室外機の圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ＧＨＰが冷房運転状態にある際の上記圧縮機の吐出圧力と上記ガスエンジンのエンジン回転数との比率の現在値と上記基準値とを基にして、冷媒充填量の異常又は低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜１０のいずれか１項において、上記初期監視モードでは、少なくとも、上記ガスエンジンのエンジントルクと相関のある上記ガスエンジンにおけるスロットル弁開度とエンジン回転数との比率に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ガスエンジンのスロットル弁開度とエンジン回転数との比率に関する現在値と上記基準値とを基にして、冷媒充填量の異常又は低下を判定することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜１１のいずれか１項において、上記初期監視モードでは、少なくとも、上記ＧＨＰが暖房運転状態にある際の冷却水三方弁又は冷却水温度の変動に関する上記基準値を作成又は上記基準値として設定済みの値を代入し、
上記予知モードでは、上記ＧＨＰが暖房運転状態にある際の上記冷却水三方弁又は冷却水温度の変動に関する現在値と上記基準値とを基にして、冷媒充填量の異常又は低下を判断することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜１２のいずれか１項において、上記予知モードでは、上記室内機を設置する環境に応じて決定された環境係数によって、上記室内機の運転時間を補正して補正運転時間を算出し、該補正運転時間と予め定めた室内機基準運転時間とを基にして、上記室内機のフィルタの異常又は性能低下を判断することを特徴とするＧＨＰ故障予知診断方法。
- 室内機と室外機とを有し、該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置における故障予知診断を行う装置であって、
上記ＧＨＰに直接的又は通信機器を介して間接的に接続された監視用コンピュータを有し、該監視用コンピュータが、請求項１〜１３のいずれか１項に記載のＧＨＰ故障予知診断方法を自動的に実行するよう構成されていることを特徴とするＧＨＰ故障予知診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004226969A JP2006046762A (ja) | 2004-08-03 | 2004-08-03 | Ｇｈｐ故障予知診断方法及びその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004226969A JP2006046762A (ja) | 2004-08-03 | 2004-08-03 | Ｇｈｐ故障予知診断方法及びその装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2006046762A true JP2006046762A (ja) | 2006-02-16 |
Family
ID=36025516
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004226969A Pending JP2006046762A (ja) | 2004-08-03 | 2004-08-03 | Ｇｈｐ故障予知診断方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2006046762A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007255789A (ja) * | 2006-03-23 | 2007-10-04 | Osaka Gas Co Ltd | ヒートポンプシステム |
| JP2009168296A (ja) * | 2008-01-11 | 2009-07-30 | Daikin Ind Ltd | 空調機診断装置及び空調機診断方法 |
| JP2010198362A (ja) * | 2009-02-25 | 2010-09-09 | Mitsubishi Heavy Ind Ltd | 空気調和設備の遠隔保守管理システムおよび遠隔保守管理サーバ |
| JP2010210121A (ja) * | 2009-03-09 | 2010-09-24 | Mitsubishi Electric Corp | 空気調和装置 |
| JP2017142013A (ja) * | 2016-02-10 | 2017-08-17 | 三菱電機株式会社 | 制御装置、制御システムおよびプログラム |
| CN112112792A (zh) * | 2020-09-08 | 2020-12-22 | 上海发电设备成套设计研究院有限责任公司 | 电动给水泵组状态检修方法、系统以及终端 |
| JP2021008967A (ja) * | 2019-06-28 | 2021-01-28 | アイシン精機株式会社 | エンジンヒートポンプのメンテナンス時期算定装置及びエンジンヒートポンプのメンテナンス時期算定方法 |
| CN115493321A (zh) * | 2022-09-29 | 2022-12-20 | 珠海三体芯变频科技有限公司 | 一种基于物联网的热泵性能监测系统及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5745479A (en) * | 1980-09-03 | 1982-03-15 | Hitachi Ltd | Monitor device for radioactivity density |
| JPS62248970A (ja) * | 1986-04-22 | 1987-10-29 | サンデン株式会社 | エンジン駆動型ヒ−トポンプシステム |
| JPS63273037A (ja) * | 1987-04-30 | 1988-11-10 | Yanmar Diesel Engine Co Ltd | 機関の故障診断装置 |
| JPH0295407A (ja) * | 1988-09-30 | 1990-04-06 | Ishikawajima Harima Heavy Ind Co Ltd | フィルタの寿命予測方法 |
| JPH04350474A (ja) * | 1991-05-28 | 1992-12-04 | Sanyo Electric Co Ltd | エンジン駆動式ヒートポンプ装置のエンジン劣化検出装置 |
| JPH0771803A (ja) * | 1993-09-01 | 1995-03-17 | Daikin Ind Ltd | 空気調和装置の状態監視装置 |
| JPH07103540A (ja) * | 1993-09-30 | 1995-04-18 | Mitsubishi Electric Corp | データ収集装置および空気調和システムのメンテナンスツール |
| JPH07217964A (ja) * | 1994-02-01 | 1995-08-18 | Hitachi Ltd | 空気調和装置の故障診断システム |
| JPH08109852A (ja) * | 1994-10-12 | 1996-04-30 | Sanyo Electric Co Ltd | ガスヒートポンプエアコンエンジンの失火判定方法および制御方法 |
| JP2000052754A (ja) * | 1998-08-10 | 2000-02-22 | Mitsubishi Heavy Ind Ltd | 車両用空気調和装置 |
| JP2000110650A (ja) * | 1998-09-30 | 2000-04-18 | Mazda Motor Corp | ハイブリッド車の故障診断装置 |
| JP2001073767A (ja) * | 1999-08-31 | 2001-03-21 | Mazda Motor Corp | エンジン冷却系におけるサーモスタットの故障診断装置 |
| JP2003004281A (ja) * | 2001-06-25 | 2003-01-08 | Toho Gas Co Ltd | Ｇｈｐ遠隔監視装置 |
| JP2003271233A (ja) * | 2002-03-19 | 2003-09-26 | Hitachi Ltd | 電源設備及びその管理方法 |
| JP2004169989A (ja) * | 2002-11-20 | 2004-06-17 | Daikin Ind Ltd | 異常診断システム |
-
2004
- 2004-08-03 JP JP2004226969A patent/JP2006046762A/ja active Pending
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5745479A (en) * | 1980-09-03 | 1982-03-15 | Hitachi Ltd | Monitor device for radioactivity density |
| JPS62248970A (ja) * | 1986-04-22 | 1987-10-29 | サンデン株式会社 | エンジン駆動型ヒ−トポンプシステム |
| JPS63273037A (ja) * | 1987-04-30 | 1988-11-10 | Yanmar Diesel Engine Co Ltd | 機関の故障診断装置 |
| JPH0295407A (ja) * | 1988-09-30 | 1990-04-06 | Ishikawajima Harima Heavy Ind Co Ltd | フィルタの寿命予測方法 |
| JPH04350474A (ja) * | 1991-05-28 | 1992-12-04 | Sanyo Electric Co Ltd | エンジン駆動式ヒートポンプ装置のエンジン劣化検出装置 |
| JP3119046B2 (ja) * | 1993-09-01 | 2000-12-18 | ダイキン工業株式会社 | 空気調和装置の状態監視装置 |
| JPH0771803A (ja) * | 1993-09-01 | 1995-03-17 | Daikin Ind Ltd | 空気調和装置の状態監視装置 |
| JPH07103540A (ja) * | 1993-09-30 | 1995-04-18 | Mitsubishi Electric Corp | データ収集装置および空気調和システムのメンテナンスツール |
| JPH07217964A (ja) * | 1994-02-01 | 1995-08-18 | Hitachi Ltd | 空気調和装置の故障診断システム |
| JPH08109852A (ja) * | 1994-10-12 | 1996-04-30 | Sanyo Electric Co Ltd | ガスヒートポンプエアコンエンジンの失火判定方法および制御方法 |
| JP2000052754A (ja) * | 1998-08-10 | 2000-02-22 | Mitsubishi Heavy Ind Ltd | 車両用空気調和装置 |
| JP2000110650A (ja) * | 1998-09-30 | 2000-04-18 | Mazda Motor Corp | ハイブリッド車の故障診断装置 |
| JP2001073767A (ja) * | 1999-08-31 | 2001-03-21 | Mazda Motor Corp | エンジン冷却系におけるサーモスタットの故障診断装置 |
| JP2003004281A (ja) * | 2001-06-25 | 2003-01-08 | Toho Gas Co Ltd | Ｇｈｐ遠隔監視装置 |
| JP2003271233A (ja) * | 2002-03-19 | 2003-09-26 | Hitachi Ltd | 電源設備及びその管理方法 |
| JP2004169989A (ja) * | 2002-11-20 | 2004-06-17 | Daikin Ind Ltd | 異常診断システム |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007255789A (ja) * | 2006-03-23 | 2007-10-04 | Osaka Gas Co Ltd | ヒートポンプシステム |
| JP2009168296A (ja) * | 2008-01-11 | 2009-07-30 | Daikin Ind Ltd | 空調機診断装置及び空調機診断方法 |
| JP2010198362A (ja) * | 2009-02-25 | 2010-09-09 | Mitsubishi Heavy Ind Ltd | 空気調和設備の遠隔保守管理システムおよび遠隔保守管理サーバ |
| JP2010210121A (ja) * | 2009-03-09 | 2010-09-24 | Mitsubishi Electric Corp | 空気調和装置 |
| JP2017142013A (ja) * | 2016-02-10 | 2017-08-17 | 三菱電機株式会社 | 制御装置、制御システムおよびプログラム |
| JP2021008967A (ja) * | 2019-06-28 | 2021-01-28 | アイシン精機株式会社 | エンジンヒートポンプのメンテナンス時期算定装置及びエンジンヒートポンプのメンテナンス時期算定方法 |
| JP7339601B2 (ja) | 2019-06-28 | 2023-09-06 | 株式会社アイシン | エンジンヒートポンプのメンテナンス時期算定装置及びエンジンヒートポンプのメンテナンス時期算定方法 |
| CN112112792A (zh) * | 2020-09-08 | 2020-12-22 | 上海发电设备成套设计研究院有限责任公司 | 电动给水泵组状态检修方法、系统以及终端 |
| CN112112792B (zh) * | 2020-09-08 | 2024-04-23 | 上海发电设备成套设计研究院有限责任公司 | 电动给水泵组状态检修方法、系统以及终端 |
| CN115493321A (zh) * | 2022-09-29 | 2022-12-20 | 珠海三体芯变频科技有限公司 | 一种基于物联网的热泵性能监测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6701727B2 (en) | Apparatus and method for managing heat source unit for air conditioner | |
| US11561019B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
| JP7260292B2 (ja) | 異常診断装置及び異常診断方法 | |
| JP2005188501A (ja) | 車両の故障診断システム | |
| CN109612029B (zh) | 效能预测方法 | |
| JP2009002651A (ja) | 異常診断システム | |
| JP6750091B2 (ja) | 空気調和機の性能診断装置及び性能診断方法 | |
| CN110715814B (zh) | 一种开式冷却塔在线综合诊断系统及方法 | |
| CN108489011B (zh) | 运行控制方法、装置、空调水机系统和存储介质 | |
| CN112283876A (zh) | 空调故障预测方法及空调 | |
| WO2010041386A1 (ja) | 空気調和装置の遠隔管理システムおよび遠隔管理方法 | |
| JP4281334B2 (ja) | 異常診断システム | |
| JP2006046762A (ja) | Ｇｈｐ故障予知診断方法及びその装置 | |
| Yang et al. | HVAC equipment, unitary: Fault detection and diagnosis | |
| JP2010025475A (ja) | 冷凍サイクル機器に用いられる故障診断装置 | |
| JP2023155219A (ja) | システム内の欠陥を識別するための方法 | |
| CN114413408A (zh) | 空调器及其故障识别方法、识别装置和可读存储介质 | |
| JP3933599B2 (ja) | Ｇｈｐ故障予知診断方法およびその装置 | |
| JP2005315564A (ja) | 空調機の異常検知装置及び異常検知方法 | |
| JP3976320B2 (ja) | 空調機の故障診断装置 | |
| WO2021166020A1 (ja) | 空気調和システム、運転管理方法及びプログラム | |
| CN111788598B (zh) | 利用高楼能量管理系统数据的能量效率分析系统 | |
| JP2009002650A (ja) | 異常診断システム | |
| CN114923273B (zh) | 一种空调系统及其控制方法 | |
| JP3868113B2 (ja) | エンジンヒートポンプ室外機の遠隔監視装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070511 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070522 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20071009 |