JP2018105571A - 熱交換システム、コントローラ、及び、ニューラルネットワークの構築方法 - Google Patents

Abstract

【課題】熱交換に関して好適な制御を行う熱交換システム等を提供する。【解決手段】熱交換システムは、インバータ１０２と、電子膨張弁１０６と、蒸発圧力調整弁１０９と、コントローラ１２０と、を備える。コントローラ１２０は、インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９に操作量を出力するＰＩＤ制御部１１〜１３と、インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９それぞれに操作量を出力するニューラルネットワーク１５と、を備える。ニューラルネットワーク１５は、ＰＩＤ制御部１１〜１３それぞれから出力される操作量を０にする機械学習を行う。【選択図】図２

Description

本発明は、熱交換システム、コントローラ、及び、ニューラルネットワークの構築方法に関する。

例えば、特許文献１には、冷凍サイクルの違いによる運転特性を学習するニューラルネットワークと、該ニューラルネットワークの学習結果に基づいて空調機の運転制御を行う制御手段とを有することを特徴とする空調制御装置が開示されている。

特開平５−１０５６８号公報

しかしながら、上記特許文献１では、例えば、複数の装置それぞれを複数のＰＩＤコントローラ１で制御することが考慮されておらず、従って、複数の装置それぞれに対する各ＰＩＤ制御のうち、ある１つのＰＩＤ制御が他のＰＩＤ制御に影響を及ぼす点が考慮されていない。さらに、上記特許文献１では、例えば、複数の目標値についてどのようなＰＩＤ制御を行うか、どのような学習を行うかが考慮されていない。従って、従来は、好転な運転制御を行うことができないことがある。

本発明は、熱交換に関して好適な制御を行う熱交換システム、熱交換に関して好適な制御を行うコントローラ、及び、熱交換に関して好適な制御を行うニューラルネットワークの構築方法を提供することを目的とする。

（１）上記目的を達成するため、本発明の第１の観点に係る熱交換システムは、
循環する熱媒体（例えば、冷媒）を用いた熱交換を行う熱交換システム（例えば、熱交換システム１００）であって、
第１位置における前記熱媒体の流量である第１流量を調整する第１調整装置（例えば、インバータ１０２又は蒸発圧力調整弁１０９）と、
第２位置における前記熱媒体の流量である第２流量を調整する第２調整装置（例えば、電子膨張弁１０６）と、
前記第１流量に応じて変化する第１物理量（例えば、フィードバックされる吹出空気温度）が第１目標値（例えば、ユーザからの操作等により予め設定される吹出空気温度設定値）に一致するように前記第１調整装置に第１操作量を出力する第１フィードバック制御（例えば、ＰＩＤ制御）を行う第１フィードバック制御部（例えば、ＰＩＤ制御部１１又はＰＩＤ制御部１２）と、
前記第２流量に応じて変化する第２物理量（例えば、フィードバックされる過熱度）が第２目標値（例えば、ユーザからの操作等により予め設定される過熱度設定値）に一致するように前記第２調整装置に第２操作量を出力する第２フィードバック制御（例えば、ＰＩＤ制御）であって、前記第１フィードバック制御に影響を与える（例えば、ＰＩＤ制御部１３からの操作量が吹出空気温度も変化させ、ＰＩＤ制御部１１又は１２によるＰＩＤ制御に影響を与える）第２フィードバック制御を行う第２フィードバック制御部（例えば、ＰＩＤ制御部１３）と、
前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する機械学習部（例えば、吹出空気温度設定値と過熱度設定値と前記熱交換に影響を与える状態量とを含む複数の入力値が入力され、入力された入力値に基づいて操作量を算出し、算出した操作量をインバータ１０２又は蒸発圧力調整弁１０９と電子膨張弁１０６とに出力するニューラルネットワーク１５）であって、前記第１操作量及び前記第２操作量を教師信号として当該第１操作量及び当該第２操作量を小さくする学習（例えば、ＰＩＤ制御部１１〜１３からの各操作量が０になるような操作量を出力できるように行う学習）を行う機械学習部（例えば、ニューラルワーク１５）と、
を備える熱交換システムである。

（２）上記（１）の熱交換システムにおいて、
前記第１フィードバック制御部は、前記第１目標値として設定される複数の値それぞれについて、同一のパラメータで前記第１フィードバック制御を行い（例えば、ＰＩＤ制御部１１又は１２は、吹出空気温度が変更されても同一のパラメータでＰＩＤ制御を行う）、
前記機械学習部は、前記複数の値それぞれについて行われる前記第１フィードバック制御により出力される前記第１操作量を教師信号として機械学習を行う（例えば、ニューラルネットワーク１５は、同一のパラメータで動作するＰＩＤ制御部１１又は１２からの操作量に基づいて学習を行う）、
ようにしてもよい。

（３）上記（１）又は（２）の熱交換システムは、
前記熱媒体を圧縮する圧縮機（例えば、圧縮機１０１）と、
前記圧縮機の出力を調整するインバータ（例えば、インバータ１０２）と、
前記圧縮機により圧縮された前記熱媒体を凝縮する凝縮器（例えば、凝縮器１０３）と、
前記凝縮器が凝縮した前記熱媒体を膨張させる膨張弁（例えば、電子膨張弁１０６）と、
前記膨張弁が膨張させた前記熱媒体を蒸発させることで前記熱交換を行う蒸発器（例えば、蒸発器１０８）と、
前記蒸発器により蒸発した前記熱媒体の流量を調整する調整弁（例えば、蒸発圧力調整弁１０９）と、を備え、
前記第１調整装置と前記第２調整装置とのうちの一方は前記インバータ又は前記調整弁を有し、他方は前記膨張弁を有し、
前記機械学習部は、ニューラルネットワーク（例えば、ニューラルネットワーク１５）を有する、
ようにしてもよい。

（４）本発明の第２の観点に係るコントローラは、
循環し熱交換に使用される熱媒体（例えば、冷媒）の第１位置での流量である第１流量を調整する第１調整装置（例えば、インバータ１０２又は蒸発圧力調整弁１０９）と、前記熱媒体の第２位置での流量である第２流量を調整する第２調整装置（例えば、電子膨張弁１０６）と、を制御するコントローラ（例えば、コントローラ１２０）であって、
前記第１流量に応じて変化する第１物理量（例えば、フィードバックされる吹出空気温度）が第１目標値（例えば、ユーザからの操作等により予め設定される吹出空気温度設定値）に一致するように前記第１調整装置に第１操作量を出力する第１フィードバック制御（例えば、ＰＩＤ制御）を行う第１フィードバック制御部（例えば、ＰＩＤ制御部１１又はＰＩＤ制御部１２）と、
前記第２流量に応じて変化する第２物理量（例えば、フィードバックされる過熱度）が第２目標値（例えば、ユーザからの操作等により予め設定される過熱度設定値）に一致するように前記第２調整装置に第２操作量を出力する第２フィードバック制御（例えば、ＰＩＤ制御）であって、前記第１フィードバック制御に影響を与える（例えば、ＰＩＤ制御部１３からの操作量が吹出空気温度も変化させ、ＰＩＤ制御部１１又は１２によるＰＩＤ制御に影響を与える）第２フィードバック制御を行う第２フィードバック制御部（例えば、ＰＩＤ制御部１３）と、
前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する機械学習部（例えば、吹出空気温度設定値と過熱度設定値と前記熱交換に影響を与える状態量とを含む複数の入力値が入力され、入力された入力値に基づいて操作量を算出し、算出した操作量をインバータ１０２又は蒸発圧力調整弁１０９と電子膨張弁１０６とに出力するニューラルネットワーク１５）であって、前記第１操作量及び前記第２操作量を教師信号として当該第１操作量及び当該第２操作量を小さくする学習（例えば、ＰＩＤ制御部１１〜１３からの各操作量が０になるような操作量を出力できるように行う学習）を行う機械学習部（例えば、ニューラルワーク１５）と、
を備えるコントローラである。

（５）本発明の第３の観点に係るニューラルネットワークの構築方法は、
循環し熱交換に使用される熱媒体（例えば、冷媒）の第１位置での流量である第１流量を調整する第１調整装置（例えば、インバータ１０２又は蒸発圧力調整弁１０９）と、前記熱媒体の第２位置での流量である第２流量を調整する第２調整装置（例えば、電子膨張弁１０６）と、を制御するニューラルネットワーク（例えば、ニューラルネットワーク１５）の構築方法（生産方法の一種）であって、
前記第１流量に応じて変化する第１物理量（例えば、フィードバックされる吹出空気温度）を第１目標値（例えば、ユーザからの操作等により予め設定される吹出空気温度設定値）に近づける第１フィードバック制御（例えば、ＰＩＤ制御）により前記第１調整装置に入力される第１操作量（例えば、ＰＩＤ制御部１１又はＰＩＤ制御部１２からの操作量）と、前記第２流量に応じて変化する第２物理量（例えば、フィードバックされる過熱度）を第２目標値（例えば、ユーザからの操作等により予め設定される過熱度設定値）に近づける第２フィードバック制御（例えば、ＰＩＤ制御）であって前記第１フィードバック制御に影響を与える（例えば、ＰＩＤ制御部１３からの操作量が吹出空気温度も変化させ、ＰＩＤ制御部１１又は１２によるＰＩＤ制御に影響を与える）第２フィードバック制御により前記第２調整装置に入力される第２操作量（例えば、ＰＩＤ制御部１３からの操作量）と、を教師信号として、当該第１操作量及び当該第２操作量を小さくする機械学習を前記ニューラルネットワーク（例えば、ＰＩＤ制御部１１〜１３からの各操作量が０になるような操作量を出力できるように行う学習）に行わせるステップを備え、
前記ニューラルネットワークは、前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する（例えば、ニューラルネットワーク１５は、吹出空気温度設定値と過熱度設定値と前記熱交換に影響を与える状態量とを含む複数の入力値が入力され、入力された入力値に基づいて操作量を算出し、算出した操作量をインバータ１０２又は蒸発圧力調整弁１０９と電子膨張弁１０６とに出力する）、
ニューラルネットワークの構築方法である。

（６）上記（１）〜（５）の構成によれば、あるフィードバック制御（第１フィードバック制御）が他のフィードバック制御（第２フィードバック制御）からの影響を受ける場合であっても、当該影響を少なくし（理想的には無くし）、熱交換に関して好適な制御を行うことができる。

（７）本発明の第４の観点に係るニューラルネットワークの構築方法は、
熱交換に使用される熱媒体（例えば、冷媒）の流量を調整する調整装置（例えば、インバータ１０２又は蒸発圧力調整弁１０９）を制御するニューラルネットワーク（例えば、ニューラルネットワーク１５）の構築方法（生産方法の一種）であって、
前記流量に応じて変化する物理量（例えば、フィードバックされる吹出空気温度）を目標値（例えば、ユーザからの操作等により予め設定される吹出空気温度設定値）に近づけるフィードバック制御（例えば、ＰＩＤ制御）により前記調整装置に入力される操作量を教師信号として当該操作量を小さくする機械学習（例えば、ＰＩＤ制御部１１又は１２からの操作量が０になるような操作量を出力できるように行う学習）を前記ニューラルネットワークに行わせるステップを備え、
前記フィードバック制御は、前記目標値として設定される複数の値それぞれについて、同一のパラメータで行われ（例えば、ＰＩＤ制御部１１又は１２は、吹出空気温度設定値が変更されても同一のパラメータで制御を行う）、
前記ステップでは、前記複数の値それぞれについて行われる前記フィードバック制御により出力される前記操作量を前記教師信号として前記機械学習を前記ニューラルネットワークに行わせ（例えば、ＰＩＤ制御部１１又は１２からの操作量を教師信号として、ニューラルネット１５に機械学習を行わせる）、
前記ニューラルネットワークは、前記物理量が前記目標値に一致するように前記調整装置を制御する（例えば、ニューラルネットワーク１５は、吹出空気温度設定値と前記熱交換に影響を与える状態量とを含む複数の入力値が入力され、入力された入力値に基づいて操作量を算出し、算出した操作量をインバータ１０２又は蒸発圧力調整弁１０９に出力する）、
ニューラルネットワークの構築方法である。

（８）上記（２）及び（７）の構成によれば、目標値として設定される複数の値について機械学習部又はニューラルネットワークが学習を行うので、当該複数の値について同一のパラメータでフィードバック制御を行ったとしても、熱交換に関して好適な制御を行うことができる。

（９）なお、コンピュータ（例えば、コントローラ１２０）を、第１フィードバック制御部と第２フィードバック制御部と機械学習部（又は、ニューラルネットワーク）とのうちの少なくとも機械学習部（又は、ニューラルネットワーク）として動作させるプログラムによっても熱交換に関して好適な制御を行うことができる。

本発明によれば、熱交換に関して好適な制御を行うことができる。

本発明の一実施の形態に係る熱交換システムの構成図である。 図１のコントローラの一部を示すブロック図の一例である。 ニューラルネットワークの構成例を示す図である。 ニューラルネットワークを使用したときと、使用していないときとにおける空気吹出温度及び過熱度の推移を示す図である（吹出空気温度設定値＝２０℃）。 ニューラルネットワークを使用したときと、使用していないときとにおける空気吹出温度及び過熱度の推移を示す図である（吹出空気温度設定値＝１０℃）。

［熱交換システム１００］
本発明の一実施形態に係る熱交換システム１００は、冷却対象の部屋を冷却（冷房）する直膨式冷却装置として構成されている。

熱交換システム１００は、図１に示すように、循環経路Ｌ１と、バイパス経路Ｌ２と、圧縮機１０１と、インバータ１０２と、凝縮器１０３と、冷却水路１０４と、冷却水流量調整弁１０５と、電子膨張弁１０６と、送風機１０７と、蒸発器１０８と、蒸発圧力調整弁１０９と、容量調整弁１１０と、液冷却弁１１１と、操作部１１２と、コントローラ１２０と、圧力センサＳＰ１〜ＳＰ３と、温度センサＳＴ１〜ＳＴ４と、を備える。

また、熱交換システム１００は、概略、室外機Ｙ及び室内機Ｚにより構成されている。室外機Ｙには、圧縮機１０１、インバータ１０２などが搭載され、室内機Ｚには、送風機１０７、蒸発器１０８などが搭載されている。室内機Ｚは、後述のように周囲の空気を吸い込む吸込口Ｚ１と、後述のように冷却した空気を吹き出す吹出口Ｚ２と、を備える。

循環経路Ｌ１は、冷媒を循環させる経路である。循環経路Ｌ１の途中には、圧縮機１０１と、凝縮器１０３と、電子膨張弁１０６と、蒸発器１０８と、蒸発圧力調整弁１０９と、が配置されている。

圧縮機１０１は、循環経路Ｌ１を流れる冷媒（蒸気）を吸い込む吸込口を有する。圧縮機１０１は、吸込口から吸い込んだ冷媒を高温高圧に圧縮する。圧縮機１０１は、冷媒を循環させる機能も備える。圧縮機１０１は、モータにより冷媒を圧縮する。

圧縮機の吸込口近傍には、圧力センサＳＰ１と、温度センサＳＴ１とが設けられている。圧力センサＳＰ１は、圧縮機１０１の吸込口付近における冷媒の圧力（圧縮機吸込圧力ともいう。）を検出し、検出した圧力（圧力値）をコントローラ１２０に供給する。温度センサＳＴ１は、圧縮機１０１の吸込口付近における冷媒の温度（圧縮機吸込温度ともいう。）を検出し、検出した温度（温度値）をコントローラ１２０に供給する。

インバータ１０２は、圧縮機１０１の出力（圧縮機１０１から吐出される冷媒の流量）を調整する。インバータ１０２は、圧縮機１０１のモータの回転数を調整することにより、圧縮機１０１の出力を調整する。

凝縮器１０３は、圧縮機１０１により圧縮された冷媒を凝縮（冷却して液化）させる。凝縮器１０３の内部には、冷却水が流れる冷却水路１０４が通っており、冷却水路１０４を通る冷却水により冷媒を凝縮させる。

冷却水流量調整弁１０５は、冷却水路１０４の途中に配置され、その開度により、冷却水路１０４を流れる冷却水の流量を調整する。

凝縮器１０３の出口（凝縮された冷媒の出口）の近傍には、圧力センサＳＰ２が設けられている。圧力センサＳＰ２は、凝縮器１０３により凝縮された冷媒の圧力（凝縮圧力ともいう。）を検出し、検出した圧力（圧力値）をコントローラ１２０に供給する。

電子膨張弁１０６は、その開度に応じて、凝縮器１０３により凝縮された冷媒の流量を調整し当該冷媒を急激に減圧させる。この圧力低下により、冷媒の温度も下がる。

送風機１０７は、冷房対象の部屋の空気を蒸発器１０８に送風する。

蒸発器１０８は、電子膨張弁１０６により低温低圧化された冷媒を蒸発させる。蒸発器１０８による冷媒の蒸発は、送風機１０７により送風される空気から熱を奪う。つまり、蒸発器１０８は、送風される空気と、蒸発する冷媒と、で熱交換を行い、当該空気を冷却する。

送風機１０７及び蒸発器１０８は、室内機Ｚに搭載されている。送風機１０７の動作により、冷房対象の部屋の吸込口Ｚ１付近の空気が吸込口Ｚ１から室内機Ｚ内に吸い込まれ、吸い込まれた空気が蒸発器１０８で冷却され、冷却された空気が吹出口Ｚ２から吹き出されて冷房対象の部屋に供給される。これにより、冷房対象の部屋が冷房される。

吸込口Ｚ１近傍には温度センサＳＴ２が設けられている。温度センサＳＴ２は、吸込口Ｚ１付近の温度（吸込空気温度ともいう。）を検出し、検出した温度（温度値）をコントローラ１２０に供給する。送風機１０７が動作しているときの吸込空気温度は、吸込口Ｚ１から吸い込まれた空気（冷却前の空気）の温度である。

吹出口Ｚ２近傍には温度センサＳＴ３が設けられている。温度センサＳＴ３は、吹出口Ｚ２付近の温度（吹出空気温度ともいう。）を検出し、検出した温度（温度値）をコントローラ１２０に供給する。送風機１０７が動作しているときの吹出空気温度は、蒸発器１０８により冷却されたあとの空気（吹出口Ｚ２から吹き出す空気）の温度ともいえる。

蒸発器１０８の冷媒出口近傍には、圧力センサＳＰ３と温度センサＳＴ４とが設けられている。冷媒出口とは、蒸発器１０８により蒸発した冷媒が蒸発器から出て行く出口である。圧力センサＳＰ３は、蒸発器１０８により蒸発した冷媒の圧力（蒸発圧力ともいう。）を検出し、検出した圧力（圧力値）をコントローラ１２０に供給する。温度センサＳＴ４は、蒸発器１０８により蒸発した冷媒の温度（冷媒蒸気温度ともいう。）を検出し、検出した温度（温度値）をコントローラ１２０に供給する。

蒸発圧力調整弁１０９は、蒸発器１０８により蒸発した冷媒の流量（冷媒の圧力）を調整する。蒸発圧力調整弁１０９を通過した冷媒（蒸気）は、圧縮機１０１に戻る。

バイパス経路Ｌ２は、循環経路Ｌ１を循環する冷媒の一部をバイパスさせる経路である。バイパス経路Ｌ２は、経路Ｌ２１〜Ｌ２３を有する。経路Ｌ２１は、一端が循環経路Ｌ１上の分岐点Ｐ１に接続されている。分岐点Ｐ１は、圧縮機１０１と凝縮器１０３との間に位置する。経路Ｌ２２は、一端が循環経路Ｌ１上の分岐点Ｐ２に接続されている。分岐点Ｐ２は、凝縮器１０３と電子膨張弁１０６との間に位置する。経路Ｌ２１、２２それぞれの途中には、容量調整弁１１０、液冷却弁１１１が配置されている。経路Ｌ２１の他端及び経路Ｌ２２の他端は、バイパス経路Ｌ２上の合流点Ｐ３に接続されている。経路Ｌ２３は、この合流点Ｐ３と、循環経路Ｌ１の合流点Ｐ４とを接続する。合流点Ｐ４は、圧縮機１０１と蒸発圧力調整弁１０９との間に位置する。

容量調整弁１１０と液冷却弁１１１とは、基本的に閉じられているが、圧力センサＳＰ３により検出される蒸発圧力が、圧縮機吸込圧力の上限値（圧縮機１０１の仕様に合わせて予め設定されている値）を超えたときに開かれる。容量調整弁１１０が開くと、圧縮機１０１により圧縮された冷媒の一部（当該一部を第１冷媒ともいう。）が経路Ｌ２１に流れ込む。液冷却弁１１１が開くと、凝縮器１０３により凝縮された冷媒の一部（当該一部を第２冷媒ともいう。）が経路Ｌ２２に流れ込む。

容量調整弁１１０は、その開度により、経路Ｌ２１を流れる第１冷媒の流量を調整する。液冷却弁１１１は、その開度により、経路Ｌ２２を流れる第２冷媒の流量を調整する。第１冷媒と第２冷媒とは、経路Ｌ２３で合流し、合流点Ｐ４を介して循環経路Ｌ１に戻される。

容量調整弁１１０及び液冷却弁１１１が閉じられているとき、冷媒は、圧縮機１０１→凝縮器１０３→電子膨張弁１０６→蒸発器１０８→蒸発圧力調整弁１０９→圧縮機１０１の順に、循環経路Ｌ１上を循環する。なお、循環経路Ｌ１の途中に冷媒を貯蓄するアキュムレータなどを設けてもよい。

容量調整弁１１０及び液冷却弁１１１が開いているとき、循環経路Ｌ１を循環する冷媒の一部が、バイパス経路Ｌ２（経路Ｌ２１〜Ｌ２３）に流れてバイパスされる。このようなバイパスにより、圧縮機吸込圧力及び圧縮機吸込温度を低下させることができる。

操作部１１２は、ユーザからの操作を受け付けるリモコン等を含む。ユーザは、例えば、操作部１１２を操作し、熱交換システム１００における凝縮圧力、吹出空気温度、過熱度について所望の値を入力する。なお、過熱度とは、蒸発器１０８で蒸発した冷媒の過熱度であり、冷媒蒸気温度−飽和温度（その冷媒の蒸発圧力における飽和温度）により算出される。入力された各値は、コントローラ１２０に供給される。

コントローラ１２０は、ＰＬＣ（programmable logic controller）等の各種のコンピュータから構成される。例えば、コントローラ１２０は、プログラムやデータを記憶するＲＯＭ（Read Only Memory）と、ハードディスク、フラッシュメモリなどの、記憶した情報（プログラムやデータ）を変更（追加、削除を含む）可能な不揮発性の記憶装置（以下、単に不揮発性記憶装置ということがある。）と、ＲＯＭや不揮発性記憶装置に記憶されたプログラムに基づいて、かつ、ＲＯＭや不揮発性記憶装置などが記憶するデータを用いて、コントローラ１２０により実行される処理を実際に実行するＣＰＵ（Central Processing Unit）と、ＣＰＵのメインメモリとなるＲＡＭ（Random Access Memory）と、を備える。

コントローラ１２０は、不揮発性記憶装置の所定の記憶領域に、操作部１１２から供給された前記の各値を格納する。これにより、前記の各値が設定値として予め設定される。なお、設定された各設定値を、それぞれ、凝縮圧力設定値、吹出空気温度設定値、過熱度設定値ともいう。当該設定値は、後述のＰＩＤ制御等において目標値として使用される。なお、凝縮圧力、過熱度のうちの少なくとも一方は、熱交換システム１００の製造者により固定値として設定されてもよい。

コントローラ１２０は、インバータ１０２、冷却水流量調整弁１０５、電子膨張弁１０６、蒸発圧力調整弁１０９、容量調整弁１１０、液冷却弁１１１を制御することで、凝縮圧力、圧縮機吸込圧力、圧縮機吸込温度、吹出空気温度、過熱度を制御し、凝縮圧力、吹出空気温度、過熱度それぞれを前記各設定値に近づける（一致させる、維持させることを含む）。冷却水流量調整弁１０５の開度（冷却水の流量）を制御することで、凝縮圧力を制御できる。容量調整弁１１０の開度（冷媒の流量）を制御することで、圧縮機吸込圧力を制御できる。液冷却弁１１１の開度（冷媒の流量）を制御することで、圧縮機吸込温度を制御できる。インバータ１０２又は蒸発圧力調整弁１０９（開度）を制御することで、冷媒の流量を制御でき、従って吹出空気温度を制御できる。電子膨張弁１０６の開度（冷媒の流量）を制御することで、過熱度を制御できる。

コントローラ１２０は、インバータ１０２、冷却水流量調整弁１０５などの制御対象に対して、例えば、所定の範囲の数値を取り得る操作量を供給することで、制御対象を制御する。操作量は、各制御対象で共通の数値範囲０〜１００［％］を取るが、同じ数値の操作量に基づく動作は制御対象に応じて基本的には異なる。

インバータ１０２では、出力する交流電力の周波数が操作量により制御される。操作量０〜１００に応じて前記の周波数が制御される。インバータ１０２は、操作量が０［％］のときに最小周波数（インバータ１０２が出力可能な最小の周波数）の交流電力を出力し、操作量が１００［％］のときに最大周波数（インバータ１０２が出力可能な最大の周波数）の交流電力を出力する。従って、操作量が多くなれば、前記の周波数が高くなる。なお、当該交流電力の周波数により、圧縮機１０１のモータの回転数が制御される。従って、操作量により、圧縮機１０１の出力（結果的には、圧縮機１０１から出力される冷媒の流量、吹出空気温度）が制御される。

冷却水流量調整弁１０５、電子膨張弁１０６、蒸発圧力調整弁１０９、容量調整弁１１０、液冷却弁１１１の各弁では、その開度が操作量により制御される。操作量は開度の割合を示す。具体的には、操作量が０［％］の場合には、その開度は０である（弁が閉じた状態）。操作量が１００［％］の場合には、その開度は全開である。操作量が２０［％］の場合には、その開度は全開の２０％に当たる開度である。

例えば、コントローラ１２０は、凝縮圧力設定値と、圧力センサＳＰ２により検出される凝縮圧力（フィードバック値）と、の偏差に基づいて、ＰＩＤ（Proportional-Integral-Differential）により操作量を算出し、算出した操作量を冷却水流量調整弁１０５に出力する（ＰＩＤ制御）。このようなＰＩＤ制御により、圧力センサＳＰ２により検出される凝縮圧力が凝縮圧力設定値（目標値）に近づくように（偏差が０になるように）、冷却水流量調整弁１０５の開度（換言すると凝縮圧力）が制御される。

例えば、コントローラ１２０は、圧力センサＳＰ３により検出された蒸発圧力が、圧縮機吸込圧力の上限値を超えるか否かを監視する。前記の蒸発圧力が前記の上限値を超える場合、コントローラ１２０は、圧縮機吸込圧力の上限値を設定値とし、また、予め定められた所定値（操作部１１２への操作により設定してもよいし、予め固定値として設定されていてもよい）を圧縮機吸込温度の設定値として設定する。コントローラ１２０は、設定値として設定した圧縮機吸込圧力の上限値と、圧力センサＳＰ１により検出される圧縮機吸込圧力（フィードバック値）との偏差に基づいて、ＰＩＤにより操作量Ａを算出し、算出した操作量Ａを容量調整弁１１０に出力する（ＰＩＤ制御）。コントローラ１２０は、設定値として設定した上記所定値と、温度センサＳＴ１により検出される圧縮機吸込温度（フィードバック値）との偏差に基づいて、ＰＩＤにより操作量Ｂを算出し、算出した操作量Ｂを液冷却弁１１１に出力する（ＰＩＤ制御）。これらＰＩＤ制御により、圧力センサＳＰ１及び温度センサＳＴ１それぞれにより検出される圧縮機吸込圧力及び圧縮機吸込温度それぞれが前記各設定値（目標値）に近づくように（各偏差が０になるように）、容量調整弁１１０の開度（換言すると圧縮機吸込圧力）及び液冷却弁１１１の開度（換言すると圧縮機吸込温度）が制御される。なお、コントローラ１２０は、圧縮機１０１の出力を最低値（モータの回転数を最低）にする操作量をインバータ１０２に供給する。

また、コントローラ１２０は、インバータ１０２又は蒸発圧力調整弁１０９を制御することで、吹出空気温度を制御する。また、コントローラ１２０は、電子膨張弁１０６を制御することで、過熱度を制御する。この制御の詳細を、図２を参照して説明する。

［吹出空気温度及び過熱度の制御時のコントローラ１２０］
図２に示すように、インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９を制御するコントローラ１２０は、ＰＩＤ制御部１１〜１３と、ニューラルネットワーク１５と、を備える。例えば、ＰＬＣ等がＰＩＤ制御部１１〜１３、ニューラルネットワーク１５それぞれとして動作することで、図２の構成が実現される。

ＰＩＤ制御部１１は、圧力センサＳＰ３により検出された蒸発圧力（ａ）が、圧縮機吸込圧力の上限値（ｂ）以下の場合（ａ≦ｂの場合）に動作する。ＰＩＤ制御部１１には、吹出空気温度設定値と、温度センサＳＴ３により検出される吹出空気温度（フィードバック値）との偏差が入力され、ＰＩＤ制御部１１は、入力された偏差に基づいて、ＰＩＤにより、操作量を算出し、算出した操作量をインバータ１０２に出力する。このようにして、ＰＩＤ制御部１１は、温度センサＳＴ３により検出される吹出空気温度が、吹出空気温度設定値（目標値）に近づくように（偏差が０になるように）、インバータ１０２を制御する。

ＰＩＤ制御部１２は、圧力センサＳＰ３により検出された蒸発圧力（ａ）が、圧縮機吸込圧力の上限値（ｂ）よりも高い場合（ａ＞ｂの場合）に動作する。ＰＩＤ制御部１２には、吹出空気温度設定値と、温度センサＳＴ３により検出される吹出空気温度（フィードバック値）との偏差が入力され、ＰＩＤ制御部１２は、入力された偏差に基づいて、ＰＩＤにより、操作量を算出し、算出した操作量を蒸発圧力調整弁１０９に出力する。このようにして、ＰＩＤ制御部１１は、温度センサＳＴ３により検出される吹出空気温度が、吹出空気温度設定値（目標値）に近づくように（偏差が０になるように）、蒸発圧力調整弁１０９を制御する。

ＰＩＤ制御部１３には、過熱度設定値と、圧力センサＳＰ３及び温度センサＳＴ４により検出される蒸発圧力及び冷媒蒸気温度から導出される過熱度（フィードバック値）と、の偏差が入力される。コントローラ１２０は、蒸発圧力に基づいて飽和温度（その蒸発圧力のときにおける飽和温度）を導出し（計算により求めてもよいし、蒸発圧力と飽和温度との関係を規定するテーブルを参照して求めてもよい。）、冷媒蒸気温度から飽和温度を減じた値を過熱度として取得する（過熱度がフィードバックされる）。ＰＩＤ制御部１３は、入力された偏差に基づいて、ＰＩＤにより、操作量を算出し、算出した操作量を電子膨張弁１０６に出力する。このようにして、ＰＩＤ制御部１３は、前記で取得される過熱度が、過熱度設定値（目標値）に近づくように（偏差が０になるように）、電子膨張弁１０６を制御する。

ニューラルネットワーク１５は、図３に示すように、入力層、中間層、出力層、を有する。ニューラルネットワーク１５の入力層への入力値をｘ_ｉ、入力層と中間層間との結合荷重をｗ_ｉｊ、中間層間と出力層の結合荷重をｗ_ｊｋ、中間層の素子への入力をｓ_ｊとすると、中間層の素子への入力ｓ_ｊは、下記の数式（１）で表せられ、中間層から出力層への出力ｑ_ｊは、下記の数式（２）及び（３）で表せ、ニューラルネットワーク１５の出力ｙ_ｋは、下記の数式（４）で表せる。ここで添え字ｉ、ｊ、ｋは、それぞれ、入力層、中間層、出力層の素子番号であり、ｎ、ｍは、それぞれ、入力数、中間素子数である。下記の式中、ｘ_０＝１、ｓ_０＝１、ｑ_０＝１である。

入力層には、入力値ｘ_ｉとして、吹出空気温度設定値（例えば、ｘ_１）と、過熱度設定値（例えば、ｘ_２）と、熱交換システム１００による熱交換に影響を与える各種の状態量（例えば、熱交換システム１００の冷却特性に影響を与える各種の状態量）（フィードバック値）と、が入力される。例えば、前記の状態量として、圧力センサＳＰ１により検出される圧縮機吸込圧力（例えば、ｘ_３）、温度センサＳＴ２により検出される吸込空気温度（例えば、ｘ_４）、圧力センサＳＰ２により検出される凝縮圧力（例えば、ｘ_５）、電子膨張弁１０６に入力された過去３回の操作量（例えば、ｘ_６、ｘ_7、ｘ_８）、インバータ１０２（ａ≦ｂの場合）又は蒸発圧力調整弁１０９（ａ＞ｂの場合）に入力された過去３回の操作量（例えば、ｘ_９、ｘ_１０、ｘ_１１）がニューラルネットワーク１５に入力される。

なお、前記の過去の操作量（ｘ_６〜ｘ_１１）は、ニューラルネットワーク１５からの操作量とＰＩＤ制御部１１〜１３のいずれかからの操作量との和（詳しくは後述）であるが、ニューラルネットワーク１５からの操作量と、ＰＩＤ制御部１１〜１３のいずれかからの操作量とのうちのいずれか一方をニューラルネットワーク１５に入力される過去の操作量としてもよい。ニューラルネットワーク１５に入力される過去の操作量は、過去１回以上の各操作量であってもよいし、過去複数回の操作量の平均等でもよい。また、操作量の変化量（現在の操作量−前回の操作量）、過去複数回の操作量の時間変化の１階微分値（時間微分）、２階微分値（時間微分）などの少なくとも１つであってもよい。このように、ニューラルネットワーク１５に過去の操作量として入力されるのは、制御対象への操作量の履歴を示す一以上の値であればよい。

ニューラルネットワーク１５に入力される複数の入力値は、ニューラルネットワーク１５を好適に動作させるもの（好適な操作量を出力させるもの）であればよい。上記状態量は、物理量、操作量等を含み、これらの変化量、時間等による微分値等も含む。ニューラルネットワーク１５に入力される入力値は、ＰＩＤ制御部１１〜１３にフィードバックされる物理量（吹出空気温度、過熱度）を含まないようにすることで、好適な制御を行うことができる。

ニューラルネットワーク１５は、入力値（ｘ_１〜ｘ_１１）に基づいて出力ｙ_ｋを導出する。例えば、上記各式により、出力ｙ_ｋを算出する。ニューラルネットワーク１５は、出力ｙ_ｋのうちの１つを操作量ｙ_１としてインバータ１０２（ａ≦ｂの場合）又は蒸発圧力調整弁１０９（ａ＞ｂの場合）に出力し、他の１つを操作量ｙ_２として電子膨張弁１０６にする。操作量ｙ₁は、吹出空気温度を吹出空気温度設定値に近づける操作量（両者を一致させるように制御される操作量）であり、操作量ｙ_２は、過熱度を過熱度設定値に近づける操作量（両者を一致させるように制御される操作量）である。

このようなニューラルネットワーク１５は、ＰＩＤ制御部１１〜１３から出力される操作量を教師信号とし、これら操作量を０にするように機械学習する。例えば、ニューラルネットワーク１５は、ＰＩＤ制御部１１〜１３からの各操作量（教師信号）を０にするような操作量を出力できるように機械学習を行う。当該機械学習は、例えば、誤差逆伝搬法で行われ、当該誤差逆伝搬法での重みの修正は勾配法により行われる。このようにして、ニューラルネットワーク１５には、機械学習の結果が反映される。ニューラルネットワーク１５は、機械学習の結果に基づいて、操作量を導出することになる。ニューラルネットワーク１５は、例えば、熱交換システム１００をユーザに納入してから、ある程度学習させた後に、学習を止めてもよいし、常に学習してもよい。

インバータ１０２には、ＰＩＤ制御部１１からの操作量と、ニューラルネットワーク１５からの操作量ｙ_１と、の和が入力される。蒸発圧力調整弁１０９には、ＰＩＤ制御部１２からの操作量と、ニューラルネットワーク１５からの操作量ｙ_１と、の和が入力される。電子膨張弁１０６には、ＰＩＤ制御部１３からの操作量と、ニューラルネットワーク１５からの操作量ｙ_２と、の和が入力される。このようにして、インバータ１０２（換言すると、圧縮機１０１の出力（冷媒の流量）ないし吹出空気温度）は、ニューラルネットワーク１５及びＰＩＤ制御部１１により制御される。蒸発圧力調整弁１０９（換言すると、吹出空気温度）は、ニューラルネットワーク１５及びＰＩＤ制御部１２により制御される。電子膨張弁１０６（換言すると、過熱度）は、ニューラルネットワーク１５及びＰＩＤ制御部１３により制御される。ただし、ニューラルネットワーク１５は、ＰＩＤ制御部１１〜１３から出力される各操作量を０にする学習を行う。従って、ニューラルネットワーク１５による学習が進んだ理想的な状態では、インバータ１０２、蒸発圧力調整弁１０９、及び、電子膨張弁１０６は、ニューラルネットワーク１５のみで吹出空気温度が吹出空気温度設定値に一致し、過熱度が過熱度設定値に一致するよう制御される。

この実施の形態では、吹出空気温度設定値がユーザにより変更されても、ＰＩＤ制御部１１〜１３に設定されている各種のパラメータは変更されない。つまり、この実施の形態では、吹出空気温度設定値によらず、同一のＰＩＤ制御が行われる。また、１つのニューラルネットワーク１５は、様々な吹出空気温度設定値で学習を行う。

ニューラルネットワーク１５は、インバータ１０２又は蒸発圧力調整弁１０９に対する制御に応じて、送風機１０７（送風する空気の量）を制御してもよい。例えば、インバータ１０２等を制御して冷媒の流量を増加させる場合（送風される空気をより冷却する場合）、冷房能力を高めるため、送風機１０７を制御して送風される空気を増加させてもよい。

［操作量の他の例］
なお、ＰＩＤ制御部１１〜１３により出力される操作量及び上記ニューラルネットワーク１５から出力される操作量それぞれは、制御対象（インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９）に前回入力された操作量からの変化量で表されてもよい。この場合、例えば、インバータ１０２に入力される操作量ＭＶは、前回入力された操作量ＭＶ_−１と、ＰＩＤ制御部１１から出力された操作量ΔＭＶ_ＰＩＤ（変化量）と、ニューラルネットワーク１５から出力された操作量ΔＭＶ_ＮＮ（変化量）（操作量ｙ_１）と、の合計値である。当該合計値（操作量ＭＶ）は、次回の操作量の入力時には、操作量ＭＶ_−１になる。コントローラ１２０は、前回の操作量をＲＡＭ等に保持しておけばよい。インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９以外の他の制御対象を制御するＰＩＤ制御において出力される操作量も、前回の操作量からの変化量で表されてもよい。

［この実施の形態の効果］
（１）インバータ１０２又は蒸発圧力調整弁１０９に対する制御と電子膨張弁１０６に対する制御とは互いに影響を与え合う。例えば、インバータ１０２に対する制御（操作量の変更）により圧縮機１０１の出力が変更されたり、蒸発圧力調整弁１０９に対する制御（操作量の変更）によりその開度が変更されたりすると、冷媒の流量が変更され、結果的に、電子膨張弁１０６に対する制御により制御される物理量である過熱度も変化する（結果的に、電子膨張弁１０６をさらに制御する必要が生じる）。同様に、電子膨張弁１０６に対する制御（操作量の変更）によりその開度が変更されたりすると、冷媒の流量が変更され、結果的に、インバータ１０２又は蒸発圧力調整弁１０９に対する制御により制御される物理量である吹出空気温度も変化する（結果的に、インバータ１０２又は蒸発圧力調整弁１０９をさらに制御する必要が生じる）。従って、インバータ１０２又は蒸発圧力調整弁１０９に対する制御と電子膨張弁１０６に対する制御とを個別に行う場合（例えば、ＰＩＤ制御部１１〜１３のみでの制御や、インバータ１０２、蒸発圧力調整弁１０９、電子膨張弁１０６それぞれについてＰＩＤ制御部及びニューラルネットワークを用意する場合など）、制御がうまくいかない場合がある。しかしながら、この実施の形態では、１つのニューラルネットワーク１５が、ＰＩＤ制御部１１〜１３から出力される操作量を教師信号として（操作量が０になるように）学習するため、十分に学習が進んだあとには、ニューラルネットワーク１５による制御の影響が大きくなり（理想的には、ＰＩＤ制御部１１〜１３による制御が無くなり）、インバータ１０２又は蒸発圧力調整弁１０９に対する制御と電子膨張弁１０６に対する制御とが互いに与える影響を少なくすること（理想的には、無くすこと）ができる。従って、ニューラルネットワーク無し（各ＰＩＤ制御が影響を及ぼし合う場合）よりもニューラルネットワーク有りの方が、吹出空気温度及び過熱度それぞれを、各設定値近傍で安定的に推移させることができる。つまり、ニューラルネットワーク１５を設けることにより、各ＰＩＤ制御で及ぼし合う影響を軽減でき、吹出空気温度及び過熱度を好適に制御できる。換言すると、熱交換に関して好適な制御を行える。なお、このような効果は、一方のＰＩＤ制御が他方のＰＩＤ制御に影響を与えるが、他方のＰＩＤ制御は一方のＰＩＤ制御に影響を与えない場合にもいえる。

（２）例えば、ニューラルネットワークを用いずにＰＩＤ制御のみで熱交換システム１００の動作を制御するときは、吹出空気温度設定値として設定され得る値ごとにパラメータが異なる複数種類のＰＩＤ制御部（パラメータのみを変更する場合も含む）を用意する必要がある。これに対し、この実施の形態では、ニューラルネットワーク１５が、様々な吹出空気温度目標値でのＰＩＤ制御部１１〜１３からの操作量を教師信号として学習を行い、かつ、ニューラルネットワーク１５とＰＩＤ制御部１１〜１３とが協働で制御を行う。従って、ＰＩＤ制御部１１〜１３それぞれのパラメータを、吹出空気温度設定値として設定され得る値ごとに複数用意する必要がなく（前記設定され得る値ごとに複数種類のＰＩＤ制御部１１〜１３それぞれを用意する必要がなく）、ＰＩＤ制御部１１〜１３を１種類ずつ用意すればよい。そして、このような構成でも、インバータ１０２、蒸発圧力調整弁１０９、及び、電子膨張弁１０６を、好適に制御できる。具体的には、吹出空気温度設定値がどの値であっても、吹出空気温度及び過熱度それぞれを、吹出空気温度設定値、過熱度設定値それぞれ付近で推移させることができる。

（３）コントローラ１２０による制御において、ニューラルネットワーク１５が有る場合の制御と無い場合の制御とによる、過熱度、吹出空気温度の推移の違いを、図４〜５に示す。ここでのニューラルネットワーク１５は、ある程度の学習がすんでいる。各図では、破線がニューラルネットワーク無し（ＮＮ無し）の場合の推移を示し、実線がニューラルネットワーク有り（ＮＮ有り）の場合の推移を示す。なお、制御条件は、過熱度設定値＝１５℃、吹出空気温度設定値＝２０℃（図４）、１０℃（図５）、ＰＩＤの比例ゲイン＝０．１、ＰＩＤの積分時間＝６０秒である。また、圧力センサＳＰ３により検出された蒸発圧力（ａ）と、圧縮機吸込圧力の上限値（ｂ）と、の大小関係は、ｂ＞ａである。従って、ここでの制御対象は、電子膨張弁１０６、蒸発圧力調整弁１０９であり、ＰＩＤ制御部１１は動作せず、ＰＩＤ制御部１２及び１３が動作し、ニューラルネットワーク１５は電子膨張弁１０６及び蒸発圧力調整弁１０９に操作量を供給する。など、図４〜図５では、１つの同じＰＩＤ制御部１２（パラメータの変更等はない）、１つの同じＰＩＤ制御部１３（パラメータの変更等はない）が用いられている。

ニューラルネットワーク１５無しの場合の過熱度（図４〜図５それぞれの（Ａ））及び吹出空気温度（図４〜図５それぞれの（Ｂ））は、安定していない。一方、ニューラルネットワーク１５有りの場合には、吹出空気温度設定値にかかわらず、過熱度及び吹出空気温度を、ニューラルネットワーク１５無しのときよりも、各設定値付近で安定的に制御できる（図４〜図５）。

図４〜図５の結果に示すように、ニューラルネットワーク１５と、ＰＩＤ制御部１２及び１３と、の協働での制御を行うことにより、ＰＩＤ制御部１２による制御とＰＩＤ制御部１３による制御とが互いに影響し合うことを軽減し、過熱度及び吹出空気温度それぞれを各設定値付近で安定的に推移させることができる。また、ＰＩＤ制御部１２及び１３それぞれのパラメータが１種類で、吹出空気温度設定値が変更されることがあっても、過熱度及び吹出空気温度それぞれを各設定値付近で安定的に推移させることができる。なお、図４及び図５のニューラルネットワーク無しの過熱度及び吹出空気温度の推移を参照すると、いずれの場合でも過熱度及び吹出空気温度の推移は安定していない。従って、ここで使用したＰＩＤ制御部１２及び１３は、吹出空気温度設定値が２０℃（図４）のときの使用、１０℃（図５）のときの使用のいずれのときにも向かないと考えられる。しかしながら、ニューラルネットワーク１５を使用することに、過熱度及び吹出空気温度それぞれを各設定値付近で安定的に推移させることができる。なお、このような利点は、圧力センサＳＰ３により検出された蒸発圧力（ａ）と、圧縮機吸込圧力の上限値（ｂ）と、の大小関係が、ｂ≦ａのとき（つまり、インバータ１０２を制御するとき）でも同様に得られると考えられる。

（４）上記（２）に関連し、吹出空気温度設定値が取り得る各値ごとに、異なるパラメータのＰＩＤ制御部１１〜１３それぞれを設けるとすると、各設定値に対するパラメータの設定の労力が非常に大きくなるが、本実施形態のように、ＰＩＤ制御部１１〜１３それぞれのパラメータを１種類とすることで、このような労力の低減をはかることができる。つまり、比較的容易にコントローラ１２０（特に、インバータ１０２、電子膨張弁１０６、蒸発圧力調整弁１０９を制御する部分）を構築できる。

（５）なお、通常、過熱度を変更することは無いが、過熱度についても同様のことが言え、本実施の形態の構成では、過熱度を変更したとしても、吹出空気温度及び過熱度それぞれを、各設定値近傍で安定的に推移させることができる。

（６）熱交換システム１００が備える各弁などの装置のうち、上記実施の形態では、インバータ１０２、蒸発圧力調整弁１０９、及び、電子膨張弁１０６をニューラルネットワーク１５及びＰＩＤ制御部１１〜１３で制御する。これにより、効果的に吹出空気温度等を制御できる。

［変形例等］
本発明は、上記の実施形態に限られず、上記の実施形態を適宜変形できる。以下にその例を変形例として示すが、下記の変形例は、その少なくとも一部を組み合わせることもできる。また、本明細書が開示する構成は、技術的に問題が無い限り、どの構成であっても、省略できる。

（変形例１）
操作部１１２から入力され、設定される吹出空気温度を、室温、吸込空気温度などとしてもよい。室温を設定する場合には、室温を検出する温度センサを設け、当該温度センサにより検出された室温をＰＩＤ制御等のフィードバック値とすればよい。吸込空気温度（当該温度も室温に近いものである）を設定する場合には、温度センサＳＴ２により検出された吸込空気温度をＰＩＤ制御等のフィードバック値とすればよい。

（変形例２）
ニューラルネットワーク１５は、ＰＩＤ制御部１１〜１３から出力される操作量を教師信号として、当該操作量を少なくする学習を行えばよく（操作量を０にする学習でなくてもよい。）、このような場合であっても、十分に学習が進んだあとには、ニューラルネットワーク１５による制御の影響を大きくすることができ、熱交換に関して好適な制御を行える。

（変形例３）
ニューラルネットワーク１５は、インバータ１０２と、電子膨張弁１０６と、蒸発圧力調整弁１０９と、のうちの少なくとも１つに代えて、又は、これらに加えて、冷却水流量調整弁１０５と、送風機１０７と、容量調整弁１１０と、液冷却弁１１１と、のうちの少なくとも１つを制御してもよい。例えば、ニューラルネットワーク１５は、容量調整弁１１０をＰＩＤ制御するＰＩＤ制御部から容量調整弁１１０に供給する操作量と、液冷却弁１１１をＰＩＤ制御するＰＩＤ制御部から液冷却弁１１１に供給する操作量と、を教師信号として機械学習を行い、圧縮機吸込圧力設定値、圧縮機吸込温度設定値を含む各種の入力値（熱交換システム１００の冷却特性に影響を与える各種の状態量等）に基づいて、容量調整弁１１０及び液冷却弁１１１それぞれに操作量を出力する。容量調整弁１１０、液冷却弁１１１の開度は、前記の各ＰＩＤ制御部からの各操作量とニューラルネットワーク１５からの各操作量とにより制御される。

（変形例４）
上記実施の形態では、吹出空気温度及び過熱度それぞれについて、設定可能な全ての数値に対してＰＩＤ制御部１１〜１３それぞれを１つずつ（１組のパラメータで）設けているが、設定可能な全ての数値を複数の範囲に分け、ＰＩＤ制御部１１〜１３それぞれを複数（２つ〜３つ）の範囲それぞれについて１つずつを設けてもよい。ニューラルネットワーク１５も、複数の範囲それぞれについて１つずつ設けてもよい。当該複数の範囲は、例えば、モリエル線図として表された冷凍サイクルの形状が変わる範囲（ＰＩＤ制御のパラメータを変更する必要がある複数の数値を含む範囲）である。また、圧力センサＳＰ３により検出された蒸発圧力（ａ）が、圧縮機吸込圧力の上限値（ｂ）以下の場合（ａ≦ｂの場合）と、その逆の場合（ａ＞ｂの場合）と、で異なるニューラルネットワーク１５を用意してもよい。ａ≦ｂの場合とａ＞ｂの場合とでは、制御対象が異なるので（一方はインバータ１０２で、他方は蒸発圧力調整弁１０９）、ａ≦ｂの場合とａ＞ｂの場合とで、異なる二つのニューラルネットワーク１５を切り替えて使用した方が、吹出空気温度及び過熱度をより精度良く制御できる可能性がある。

（変形例５）
上記ニューラルネットワーク１５の代わりに、他の機械学習器を設けてもよい。

（変形例６）
熱交換システム１００は、暖房を行うものであってもよい（この場合、冷媒の循環方向が逆になる）。熱交換システム１００は、熱交換可能な熱媒体を用いるものであればよい。また、熱交換システム１００により冷却又は加温する対象は、空気に限らず、他の気体、液体などであってもよい。つまり、当該対象は、流体であればよい。例えば、熱交換システム１００は、冷凍庫に用いられるものであってもよい。熱交換システムは、直膨式の冷却システムに限らず、他の熱交換システムであってもよい。この場合、ニューラルネットワーク１５及びＰＩＤ制御部１１〜１３による制御対象も適宜変更される。ただし、制御対象は、熱交換システムで使用される冷媒（熱媒体）の流量を調整する調整装置（例えば、圧縮機を制御するインバータ、熱媒体の流路に設けられた各種弁）であることが望ましい。また、制御対象は、熱交換の度合い（熱交換による流体の温度の変化度）に影響を与える調整装置（例えば、インバータ、膨張弁）であることが望ましい。

（変形例７）
コントローラ１２０で使用される各種の値（例えば、ＰＩＤ制御部１１〜１３、ニューラルネットワーク１５などに入力される各種の値）は、適宜正規化されてもよい。例えば、ニューラルネットワーク１５に入力される吹出空気温度設定値は正規化される一方、ＰＩＤ制御部１１に入力される吹出空気温度設定値は正規化されなくてもよい（ただし、どちらの値も同じ吹出空気温度設定値である）。

（変形例８）
上記ＰＩＤ制御は、所定の物理量がフィードバックされ、当該物理量を目標値に近づけるフィードバック制御であるが、上記ＰＩＤ制御を他のフィードバック制御に変更してもよい。他のフィードバック制御としては、ＰＩ（Proportional-Integral）制御等がある。

（変形例９）
上記各センサで検出される物理量（温度又は圧力）は計算により算出してもよい。例えば、圧縮機吸込温度は、圧縮機吸込圧力等に基づいて算出されるものであってもよい。

Ｌ１・・・循環経路、Ｌ２・・・バイパス経路、１１〜１３・・・ＰＩＤ制御部、１５・・・ニューラルネットワーク、１００・・・熱交換システム、１０１・・・圧縮機、１０２・・・インバータ、１０３・・・凝縮器、１０４・・・冷却水路、１０５・・・冷却水流量調整弁、１０６・・・電子膨張弁、１０７・・・送風機、１０８・・・蒸発器、１０９・・・蒸発圧力調整弁、１１０・・・容量調整弁、１１１・・・液冷却弁、１１２・・・操作部、１２０・・・コントローラ、ＳＰ１〜ＳＰ３・・・圧力センサ、ＳＴ１〜ＳＴ４・・・温度センサ

Claims (6)

1. 循環する熱媒体を用いた熱交換を行う熱交換システムであって、
   第１位置における前記熱媒体の流量である第１流量を調整する第１調整装置と、
   第２位置における前記熱媒体の流量である第２流量を調整する第２調整装置と、
   前記第１流量に応じて変化する第１物理量が第１目標値に一致するように前記第１調整装置に第１操作量を出力する第１フィードバック制御を行う第１フィードバック制御部と、
   前記第２流量に応じて変化する第２物理量が第２目標値に一致するように前記第２調整装置に第２操作量を出力する第２フィードバック制御であって、前記第１フィードバック制御に影響を与える第２フィードバック制御を行う第２フィードバック制御部と、
   前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する機械学習部であって、前記第１操作量及び前記第２操作量を教師信号として当該第１操作量及び当該第２操作量を小さくする学習を行う機械学習部と、
   を備える熱交換システム。
2. 前記第１フィードバック制御部は、前記第１目標値として設定される複数の値それぞれについて、同一のパラメータで前記第１フィードバック制御を行い、
   前記機械学習部は、前記複数の値それぞれについて行われる前記第１フィードバック制御により出力される前記第１操作量を教師信号として機械学習を行う、
   請求項１に記載の熱交換システム。
3. 前記熱媒体を圧縮する圧縮機と、
   前記圧縮機の出力を調整するインバータと、
   前記圧縮機により圧縮された前記熱媒体を凝縮する凝縮器と、
   前記凝縮器が凝縮した前記熱媒体を膨張させる膨張弁と、
   前記膨張弁が膨張させた前記熱媒体を蒸発させることで前記熱交換を行う蒸発器と、
   前記蒸発器により蒸発した前記熱媒体の流量を調整する調整弁と、を備え、
   前記第１調整装置と前記第２調整装置とのうちの一方は前記インバータ又は前記調整弁を有し、他方は前記膨張弁を有し、
   前記機械学習部は、ニューラルネットワークを有する、
   請求項１又は２に記載の熱交換システム。
4. 循環し熱交換に使用される熱媒体の第１位置での流量である第１流量を調整する第１調整装置と、前記熱媒体の第２位置での流量である第２流量を調整する第２調整装置と、を制御するコントローラであって、
   前記第１流量に応じて変化する第１物理量が第１目標値に一致するように前記第１調整装置に第１操作量を出力する第１フィードバック制御を行う第１フィードバック制御部と、
   前記第２流量に応じて変化する第２物理量が第２目標値に一致するように前記第２調整装置に第２操作量を出力する第２フィードバック制御であって、前記第１フィードバック制御に影響を与える第２フィードバック制御を行う第２フィードバック制御部と、
   前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する機械学習部であって、前記第１操作量及び前記第２操作量を教師信号として当該第１操作量及び当該第２操作量を小さくする学習を行う機械学習部と、
   を備えるコントローラ。
5. 循環し熱交換に使用される熱媒体の第１位置での流量である第１流量を調整する第１調整装置と、前記熱媒体の第２位置での流量である第２流量を調整する第２調整装置と、を制御するニューラルネットワークの構築方法であって、
   前記第１流量に応じて変化する第１物理量を第１目標値に近づける第１フィードバック制御により前記第１調整装置に入力される第１操作量と、前記第２流量に応じて変化する第２物理量を第２目標値に近づける第２フィードバック制御であって前記第１フィードバック制御に影響を与える第２フィードバック制御により前記第２調整装置に入力される第２操作量と、を教師信号として、当該第１操作量及び当該第２操作量を小さくする機械学習を前記ニューラルネットワークに行わせるステップを備え、
   前記ニューラルネットワークは、前記第１物理量が前記第１目標値に一致するように、かつ、前記第２物理量が前記第２目標値に一致するように、前記第１調整装置と前記第２調整装置とを制御する、
   ニューラルネットワークの構築方法。
6. 熱交換に使用される熱媒体の流量を調整する調整装置を制御するニューラルネットワークの構築方法であって、
   前記流量に応じて変化する物理量を目標値に近づけるフィードバック制御により前記調整装置に入力される操作量を教師信号として当該操作量を小さくする機械学習を前記ニューラルネットワークに行わせるステップを備え、
   前記フィードバック制御は、前記目標値として設定される複数の値それぞれについて、同一のパラメータで行われ、
   前記ステップでは、前記複数の値それぞれについて行われる前記フィードバック制御により出力される前記操作量を前記教師信号として前記機械学習を前記ニューラルネットワークに行わせ、
   前記ニューラルネットワークは、前記物理量が前記目標値に一致するように前記調整装置を制御する、
   ニューラルネットワークの構築方法。