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
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 Download PDFInfo
- Publication number
- JP2018105571A JP2018105571A JP2016254407A JP2016254407A JP2018105571A JP 2018105571 A JP2018105571 A JP 2018105571A JP 2016254407 A JP2016254407 A JP 2016254407A JP 2016254407 A JP2016254407 A JP 2016254407A JP 2018105571 A JP2018105571 A JP 2018105571A
- Authority
- JP
- Japan
- Prior art keywords
- operation amount
- flow rate
- neural network
- feedback control
- target 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.)
- Granted
Links
Abstract
Description
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。
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。
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。
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。
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。
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。
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。
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。
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ΔMVPID(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ΔMVNN(変化量)(操作量y1)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。
(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。
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。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
Claims (6)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016254407A JP6752711B2 (ja) | 2016-12-27 | 2016-12-27 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016254407A JP6752711B2 (ja) | 2016-12-27 | 2016-12-27 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018105571A true JP2018105571A (ja) | 2018-07-05 |
JP6752711B2 JP6752711B2 (ja) | 2020-09-09 |
Family
ID=62787350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016254407A Active JP6752711B2 (ja) | 2016-12-27 | 2016-12-27 | 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 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6752711B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110686350A (zh) * | 2019-09-20 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种基于bp神经网络实时预测自调节温度的控制方法、计算机可读存储介质及空调 |
CN110686377A (zh) * | 2019-09-20 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种空调温度自适应调节的控制方法、计算机可读存储介质及空调 |
JP2020153572A (ja) * | 2019-03-19 | 2020-09-24 | ダイキン工業株式会社 | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム |
JP6813231B1 (ja) * | 2019-10-21 | 2021-01-13 | 株式会社エイシング | 制御装置、方法、プログラム及びシステム |
CN114110996A (zh) * | 2021-11-15 | 2022-03-01 | 珠海格力电器股份有限公司 | 水多联系统控制方法、装置、存储介质和水多联系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0510568A (ja) * | 1991-07-05 | 1993-01-19 | Toshiba Corp | 空調制御装置 |
JPH0527806A (ja) * | 1991-07-18 | 1993-02-05 | Toshiba Corp | ニユーラル・ネツトを用いたフイードフオワード制御器 |
JPH05172382A (ja) * | 1991-12-19 | 1993-07-09 | Toyo Netsu Kogyo Kk | 空調設備の制御方法 |
JPH08327124A (ja) * | 1995-05-31 | 1996-12-13 | Toshiba Corp | 空気調和装置の制御方法および空気調和装置 |
JP2003322388A (ja) * | 2002-05-02 | 2003-11-14 | Toshiba Kyaria Kk | 空気調和機 |
JP2016050738A (ja) * | 2014-09-01 | 2016-04-11 | 株式会社大気社 | 圧縮機/ポンプ切換式の冷却装置 |
-
2016
- 2016-12-27 JP JP2016254407A patent/JP6752711B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0510568A (ja) * | 1991-07-05 | 1993-01-19 | Toshiba Corp | 空調制御装置 |
JPH0527806A (ja) * | 1991-07-18 | 1993-02-05 | Toshiba Corp | ニユーラル・ネツトを用いたフイードフオワード制御器 |
JPH05172382A (ja) * | 1991-12-19 | 1993-07-09 | Toyo Netsu Kogyo Kk | 空調設備の制御方法 |
JPH08327124A (ja) * | 1995-05-31 | 1996-12-13 | Toshiba Corp | 空気調和装置の制御方法および空気調和装置 |
JP2003322388A (ja) * | 2002-05-02 | 2003-11-14 | Toshiba Kyaria Kk | 空気調和機 |
JP2016050738A (ja) * | 2014-09-01 | 2016-04-11 | 株式会社大気社 | 圧縮機/ポンプ切換式の冷却装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020153572A (ja) * | 2019-03-19 | 2020-09-24 | ダイキン工業株式会社 | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム |
JP7385099B2 (ja) | 2019-03-19 | 2023-11-22 | ダイキン工業株式会社 | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム |
CN110686350A (zh) * | 2019-09-20 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种基于bp神经网络实时预测自调节温度的控制方法、计算机可读存储介质及空调 |
CN110686377A (zh) * | 2019-09-20 | 2020-01-14 | 珠海格力电器股份有限公司 | 一种空调温度自适应调节的控制方法、计算机可读存储介质及空调 |
JP6813231B1 (ja) * | 2019-10-21 | 2021-01-13 | 株式会社エイシング | 制御装置、方法、プログラム及びシステム |
CN114110996A (zh) * | 2021-11-15 | 2022-03-01 | 珠海格力电器股份有限公司 | 水多联系统控制方法、装置、存储介质和水多联系统 |
Also Published As
Publication number | Publication date |
---|---|
JP6752711B2 (ja) | 2020-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6752711B2 (ja) | 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 | |
JP6706197B2 (ja) | 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 | |
Koeln et al. | Optimal subcooling in vapor compression systems via extremum seeking control: Theory and experiments | |
CN110382967B (zh) | 空调控制器和用于控制空调系统的方法 | |
US10066860B2 (en) | Air conditioning system having actively controlled and stabilized hot gas reheat circuit | |
US8793003B2 (en) | Controlling operations of vapor compression system | |
WO2009116160A1 (ja) | 室内ユニット及びそれを備えた空気調和装置 | |
JP7414958B2 (ja) | 空気調和システム | |
JP2004227574A (ja) | 伝熱システムおよび伝熱方法 | |
EP3521720B1 (en) | Air-conditioning apparatus | |
JPH1068554A (ja) | 蒸気圧縮サイクルにおける設定値最適化 | |
JP6004228B2 (ja) | 空気調和機 | |
JP6609697B2 (ja) | 熱源システム、及び熱源システムの制御方法 | |
JP2006284175A (ja) | 空調装置 | |
JPWO2019193680A1 (ja) | 空気調和システム | |
CN113188230A (zh) | 一种多联空调的膨胀阀控制方法、装置及多联空调 | |
JP3852553B2 (ja) | 空調装置 | |
US20200158370A1 (en) | Control systems and methods for heat pump systems | |
JP4187008B2 (ja) | 空気調和装置 | |
JP2019066097A (ja) | 空気調和装置 | |
US10808984B2 (en) | Self-optimizing subcooler control | |
WO2020102400A1 (en) | Climate control system for indoor horticulture | |
JP5868552B1 (ja) | 外調機 | |
JP4743223B2 (ja) | 空気調和装置 | |
JPH0379946A (ja) | 多室用空気調和機 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190423 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200218 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200219 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200416 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200618 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200818 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200819 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6752711 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |