JP2021042894A - Control device of personal air conditioning equipment, personal air conditioning system, and program - Google Patents

Control device of personal air conditioning equipment, personal air conditioning system, and program Download PDF

Info

Publication number
JP2021042894A
JP2021042894A JP2019164473A JP2019164473A JP2021042894A JP 2021042894 A JP2021042894 A JP 2021042894A JP 2019164473 A JP2019164473 A JP 2019164473A JP 2019164473 A JP2019164473 A JP 2019164473A JP 2021042894 A JP2021042894 A JP 2021042894A
Authority
JP
Japan
Prior art keywords
user
air conditioner
personal air
temperature
personal
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
Application number
JP2019164473A
Other languages
Japanese (ja)
Other versions
JP7286906B2 (en
Inventor
規敏 田中
Noritoshi Tanaka
規敏 田中
一樹 和田
Kazuki Wada
一樹 和田
拓朗 米田
Takuro Yoneda
拓朗 米田
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.)
Takenaka Komuten Co Ltd
Original Assignee
Takenaka Komuten 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 Takenaka Komuten Co Ltd filed Critical Takenaka Komuten Co Ltd
Priority to JP2019164473A priority Critical patent/JP7286906B2/en
Publication of JP2021042894A publication Critical patent/JP2021042894A/en
Application granted granted Critical
Publication of JP7286906B2 publication Critical patent/JP7286906B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Air Conditioning Control Device (AREA)

Abstract

To provide a control device of personal air conditioning equipment capable of updating a prediction model so as to match a blowout air volume of user's preferences without user's declaration.SOLUTION: A control device 20 of personal air conditioning equipment accumulates data representing a relation between an indoor temperature and an indoor humidity, and a blowout temperature and a blowout air volume of personal air conditioning equipment 14, and a metabolic amount of a user using the personal air conditioning equipment 14, determines execution of a change operation for the blowout air volume of the personal air conditioning equipment 14 by the user, executes mechanical learning by using the accumulated data to update a prediction model for the user, when the execution of the change operation is determined, and controls the blowout air volume of the personal air conditioning equipment on the basis of the data on the indoor temperature and the indoor humidity, the blowout temperature of the personal air conditioning equipment 14, and user's metabolic amount.SELECTED DRAWING: Figure 2

Description

本発明は、パーソナル空調機器の制御装置、パーソナル空調システム及びプログラムに関する。 The present invention relates to a control device for personal air conditioning equipment, a personal air conditioning system, and a program.

従来、機械学習により構築された予測モデルを用い、空調機器が設置された環境の温度及び湿度並びに空調機器の吹出温度等の条件に基づいて空調機器の吹出風量等を制御する空調機器の制御装置がある（例えば、特許文献１、２参照）。この従来の制御装置では、空調機器の吹出風量等がユーザの好みに合わない場合に、ユーザが申告すると、この申告時のデータが蓄積される。そして、この蓄積されたデータを用いて機械学習が実行され、予測モデルが更新される。 Conventionally, a control device for air conditioning equipment that uses a prediction model constructed by machine learning to control the amount of air blown out from the air conditioning equipment based on conditions such as the temperature and humidity of the environment in which the air conditioning equipment is installed and the blowing temperature of the air conditioning equipment. (See, for example, Patent Documents 1 and 2). In this conventional control device, when the user makes a declaration when the amount of air blown out from the air conditioner does not suit the user's preference, the data at the time of the declaration is accumulated. Then, machine learning is executed using this accumulated data, and the prediction model is updated.

特開平６−９４２９２号公報Japanese Unexamined Patent Publication No. 6-94292 特開２０１８−９７７０号公報JP-A-2018-9770

しかしながら、従来の制御装置では、例えば、ユーザの好みの吹出風量に合うように予測モデルを更新するためには、ユーザの申告が必要であり煩わしい。 However, in the conventional control device, for example, in order to update the prediction model so as to meet the user's favorite blown air volume, the user's declaration is required, which is troublesome.

本発明は、上記事情に鑑みてなされたものであり、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できるようにすることを目的とする。 The present invention has been made in view of the above circumstances, and an object of the present invention is to enable the prediction model to be updated so as to meet the user's favorite blown air volume without the user's declaration.

請求項１に記載のパーソナル空調機器の制御装置は、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、を備える。 The control device for the personal air-conditioning device according to claim 1 is a combination of the temperature and humidity of the installation environment of the personal air-conditioning device, the blow-out temperature and the blow-out air volume of the personal air-conditioning device, and the metabolic rate of the user who uses the personal air-conditioning device. It is determined by the recording unit that stores the data representing the relationship, the change operation determination unit that determines that the blown air volume of the personal air conditioning device has been changed by the user, and the change operation determination unit that the change operation has been performed. In this case, the machine learning unit that executes machine learning using the data accumulated in the recording unit and updates the prediction model for the user, and the installation environment of the personal air conditioner using the prediction model. It includes a control unit that controls the amount of air blown out of the personal air conditioner based on the temperature and humidity, the blowout temperature of the personal air conditioner, and the data of the amount of metabolism of the user.

このパーソナル空調機器の制御装置によれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to the control device of this personal air conditioner, when the user changes the amount of blown air, machine learning is executed and the prediction model is updated. Therefore, the prediction model can be updated to match the user's favorite air volume without the user's declaration.

請求項２に記載のパーソナル空調機器の制御装置は、請求項１に記載のパーソナル空調機器の制御装置において、前記ユーザの代謝量に基づいて、前記ユーザの代謝状態が予め定められた高代謝状態であるか否かを判定する代謝状態判定部を備え、前記記録部は、前記ユーザの代謝状態が前記高代謝状態である場合の前記データを蓄積し、前記制御部は、前記ユーザの代謝状態が前記高代謝状態である場合に、前記予測モデルを用いて前記パーソナル空調機器の吹出風量を制御する。 The control device for the personal air-conditioning device according to claim 2 is the control device for the personal air-conditioning device according to claim 1, wherein the metabolic state of the user is a predetermined high metabolic state based on the metabolic amount of the user. The recording unit includes a metabolic state determination unit that determines whether or not the condition is high, the recording unit stores the data when the user's metabolic state is the high metabolic state, and the control unit stores the user's metabolic state. When is in the high metabolic state, the blown air volume of the personal air conditioner is controlled by using the prediction model.

このパーソナル空調機器の制御装置によれば、ユーザの代謝状態が高代謝状態である場合のデータを用いて機械学習が実行され、予測モデルが更新される。したがって、ユーザの代謝状態が高代謝状態である場合に予測モデルを用いて吹出風量の制御を行うときには、ユーザの代謝状態が高代謝状態である場合のデータのみが反映されるので、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to the control device of this personal air conditioner, machine learning is executed using the data when the user's metabolic state is a high metabolic state, and the prediction model is updated. Therefore, when controlling the amount of blown air using a prediction model when the user's metabolic state is in a high metabolic state, only the data when the user's metabolic state is in a high metabolic state is reflected, and thus the user's preference. The accuracy of the blown air volume can be improved.

請求項３に記載のパーソナル空調機器の制御装置は、請求項２に記載のパーソナル空調機器の制御装置において、前記代謝状態判定部が、一定期間における前記ユーザの動きの加速度の平均値を算出することによって前記ユーザの代謝量を検出する。 In the control device for the personal air conditioner according to claim 3, in the control device for the personal air conditioner according to claim 2, the metabolic state determination unit calculates the average value of the acceleration of the movement of the user in a certain period of time. This detects the amount of metabolism of the user.

このパーソナル空調機器の制御装置によれば、代謝量と相関が高く、また、制御対象である吹出風量とも相関が高い、一定期間におけるユーザの動きの加速度の平均値を算出することによって代謝量が検出される。したがって、代謝量の検出精度、ひいては、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to the control device of this personal air conditioner, the metabolic amount is highly correlated with the metabolic amount and also with the blown air volume to be controlled, and the metabolic amount is calculated by calculating the average value of the acceleration of the user's movement in a certain period. Detected. Therefore, it is possible to improve the accuracy of detecting the amount of metabolism, and by extension, the accuracy of the amount of blown air with respect to the preference of the user.

請求項４に記載のパーソナル空調機器の制御装置は、請求項２又は請求項３に記載のパーソナル空調機器の制御装置において、前記記録部としての第一記録部と、前記制御部としての第一制御部と、前記ユーザの代謝状態が前記高代謝状態よりも低い安定状態である場合のデータであって、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度と、前記パーソナル空調機器の吹出風量との関係を表すデータを蓄積する第二記録部と、前記ユーザの代謝状態が前記安定状態である場合に、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度の各々のデータに基づいて、前記第二記録部に蓄積されたデータを統計処理し、前記統計処理の結果に基づいて前記パーソナル空調機器の吹出風量を制御する第二制御部と、を備える。 The control device for the personal air-conditioning device according to claim 4 is the first recording unit as the recording unit and the first control device as the control unit in the control device for the personal air-conditioning equipment according to claim 2 or 3. Data when the metabolic state of the control unit and the user is a stable state lower than the high metabolic state, the temperature and humidity of the installation environment of the personal air conditioner, the blowing temperature of the personal air conditioner, and the above. A second recording unit that stores data representing the relationship with the amount of air blown out by the personal air conditioner, and when the user's metabolic state is in the stable state, the temperature and humidity of the installation environment of the personal air conditioner and the personal air conditioner. Based on each data of the blowout temperature of the device, the data accumulated in the second recording section is statistically processed, and the second control section that controls the blowout air volume of the personal air conditioner based on the result of the statistical processing. , Equipped with.

このパーソナル空調機器の制御装置によれば、ユーザの代謝状態が安定状態である場合には、この安定状態である場合のデータに基づいて統計処理される。したがって、ユーザの代謝状態が安定状態である場合に統計処理を用いて吹出風量の制御を行うときには、ユーザの代謝状態が安定状態である場合のデータのみが反映されるので、ユーザの好みに対する吹出風量の精度を向上させることができる。 According to the control device of this personal air conditioner, when the user's metabolic state is in a stable state, statistical processing is performed based on the data in the stable state. Therefore, when controlling the amount of blown air using statistical processing when the user's metabolic state is in a stable state, only the data when the user's metabolic state is in a stable state is reflected, and therefore the blowout to the user's preference is reflected. The accuracy of the air volume can be improved.

請求項５に記載のパーソナル空調システムは、パーソナル空調機器と、前記パーソナル空調機器の設置環境の温度及び湿度を検出する環境センサと、前記パーソナル空調機器を使用するユーザの代謝量を検出する代謝量センサと、前記パーソナル空調機器を制御する制御装置と、を備え、前記制御装置は、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、を備える。 The personal air conditioning system according to claim 5 includes a personal air conditioning device, an environment sensor that detects the temperature and humidity of the installation environment of the personal air conditioning device, and a metabolic amount that detects the metabolic rate of a user who uses the personal air conditioning device. The control device includes a sensor and a control device for controlling the personal air-conditioning device, and the control device controls the temperature and humidity of the installation environment of the personal air-conditioning device, the blowing temperature and the blowing air volume of the personal air-conditioning device, and the personal air-conditioning device. The recording unit that stores data showing the relationship with the metabolic rate of the user, the change operation determination unit that determines that the blown air volume of the personal air conditioner has been changed by the user, and the change operation determination unit. When it is determined that the change operation has been performed, the machine learning unit that executes machine learning using the data accumulated in the recording unit and updates the prediction model for the user, and the prediction model are used. A control unit that controls the amount of air blown out of the personal air conditioner based on the temperature and humidity of the installation environment of the personal air conditioner, the temperature of the blown air of the personal air conditioner, and the amount of metabolism of the user. Be prepared.

このパーソナル空調システムによれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to this personal air-conditioning system, when a user changes the amount of blown air, machine learning is executed and the prediction model is updated. Therefore, the prediction model can be updated to match the user's favorite air volume without the user's declaration.

請求項６に記載のプログラムは、パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを記録部に蓄積する記録ステップと、前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定ステップと、前記変更操作判定ステップで前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習ステップと、前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御ステップと、をコンピュータに実行させるためのプログラムである。 The program according to claim 6 provides data representing the relationship between the temperature and humidity of the installation environment of the personal air conditioning device, the blowing temperature and the blowing air volume of the personal air conditioning device, and the metabolic rate of the user who uses the personal air conditioning device. When it is determined that the change operation has been performed in the recording step accumulated in the recording unit, the change operation determination step for determining that the blown air volume of the personal air conditioning device has been changed by the user, and the change operation determination step. In addition, a machine learning step of executing machine learning using the data accumulated in the recording unit and updating the prediction model for the user, and the temperature of the installation environment of the personal air conditioner using the prediction model and This is a program for causing a computer to execute a control step of controlling the amount of air blown out of the personal air conditioner based on the humidity, the blowout temperature of the personal air conditioner, and the data of the amount of metabolism of the user.

このプログラムによれば、ユーザによって吹出風量の変更操作がされると、これをきっかけにして機械学習が実行され、予想モデルが更新される。したがって、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 According to this program, when the user changes the amount of blown air, machine learning is executed and the prediction model is updated. Therefore, the prediction model can be updated to match the user's favorite air volume without the user's declaration.

以上詳述したように、本発明によれば、ユーザの申告が無くても、ユーザの好みの吹出風量に合うように予測モデルを更新できる。 As described in detail above, according to the present invention, the prediction model can be updated to match the user's favorite blown air volume without the user's declaration.

本発明の一実施形態に係るパーソナル空調システムの全体構成図であって、制御装置をハードウェア構成によって示す図である。It is an overall block diagram of the personal air-conditioning system which concerns on one Embodiment of this invention, and is the figure which shows the control device by the hardware configuration. 本発明の一実施形態に係るパーソナル空調システムの全体構成図であって、制御装置をデータ記録処理の機能ブロックによって示す図である。It is an overall block diagram of the personal air-conditioning system which concerns on one Embodiment of this invention, and is the figure which shows the control device by the functional block of the data recording process. 本発明の一実施形態に係るパーソナル空調システムの全体構成図であって、制御装置を制御処理の機能ブロックによって示す図である。It is the whole block diagram of the personal air-conditioning system which concerns on one Embodiment of this invention, and is the figure which shows the control apparatus by the functional block of a control process. 制御装置で実行されるデータ記録処理の流れを示すフローチャートである。It is a flowchart which shows the flow of the data recording process executed by a control device. 制御装置で実行される制御処理の流れを示すフローチャートである。It is a flowchart which shows the flow of the control process executed by a control device. （Ａ）は、高代謝状態データ記録部の記録データの第一例を示す表であり、（Ｂ）は、予測処理部の入力データに対する出力データの第一例を示す表である。(A) is a table showing the first example of the recorded data of the high metabolic state data recording unit, and (B) is a table showing the first example of the output data with respect to the input data of the prediction processing unit. （Ａ）は、高代謝状態データ記録部の記録データの第二例を示す表であり、（Ｂ）は、予測処理部の入力データに対する出力データの第二例を示す表である。(A) is a table showing the second example of the recorded data of the high metabolic state data recording unit, and (B) is a table showing the second example of the output data with respect to the input data of the prediction processing unit. 図６、図７のデータをまとめたグラフである。6 is a graph summarizing the data of FIGS. 6 and 7. （Ａ）、（Ｂ）は、安定状態データ記録部の記録データの一例を示す表であり、（Ｃ）は、統計処理部の入力データに対する出力データの一例を示す表である。(A) and (B) are tables showing an example of the recorded data of the stable state data recording unit, and (C) is a table showing an example of the output data with respect to the input data of the statistical processing unit.

以下、本発明の一実施形態を説明する。 Hereinafter, an embodiment of the present invention will be described.

図１には、本発明の一実施形態に係るパーソナル空調システム１０の全体構成が示されている。図１に示されるように、本実施形態に係るパーソナル空調システム１０は、パーソナル空調機器１４と、環境センサ１６と、ウェアラブル端末１８と、制御装置２０とを備える。 FIG. 1 shows the overall configuration of the personal air conditioning system 10 according to the embodiment of the present invention. As shown in FIG. 1, the personal air-conditioning system 10 according to the present embodiment includes a personal air-conditioning device 14, an environmental sensor 16, a wearable terminal 18, and a control device 20.

パーソナル空調機器１４は、ユーザ２２が使用する座席２４に対応して設置されており、ユーザ２２が個別に使用するものである。このパーソナル空調機器１４は、座席２４に着席するユーザ２２に対して空調空気２６を吹き出す構成とされている。また、このパーソナル空調機器１４は、ユーザ２２によって吹出温度及び吹出風量を任意に設定することが可能となっており、ユーザ２２によって吹出温度及び吹出風量が設定されると、この設定された吹出温度及び吹出風量のデータを出力する構成とされている。 The personal air conditioner 14 is installed corresponding to the seat 24 used by the user 22, and is used individually by the user 22. The personal air-conditioning device 14 is configured to blow out air-conditioning air 26 to the user 22 seated in the seat 24. Further, in the personal air conditioner 14, the blowing temperature and the blowing air volume can be arbitrarily set by the user 22, and when the blowing temperature and the blowing air volume are set by the user 22, the set blowing temperature is set. And it is configured to output the data of the blown air volume.

環境センサ１６は、パーソナル空調機器１４の設置環境（例えば、建物の室内におけるパーソナル空調機器１４の近辺）に設けられる。この環境センサ１６は、温度センサ２８と、湿度センサ３０とを有する。温度センサ２８は、設置環境の温度として室内温度を検出し、湿度センサ３０は、設置環境の湿度として室内湿度を検出する。この環境センサ１６は、温度センサ２８及び湿度センサ３０で検出した室内温度及び室内湿度のデータを出力する構成とされている。 The environment sensor 16 is provided in the installation environment of the personal air conditioner 14 (for example, in the vicinity of the personal air conditioner 14 in the room of the building). The environment sensor 16 has a temperature sensor 28 and a humidity sensor 30. The temperature sensor 28 detects the indoor temperature as the temperature of the installation environment, and the humidity sensor 30 detects the indoor humidity as the humidity of the installation environment. The environment sensor 16 is configured to output data of indoor temperature and indoor humidity detected by the temperature sensor 28 and the humidity sensor 30.

ウェアラブル端末１８は、例えば、腕時計型とされており、ユーザ２２に装着される。このウェアラブル端末１８は、加速度センサ３２と、ユーザ情報出力部３４とを有する。加速度センサ３２は、ユーザ２２の動きに伴ってウェアラブル端末１８に作用する加速度を検出し、この加速度のデータを出力する構成とされている。この加速度センサ３２は、「代謝量センサ」の一例である。ユーザ情報出力部３４は、ユーザ２２を識別するためのユーザ情報を記憶しており、このユーザ情報を出力する構成とされている。 The wearable terminal 18 is, for example, a wristwatch type, and is worn by the user 22. The wearable terminal 18 has an acceleration sensor 32 and a user information output unit 34. The acceleration sensor 32 is configured to detect the acceleration acting on the wearable terminal 18 with the movement of the user 22 and output the data of this acceleration. The acceleration sensor 32 is an example of a “metabolism sensor”. The user information output unit 34 stores user information for identifying the user 22, and is configured to output the user information.

制御装置２０は、パーソナル空調機器１４、環境センサ１６及びウェアラブル端末１８から出力されたデータに基づいてパーソナル空調機器１４の吹出風量を制御するものである。図１には、制御装置２０のハードウェア構成が示されている。 The control device 20 controls the amount of air blown out from the personal air conditioner 14 based on the data output from the personal air conditioner 14, the environment sensor 16, and the wearable terminal 18. FIG. 1 shows the hardware configuration of the control device 20.

この制御装置２０は、ハードウェア構成として、入出力インターフェース３８と、ＣＰＵ（Central Processing Unit）４０と、ＲＯＭ（Read Only Memory）４２と、ＲＡＭ（Random Access Memory）４４と、不揮発性メモリ４６を有している。ＣＰＵ４０は、「コンピュータ」の一例である。 The control device 20 has an input / output interface 38, a CPU (Central Processing Unit) 40, a ROM (Read Only Memory) 42, a RAM (Random Access Memory) 44, and a non-volatile memory 46 as hardware configurations. doing. The CPU 40 is an example of a "computer".

入出力インターフェース３８と、ＣＰＵ４０と、ＲＯＭ４２と、ＲＡＭ４４と、不揮発性メモリ４６とは、バス４８を介して相互に通信可能に接続されている。不揮発性メモリ４６には、パーソナル空調機器１４の吹出風量を制御するためのプログラム５０が記憶されている。このプログラム５０は、データ記録処理のためのプロセスと、制御処理のためのプロセスとを有する。 The input / output interface 38, the CPU 40, the ROM 42, the RAM 44, and the non-volatile memory 46 are connected to each other via the bus 48 so as to be communicable with each other. The non-volatile memory 46 stores a program 50 for controlling the amount of air blown out from the personal air conditioner 14. The program 50 has a process for data recording processing and a process for control processing.

図２には、データ記録処理を実行する制御装置２０の機能ブロックが示されている。図２に示されるように、制御装置２０は、データ記録処理を実行する機能部として、データ取得部６０と、データ記録部６２と、代謝状態判定部６４と、高代謝状態データ記録部６６と、変更操作判定部６８と、機械学習部７０と、予測モデル記憶部７２と、安定状態データ記録部７４とを有する。 FIG. 2 shows a functional block of the control device 20 that executes the data recording process. As shown in FIG. 2, the control device 20 includes a data acquisition unit 60, a data recording unit 62, a metabolic state determination unit 64, and a high metabolic state data recording unit 66 as functional units for executing data recording processing. It has a change operation determination unit 68, a machine learning unit 70, a prediction model storage unit 72, and a stable state data recording unit 74.

データ取得部６０と、代謝状態判定部６４と、変更操作判定部６８と、機械学習部７０は、図１に示されるＣＰＵ４０がプログラム５０を実行することにより実現される。一方、データ記録部６２と、高代謝状態データ記録部６６と、予測モデル記憶部７２と、安定状態データ記録部７４は、図１に示される不揮発性メモリ４６によって形成される。高代謝状態データ記録部６６は、「記録部」及び「第一記録部」の一例であり、安定状態データ記録部７４は、「第二記録部」の一例である。 The data acquisition unit 60, the metabolic state determination unit 64, the change operation determination unit 68, and the machine learning unit 70 are realized by the CPU 40 shown in FIG. 1 executing the program 50. On the other hand, the data recording unit 62, the high metabolic state data recording unit 66, the prediction model storage unit 72, and the stable state data recording unit 74 are formed by the non-volatile memory 46 shown in FIG. The high metabolic state data recording unit 66 is an example of the “recording unit” and the “first recording unit”, and the stable state data recording unit 74 is an example of the “second recording unit”.

図３には、制御処理を実行する制御装置２０の機能ブロックが示されている。図３に示されるように、制御装置２０は、制御処理を実行する機能部として、データ取得部８０と、ユーザ判定部８２と、代謝状態判定部８４と、予測処理部９２と、統計処理部９４と、デフォルト処理部９６とを有する。 FIG. 3 shows a functional block of the control device 20 that executes the control process. As shown in FIG. 3, the control device 20 has a data acquisition unit 80, a user determination unit 82, a metabolic state determination unit 84, a prediction processing unit 92, and a statistical processing unit as functional units for executing control processing. It has 94 and a default processing unit 96.

データ取得部８０と、ユーザ判定部８２と、代謝状態判定部８４と、予測処理部９２と、統計処理部９４と、デフォルト処理部９６は、図１に示されるＣＰＵ４０がプログラム５０を実行することにより実現される。予測処理部９２は、「制御部」及び「第一制御部」の一例であり、統計処理部９４は、「第二制御部」の一例である。 In the data acquisition unit 80, the user determination unit 82, the metabolic state determination unit 84, the prediction processing unit 92, the statistical processing unit 94, and the default processing unit 96, the CPU 40 shown in FIG. 1 executes the program 50. Is realized by. The prediction processing unit 92 is an example of the “control unit” and the “first control unit”, and the statistical processing unit 94 is an example of the “second control unit”.

次に、本実施形態に係るパーソナル空調機器の制御方法について説明する。 Next, a control method for the personal air conditioner according to the present embodiment will be described.

なお、以下の説明において、パーソナル空調システム１０の構成については、上述の図１〜図３を適宜参照することにする。図４には、制御装置２０で実行されるデータ記録処理の流れが示されている。データ記録処理では、以下のステップＳ１〜ステップＳ８が実行される。 In the following description, the above-mentioned FIGS. 1 to 3 will be referred to as appropriate for the configuration of the personal air conditioning system 10. FIG. 4 shows the flow of data recording processing executed by the control device 20. In the data recording process, the following steps S1 to S8 are executed.

ステップＳ１では、温度センサ２８によって検出された室内温度と、湿度センサ３０によって検出された室内湿度と、加速度センサ３２によって検出された加速度と、パーソナル空調機器１４の吹出温度及び吹出風量（設定値）の各々のデータがデータ取得部６０によって取得される。また、ユーザ情報出力部３４から出力されたユーザ情報も、データ取得部６０によって取得される。 In step S1, the indoor temperature detected by the temperature sensor 28, the indoor humidity detected by the humidity sensor 30, the acceleration detected by the acceleration sensor 32, the blowing temperature and the blowing air volume (set value) of the personal air conditioner 14. Each data of is acquired by the data acquisition unit 60. Further, the user information output from the user information output unit 34 is also acquired by the data acquisition unit 60.

ステップＳ２では、データ取得部６０で取得されたデータがユーザ情報と関連付けてデータ記録部６２に記録される。また、このとき、データ取得部６０で取得されたデータは、パーソナル空調機器１４の起動時間毎にデータ記録部６２に記録される。 In step S2, the data acquired by the data acquisition unit 60 is recorded in the data recording unit 62 in association with the user information. At this time, the data acquired by the data acquisition unit 60 is recorded in the data recording unit 62 every start time of the personal air conditioner 14.

ステップＳ３では、代謝状態判定部６４によって、データ記録部６２に記録された一定期間におけるユーザ２２の動きの加速度の平均値が算出され、この算出された平均値によってユーザ２２の代謝量が検出される。そして、この検出された代謝量に基づいて、ユーザ２２の代謝状態が予め定められた高代謝状態であるか否かが代謝状態判定部６４によって判定される。 In step S3, the metabolic state determination unit 64 calculates the average value of the acceleration of the movement of the user 22 in a certain period recorded in the data recording unit 62, and the metabolic amount of the user 22 is detected by the calculated average value. To. Then, based on the detected metabolic amount, the metabolic state determination unit 64 determines whether or not the metabolic state of the user 22 is a predetermined high metabolic state.

本実施形態では、一例として、データ記録部６２に記録された過去３０分間の加速度の平均値が予め定められた規定値以上で、かつ、パーソナル空調機器１４が起動してから３０分以内である場合に、ユーザ２２の代謝状態が高代謝状態であると判定される。このステップＳ３は、「代謝状態判定ステップ」の一例である。 In the present embodiment, as an example, the average value of the accelerations recorded in the data recording unit 62 for the past 30 minutes is equal to or more than a predetermined predetermined value, and within 30 minutes after the personal air conditioner 14 is started. In this case, it is determined that the metabolic state of the user 22 is a high metabolic state. This step S3 is an example of the “metabolic state determination step”.

ここで、ステップＳ３において、ユーザ２２の代謝状態が高代謝状態であると判定された場合には、ステップＳ４に移行する。 Here, if it is determined in step S3 that the metabolic state of the user 22 is a high metabolic state, the process proceeds to step S4.

ステップＳ４では、ユーザ２２の代謝状態が高代謝状態である場合のデータであって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度及び吹出風量（設定値）と、ユーザ２２の代謝量との関係を表すデータがパーソナル空調機器１４の起動時間毎に高代謝状態データ記録部６６に蓄積される。このステップＳ４は、「記録ステップ」の一例である。 In step S4, the data when the metabolic state of the user 22 is a high metabolic state, the indoor temperature and the indoor humidity, the blowing temperature and the blowing air volume (set value) of the personal air conditioner 14, and the metabolic amount of the user 22. Data representing the relationship is accumulated in the high metabolic state data recording unit 66 for each startup time of the personal air conditioner 14. This step S4 is an example of a “recording step”.

ステップＳ５では、変更操作判定部６８によって、データ取得部６０で取得された吹出風量のデータと、データ記録部６２に記録された吹出風量のデータとが比較され、吹出風量がユーザによって変更操作されたか否かが判定される。このステップＳ５は、「変更操作判定ステップ」の一例である。 In step S5, the change operation determination unit 68 compares the data of the blown air volume acquired by the data acquisition unit 60 with the data of the blown air volume recorded in the data recording unit 62, and the blown air volume is changed by the user. Whether or not it is determined. This step S5 is an example of the “change operation determination step”.

ここで、吹出風量がユーザによって変更操作されていないと判定された場合には、ステップＳ１に戻る。一方、吹出風量がユーザによって変更操作されたと判定された場合には、ステップＳ６に移行する。 Here, if it is determined that the blown air volume has not been changed by the user, the process returns to step S1. On the other hand, if it is determined that the blown air volume has been changed by the user, the process proceeds to step S6.

ステップＳ６では、機械学習部７０によって、高代謝状態データ記録部６６に蓄積されたデータを用いて機械学習が実行され、ユーザ２２のための予測モデルが更新される。このステップＳ６は、「機械学習ステップ」の一例である。予測モデルには、例えば、サポートベクター回帰（ＳＶＲ：Support Vector Regression）や、ニューラルネットワーク等が用いられる。 In step S6, the machine learning unit 70 executes machine learning using the data accumulated in the high metabolic state data recording unit 66, and updates the prediction model for the user 22. This step S6 is an example of a “machine learning step”. For the prediction model, for example, Support Vector Regression (SVR), a neural network, or the like is used.

ステップＳ７では、機械学習部７０によって更新された予測モデルが予測モデル記憶部７２に記憶される。 In step S7, the prediction model updated by the machine learning unit 70 is stored in the prediction model storage unit 72.

一方、ステップＳ３において、ユーザ２２の代謝状態が高代謝状態よりも低い安定状態であると判定された場合には、ステップＳ８に移行する。 On the other hand, if it is determined in step S3 that the metabolic state of the user 22 is a stable state lower than the high metabolic state, the process proceeds to step S8.

ステップＳ８では、ユーザ２２の代謝状態が安定状態である場合のデータであって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度と、パーソナル空調機器１４の吹出風量との関係を表すデータが安定状態データ記録部７４に蓄積される。 In step S8, the data when the metabolic state of the user 22 is in a stable state, and the data representing the relationship between the indoor temperature and the indoor humidity, the blowing temperature of the personal air conditioner 14, and the blowing air volume of the personal air conditioning device 14 is obtained. It is stored in the stable state data recording unit 74.

以上のステップＳ１〜ステップＳ８は、データ取得部６０でデータが取得される毎に実行される。 The above steps S1 to S8 are executed every time data is acquired by the data acquisition unit 60.

図５には、制御装置２０で実行される制御処理の流れが示されている。制御処理では、以下のステップＳ１１〜ステップＳ１６が実行される。 FIG. 5 shows the flow of control processing executed by the control device 20. In the control process, the following steps S11 to S16 are executed.

ステップＳ１１では、温度センサ２８によって検出された室内温度と、湿度センサ３０によって検出された室内湿度と、加速度センサ３２によって検出された加速度と、パーソナル空調機器１４の吹出温度及び吹出風量（設定値）の各々のデータがデータ取得部８０によって取得される。また、ユーザ情報出力部３４から出力されたユーザ情報も、データ取得部８０によって取得される。 In step S11, the room temperature detected by the temperature sensor 28, the room humidity detected by the humidity sensor 30, the acceleration detected by the acceleration sensor 32, the blowing temperature and the blowing air volume (set value) of the personal air conditioner 14. Each of the data is acquired by the data acquisition unit 80. Further, the user information output from the user information output unit 34 is also acquired by the data acquisition unit 80.

ステップＳ１２では、ユーザ判定部８２によって、データ取得部８０で取得されたユーザ情報が読み出され、このユーザ情報に基づいて、データ記録部６２に記録されたデータから、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人であるか否かが判定される。 In step S12, the user determination unit 82 reads out the user information acquired by the data acquisition unit 80, and based on this user information, the user 22 has personal air conditioning in the past from the data recorded in the data recording unit 62. It is determined whether or not the person has operated the change of the blown air volume of the device 14.

ここで、ステップＳ１２において、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人ではないと判定された場合には、ステップＳ１３に移行する。 Here, if it is determined in step S12 that the user 22 is not a person who has changed the blown air volume of the personal air conditioner 14 in the past, the process proceeds to step S13.

ステップＳ１３では、デフォルト処理部９６によってデフォルト処理が実行される。すなわち、デフォルト処理として、パーソナル空調機器１４の吹出風量が予め定められた吹出風量（デフォルト値）に制御される。 In step S13, the default processing unit 96 executes the default processing. That is, as a default process, the blown air volume of the personal air conditioner 14 is controlled to a predetermined blown air volume (default value).

一方、ステップＳ１２において、ユーザ２２が過去にパーソナル空調機器１４の吹出風量を変更操作したことがある人であると判定された場合には、ステップＳ１４に移行する。 On the other hand, if it is determined in step S12 that the user 22 is a person who has changed the blown air volume of the personal air conditioner 14 in the past, the process proceeds to step S14.

ステップＳ１４は、上述のステップＳ３と同様である。このステップＳ１４では、データ記録部６２に記録された一定期間におけるユーザ２２の動きの加速度の平均値が算出され、この算出された平均値によってユーザ２２の代謝量が検出される。そして、この検出された代謝量に基づいて、ユーザ２２の代謝状態が予め定められた高代謝状態であるか否かが代謝状態判定部８４によって判定される。 Step S14 is the same as step S3 described above. In step S14, the average value of the acceleration of the movement of the user 22 in a certain period recorded in the data recording unit 62 is calculated, and the metabolic amount of the user 22 is detected by the calculated average value. Then, based on the detected metabolic amount, the metabolic state determination unit 84 determines whether or not the metabolic state of the user 22 is a predetermined high metabolic state.

ここで、ステップＳ１４において、ユーザ２２の代謝状態が高代謝状態であると判定された場合には、ステップＳ１５に移行する。 Here, if it is determined in step S14 that the metabolic state of the user 22 is a high metabolic state, the process proceeds to step S15.

ステップＳ１５では、予測処理部９２によって、予測モデル記憶部７２に記憶された予測モデルが読み出され、この予測モデルを用い、パーソナル空調機器１４の起動時間と、室内温度及び室内湿度と、パーソナル空調機器１４の吹出温度と、ユーザ２２の代謝量の各々の直近のデータに基づいて、パーソナル空調機器１４の吹出風量（予測値）が算出される。そして、この算出された吹出風量にパーソナル空調機器１４が制御される。このステップＳ１５は、「制御ステップ」の一例である。 In step S15, the prediction processing unit 92 reads out the prediction model stored in the prediction model storage unit 72, and using this prediction model, the start-up time of the personal air conditioner 14, the room temperature, the room humidity, and the personal air conditioner are used. The blown air volume (predicted value) of the personal air conditioning device 14 is calculated based on the latest data of the blown temperature of the device 14 and the metabolic amount of the user 22. Then, the personal air conditioner 14 is controlled by the calculated blown air volume. This step S15 is an example of a “control step”.

一方、ステップＳ１４において、ユーザ２２の代謝状態が高代謝状態よりも低い安定状態であると判定された場合には、ステップＳ１６に移行する。 On the other hand, if it is determined in step S14 that the metabolic state of the user 22 is a stable state lower than the high metabolic state, the process proceeds to step S16.

ステップＳ１６では、統計処理部９４によって、室内温度及び室内湿度並びにパーソナル空調機器１４の吹出温度の各々の直近のデータに基づいて、安定状態データ記録部７４に蓄積されたデータが統計処理される。そして、この統計処理の結果に基づいてパーソナル空調機器１４の吹出風量が制御される。 In step S16, the statistical processing unit 94 statistically processes the data accumulated in the stable state data recording unit 74 based on the latest data of the room temperature, the room humidity, and the blowout temperature of the personal air conditioner 14. Then, the amount of air blown out from the personal air conditioner 14 is controlled based on the result of this statistical processing.

次に、本実施形態の作用及び効果について説明する。 Next, the operation and effect of this embodiment will be described.

以上詳述した通り、本実施形態によれば、ユーザ２２によって吹出風量の変更操作がされると、これをきっかけにして機械学習部７０で機械学習が実行され、予想モデルが更新される（ステップＳ５〜ステップＳ６）。したがって、ユーザ２２の申告が無くても、ユーザ２２の好みの吹出風量に合うように予測モデルを更新できる。 As described in detail above, according to the present embodiment, when the user 22 changes the blown air volume, the machine learning unit 70 executes machine learning and updates the prediction model (step). S5 to step S6). Therefore, the prediction model can be updated to match the user's favorite blown air volume without the user's declaration.

しかも、本実施形態によれば、ユーザ２２の代謝状態が高代謝状態である場合のデータを用いて機械学習が実行され、予測モデルが更新される（ステップＳ３〜ステップＳ６）。したがって、ユーザ２２の代謝状態が高代謝状態である場合に予測モデルを用いて吹出風量の制御を行うときには（ステップＳ１５）、ユーザ２２の代謝状態が高代謝状態である場合のデータのみが反映されるので、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。 Moreover, according to the present embodiment, machine learning is executed using the data when the metabolic state of the user 22 is a high metabolic state, and the prediction model is updated (steps S3 to S6). Therefore, when the blowout air volume is controlled using the prediction model when the metabolic state of the user 22 is a high metabolic state (step S15), only the data when the metabolic state of the user 22 is a high metabolic state is reflected. Therefore, the accuracy of the blown air volume with respect to the preference of the user 22 can be improved.

また、本実施形態によれば、代謝量と相関が高く、また、制御対象である吹出風量とも相関が高い、一定期間におけるユーザ２２の加速度の平均値を算出することによって代謝量が検出される（ステップＳ３）。したがって、代謝量の検出精度、ひいては、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。 Further, according to the present embodiment, the metabolic amount is detected by calculating the average value of the acceleration of the user 22 in a certain period, which has a high correlation with the metabolic amount and also has a high correlation with the blown air amount to be controlled. (Step S3). Therefore, it is possible to improve the accuracy of detecting the amount of metabolism, and by extension, the accuracy of the amount of blown air with respect to the preference of the user 22.

さらに、本実施形態によれば、ユーザ２２の代謝状態が安定状態である場合には、この安定状態である場合のデータに基づいて統計処理される（ステップＳ８、ステップＳ１６）。したがって、ユーザ２２の代謝状態が安定状態である場合に統計処理を用いて吹出風量の制御を行うときには、ユーザ２２の代謝状態が安定状態である場合のデータのみが反映されるので、ユーザ２２の好みに対する吹出風量の精度を向上させることができる。 Further, according to the present embodiment, when the metabolic state of the user 22 is in a stable state, statistical processing is performed based on the data in the stable state (step S8, step S16). Therefore, when the amount of blown air is controlled by using statistical processing when the metabolic state of the user 22 is in a stable state, only the data when the metabolic state of the user 22 is in a stable state is reflected, so that the user 22 It is possible to improve the accuracy of the blown air volume according to the preference.

次に、第一実施形態の変形例について説明する。 Next, a modified example of the first embodiment will be described.

上記実施形態では、好ましい例として、一定期間におけるユーザ２２の動きの加速度の平均値から代謝量が算出されるが、代謝量は、一定期間におけるユーザ２２の動きの加速度の平均値以外によって算出されてもよい。 In the above embodiment, as a preferable example, the metabolic amount is calculated from the average value of the acceleration of the movement of the user 22 in a certain period, but the metabolic amount is calculated by a value other than the average value of the acceleration of the movement of the user 22 in a certain period. You may.

次に、実施例について説明する。 Next, an embodiment will be described.

図６（Ａ）には、高代謝状態データ記録部６６の記録データ（起動時間、室内温度、室内湿度、吹出温度、代謝量、吹出風量の設定値）の第一例が示されており、図６（Ｂ）には、予測処理部９２の入力データ（起動時間、室内温度、室内湿度、吹出温度、代謝量）に対する出力データ（吹出風量の予測値）の第一例が示されている。吹出風量の設定値は、ユーザ２２が設定した好みの値である。 FIG. 6A shows a first example of the recorded data (starting time, indoor temperature, indoor humidity, blowing temperature, metabolic amount, and blowing air volume set values) of the high metabolic state data recording unit 66. FIG. 6B shows a first example of output data (predicted value of blown air volume) with respect to input data (starting time, room temperature, room humidity, blowout temperature, metabolic amount) of the prediction processing unit 92. .. The set value of the blown air volume is a preferred value set by the user 22.

また、図７（Ａ）には、高代謝状態データ記録部６６の記録データ（起動時間、室内温度、室内湿度、吹出温度、代謝量、吹出風量の設定値）の第二例が示されており、図７（Ｂ）には、予測処理部９２の入力データ（起動時間、室内温度、室内湿度、吹出温度、代謝量）に対する出力データ（吹出風量の予測値）の第二例が示されている。 Further, FIG. 7A shows a second example of the recorded data (starting time, indoor temperature, indoor humidity, blowing temperature, metabolic amount, and blowing air volume set values) of the high metabolic state data recording unit 66. FIG. 7B shows a second example of output data (predicted value of blown air volume) with respect to input data (starting time, indoor temperature, indoor humidity, blowout temperature, metabolic amount) of the prediction processing unit 92. ing.

図８は、図６、図７のデータをまとめたグラフである。図８の縦軸は吹出風量の値を示し、図８の横軸は起動時間を示している。 FIG. 8 is a graph summarizing the data of FIGS. 6 and 7. The vertical axis of FIG. 8 shows the value of the blown air volume, and the horizontal axis of FIG. 8 shows the start-up time.

図６〜図８に示されるように、本実施形態によれば、ユーザ２２の代謝状態が高代謝状態である場合のデータを用いて予測モデルが更新され、この予測モデルを用いて吹出風量の制御を行うので、吹出風量の設定値に近い吹出風量の予測値を得ることができる。 As shown in FIGS. 6 to 8, according to the present embodiment, the prediction model is updated using the data when the metabolic state of the user 22 is the high metabolic state, and the prediction model is used to determine the amount of blown air. Since the control is performed, it is possible to obtain a predicted value of the blown air volume that is close to the set value of the blown air volume.

図９（Ａ）、（Ｂ）には、安定状態データ記録部７４の記録データ（室内温度、室内湿度、吹出温度、吹出風量の設定値）の一例が示されており、図９（Ｃ）には、統計処理部９４の入力データ（室内温度、室内湿度、吹出温度）に対する出力データ（吹出風量の出力値）の一例が示されている。 9 (A) and 9 (B) show an example of the recorded data (set values of indoor temperature, indoor humidity, blowing temperature, and blowing air volume) of the stable state data recording unit 74, and FIG. 9C shows. Shows an example of output data (output value of blown air volume) with respect to input data (indoor temperature, indoor humidity, blown temperature) of the statistical processing unit 94.

図９に示されるように、本実施形態によれば、ユーザ２２の代謝状態が安定状態である場合のデータを用いて統計処理が実行され、この統計処理の結果に基づいて吹出風量の制御を行うので、吹出風量の設定値に近い吹出風量の出力値を得ることができる。 As shown in FIG. 9, according to the present embodiment, statistical processing is executed using data when the metabolic state of the user 22 is stable, and the amount of blown air is controlled based on the result of this statistical processing. Therefore, it is possible to obtain an output value of the blown air volume that is close to the set value of the blown air volume.

以上、本発明の一実施形態について説明したが、本発明は、上記に限定されるものでなく、上記以外にも、その主旨を逸脱しない範囲内において種々変形して実施可能であることは勿論である。 Although one embodiment of the present invention has been described above, the present invention is not limited to the above, and it goes without saying that the present invention can be variously modified and implemented within a range not deviating from the gist thereof. Is.

１０ パーソナル空調システム
１４ パーソナル空調機器
１６ 環境センサ
１８ ウェアラブル端末
２０ 制御装置
２２ ユーザ
２８ 温度センサ
３０ 湿度センサ
３２ 加速度センサ（代謝量センサの一例）
４０ ＣＰＵ（コンピュータの一例）
５０ プログラム
６４ 代謝状態判定部
６６ 高代謝状態データ記録部（記録部及び第一記録部の一例）
６８ 変更操作判定部
７０ 機械学習部
７２ 予測モデル記憶部
７４ 安定状態データ記録部（第二記録部の一例）
９２ 予測処理部（制御部及び第一制御部の一例）
９４ 統計処理部（第二制御部の一例） 10 Personal air-conditioning system 14 Personal air-conditioning equipment 16 Environmental sensor 18 Wearable terminal 20 Control device 22 User 28 Temperature sensor 30 Humidity sensor 32 Accelerometer (an example of metabolic rate sensor)
40 CPU (example of computer)
50 Program 64 Metabolic status determination unit 66 High metabolic status data recording unit (example of recording unit and first recording unit)
68 Change operation judgment unit 70 Machine learning unit 72 Prediction model storage unit 74 Stable state data recording unit (an example of the second recording unit)
92 Prediction processing unit (example of control unit and first control unit)
94 Statistical processing unit (an example of the second control unit)

Claims (6)

パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、
前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、
を備えるパーソナル空調機器の制御装置。 A recording unit that stores data representing the relationship between the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature and the blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner.
A change operation determination unit that determines that the blown air volume of the personal air conditioner has been changed by the user, and a change operation determination unit.
When the change operation determination unit determines that the change operation has been performed, the machine learning unit executes machine learning using the data accumulated in the recording unit and updates the prediction model for the user.
Using the prediction model, the blown air volume of the personal air conditioner is controlled based on the temperature and humidity of the installation environment of the personal air conditioner, the blown temperature of the personal air conditioner, and the metabolic amount of the user. Control unit and
A control device for personal air conditioning equipment. 前記ユーザの代謝量に基づいて、前記ユーザの代謝状態が予め定められた高代謝状態であるか否かを判定する代謝状態判定部を備え、
前記記録部は、前記ユーザの代謝状態が前記高代謝状態である場合の前記データを蓄積し、
前記制御部は、前記ユーザの代謝状態が前記高代謝状態である場合に、前記予測モデルを用いて前記パーソナル空調機器の吹出風量を制御する、
請求項１に記載のパーソナル空調機器の制御装置。 A metabolic state determination unit for determining whether or not the user's metabolic state is a predetermined high metabolic state based on the metabolic amount of the user is provided.
The recording unit accumulates the data when the metabolic state of the user is the high metabolic state, and accumulates the data.
The control unit controls the amount of air blown out from the personal air conditioner by using the prediction model when the metabolic state of the user is the high metabolic state.
The control device for a personal air conditioner according to claim 1. 前記代謝状態判定部は、一定期間における前記ユーザの動きの加速度の平均値を算出することによって前記ユーザの代謝量を検出する、
請求項２に記載のパーソナル空調機器の制御装置。 The metabolic state determination unit detects the metabolic amount of the user by calculating the average value of the acceleration of the movement of the user in a certain period of time.
The control device for a personal air conditioner according to claim 2. 前記記録部としての第一記録部と、
前記制御部としての第一制御部と、
前記ユーザの代謝状態が前記高代謝状態よりも低い安定状態である場合のデータであって、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度と、前記パーソナル空調機器の吹出風量との関係を表すデータを蓄積する第二記録部と、
前記ユーザの代謝状態が前記安定状態である場合に、前記パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度の各々のデータに基づいて、前記第二記録部に蓄積されたデータを統計処理し、前記統計処理の結果に基づいて前記パーソナル空調機器の吹出風量を制御する第二制御部と、
を備える、
請求項２又は請求項３に記載のパーソナル空調機器の制御装置。 The first recording unit as the recording unit and
The first control unit as the control unit and
It is data when the metabolic state of the user is a stable state lower than the high metabolic state, and is the temperature and humidity of the installation environment of the personal air conditioner, the blowing temperature of the personal air conditioner, and the personal air conditioner. The second recording unit, which stores data showing the relationship with the air volume,
When the user's metabolic state is the stable state, the data is accumulated in the second recording unit based on the respective data of the temperature and humidity of the installation environment of the personal air conditioner and the blowout temperature of the personal air conditioner. A second control unit that statistically processes data and controls the amount of air blown out from the personal air conditioner based on the result of the statistical processing.
To prepare
The control device for a personal air conditioner according to claim 2 or 3. パーソナル空調機器と、
前記パーソナル空調機器の設置環境の温度及び湿度を検出する環境センサと、
前記パーソナル空調機器を使用するユーザの代謝量を検出する代謝量センサと、
前記パーソナル空調機器を制御する制御装置と、
を備え、
前記制御装置は、
パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを蓄積する記録部と、
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定部と、
前記変更操作判定部で前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習部と、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御部と、
を備えるパーソナル空調システム。 With personal air conditioning equipment
An environmental sensor that detects the temperature and humidity of the installation environment of the personal air conditioner,
A metabolic amount sensor that detects the metabolic amount of the user who uses the personal air conditioner, and
A control device that controls the personal air conditioner and
With
The control device is
A recording unit that stores data representing the relationship between the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature and the blowout air volume of the personal air conditioner, and the metabolic rate of the user who uses the personal air conditioner.
A change operation determination unit that determines that the blown air volume of the personal air conditioner has been changed by the user, and a change operation determination unit.
When the change operation determination unit determines that the change operation has been performed, the machine learning unit executes machine learning using the data accumulated in the recording unit and updates the prediction model for the user.
Using the prediction model, the blown air volume of the personal air conditioner is controlled based on the temperature and humidity of the installation environment of the personal air conditioner, the blown temperature of the personal air conditioner, and the metabolic amount of the user. Control unit and
Personal air conditioning system with. パーソナル空調機器の設置環境の温度及び湿度並びに前記パーソナル空調機器の吹出温度及び吹出風量と、前記パーソナル空調機器を使用するユーザの代謝量との関係を表すデータを記録部に蓄積する記録ステップと、
前記パーソナル空調機器の吹出風量が前記ユーザによって変更操作されたことを判定する変更操作判定ステップと、
前記変更操作判定ステップで前記変更操作がされたと判定された場合に、前記記録部に蓄積されたデータを用いて機械学習を実行し、前記ユーザのための予測モデルを更新する機械学習ステップと、
前記予測モデルを用い、前記パーソナル空調機器の設置環境の温度及び湿度と、前記パーソナル空調機器の吹出温度と、前記ユーザの代謝量の各々のデータに基づいて、前記パーソナル空調機器の吹出風量を制御する制御ステップと、
をコンピュータに実行させるためのプログラム。 A recording step for accumulating data representing the relationship between the temperature and humidity of the installation environment of the personal air conditioner, the blowout temperature and the blown air volume of the personal air conditioner, and the metabolic amount of the user who uses the personal air conditioner in the recording unit.
A change operation determination step for determining that the blown air volume of the personal air conditioner has been changed by the user, and a change operation determination step.
When it is determined in the change operation determination step that the change operation has been performed, the machine learning step of executing machine learning using the data accumulated in the recording unit and updating the prediction model for the user, and the machine learning step.
Using the prediction model, the blown air volume of the personal air conditioner is controlled based on the temperature and humidity of the installation environment of the personal air conditioner, the blown temperature of the personal air conditioner, and the metabolic amount of the user. Control steps to do and
A program that lets your computer run.
JP2019164473A 2019-09-10 2019-09-10 Control device for personal air conditioning equipment, personal air conditioning system and program Active JP7286906B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2019164473A JP7286906B2 (en) 2019-09-10 2019-09-10 Control device for personal air conditioning equipment, personal air conditioning system and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019164473A JP7286906B2 (en) 2019-09-10 2019-09-10 Control device for personal air conditioning equipment, personal air conditioning system and program

Publications (2)

Publication Number Publication Date
JP2021042894A true JP2021042894A (en) 2021-03-18
JP7286906B2 JP7286906B2 (en) 2023-06-06

Family

ID=74862173

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019164473A Active JP7286906B2 (en) 2019-09-10 2019-09-10 Control device for personal air conditioning equipment, personal air conditioning system and program

Country Status (1)

Country Link
JP (1) JP7286906B2 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021042893A (en) * 2019-09-10 2021-03-18 株式会社竹中工務店 Control device of personal air conditioning equipment, personal air conditioning system, and program
CN113642810A (en) * 2021-09-07 2021-11-12 科希曼电器有限公司 Method for predicting initial parameters of air conditioner by using SVM regression algorithm
WO2023119514A1 (en) * 2021-12-22 2023-06-29 三菱電機株式会社 User attribute information management device and user attribute information management system

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0658595A (en) * 1992-08-05 1994-03-01 Sharp Corp Air conditioner
JPH0660049A (en) * 1991-08-09 1994-03-04 Matsushita Electric Ind Co Ltd Pattern classifying device, environment recognizing device, and air conditioner
JPH06180139A (en) * 1992-12-11 1994-06-28 Matsushita Electric Ind Co Ltd Application devices of control device and image processing device of air-conditioner
JPH07120043A (en) * 1993-10-28 1995-05-12 Matsushita Refrig Co Ltd Air conditioner
JP2003042508A (en) * 2001-07-25 2003-02-13 Fujita Corp Method of controlling air-conditioning and air- conditioning system
WO2008029679A1 (en) * 2006-09-07 2008-03-13 Mitsubishi Electric Corporation Air conditioner
JP2013204966A (en) * 2012-03-29 2013-10-07 Panasonic Corp Equipment controller, equipment control system, and program
US20160320081A1 (en) * 2015-04-28 2016-11-03 Mitsubishi Electric Research Laboratories, Inc. Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services
JP2021042893A (en) * 2019-09-10 2021-03-18 株式会社竹中工務店 Control device of personal air conditioning equipment, personal air conditioning system, and program

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0660049A (en) * 1991-08-09 1994-03-04 Matsushita Electric Ind Co Ltd Pattern classifying device, environment recognizing device, and air conditioner
JPH0658595A (en) * 1992-08-05 1994-03-01 Sharp Corp Air conditioner
JPH06180139A (en) * 1992-12-11 1994-06-28 Matsushita Electric Ind Co Ltd Application devices of control device and image processing device of air-conditioner
JPH07120043A (en) * 1993-10-28 1995-05-12 Matsushita Refrig Co Ltd Air conditioner
JP2003042508A (en) * 2001-07-25 2003-02-13 Fujita Corp Method of controlling air-conditioning and air- conditioning system
WO2008029679A1 (en) * 2006-09-07 2008-03-13 Mitsubishi Electric Corporation Air conditioner
JP2013204966A (en) * 2012-03-29 2013-10-07 Panasonic Corp Equipment controller, equipment control system, and program
US20160320081A1 (en) * 2015-04-28 2016-11-03 Mitsubishi Electric Research Laboratories, Inc. Method and System for Personalization of Heating, Ventilation, and Air Conditioning Services
JP2021042893A (en) * 2019-09-10 2021-03-18 株式会社竹中工務店 Control device of personal air conditioning equipment, personal air conditioning system, and program

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021042893A (en) * 2019-09-10 2021-03-18 株式会社竹中工務店 Control device of personal air conditioning equipment, personal air conditioning system, and program
JP7286905B2 (en) 2019-09-10 2023-06-06 株式会社竹中工務店 Control device for personal air conditioning equipment, personal air conditioning system and program
CN113642810A (en) * 2021-09-07 2021-11-12 科希曼电器有限公司 Method for predicting initial parameters of air conditioner by using SVM regression algorithm
WO2023119514A1 (en) * 2021-12-22 2023-06-29 三菱電機株式会社 User attribute information management device and user attribute information management system

Also Published As

Publication number Publication date
JP7286906B2 (en) 2023-06-06

Similar Documents

Publication Publication Date Title
JP2021042894A (en) Control device of personal air conditioning equipment, personal air conditioning system, and program
CN111279135B (en) Concentration ratio estimation device
CN105571048B (en) Group dynamic environment control
US11713899B2 (en) Management apparatus, air conditioning management system, and air conditioning management method
US10393397B2 (en) Dynamic climate control adjustment system
US20180202677A1 (en) Building comfort control devices, methods, and systems
EP3699507A1 (en) Air-conditioning control device
CN114151915B (en) Compressor frequency control method and device and air conditioner
CN110173809B (en) Dust accumulation detection method and device for outdoor unit of air conditioner and storage medium
CN107120794B (en) Air conditioner operation condition adjusting method and air conditioner
CN107192179A (en) The control method and computer-readable recording medium of air conditioner and electric expansion valve
CN113531821B (en) Control method and device for air conditioner and air conditioner
JP2021042893A (en) Control device of personal air conditioning equipment, personal air conditioning system, and program
JPWO2020217630A1 (en) Air conditioning system
JP6025091B2 (en) Device control device, device control system and program
CN114322235B (en) Method and device for controlling condensation prevention of air conditioner and air conditioner
CN111059716A (en) Method and device for adjusting air conditioner parameters and storage medium
CN115111713A (en) Air conditioner temperature control method and system and related equipment
JP7152149B2 (en) Air conditioning system, program, information processing device and information processing method
US11549735B2 (en) Apparatus, method, and program for estimating amount of refrigerant
CN109764495B (en) Air conditioner, method of controlling the same, and computer-readable storage medium
JP6374796B2 (en) Air conditioning set temperature calculation device, method, and program
JP2005127690A (en) Area-specific environment providing system, area-specific environment management system, and environment providing device
CN112748722A (en) Mobile body control system
JP7424558B2 (en) Control devices for personal air conditioning equipment, personal air conditioning systems and programs

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220623

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230419

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230425

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230502

R150 Certificate of patent or registration of utility model

Ref document number: 7286906

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150