JP2022113242A - フィルターの目詰まりを推定する方法およびシステム - Google Patents

Abstract

【課題】諸条件により大きく変化するダクト内での音圧を測定して、フィルターの目詰まりを推定する方法およびシステムを提供すること。【解決手段】所定の周波数の音圧を発生する音圧発生工程Ｓ１０と、所定の時刻において音圧を測定する音圧測定工程Ｓ２０と、測定されたデータから所定周波数帯域の音圧データを抽出する音圧データ抽出工程Ｓ３０と、音圧データと測定した時刻とを記憶するデータ記憶工程Ｓ４０と、音圧発生工程からデータ記憶工程を所定の時間に亘って繰り返させる繰り返し工程Ｓ５０と、記憶された音圧データと時刻とを用いて、線形回帰法により、時刻と音圧の関係を求める線形回帰工程Ｓ１００と、線形回帰工程Ｓ１００で求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定工程Ｓ１１０とを備えるフィルターの目詰まり推定方法。【選択図】図１

Description

本発明は、空調設備のフィルターの目詰まりを推定するシステムに関する。

空調設備の空気清浄機器ループは、主として、空気を取り入れ搬送するブロアと、該空気中の塵を除去するフィルターとで構成される。空調設備では、塵によりフィルターが目詰まりし、圧力損失が大きくなると、所定の空気量が供給されなくなる。そこで、フィルターを定期的に洗浄あるいは交換する必要がある。圧力損失は、フィルターの上流側と下流側との圧力差を測定する差圧計を設けることにより測定される。しかし、フィルターに加わる圧力は、静圧と動圧を合計したものである。静圧は通常の圧力計で測定され、動圧は流速から算出される。したがって、フィルターの上流側と下流側の圧力差を測定するには、上流側と下流側のそれぞれに、圧力計と流速計を設置し、両側の圧力を算出後に、その差を求める必要がある。このように構成された圧力損失検出ユニットは、装置が増え、高価でメンテナンスも複雑になるために、大型の空調設備で採用されることが主である。そこで、より簡便に、かつ、直接的にフィルターの目詰まりを測定する技術への要求が存在する。

そこで、発明者らは、空気が搬送されるダクト内に所定の周波数の音を生成するスピーカと、フィルターを通過した音圧を測定する音圧測定器を設置し、測定した音圧に基づきフィルターの目詰まりを推定する装置を提案した（特許文献１参照）。フィルターの目詰まりが増えると、フィルターを透過する音圧が減少し、音圧を測定することでフィルターの目詰まりを推定できることが確認された。

国際公開第WO 2019/009379号パンフレット

しかし、発明者らの観測によれば、ダクト内で測定される音圧は、空調設備の諸条件により大きく変化することが分かった。例えば、ダクト形状、スピーカの位置、音圧測定器の位置、空調設備の運転条件により変化する運転音、外部からの騒音等が、測定される音圧に大きく影響する。したがって、ダクト毎にフィルタの目詰まりと音圧の関係が異なり、測定した音圧に基づきフィルターの目詰まりを推定するには、さらなる工夫が必要であることが分かった。

そこで、本発明は、諸条件により大きく変化するダクト内での音圧を測定して、フィルターの目詰まりを推定する方法およびシステムを提供することを課題とする。

上記課題を解決するために、本発明の第１の態様に係るフィルターの目詰まり推定方法は、例えば図１および図２に示すように、ダクト１０を通じて気体を送風するブロワ２０と、ダクト１０に配置され、気体中の浮遊物を捕捉するフィルター３０とを備える空調設備１において、ダクト１０内において所定の周波数の音圧を発生する音圧発生工程Ｓ１０と、ダクト１０内で所定の時刻において音圧を測定する音圧測定工程Ｓ２０と、測定されたデータから所定周波数帯域の音圧データを抽出する音圧データ抽出工程Ｓ３０と、音圧データと測定した時刻とを記憶するデータ記憶工程Ｓ４０と、音圧発生工程Ｓ１０、音圧測定工程Ｓ２０、音圧データ抽出工程Ｓ３０およびデータ記憶工程Ｓ４０を所定の時間に亘って繰り返させる繰り返し工程Ｓ５０と、繰り返し工程Ｓ５０後に、記憶された音圧データと時刻とを用いて、線形回帰法により、時刻と音圧の関係を求める線形回帰工程Ｓ１００と、線形回帰工程Ｓ１００で求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定工程Ｓ１１０とを備える。

このように構成すると、所定の時間に亘って蓄積した音圧データと時刻とを用いて、線形回帰法により時刻と音圧の関係を求め、さらに時刻とフィルターの目詰まりの関係を求めるので、諸条件により大きく変化するダクト内での音圧を測定することによって、フィルターの目詰まりを推定することができる。

本発明の第２の態様に係るフィルターの目詰まり推定方法では、発生する音圧の所定の周波数は、６ｋＨｚ以上１４ｋＨｚ以下である。このように構成すると、６ｋＨｚ以上１４ｋＨｚ以下の音圧データを用いてフィルターの目詰まりを推定するので、空調設備で発生する運転音や外部からの騒音などのノイズを除去または軽減することができる。

上記課題を解決するために、本発明の第３の態様に係る空調設備のフィルターの目詰まり推定システム１００は、例えば図１に示すように、ダクト１０を通じて気体を送風するブロワ２０と、ダクト１０に配置され、気体中の浮遊物を捕捉するフィルター３０とを備える空調設備１において、ダクト１０内に設置され、所定の周波数の音圧を発生するスピーカ４２と、ダクト１０内に設置された音圧測定器４０と、音圧測定器４０で測定されたデータから所定周波数帯域の音圧データを抽出するデータ抽出手段５０と、所定の時間に亘って、データ抽出手段５０で抽出された音圧データを測定時刻と共に記憶するデータ記憶手段６０と、データ記憶手段６０に記憶された音圧データと測定時刻を用いて、線形回帰法により、時刻と音圧の関係を求め、求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定手段８０とを備える。

このように構成すると、ダクト内に設置されたスピーカと、ダクト内に設置された音圧測定器と、音圧測定器で測定されたデータから所定周波数帯域の音圧データを抽出するデータ抽出手段と、所定の時間に亘って、データ抽出手段で抽出された音圧データを測定時刻と共に記憶するデータ記憶手段と、データ記憶手段に記憶された音圧データと測定時刻を用いて、線形回帰法により、時刻と音圧の関係を求め、求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定手段とを備えるので、諸条件により大きく変化するダクト内での音圧を測定することによって、フィルターの目詰まりを推定することができる空調設備のフィルターの目詰まり推定システムを提供することができる。

本発明の第４の態様に係る空調設備のフィルターの目詰まり推定システム１００では、スピーカで発生する音圧の所定の周波数は、６ｋＨｚ以上１４ｋＨｚ以下である。このように構成すると、６ｋＨｚ以上１４ｋＨｚ以下の音圧データを用いてフィルターの目詰まりを推定するので、空調設備で発生する運転音や外部からの騒音などのノイズを除去または軽減することができる。

本発明によれば、所定の時間に亘って蓄積した音圧データと時刻とを用いて、線形回帰法により時刻と音圧の関係を求め、さらに時刻とフィルターの目詰まりの関係を求めるので、諸条件により大きく変化するダクト内での音圧を測定することによって、フィルターの目詰まりを推定することができる。また、諸条件により大きく変化するダクト内での音圧を測定することによって、フィルターの目詰まりを推定することができる空調設備のフィルターの目詰まり推定システムを提供することができる。

本発明の実施例としての空調設備のフィルターの目詰まり推定システムを説明する模式図である。 本発明の実施例としての空調設備のフィルターの目詰まり測定のフローチャートである。 空調設備のフィルターの上流側にスピーカを下流側にマイクを設置して、時間経過による音圧の変化を測定した例を示すグラフである。 時間と音圧の変化の概念を示すグラフである。 フィルターの圧力損失と音圧の変化の概念を示すグラフである。

以下、図面を参照して、本発明の実施の形態について説明する。なお、各図において、互いに同一または相当する装置には同一符号を付し、重複した説明は省略する。先ず図１を参照して、空調設備１のフィルターの目詰まり推定システム１００の構成を説明する。

空調設備１は、ダクト１０内にブロワ２０が設置される。ブロワ２０により空調設備１には、一定流量あるいは可変流量の気体としての空気が流れる。ブロワ２０は、ファン２２とモータ２４を有する。モータ２４の出力軸とファンの回転軸とを直接接続してもよいし、その間に歯車、ベルト等を有して、回転数を減速してもよい。または、モータ２４が減速機付きモータであってもよい。また、インバータ２６を有して、モータ２４の回転速度を変更してもよい。

空調設備１は、ダクト１０の断面を覆ってフィルター３０が設置される。ダクト１０により送風され、空調設備１から排出されようとする空気中の浮遊物は、フィルター３０により捕捉され、空調設備１からは清浄な空気として排出される。フィルター３０は、用途により、粗塵用フィルタ、ＭＥＰＡ（Medium Efficiency Particulate Air）フィルター、ＨＥＰＡ（High Efficiency Particulate Air）フィルター、ＵＬＰＡ（Ultra Low Penetration Air）フィルター等でよく、その種類は特に限定されない。また、用途によっては、例えばプレ・フィルターを有するなど、複数のフィルターであってもよい。なお、図１では、フィルター３０の設置される位置のダクト１０の径が、ブロワ２０の設置される位置のダクト１０の径より大きく示され、フィルター３０の下流側（図の左側）では、ダクト１０の径が細く示されているが、ダクト１０の径は全体が同径であっても、他の大小関係であってもよい。

ダクト１０のフィルター３０の上流側に音圧を発生するスピーカ４２が設置される。スピーカ４２は、周波数を変えられる発信機（不図示）と組み合わせて、所定の周波数の音圧を発生できるようにしてもよい。スピーカ４２および発信機は、特にその仕様を限定されず、市販のものでよい。なお、スピーカ４２は、発信機からではなく制御装置７０から所定の周波数の信号を受信して、所定の音圧を発生してもよい。スピーカ４２で発生する所定の音圧の周波数は、例えば、６ｋＨｚ、８ｋＨｚ、１０ｋＨｚ、１１ｋＨｚ等、６ｋＨｚ以上１４ｋＨｚ以下の周波数であることが好ましい。空調設備１の運転により発生する騒音および外部からの騒音などは、６ｋＨｚ未満であることが一般的であるので、それより高い周波数とするとノイズの影響を少なくできる。なお、一般的なスピーカで発生可能な周波数は１４ｋＨｚ以下であり、上限を１４ｋＨｚとしてもよい。スピーカ４２から発生する音圧レベルは、ノイズのレベルより、例えば２０ｄＢ以上高くすると、ノイズの影響を減少して音圧を測定できるので好ましい。

ダクト１０のフィルター３０の下流側に音圧測定器としてのマイク４０が設置される。マイク４０は、音圧を測定し、測定したデータを制御装置７０に送信する。マイク４０は、音圧を測定できれば、特にその仕様を限定されず、市販のマイクロフォンでよい。データの通信は、有線で行っても、無線で行っても、あるいは、汎用回線を経由して行ってもよい。

マイク４０で測定した音圧のデータを受信する制御装置７０は、空調設備の運転を制御するための制御装置であってもよいし、別に設置された制御装置であってもよい。制御装置７０の設置される場所は、特に限定はされず、空調設備１の傍でも、離れていてもよい。

制御装置７０は、測定された音圧のデータから、所定周波数帯域の音圧データを抽出するデータ抽出手段としてのバンドパスフィルター５０を有する。なお、本書で、バンドパスフィルター５０あるいはデータ抽出手段を有するという場合、制御装置７０とは物理的に別のバンドパスフィルター５０を有しても、制御装置７０がバンドパスフィルター５０の機能を有することで所定周波数帯域の音圧データを抽出してもよい。また、物理的に別のバンドパスフィルター５０が制御装置７０とは異なる場所に置かれてもよい。

制御装置７０では、抽出された音圧データと測定した時刻とをデータ記憶手段としてのメモリ６０に記憶する。なお、メモリ６０は、制御装置７０の一部であっても、制御装置７０とは別の記憶装置であってもよい。

フィルターの目詰まり推定システム１００は、目詰まり推定手段８０を備える。目詰まり推定手段８０は、メモリ６０に所定の期間に亘って蓄積された音圧データと測定した時刻とから、線形回帰法により時刻と音圧の関係を求める。そして、求められた時刻と音圧の関係から時刻とフィルターの目詰まりを推定する。なお、この推定については、別に説明する。目詰まり推定手段８０は、その計算量が膨大になることから、制御装置７０とは別の装置とされるのが好ましい。例えば、クラウドコンピューティングや、サーバ、パーソナルコンピュータ（ＰＣ）を、目詰まり推定手段８０として用いる。これらの場合、目詰まり推定手段８０は、音圧データと測定した時刻とを記憶するメモリ６０を有してもよく、さらに、制御装置７０を兼ねてもよい。

このようにスピーカ４２、マイク４０、バンドパスフィルター５０、メモリ６０、および、目詰まり推定手段８０を備えて構成されたフィルターの目詰まり推定システム１００の作用を、図２のフローチャートをも参照して説明する。制御装置７０あるいは他のタイマなどからの信号に基づき、所定の時刻毎にスピーカ４２から、所定周波数の音圧を発生する（ステップＳ１０）。なお、スピーカ４２からは、常時音圧が発生されてもよい。スピーカ４２から発生する周波数を発信機により変えられるように構成すると、空調設備１の設置場所、フィルター３０の特性等の影響を考慮した上で、音圧測定に適した周波数の音圧を発生できるので好ましい。なお、音圧測定に適した周波数は、空調設備１を設置後に試験して決めてもよい。

制御装置７０あるいは他のタイマなどからの信号に基づき、所定の時刻毎にマイク４０で音圧を測定する（ステップＳ２０）。具体的には、スピーカ４２から音圧を発生するタイミングに合わせて音圧を測定する。所定の時刻毎は、例えば、３０分毎、１時間毎、数時間毎でよい。マイク４０で測定したデータは、制御装置７０に送信される。

マイク４０で測定したデータを受信すると、制御装置７０は、バンドパスフィルター５０にデータを通し、所定周波数帯域以外のデータを除去する。所定周波数帯域とは、スピーカ４２で発生する所定の周波数の周辺である。例えば、スピーカ４２で発生する周波数が８ｋＨｚとすると、７．５ｋＨｚ～８．５Ｈｚ、７ｋＨｚ～９ｋＨｚ等とする。所定周波数帯域は、スピーカ４２で発生する所定の周波数の、例えば±１０％以内としてもよい。この除去により、スピーカ４２から発生した以外の音圧、すなわちノイズを低減または除去し、所定周波数帯域の音圧データを抽出する（ステップＳ３０）。

抽出された音圧データを測定時刻と共に、メモリ６０に記憶する（ステップＳ４０）。なお測定時刻は、空調設備１でフィルター３０を使用し始めた時刻からの経過時間（運転時間）でよい。

制御装置７０は、音圧の発生（ステップＳ１０）から音圧データと測定時刻の記憶（ステップＳ４０）までの工程を所定時間経過するまで繰り返させる（ステップＳ５０）。すなわち、フィルター３０を使用し始めてから所定時間経過するまでの音圧データと測定時刻とが、メモリ６０に記憶される。ここで所定時間とは、記憶した音圧データと測定時刻とから、時刻と音圧との関係を信頼性高く求められるだけのデータが集まるまでの時間をいう。この時間は、フィルター３０を使用する時間によっても変わるが、例えば、１年程度の使用を予定しているフィルター３０では、１カ月、３カ月、６カ月などの時間となる。

所定時間が経過したら、目詰まり推定手段８０は、メモリ６０に記憶された音圧データと測定時刻とを用いて、線形回帰法により、時刻と音圧の関係を求める（ステップＳ１００）。

フィルター３０の使用期間においてフィルター３０が捕捉する浮遊物の量、すなわち堆積した塵の量は、時間とともに、実質的に比例して、増加する。フィルター３０を透過する音圧は、堆積した塵の量が増加すれば、それだけ減少する。測定した音圧データと運転時間との関係は、例えば図３の実測値により示されるように、諸条件の変化のため、ばらつきが大きい。このような多数のデータに基づき推論を行う手法として回帰法が知られている。回帰法には、１次式回帰、多項式回帰等の方法がある。発明者らの実測によると、運転時間ｔとフィルター透過音圧Ｓと関係は、図３の直線グラフで示すように、１次式回帰で最も良く近似された。なお、測定した音圧はフィルター３０を透過した音圧である。すなわち、運転時間ｔと音圧Ｓとの関係は、図４に示すような比例関係となり、音圧Ｓは、式（１）で表される。
Ｓ ＝ Ａ・ｔ＋Ｂ ・・・（１）
ここで、Ａは運転時間に対する透過音圧の減少率であり、Ｂは運転開始時点での透過音圧である。

時刻と音圧の関係が求められると、時刻とフィルター３０の目詰まりの関係を求める（ステップＳ１１０）。ここで、フィルター３０の目詰まりは、フィルター３０の圧力損失で表す。

フィルター３０の目詰まり、すなわち圧力損失Ｐと、フィルター３０を透過する透過音圧Ｓとは、図５に示すような反比例の関係であることが知られており、フィルター３０の圧損が増加すると透過音圧量Ｓが減少する。透過音圧Ｓと圧力損失Ｐとの関係は、式（２）で表される。
Ｓ ＝ ａ／Ｐ＋ｂ （２）
ここで、ａはフィルター３０および空調設備１の諸条件により定まる定数であり、ｂはノイズ等による音圧である。なお、ステップＳ３０でノイズ等の音圧を完全に除去できるとすると、式（３）に示すように、ｂは省略することができる。
Ｓ ＝ ａ／Ｐ （３）

時刻０（ゼロ）、すなわち、運転開始時点では、圧力損失Ｐ０がフィルター３０の定格初期圧損値を示す。一方、運転開始時点における透過音圧Ｓ０は、式（１）よりもとめられ、すなわちＢである。

そこで、フィルター３０の目詰まり（圧力損失）Ｐがある値に達する時刻を推定する（ステップ１１０）。例えば、フィルター３０の定格最終圧損ＰＥの時刻を推定する場合について説明する。定格最終圧損ＰＥとは、フィルター毎に健全な使用をメーカが保証する最大圧損である。音圧と圧損とは反比例するので、定格最終圧損ＰＥのときの透過音圧ＳＥが式（４）で求まる。
ＳＥ ＝ Ｓ０＊Ｐ０／ＰＥ （４）
時刻と音圧の関係は式（１）で与えられるので、定格最終圧損ＰＥに達する時刻（運転時間）は、式（５）で得られる。
ｔ ＝ （ＳＥ－Ｂ）／Ａ ＝ （ＳＥ－Ｓ０）／Ａ （５）
なお、Ｂは運転開始時点での透過音圧であり、初期音圧Ｓ０である。

このように、本発明によるフィルターの目詰まりを推定する方法あるいはシステムを用いれば、諸条件で使用されるフィルターの音圧を所定の時間に亘って測定することにより、フィルターの交換あるいは洗浄時期を適切に知ることができる。なお、運転時間と音圧データとの関係を一次式（線形）回帰法を用いて求めたが、多項式回帰等、他の回帰法を用いてもよい。フィルターの濾材、浮遊物の種類あるいは特殊な環境においては、多項式回帰法の方がより正確に近似できる場合もあり得る。ただし、運転時間と音圧データとの関係としては、運転開始時点と、フィルターの交換あるいは洗浄時期とが求められればよく、その間の変化は重要ではないことが通常であり、係数も少なく扱いやすい線形回帰法で済む場合が多い。

なお、例えば、フィルター３０の圧損が、初期圧損Ｐ０と最終圧損ＰＥとの間の所望の圧損Ｐになる時刻は、上述の時刻の推定で、ＰＥの代わりに所望の圧損Ｐを用いることにより、推定される。

なお、時刻と音圧の関係を求める（ステップＳ１００）を行う所定時間を１つに定めず、任意の時間毎に行ってもよい。その場合には、所定時間が短いと、求められる時刻と音圧の関係あるは時刻とフィルター３０の目詰まりの関係の正確性が劣る場合がある。

また、例えば、黄砂の飛来や台風など、空調設備１で吸引する外気の状態に大きな変化が生じた場合には、その後に時刻と音圧の関係あるは時刻とフィルター３０の目詰まりの関係を再度求めることにより、より正確な関係が求められる。このように適宜フィルター３０の目詰まりを推定することで、予めフィルターの交換あるいは洗浄時期を予測しつつ、その時期が近づくにつれさらに精度高く、効率よく、フィルターの交換あるいは洗浄をおこなうことができる。

これまでの説明では、フィルター３０の上流側にスピーカ４２、下流側にマイク４０を設置するものとしたが、上流側にマイク４０、下流側にスピーカ４２を設置してもよい。

１ 空調設備
１０ ダクト
２０ ブロワ
２２ ファン
２４ モータ
２６ インバータ
３０ フィルター
４０ マイク（音圧測定器）
４２ スピーカ
５０ バンドパスフィルター（データ抽出手段）
６０ メモリ（データ記憶手段）
７０ 制御装置
８０ 目詰まり推定手段
１００ フィルターの目詰まり推定システム

Claims (4)

1. ダクトを通じて気体を送風するブロワと、前記ダクトに配置され、気体中の浮遊物を捕捉するフィルターとを備える空調設備において：
   前記ダクト内において所定の周波数の音圧を発生する音圧発生工程と；
   前記ダクト内で所定の時刻において音圧を測定する音圧測定工程と；
   前記測定されたデータから所定周波数帯域の音圧データを抽出する音圧データ抽出工程と；
   前記音圧データと測定した時刻とを記憶するデータ記憶工程と；
   前記音圧発生工程、前記音圧測定工程、前記音圧データ抽出工程および前記データ記憶工程を所定の時間に亘って繰り返させる繰り返し工程と；
   前記繰り返し工程後に、記憶された音圧データと時刻とを用いて、線形回帰法により、時刻と音圧の関係を求める線形回帰工程と；
   前記線形回帰工程で求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定工程とを備える；
   フィルターの目詰まり推定方法。
2. 前記発生する音圧の前記所定の周波数は、６ｋＨｚ以上１４ｋＨｚ以下である；
   請求項１に記載のフィルターの目詰まり推定方法。
3. ダクトを通じて気体を送風するブロワと、前記ダクトに配置され、気体中の浮遊物を捕捉するフィルターとを備える空調設備において：
   前記ダクト内に設置され、所定の周波数の音圧を発生するスピーカと；
   前記ダクト内に設置された音圧測定器と；
   前記音圧測定器で測定されたデータから所定周波数帯域の音圧データを抽出するデータ抽出手段と；
   所定の時間に亘って、前記データ抽出手段で抽出された音圧データを測定時刻と共に記憶するデータ記憶手段と；
   前記データ記憶手段に記憶された音圧データと測定時刻を用いて、線形回帰法により、時刻と音圧の関係を求め、求められた時刻と音圧の関係から、時刻とフィルターの目詰まりの関係を求める目詰まり推定手段とを備える；
   空調設備のフィルターの目詰まり推定システム。
4. 前記スピーカで発生する音圧の前記所定の周波数は、６ｋＨｚ以上１４ｋＨｚ以下である；
   請求項３に記載の空調設備のフィルターの目詰まり推定システム。

Images