JP2023137153A - 空調装置制御用の学習データ収集方法、空調システム - Google Patents

Abstract

【課題】制御対象領域における予測モデルの学習データを、装置に負担をかけずに短時間で確実に収集できる空調装置制御用の学習データ収集方法を提供する。【解決手段】この学習データ収集方法は、領域設定、学習開始点設定、状態点移動及びデータ収集の各ステップを含む。領域設定ステップでは、湿り空気線図上にて予測モデルを作成する領域Ｒ１を設定する。学習開始点設定ステップでは、領域Ｒ１内に、ランダム加振時の起点となる複数の学習開始点Ｓ１～Ｓ９を設定する。状態点移動ステップでは、外気状態点Ｇ１と同位置の空調空気状態点Ｋ１を、最初の学習開始点Ｓ１まで移動させる。その際、空調用機器２２～２５を操作して温湿度制御を行う。データ収集ステップでは、空調空気状態点Ｋ１を学習開始点間で移動させながら、空調用機器２２～２５のランダム加振を行い、学習データを収集する。【選択図】図５

Description

本発明は、空調装置制御用の学習データ収集方法、空調システムに関するものである。

一般的に塗装設備は、自動車ボディ等の被塗物に塗料を塗布する塗装ブースや、塗装ブースを通過した被塗物上の塗料を乾燥させる乾燥炉などの装置を備えている。このような塗装設備では、塗装ブース用空調機によって温湿度を調整した空気を塗装ブース内に送気し、塗装を行っている。また、塗装ブース用空調機は、加熱装置、冷却装置、加湿装置（ワッシャ）、送風ファンなどの機器で構成されており、これらの機器を組み合わせて動作させることで、空調空気が目標とする温湿度となるように制御を行っている（例えば、特許文献１、２を参照）。また、この場合の制御としては、ＰＩＤ制御が従来用いられている。

ところで、自動車の塗装ブースにおけるブース用空調機は、製品の塗装品質を維持するため、シビアな温湿度制御を必要とする。そして近年では、シビアな温湿度制御を実現するための新たな手段として、未来の反応を予測しながら制御を行うモデル予測制御（ＭＰＣ制御）を採用したものが提案されている。ここで、モデル予測制御は、空調装置のダイナミクスを適切に捉え、モデル化した予測モデルを使用するといった制御方法である。そして、空調制御用モデル予測制御に使用する予測モデルでは、その同定に機械学習を使用している。

特許３９９３３５８号公報 特開２０１０－１１９９０１号公報

ところで、一般的に学習用の同定データは、数時間にわたって空調用の各機器の操作量をランダムに変化させ（即ちランダム加振を行い）、測定及び記録を繰り返すことにより得られるものである。

しかしながら、このようなランダム加振を行った場合、空調用の各機器に負担がかかり故障の原因となる。また、操作量をランダムに変化させる結果、意図せず装置の異常検出装置が働き、その度に測定及び記録が中断してしまうことがある。さらに、その時の外気を起点としてランダム加振が行われるので、温湿度制御の対象としたい領域のデータを短時間で確実に収集することができないという欠点がある。

本発明は上記の課題に鑑みてなされたものであり、その目的は、制御対象領域における予測モデルの学習データを、装置に負担をかけずに短時間で確実に収集することができる空調装置制御用の学習データ収集方法、空調システムを提供することにある。

上記課題を解決するために、手段１に記載の発明は、取り込んだ外気の温湿度を複数種の空調用機器を用いて調整する空調装置のモデル予測制御に使用される予測モデルの学習データを収集する方法であって、湿り空気線図上にて前記予測モデルを作成する領域を設定する領域設定ステップと、設定された前記領域内に、前記空調用機器のランダム加振を行うときの起点となる複数の学習開始点を設定する学習開始点設定ステップと、前記湿り空気線図上の外気状態点と同じ位置にある空調空気状態点を、前記空調用機器を操作して温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させる状態点移動ステップと、前記空調空気状態点を複数の前記学習開始点間で移動させながら、前記空調用機器のランダム加振を行うことにより、前記学習データを収集するデータ収集ステップとを含むことを特徴とする空調装置制御用の学習データ収集方法をその要旨とする。

従って、手段１に記載の発明によると、設定された領域内に外気状態点がない場合でも、領域内におけるいずれかの学習開始点まで空調空気状態点を移動させた後に、学習データの収集が開始される。つまり、データ収集の起点がそのときの外気状態点ではなく、領域内の状態点を起点としたものとなる。よって、温湿度制御の対象としたい領域のデータを確実に収集することができる。また、空調空気状態点を領域内における複数の学習開始点間で移動させながら、空調用機器のランダム加振が行われることから、当該領域内の学習データを確実に収集することができる。

手段２に記載の発明は、手段１において、前記データ収集ステップでは、前記ランダム加振によって前記学習開始点から変位した前記空調空気状態点をＰＩＤ制御により当該学習開始点まで戻す制御を行うことをその要旨とする。

従って、手段２に記載の発明によると、ランダム加振を行ってもＰＩＤ制御による修正が働くため、空調用の各機器に負担をかけずにデータ収集を行うことができる。

手段３に記載の発明は、手段１または２において、前記状態点移動ステップでは、前記外気状態点が前記領域内にない場合における当該外気状態点と同じ位置にある前記空調空気状態点を、ＰＩＤ制御によって前記空調用機器の温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させることをその要旨とする。

従って、手段３に記載の発明によると、領域内にない空調空気状態点をいずれかの学習開始点まで速やかに効率よく移動させることができるともに、その際の空調用の各機器にかかる負担を軽減することができる。

手段４に記載の発明は、手段１乃至３のいずれか１項において、前記データ収集ステップでは、ＰＩＤ制御によって前記空調用機器の温湿度制御を行うことで、前記空調空気状態点を現在の前記学習開始点から次の前記学習開始点まで移動させることをその要旨とする。

従って、手段４に記載の発明によると、空調空気状態点についての学習開始点間での移動を速やかに効率よく行うことができる。

手段５に記載の発明は、手段１乃至４のいずれか１項において、前記データ収集ステップでは、前記ランダム加振を行うときの前記空調用機器の操作量の上限値及び下限値を設定することをその要旨とする。

従って、手段５に記載の発明によると、操作量の上限値及び下限値を設定したことにより、ランダム加振の際に空調用機器が過大な操作量で操作されることが防止される。その結果、過大操作に起因した空調用機器の異常発生が回避され、学習データを中断することなく効率よく収集することができる。

手段６に記載の発明は、手段１乃至５のいずれか１項において、前記空調装置は、前記空調用機器として、予熱装置、加湿装置、冷却装置及び再熱装置を含んで構成された塗装ブース用空調機であることをその要旨とする。

手段７に記載の発明は、取り込んだ外気の温湿度を複数種の空調用機器を用いて調整する空調装置と、前記空調用機器の操作量を制御する空調制御装置とを備えた空調システムであって、前記空調制御装置は、前記空調装置のモデル予測制御に使用される予測モデルの学習データを収集する学習データ収集装置を備えるとともに、前記学習データ収集装置は、湿り空気線図上にて前記予測モデルを作成する領域を設定する領域設定部と、設定された前記領域内に、前記空調用機器のランダム加振を行うときの起点となる複数の学習開始点を設定する学習開始点設定部と、前記湿り空気線図上の外気状態点と同じ位置にある空調空気状態点を、前記空調用機器を操作して温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させる状態点移動部と、前記空調空気状態点を複数の前記学習開始点間で移動させながら、前記空調用機器のランダム加振を行うことにより、前記学習データを収集するデータ収集部とを含んで構成されていることを特徴とする空調システムをその要旨とする。

従って、手段７に記載の発明によると、設定された領域内に外気状態点がない場合でも、状態点移動部が領域内におけるいずれかの学習開始点まで空調空気状態点を移動させ、その後にデータ収集部が学習データの収集を開始する。つまり、データ収集の起点がそのときの外気状態点ではなく、領域内のいずれかの学習開始点を起点としたものとなる。よって、温湿度制御の対象としたい領域のデータを確実に収集することができる。また、データ収集部は、空調空気状態点を領域内における複数の学習開始点間で移動させながら、空調用機器のランダム加振を行う。それゆえ、当該領域内の学習データを確実に収集することができる。

以上詳述したように、請求項１～３に記載の発明によると、制御対象領域における予測モデルの学習データを、装置に負担をかけずに短時間で確実に収集することができる空調装置制御用の学習データ収集方法、空調システムを提供することができる。

本発明を具体化した実施形態の塗装設備用空調システムを説明するためのブロック図。 上記塗装設備用空調システムにおける学習データ収集方法を説明するためのフローチャート。 上記塗装設備用空調システムにおける学習データ収集方法を説明するための湿り空気線図。 上記塗装設備用空調システムにおける学習データ収集方法を説明するための湿り空気線図。 上記塗装設備用空調システムにおける学習データ収集方法を説明するための湿り空気線図。 上記塗装設備用空調システムにおける学習データ収集方法を説明するための湿り空気線図。 （ａ）は実施形態の学習データ収集方法におけるランダム加振を説明するためのグラフ、（ｂ）は比較例の学習データ収集方法におけるランダム加振を説明するためのグラフ。 本発明を具体化した別の実施形態の塗装設備用空調システムを説明するためのブロック図。

以下、本発明を具体化した一実施形態の塗装設備用空調システム１１を図１～図７に基づき詳細に説明する。

図１に示される本実施形態の空調システムは、上記のとおり塗装設備用空調システム１１であって、取り込んだ外気の温湿度を複数種の空調用機器を用いて調整する空調装置２１と、空調用機器の操作量を制御する空調制御装置３１とを含んで構成される。本実施形態における空調装置２１は、空調用機器として、予熱装置、加湿装置、冷却装置及び再熱装置を含んで構成された塗装ブース用空調機２１である。

塗装設備用空調システム１１によって生成される空調空気の供給対象である塗装ブースは、一般的に、被塗物搬送ラインにおいて被塗物に塗料を塗布するためエリアに設置されている。塗装ブースは、塗装室と、塗装室の上側に設けられ塗装室にダウンフロー（上方から下方に向かう一定方向）の空気を供給するための給気室と、塗装室の下側に設けられその塗装室内の空気を排気するための排気室とを備えている。本実施形態の塗装ブースでは、塗装ブース用空調機２１から排出される空調空気が給気室からダウンフローで塗装室内に供給される。

塗装ブースの塗装室では、図示しない塗装機から塗料ミストを噴射することで被塗物の塗装が行われる。このとき、塗装機からオーバースプレーされて飛散した塗料ミストは、塗装室内に作用するダウンフローの空調空気によって塗装室から排気室に排出される。排気室では、ブース循環水を使用して空気中に含まれる塗料ミストが捕捉され塗料が回収される。また、排気室から排出される空気は、送風ファンによって大気に放出される。

図１に示されるように、本実施形態における塗装ブース用空調機２１（空調装置）は、複数種の空調用機器を含んで構成されている。この塗装ブース用空調機２１は、装置外部から取り入れた空気を所定温度（例えば２３℃前後）及び所定湿度（例えば７０％ＲＨ前後）に調節して塗装ブースへ送気するための装置である。具体的に説明すると、この塗装ブース用空調機２１は、プレヒータ２２（予熱装置）、ワッシャ２３（加湿装置）、クーリングコイル２４（冷却装置）、レヒータ（再熱装置）２５及び送風ファン２６を備えている。

プレヒータ２２は、取り込んだ空気の温度を調整する調温手段の一種であって、空気を加熱してあらかじめ温度を上げるための装置である。ワッシャ２３は、取り込んだ空気の湿度を調整する調湿手段の一種であって、プレヒータ２２を経た空気に対する水の噴射により空気の湿度を上げるための装置である。クーリングコイル２４は、取り込んだ空気の温度を調整する調温手段の一種であって、ワッシャ２３を経た空気を冷却して温度を下げるための冷却装置である。レヒータ２５は、取り込んだ空気の温度を調整する調温手段の一種であって、クーリングコイル２４を経た空気を再び加熱して温度を上げる再熱装置である。送風ファン２６は、調温及び調湿された空気（即ち空調空気）を塗装ブースに圧送するための空気圧送装置である。

塗装ブース用空調機２１における複数の箇所には、センシング手段が設けられている。具体的にいうと、この塗装ブース用空調機２１は、温湿度測定用の第１のセンサ２７ａ、温湿度測定用の第２のセンサ２７ｂ、温度測定用の第３のセンサ２７ｃを備えている。第１のセンサ２７ａは、空調前の外気の温湿度を測定するためのものであって、塗装ブース用空調機２１における外気の取り込み口付近に配置されている。第２のセンサ２７ｂは、空調後の外気の温湿度を測定するためのものであって、空調空気が送り出される送風ファン２６の出口側に配置されている。第３のセンサ２７ｃは、プレヒータ２２を経た外気の温度を測定するためのものであって、ワッシャ２３の上流側に配置されている。

本実施形態における塗装設備用の空調制御装置３１は、空調用機器の操作量を制御するための装置であって、ＣＰＵや記憶手段（ＲＯＭ、ＲＡＭ）等からなる周知のコンピュータ１台あるいは複数台により構成されている。図１のブロック図に示されるように、この空調制御装置３１は、送気目標入力部３２、送気設定演算部３３、機器制御部３４を備えている。機器制御部３４は、ＰＩＤ制御によって空調用機器の操作量を制御するＰＩＤコントローラ３５を含んでいる。なお、空調制御装置３１における記憶手段内には、温湿度制御のためのプログラムが格納されており、空調制御装置３１内のＣＰＵは当該プログラムを記憶手段から読み出して順次実行するようになっている。記憶手段内には、このプログラムのほかに、空気の状態値を座標に表した湿り空気線図に関するデータ（湿り空気線図テーブル）が格納されている。ちなみに、エンタルピーは湿り空気線図の右上に行くほど高くなり、逆に左下にいくほど低くなる。

ＰＩＤ制御（Proportional-Integral-Differential Controll）とは、フィードバック制御の一種であって、入力値の制御を出力値と目標値との偏差、その積分及び微分の３要素によって行う制御のことを指す。本実施形態のＰＩＤコントローラ３５は、制御対象の数と同数（具体的には４つ）のＰＩＤループを有している。ＰＩＤコントローラ３５と、各空調用機器（即ち、プレヒータ２２、ワッシャ２３、クーリングコイル２４、レヒータ２５）とは、図示しないドライバ回路を介してそれぞれ電気的に接続されている。また、ＰＩＤコントローラ３５と上記各センサ２７ａ～２７ｃとは、電気的に接続されている。従って、ＰＩＤコントローラ３５から各制御対象に対して駆動制御信号が出力され、これによって各空調用機器の操作量がＰＩＤ制御される。その結果、外気温湿度が目標温湿度に到達するように調整されるようになっている。また、その際には上記各センサ２７ａ～２７ｃから温湿度の測定結果が入力される。そのため、ＰＩＤコントローラ３５は、その測定結果に基づいてフィードバック制御を行うことができるようになっている。

送気目標入力部３２は、送気設定演算部３３を介して機器制御部３４に電気的に接続されている。送気目標入力部３２は、塗装ブースに送気するための空調空気の温湿度の目標値を入力するためのものであって、キーボードやタッチパネル等のような手段を含んで構成されている。送気目標入力部３２の出力信号は、送気設定演算部３３に入力される。

送気設定演算部３３と上記各センサ２７ａ～２７ｃとは電気的に接続されている。従って、送気設定演算部３３には、各センサ２７ａ～２７ｃから出力される温度や湿度の測定値が入力される。送気設定演算部３３は、入力した温湿度の目標値と測定値とに基づいて演算を行い、目標温湿度に到達させるのに最小となるエンタルピーを算出する。そして送気設定演算部３３は、その算出結果に基づいて各空調用機器の操作量の目標値を設定し、その目標値をＰＩＤコントローラ３５に出力する。

さらにこの空調制御装置３１は、塗装ブース用空調機２１のモデル予測制御（ＭＰＣ）に使用される予測モデルの学習データを収集する学習データ収集装置４１を備えている。以下、空調制御装置３１の学習データ収集装置４１が行う学習データ収集動作について説明する。なお、学習データ収集のためのプログラムは、空調制御装置３１における記憶手段内に格納されている。空調制御装置３１内のＣＰＵは、必要に応じて当該プログラムを記憶手段から読み出し、順次実行するようになっている。

図１に示されるように、この空調制御装置３１における学習データ収集装置４１は、領域設定部４２、学習開始点設定部４３、状態点移動部４４、データ収集部４５等を含んで構成されている。

図３等に示されるように、領域設定部４２は、湿り空気線図上にて予測モデルを作成する領域Ｒ１、即ち温湿度制御の対象としたい領域（制御対象領域Ｒ１）の設定を行う。本実施形態では、例えば空調制御装置３１内のＣＰＵが、領域設定部４２として機能する。当該制御対象領域Ｒ１は、高精度な温湿度制御を実現するために高品質の予測モデルが欲しい領域、と言い換えることもできる。例えば図３においては、制御対象領域Ｒ１が４本の線分で囲まれた領域として示されている。

また、学習開始点設定部４３は、設定された制御対象領域Ｒ１内に、空調用機器のランダム加振を行うときの起点となる複数の学習開始点Ｓ１～Ｓ９の設定を行う。この場合、具体的には学習開始点Ｓ１～Ｓ９の数や位置、それらの移動順序についても設定する（図３参照）。本実施形態では、例えば空調制御装置３１内のＣＰＵが、学習開始点設定部４３として機能する。学習開始点Ｓ１～Ｓ９の数は複数にする必要があるが、その数は限定されず任意に設定され、例えば５点以上がよく、本実施形態では９点としている。なお、学習開始点Ｓ１～Ｓ９の数は、好ましくは１０点以上がよい。学習開始点Ｓ１～Ｓ９の位置も限定されず任意に設定され、例えば湿り空気線図上にて互いに離間した位置に設定される。この場合、複数の学習開始点Ｓ１は、制御対象領域Ｒ１を規定する線分に沿って配置されてもよい。さらに、学習開始点設定部４３は、複数設定した学習開始点Ｓ１～Ｓ９の中から、任意の１つを最初にランダム加振を行うときの起点となる「最初の学習開始点Ｓ１」として設定してもよい。

状態点移動部４４は、湿り空気線図上の外気状態点Ｇ１と同じ位置にある空調空気状態点Ｋ１を、空調用機器を操作して温湿度制御を行うことで、複数の学習開始点Ｓ１～Ｓ９のうちのいずれかまで移動させる。本実施形態では、例えば空調制御装置３１内のＣＰＵが、状態点移動部４４として機能する。本実施形態の状態点移動部４４は、ＰＩＤ制御によって空調用機器の温湿度制御を行うことで、空調空気状態点Ｋ１を複数の学習開始点Ｓ１～Ｓ９のうちのいずれかまで移動させるようになっている。

データ収集部４５は、空調空気状態点Ｋ１を制御対象領域Ｒ１内における複数の学習開始点Ｓ１～Ｓ９間で移動させながら、空調用機器のランダム加振を行うことにより、学習データを収集する。本実施形態のデータ収集部４５は、ランダム加振によって学習開始点Ｓ１～Ｓ９から変位した空調空気状態点Ｋ１をＰＩＤ制御により当該学習開始点Ｓ１～Ｓ９まで戻す制御を行うようになっている。また、空調空気状態点Ｋ１を現在の学習開始点から次の学習開始点まで移動させる際にも、ＰＩＤ制御を行うようになっている。さらに、データ収集部４５では、あらかじめ設定された各空調用機器の操作量の上限値及び下限値に基づき、それらを超えない範囲でランダム加振を行うようになっている。この上限値及び下限値は、機器に大きな負担がかからない操作量となるように空調用機器ごとに設定される。なお、図７（ａ）は本実施形態の学習データ収集方法におけるランダム加振を説明するためのグラフ、図７（ｂ）は比較例の学習データ収集方法におけるランダム加振を説明するためのグラフである。両グラフにおいて、階段状に増減する曲線Ｌ１、Ｌ２、Ｌ３、Ｌ４は、それぞれプレヒータ２２、ワッシャ２３、クーリングコイル２４、レヒータ２５の操作量を示している。各々の曲線Ｌ１～Ｌ４を挟む２本の破線は、上限値及び下限値を示している。ただし、比較例では上限値及び下限値は設定されていないが、説明の便宜上、図７（ｂ）ではこれらを描いている。図７（ａ）に示す本実施形態では、設定された上限値及び下限値を超えて操作量が設定されないことがわかる。一方、図７（ｂ）に示す比較例では、上限値及び下限値が特に設定されていないため、それらを超えて操作量が設定されることがある（同図においてＴ１で示した箇所を参照）。

次に、図２のフローチャートに基づき、図３～図６の湿り空気線図を参照しながら、本実施形態の学習データ収集方法について説明する。

まず、領域設定部４２が作動して、湿り空気線図上にて予測モデルを作成する制御対象領域Ｒ１を設定する（領域設定ステップ：Ｓ１１０）。ここで、制御対象領域Ｒ１の設定は、操作者自らが複数の線分を規定することで行ってもよいが、あらかじめ装置内にて設定、記憶されている領域データを読み出して用いてもよい。

次に、学習開始点設定部４３が作動して、設定された制御対象領域Ｒ１内に、空調用機器のランダム加振を行うときの起点となる複数の学習開始点Ｓ１～Ｓ９を所定の位置に設定する（学習開始点設定ステップ：ステップＳ１２０）。また、併せて空調空気状態点Ｋ１を移動させる際の順序や経路についても設定する。

次に、状態点移動部４４が作動して、外気状態点Ｇ１の位置を確認する（ステップＳ１３０）。次いで、湿り空気線図上の外気状態点Ｇ１と同じ位置にある空調空気状態点Ｋ１を、ＰＩＤ制御によって空調用機器を操作して温湿度制御を行う。これにより、複数の学習開始点Ｓ１～Ｓ９のうちのいずれかまで移動させる（ステップＳ１４０：状態点移動ステップ）。具体的にいうと、例えば図３の湿り空気線図では、外気状態点Ｇ１が制御対象領域Ｒ１内になく、制御対象領域Ｒ１から離れた位置にある。そこで、ＰＩＤ制御を行って、空調空気状態点Ｋ１を外気状態点Ｇ１から最初の学習開始点Ｓ１まで移動させる（図４参照）。なお、図３においては、複数の学習開始点Ｓ１～Ｓ９のうち、最初の学習開始点Ｓ１が最も近くにある。

次に、データ収集部４５が作動して、ランダム加振によって最初の学習開始点Ｓ１から変位した空調空気状態点Ｋ１をＰＩＤ制御により当該学習開始点Ｓ１まで戻す制御を繰り返し行い、データを収集する（ステップＳ１５０：データ収集ステップ、図５参照）。

データ収集部４５は、１つの学習開始点Ｓ１について所定数のデータを収集した後に、次のステップＳ１６０に移行する。ステップＳ１６０では、全ての学習開始点Ｓ１～Ｓ９にてデータ収集が完了したか否かを判定する。ここでの判定結果がＮＯの場合、データ収集部４５は、ＰＩＤ制御によって空調用機器の温湿度制御を行うことで、空調空気状態点Ｋ１を現在の学習開始点Ｓ１から次の学習開始点Ｓ２まで移動させる（ステップＳ１７０、図６参照）。そして、ステップＳ１７０の実行後に再びステップＳ１５０に戻り、ランダム加振によって２番目の学習開始点Ｓ２から変位した空調空気状態点Ｋ１をＰＩＤ制御により当該学習開始点Ｓ２まで戻す制御を繰り返し行い、データを収集する。なお、全ての学習開始点Ｓ１～Ｓ９についてのデータ収集が完了するまでこのような処理が実行される。そして、ステップＳ１６０での判定結果がＹＥＳの場合、即ち全ての学習開始点Ｓ１～Ｓ９についてのデータ収集が完了した場合には、データ収集部４５は一連の処理を終了させる。この後、空調制御装置３１における学習データ収集装置４１は、上記のようにして収集した同定データに基づき機械学習を行い、空調制御用モデル予測制御に使用するための予測モデルを作成し、これを記憶手段に格納する。

従って、本実施の形態によれば以下の効果を得ることができる。

（１）本実施形態の空調システム１１は空調制御装置３１を備えており、その空調制御装置３１は塗装ブース用空調機２１のモデル予測制御に使用される予測モデルの学習データを収集する学習データ収集装置４１を備えている。そして、この学習データ収集装置４１は、上述したように領域設定部４２、学習開始点設定部４３、状態点移動部４４、データ収集部４５を含んで構成されている。このため、例えば設定された制御対象領域Ｒ１内に外気状態点Ｇ１がない場合でも、状態点移動部４４が制御対象領域Ｒ１内におけるいずれかの学習開始点Ｓ１～Ｓ９まで空調空気状態点Ｋ１を移動させる。そして移動後にデータ収集部４５が学習データの収集を開始する。つまり、データ収集の起点がそのときの外気状態点Ｇ１ではなく、制御対象領域Ｒ１内のいずれかの学習開始点Ｓ１～Ｓ９を起点としたものとなる。よって、温湿度制御の対象としたい制御対象領域Ｒ１のデータを確実に収集することができる。また、データ収集部４５は、空調空気状態点Ｋ１を制御対象領域Ｒ１内における複数の学習開始点Ｓ１～Ｓ９間で移動させながら、空調用機器のランダム加振を行う。それゆえ、当該制御対象領域Ｒ１内の学習データを確実に収集することができる。

（２）本実施形態では、データ収集部４５が行うデータ収集ステップにおいて、ランダム加振によって学習開始点Ｓ１～Ｓ９から変位した空調空気状態点Ｋ１をＰＩＤ制御により当該学習開始点Ｓ１～Ｓ９まで戻す制御を行っている。このため、ランダム加振を行ってもＰＩＤ制御による修正が働くため、空調用の各機器に負担をかけずにデータ収集を行うことができる。

（３）本実施形態では、状態点移動部４４が行う状態点移動ステップにおいて、外気状態点Ｇ１が制御対象領域Ｒ１内にない場合における当該外気状態点Ｇ１と同じ位置にある空調空気状態点Ｋ１を、複数の学習開始点Ｓ１～Ｓ９のうちのいずれかまで移動させる。そしてその場合の移動は、ＰＩＤ制御による空調用機器の温湿度制御により行われる。このため、制御対象領域Ｒ１内にない空調空気状態点Ｋ１をいずれかの学習開始点Ｓ１～Ｓ９まで速やかに効率よく移動させることができるともに、その際の空調用の各機器にかかる負担を軽減することができる。

（４）本実施形態では、データ収集部４５が行うデータ収集ステップにおいて、ＰＩＤ制御によって空調用機器の温湿度制御を行うことで、空調空気状態点Ｋ１を現在の学習開始点Ｓ１から次の学習開始点Ｓ２まで移動させている。つまり、本実施形態では、学習開始点をＳ１から始まって、Ｓ２、Ｓ３、Ｓ４・・・Ｓ９、というように順に移動させている。このため、空調空気状態点Ｋ１についての学習開始点間での移動を速やかに効率よく行うことができる。

（５）本実施形態では、データ収集部４５が行うデータ収集ステップにおいて、ランダム加振を行うときの空調用機器の操作量の上限値及び下限値をあらかじめ設定している。このため、ランダム加振の際に空調用機器が過大な操作量で操作されることが防止される。その結果、過大操作に起因した空調用機器の異常発生が回避され、学習データを中断することなく効率よく収集することができる。

なお、本発明の各実施の形態は以下のように変更してもよい。

・上記実施形態では、湿り空気線図上にて予測モデルを作成する制御対象領域Ｒ１を設定するにあたり、４本の線分を規定することとしたが、この方法に限定されない。例えば３本あるいは５本以上の線分で規定された範囲を制御対象領域Ｒ１として設定してもよい。または、複数の点を規定してそれらを含む範囲を制御対象領域Ｒ１として設定してもよい。

・上記実施形態では、最初の学習開始点Ｓ１を制御対象領域Ｒ１の外周部付近に設定するとともに、その最初の学習開始点Ｓ１を起点として、外周部付近に位置する複数の学習開始点Ｓ２～Ｓ７に移った後、制御対象領域Ｒ１の中央部に位置する複数の学習開始点Ｓ８、Ｓ９に移るような移動経路を設定したが、これに限定されない。例えばこれとは逆に、最初の学習開始点を制御対象領域Ｒ１の中央部付近に設定するとともに、その最初の学習開始点を起点として、中央部付近に位置する複数の学習開始点に移った後、制御対象領域Ｒ１の外周部に位置する複数の学習開始点に移るような移動経路を設定してもよい。

・上記実施形態では、塗装ブース用空調機２１のモデル予測制御に使用される予測モデルの学習データを収集し、それに基づいて別の装置で利用するための予測モデルを作成するものを例示したが、これに限定されない。例えば、ＰＩＤコントローラ３５に加えてモデル予測制御部（ＭＰＣコントローラ）を含む機器制御部３４を構成し、収集した学習データに基づいて予測モデルを作成し、それを同じ装置内で利用しても勿論よい。

・上記実施形態では、プレヒータ２２（予熱装置）、ワッシャ２３（加湿装置）、クーリングコイル２４（冷却装置）、レヒータ（再熱装置）２５及び送風ファン２６を備えた塗装ブース用空調機２１を用いたが、これに限定されず、異なる装置構成を採用してもよい。例えばクーリングコイル２４を１段ではなく２段にしてもよいほか、不要であれば省略してもよい。レヒータ２５も不要であれば省略してもよい。つまり、空調装置は取り入れた外気を加温、加湿及び冷却する機能を有するものに限らず、加温及び加湿機能を有しかつ冷却機能を有しないもの、冷却及び加湿機能を有しかつ加温機能を有しないものであってもよい。

・上記実施形態では、本発明の空調システム１１を塗装ブース用空調機２１を備える塗装設備用空調システムに具体化したが、これ以外の用途の空調機を備えるものに具体化しても勿論よい。

・上記実施形態では、状態点移動ステップにおいて、領域Ｒ１内にない外気状態点Ｇ１を最初の学習開始点Ｓ１まで移動させたが、これに限定されない。例えば、最も近い位置にある（最も小さいエンタルピーで移動できる学習開始点を算出し、それを最初の学習開始点Ｓ１として再定義し、その再定義された最初の学習開始点Ｓ１まで移動させるようにしてもよい。

・上記実施形態では、塗装ブース用空調機２１に設けられた３つのセンシング手段（第１、第２、第３のセンサ２７ａ、２７ｂ、２７ｃ）からの温湿度の測定結果に基づいて、送気設定演算部３３が最小エンタルピーを算出する演算を行い、かつ、ＰＩＤコントローラ３５がフィードバック制御を行っていたが、これに限定されない。例えば、塗装ブース用空調機２１以外の機器に設けられたセンシング手段からの測定結果を利用してもよい。図８に示す別の実施形態の空調システム１１では、塗装ブース用空調機２１に対してヒートポンプ（ＨＰ）から熱源及び冷水が供給されるような構成となっている。塗装ブース用空調機２１とヒートポンプとの間は、熱源を供給する第１経路６１と、冷水を供給する第２経路６２とによりそれぞれ流路的に接続されている。プレヒータ２２に熱源を供給する第１経路６１上には、第４のセンサ２７ｄが設けられている。レヒータ２５に熱源を供給する第１経路６１上には、第５のセンサ２７ｅが設けられている。クーリングコイル２４に冷水を供給する第２経路６２上には、第６のセンサ２７ｆが設けられている。第４のセンサ２７ｄ及び第５のセンサ２７ｅとしては、例えば、ガス流量センサ、蒸気流量センサ、温水温度流量センサなどを挙げることができる。第６のセンサ２７ｆとしては、例えば、冷水流量センサ、冷水温度センサなどを挙げることができる。そして、センサ２７ａ～２７ｃからのセンシング情報に加え、センサ２７ｄ～２７ｆからのセンシング情報に基づいて、送気設定演算部３３が最小エンタルピーを算出する演算を行い、かつ、ＰＩＤコントローラ３５がフィードバック制御を行うようにしてもよい。このように、エネルギー関連のセンサからのセンシング情報を利用すると、送気設定演算部３３による最小エンタルピー算出演算の結果がいっそう的確になり、ひいては空調に要するエネルギー消費量をより確実に低減することが可能となる。なお、ヒートポンプの運転電力をセンシングし、そのセンシング情報を上記の最小エンタルピー算出演算に利用しても勿論よい。

次に、特許請求の範囲に記載された技術的思想のほかに、前述した実施形態によって把握される技術的思想を以下に列挙する。

（１）上記手段２～６のいずれかにおいて、前記ＰＩＤ制御は、前記空調装置に設けた温湿度センサからのセンシング情報に基づいて行われること。

（２）上記手段２～６のいずれかにおいて、前記ＰＩＤ制御は、前記空調装置と前記空調装置に熱源及び冷水を供給するヒートポンプとの間を流路的に接続する経路上に設けたエネルギー関連のセンサからのセンシング情報に基づいて行われること。

１１：空調システム
２１：空調装置としての塗装ブース用空調機
２２：空調用機器としてのプレヒータ
２３：空調用機器としてのワッシャ
２４：空調用機器としてのクーラ
２５：空調用機器としてのレヒータ
３１：空調制御装置
４１：学習データ収集装置
４２：領域設定部
４３：学習開始点設定部
４４：状態点移動部
４５：データ収集部
Ｒ１：領域としての制御対象領域
Ｋ１：空調空気状態点
Ｇ１：外気状態点
Ｓ１～Ｓ９：学習開始点

Claims (7)

1. 取り込んだ外気の温湿度を複数種の空調用機器を用いて調整する空調装置のモデル予測制御に使用される予測モデルの学習データを収集する方法であって、
   湿り空気線図上にて前記予測モデルを作成する領域を設定する領域設定ステップと、
   設定された前記領域内に、前記空調用機器のランダム加振を行うときの起点となる複数の学習開始点を設定する学習開始点設定ステップと、
   前記湿り空気線図上の外気状態点と同じ位置にある空調空気状態点を、前記空調用機器を操作して温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させる状態点移動ステップと、
   前記空調空気状態点を複数の前記学習開始点間で移動させながら、前記空調用機器のランダム加振を行うことにより、前記学習データを収集するデータ収集ステップと
   を含むことを特徴とする空調装置制御用の学習データ収集方法。
2. 前記データ収集ステップでは、前記ランダム加振によって前記学習開始点から変位した前記空調空気状態点をＰＩＤ制御により当該学習開始点まで戻す制御を行うことを特徴とする請求項１に記載の空調装置制御用の学習データ収集方法。
3. 前記状態点移動ステップでは、前記外気状態点が前記領域内にない場合における当該外気状態点と同じ位置にある前記空調空気状態点を、ＰＩＤ制御によって前記空調用機器の温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させることを特徴とする請求項１または２に記載の空調装置制御用の学習データ収集方法。
4. 前記データ収集ステップでは、ＰＩＤ制御によって前記空調用機器の温湿度制御を行うことで、前記空調空気状態点を現在の前記学習開始点から次の前記学習開始点まで移動させることを特徴とする請求項１乃至３のいずれか１項に記載の空調装置制御用の学習データ収集方法。
5. 前記データ収集ステップでは、前記ランダム加振を行うときの前記空調用機器の操作量の上限値及び下限値を設定することを特徴とする請求項１乃至４のいずれか１項に記載の空調装置制御用の学習データ収集方法。
6. 前記空調装置は、前記空調用機器として、予熱装置、加湿装置、冷却装置及び再熱装置を含んで構成された塗装ブース用空調機であることを特徴とする請求項１乃至５のいずれか１項に記載の空調装置制御用の学習データ収集方法。
7. 取り込んだ外気の温湿度を複数種の空調用機器を用いて調整する空調装置と、前記空調用機器の操作量を制御する空調制御装置とを備えた空調システムであって、
   前記空調制御装置は、前記空調装置のモデル予測制御に使用される予測モデルの学習データを収集する学習データ収集装置を備えるとともに、前記学習データ収集装置は、
   湿り空気線図上にて前記予測モデルを作成する領域を設定する領域設定部と、
   設定された前記領域内に、前記空調用機器のランダム加振を行うときの起点となる複数の学習開始点を設定する学習開始点設定部と、
   前記湿り空気線図上の外気状態点と同じ位置にある空調空気状態点を、前記空調用機器を操作して温湿度制御を行うことで、複数の前記学習開始点のうちのいずれかまで移動させる状態点移動部と、
   前記空調空気状態点を複数の前記学習開始点間で移動させながら、前記空調用機器のランダム加振を行うことにより、前記学習データを収集するデータ収集部と
   を含んで構成されていることを特徴とする空調システム。

Images