JP2711766B2 - 電気カーペット制御装置 - Google Patents
電気カーペット制御装置Info
- Publication number
- JP2711766B2 JP2711766B2 JP3187392A JP18739291A JP2711766B2 JP 2711766 B2 JP2711766 B2 JP 2711766B2 JP 3187392 A JP3187392 A JP 3187392A JP 18739291 A JP18739291 A JP 18739291A JP 2711766 B2 JP2711766 B2 JP 2711766B2
- Authority
- JP
- Japan
- Prior art keywords
- electric carpet
- temperature
- carpet
- signal
- surface temperature
- 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.)
- Expired - Fee Related
Links
Landscapes
- Central Heating Systems (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、電気カーペットの温度
調整を行なうことにより、快適な床温度を実現するため
の電気カーペット制御装置に関する。
調整を行なうことにより、快適な床温度を実現するため
の電気カーペット制御装置に関する。
【０００２】
【従来の技術】近年、電気カーペットは、暖房機器とし
て広く一般家庭に普及されている。このような電気カー
ペットで床温度のコントロールを行なう場合、従来は、
床温度の立ち上がり時の特性向上のために、電気カーペ
ットの目標設定目盛りを一定時間最大目盛りで強制運転
を行ない、一定時間後、使用者が設定した目盛りの基準
温度を保つように電気カーペットの制御を行なう方式が
一般に採られていた。
て広く一般家庭に普及されている。このような電気カー
ペットで床温度のコントロールを行なう場合、従来は、
床温度の立ち上がり時の特性向上のために、電気カーペ
ットの目標設定目盛りを一定時間最大目盛りで強制運転
を行ない、一定時間後、使用者が設定した目盛りの基準
温度を保つように電気カーペットの制御を行なう方式が
一般に採られていた。
【０００３】図８はこのような従来の電気カーペットの
制御装置の一例を示すものである。図８において、８１
は操作パネル、８２は発熱体温度センサ、８３はタイ
マ、８４は温度制御部、８５は発熱体である。温度制御
部８４は、電気カーペットの電源を入れた後の発熱体温
度センサ８２からの発熱体の温度、タイマ８３からの通
電時間、操作パネル８１からの使用者の設定目盛り値等
により温度制御信号を生成し、発熱体８５のオン、オフ
の制御を行なっている。一例として、電源を入れてから
３０分間以内は床温度を速く立ち上げるために、設定目
盛りを最大値として強制運転を行なっている。
制御装置の一例を示すものである。図８において、８１
は操作パネル、８２は発熱体温度センサ、８３はタイ
マ、８４は温度制御部、８５は発熱体である。温度制御
部８４は、電気カーペットの電源を入れた後の発熱体温
度センサ８２からの発熱体の温度、タイマ８３からの通
電時間、操作パネル８１からの使用者の設定目盛り値等
により温度制御信号を生成し、発熱体８５のオン、オフ
の制御を行なっている。一例として、電源を入れてから
３０分間以内は床温度を速く立ち上げるために、設定目
盛りを最大値として強制運転を行なっている。
【０００４】
【発明が解決しようとする課題】しかしながら、上記の
ような従来の電気カーペット制御装置では、電源を入れ
てからの通電時間のみを制御対象としているので、電気
カーペットが敷かれた部屋の環境が考慮されず、使用者
の設定した設定目盛りに柔軟に対処することができない
という問題があった。例えば、使用者の設定目盛り、室
温の高低や床材の相違によって、カーペットの表面温度
が高くなりすぎたり、逆に、設定した値に達するまでに
時間がかかりすぎるという問題があった。
ような従来の電気カーペット制御装置では、電源を入れ
てからの通電時間のみを制御対象としているので、電気
カーペットが敷かれた部屋の環境が考慮されず、使用者
の設定した設定目盛りに柔軟に対処することができない
という問題があった。例えば、使用者の設定目盛り、室
温の高低や床材の相違によって、カーペットの表面温度
が高くなりすぎたり、逆に、設定した値に達するまでに
時間がかかりすぎるという問題があった。
【０００５】本発明は、このような従来の問題を解決す
るものであり、電気カーペットを使用する室内の環境を
考慮した常に快適な床温度を実現することのできる電気
カーペット制御装置を提供することを目的とする。
るものであり、電気カーペットを使用する室内の環境を
考慮した常に快適な床温度を実現することのできる電気
カーペット制御装置を提供することを目的とする。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に本発明は、電気カーペットが使用される室内の環境条
件、操作パネルからの設定条件および電気カーペットの
暖房状態を検知する検知手段と、前記検知された室内の
環境条件および電気カーペットの暖房状態の履歴を記憶
する記憶手段と、前記電気カーペットの運転時間と温度
制御信号から通電比を算出する通電比算出手段と、前記
各手段からの環境データと前記電気カーペットの表面温
度との相関を予め学習すると共に、学習した内容を基に
前記環境データから前記電気カーペットの表面温度を推
測する神経回路網模式手段と、前記神経回路網模式手段
からの表面温度から電気カーペットのための温度制御信
号を生成する制御信号生成手段とを備えることにより、
室内の環境を考慮した常に最適な温度制御が行なえるよ
うにしたものである。
に本発明は、電気カーペットが使用される室内の環境条
件、操作パネルからの設定条件および電気カーペットの
暖房状態を検知する検知手段と、前記検知された室内の
環境条件および電気カーペットの暖房状態の履歴を記憶
する記憶手段と、前記電気カーペットの運転時間と温度
制御信号から通電比を算出する通電比算出手段と、前記
各手段からの環境データと前記電気カーペットの表面温
度との相関を予め学習すると共に、学習した内容を基に
前記環境データから前記電気カーペットの表面温度を推
測する神経回路網模式手段と、前記神経回路網模式手段
からの表面温度から電気カーペットのための温度制御信
号を生成する制御信号生成手段とを備えることにより、
室内の環境を考慮した常に最適な温度制御が行なえるよ
うにしたものである。
【０００７】本発明はまた、電気カーペットの使用者の
快適性を決定する暖房の物理量として電気カーペットの
表面温度を選び、その表面温度を推測する手段として神
経回路網模式手段を用いることにより、室内の環境条
件、電気カーペットの暖房状態、電気カーペットの暖房
運転条件等を入力として、電気カーペットの使用者が快
適と思う表面温度を学習により推測させ、その推測結果
により、電気カーペットの温度制御信号を生成するよう
にしたものである。利用者が表面温度を神経回路網模式
手段で学習するには、様々な環境において、表面温度が
どのように変化するかを実際に測定し、そのときの環境
データ及び表面温度のデータを収集し、それらのデータ
を用いて環境データと表面温度との相関を神経回路網模
式手段に入力して学習させる。このことにより、神経回
路網模式手段の内部に環境データからカーペットの表面
温度の推測が行える。
快適性を決定する暖房の物理量として電気カーペットの
表面温度を選び、その表面温度を推測する手段として神
経回路網模式手段を用いることにより、室内の環境条
件、電気カーペットの暖房状態、電気カーペットの暖房
運転条件等を入力として、電気カーペットの使用者が快
適と思う表面温度を学習により推測させ、その推測結果
により、電気カーペットの温度制御信号を生成するよう
にしたものである。利用者が表面温度を神経回路網模式
手段で学習するには、様々な環境において、表面温度が
どのように変化するかを実際に測定し、そのときの環境
データ及び表面温度のデータを収集し、それらのデータ
を用いて環境データと表面温度との相関を神経回路網模
式手段に入力して学習させる。このことにより、神経回
路網模式手段の内部に環境データからカーペットの表面
温度の推測が行える。
【０００８】
【作用】本発明は、上記構成によって、室内の環境条件
および電気カーペットの暖房状態を検知する手段で検知
された各データから、記憶手段で各データの時間的な傾
斜値を求め、各手段のデータと通電比を算出する手段か
らのデータを入力として神経回路網模式手段において電
気カーペットの表面温度を推測するので、電気カーペッ
トが使用される室内の環境を考慮した常に快適な床温度
を実現することができる。
および電気カーペットの暖房状態を検知する手段で検知
された各データから、記憶手段で各データの時間的な傾
斜値を求め、各手段のデータと通電比を算出する手段か
らのデータを入力として神経回路網模式手段において電
気カーペットの表面温度を推測するので、電気カーペッ
トが使用される室内の環境を考慮した常に快適な床温度
を実現することができる。
【０００９】本発明はまた、環境データとして室温と記
憶手段からのその履歴（室内の熱容量の推測）、発熱体
の温度と記憶手段からのその履歴（カーペットの材質や
厚さとカーペットからの放熱量）、通電時間と通電比
（カーペットへの供給電力）、設定目盛り（利用者の望
むカーペット表面温度）及びカーペットの畳数（カーペ
ットの熱容量）等を入力値とし、神経回路網模式手段を
用いて電気カーペットの表面温度を推測し、その結果に
より温度制御信号を生成させることにより、電気カーペ
ットが使用される部屋、個々の状況、日々の環境変化等
に左右されることなく、室内の環境に適した常に決適な
床温度を表現することができる。
憶手段からのその履歴（室内の熱容量の推測）、発熱体
の温度と記憶手段からのその履歴（カーペットの材質や
厚さとカーペットからの放熱量）、通電時間と通電比
（カーペットへの供給電力）、設定目盛り（利用者の望
むカーペット表面温度）及びカーペットの畳数（カーペ
ットの熱容量）等を入力値とし、神経回路網模式手段を
用いて電気カーペットの表面温度を推測し、その結果に
より温度制御信号を生成させることにより、電気カーペ
ットが使用される部屋、個々の状況、日々の環境変化等
に左右されることなく、室内の環境に適した常に決適な
床温度を表現することができる。
【００１０】
【実施例】以下、本発明の一実施例について図面を参照
して説明する。本実施例では、電気カーペットの使用者
の快適性を決定する暖房の物理量として電気カーペット
の表面温度を選び、その表面温度を推測する手段として
神経回路網模式手段を用いた場合について説明する。
して説明する。本実施例では、電気カーペットの使用者
の快適性を決定する暖房の物理量として電気カーペット
の表面温度を選び、その表面温度を推測する手段として
神経回路網模式手段を用いた場合について説明する。
【００１１】図１は本発明の一実施例を示す電気カーペ
ット制御装置の概略ブロック図である。図１において、
１１は室温センサ、１２は発熱体温度センサ、１３は記
憶手段、１４は通電比算出部、１５は操作パネル、１６
はタイマ、１７は神経回路網模式手段である表面温度推
測手段、１８は制御信号生成手段、１９は発熱体であ
る。
ット制御装置の概略ブロック図である。図１において、
１１は室温センサ、１２は発熱体温度センサ、１３は記
憶手段、１４は通電比算出部、１５は操作パネル、１６
はタイマ、１７は神経回路網模式手段である表面温度推
測手段、１８は制御信号生成手段、１９は発熱体であ
る。
【００１２】次に、上記実施例における動作について説
明する。室内の環境条件および電気カーペットの暖房条
件を検知する手段として、電気カーペットに設けられた
室温センサ１１からの室内温度信号ａおよび発熱体温度
センサ１２からの発熱体温度信号ｂが、それぞれ表面温
度推測手段である神経回路網模式手段１７へ向けて出力
される。なお、発熱体温度センサ１２で検知された発熱
体１９の温度は、発熱体１９への電圧値に換算できるの
で、発熱体１９の温度はセンサ電圧値と同等の意味を示
す。ここでは、発熱体１９の温度をセンサ電圧値と呼
ぶ。各センサ１１，１２から出力された信号ａ，ｂは、
記憶手段１３へも同様に出力される。記憶手段１３は、
入力されたセンサ出力信号ａ，ｂについて過去Ｎ分間の
履歴を記憶する。記憶手段１３では、センサ電圧値ｂの
Ｎ分前の傾斜値信号ｃと、Ｍ分前の傾斜値信号ｄ（Ｍ，
Ｎは正の整数（Ｍ≦Ｎ））を表面温度推測手段１７へ出
力する。
明する。室内の環境条件および電気カーペットの暖房条
件を検知する手段として、電気カーペットに設けられた
室温センサ１１からの室内温度信号ａおよび発熱体温度
センサ１２からの発熱体温度信号ｂが、それぞれ表面温
度推測手段である神経回路網模式手段１７へ向けて出力
される。なお、発熱体温度センサ１２で検知された発熱
体１９の温度は、発熱体１９への電圧値に換算できるの
で、発熱体１９の温度はセンサ電圧値と同等の意味を示
す。ここでは、発熱体１９の温度をセンサ電圧値と呼
ぶ。各センサ１１，１２から出力された信号ａ，ｂは、
記憶手段１３へも同様に出力される。記憶手段１３は、
入力されたセンサ出力信号ａ，ｂについて過去Ｎ分間の
履歴を記憶する。記憶手段１３では、センサ電圧値ｂの
Ｎ分前の傾斜値信号ｃと、Ｍ分前の傾斜値信号ｄ（Ｍ，
Ｎは正の整数（Ｍ≦Ｎ））を表面温度推測手段１７へ出
力する。
【００１３】一方、操作パネル１５から使用者が投入し
た電源スイッチによりタイマ１６を起動すると、タイマ
１６は、通電時間信号ｅを出力する。すなわち、通電時
間Ｔｔは次のようにして求める。
た電源スイッチによりタイマ１６を起動すると、タイマ
１６は、通電時間信号ｅを出力する。すなわち、通電時
間Ｔｔは次のようにして求める。
【００１４】 Ｔｔ ＝ Ｔｎ − Ｔｓ ・・・（式１） Ｔｎ ： 現在の時間 Ｔｓ ： 使用者が電源を入れた時の時間
【００１５】さらに電気カーペットの暖房状態を検知す
る手段の一つである操作パネル１５からは、使用者の設
定した設定目盛り値信号ｆおよび現実に使用するカーペ
ットの大きさを表わす畳数信号ｇが、表面温度推測手段
１７へ向けて出力される。なお、電気カーペットが敷か
れる床材に関する情報、例えば畳またはフローリングの
区別、通常のカーペットの上に敷かれているか、断熱構
造になっているか等の情報を入力するようにしてもよ
い。
る手段の一つである操作パネル１５からは、使用者の設
定した設定目盛り値信号ｆおよび現実に使用するカーペ
ットの大きさを表わす畳数信号ｇが、表面温度推測手段
１７へ向けて出力される。なお、電気カーペットが敷か
れる床材に関する情報、例えば畳またはフローリングの
区別、通常のカーペットの上に敷かれているか、断熱構
造になっているか等の情報を入力するようにしてもよ
い。
【００１６】次に暖房運転条件を加工する手段である通
電比算出部１４では、表面温度推測手段１７から出力さ
れた表面温度推測値信号ｈをもとに、制御信号生成部１
８で生成された温度制御信号ｉにより通電比を算出す
る。この通電比の算出方法を図２を用いて説明する。図
２において、横軸は時間を示し、時系列に発熱体のオ
ン、オフの状態を示している。ｏｎn-1 ，ｏｎn ・・
・，ｏｆｆn-1 ，ｏｆｆn ・・・はそれぞれオン、オフ
の状態の時間を示す。したがって、通電比Ｄｎは、 Ｄｎ ＝ offn ／ （Onn ＋ Offn ） ・・・（式２） で表わされる。ただし、ここで出力される通電比は、１
つ前の状態すなわち、時刻Ｔn+1 の時となる。通電比算
出部１３は上記（式２）から求めた通電比信号ｊを表面
温度推測手段１７へ向けて出力する。
電比算出部１４では、表面温度推測手段１７から出力さ
れた表面温度推測値信号ｈをもとに、制御信号生成部１
８で生成された温度制御信号ｉにより通電比を算出す
る。この通電比の算出方法を図２を用いて説明する。図
２において、横軸は時間を示し、時系列に発熱体のオ
ン、オフの状態を示している。ｏｎn-1 ，ｏｎn ・・
・，ｏｆｆn-1 ，ｏｆｆn ・・・はそれぞれオン、オフ
の状態の時間を示す。したがって、通電比Ｄｎは、 Ｄｎ ＝ offn ／ （Onn ＋ Offn ） ・・・（式２） で表わされる。ただし、ここで出力される通電比は、１
つ前の状態すなわち、時刻Ｔn+1 の時となる。通電比算
出部１３は上記（式２）から求めた通電比信号ｊを表面
温度推測手段１７へ向けて出力する。
【００１７】以上の各手段から出力された信号ａ，ｂ，
ｃ，ｄ，ｅ，ｆ，ｇ，ｊが表面温度推測手段１７に入力
されると、表面温度推測手段１７は、神経回路網模式を
用いて電気カーペットの表面温度推測値信号ｈを制御信
号生成手段１８に向けて出力する。制御信号生成手段１
８は、入力された電気カーペットの表面温度推測値信号
ｈと使用者の設定した設定目盛り値信号ｆとを比較し
て、表面温度推測値が設定目盛り値より低い場合は、電
気カーペットを暖める方向に温度制御信号ｉを生成す
る。また逆に、表面温度推定値が設定目盛り値よりも高
い場合は、電気カーペットを暖める方向とは逆方向に温
度制御信号ｉを生成する。温度制御信号ｉは、発熱体１
９に印加され、電気カーペットの表面温度が一定を保つ
ように制御される。
ｃ，ｄ，ｅ，ｆ，ｇ，ｊが表面温度推測手段１７に入力
されると、表面温度推測手段１７は、神経回路網模式を
用いて電気カーペットの表面温度推測値信号ｈを制御信
号生成手段１８に向けて出力する。制御信号生成手段１
８は、入力された電気カーペットの表面温度推測値信号
ｈと使用者の設定した設定目盛り値信号ｆとを比較し
て、表面温度推測値が設定目盛り値より低い場合は、電
気カーペットを暖める方向に温度制御信号ｉを生成す
る。また逆に、表面温度推定値が設定目盛り値よりも高
い場合は、電気カーペットを暖める方向とは逆方向に温
度制御信号ｉを生成する。温度制御信号ｉは、発熱体１
９に印加され、電気カーペットの表面温度が一定を保つ
ように制御される。
【００１８】次に図３を参照して表面温度推定手段１７
における神経回路網模式の学習方法について説明する。
図３において、２１は室内温度、２２はセンサ電圧値、
２３はセンサ電圧値の第１の傾斜値、２４はセンサ電圧
値の第２の傾斜値、２５は通電時間、２６は通電比、２
７は使用者設定目盛り値、２８は畳数、２９は神経回路
網模式、３０は表面温度実測データである。
における神経回路網模式の学習方法について説明する。
図３において、２１は室内温度、２２はセンサ電圧値、
２３はセンサ電圧値の第１の傾斜値、２４はセンサ電圧
値の第２の傾斜値、２５は通電時間、２６は通電比、２
７は使用者設定目盛り値、２８は畳数、２９は神経回路
網模式、３０は表面温度実測データである。
【００１９】室内温度２１、センサ電圧値２２、センサ
電圧値の第１の傾斜値２３、センサ電圧値の第２の傾斜
値２４、通電時間２５、通電比２６、使用者設定目盛り
値２７、畳数２８等の入力情報は、それぞれ上記した信
号ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｊに相当する。これら
の信号を神経回路網模式２９に入力して、電気カーペッ
トの表面温度推測値信号ｈを、予め測定した表面温度実
測データ３０をもとに学習により取得して出力する。
電圧値の第１の傾斜値２３、センサ電圧値の第２の傾斜
値２４、通電時間２５、通電比２６、使用者設定目盛り
値２７、畳数２８等の入力情報は、それぞれ上記した信
号ａ，ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｊに相当する。これら
の信号を神経回路網模式２９に入力して、電気カーペッ
トの表面温度推測値信号ｈを、予め測定した表面温度実
測データ３０をもとに学習により取得して出力する。
【００２０】利用者が望む標準的な環境を推定する固定
された知識表現は、さまざまな環境において人々が快適
感をどのように制御するかというデータを収集し、環境
データと人の制御データとの相関を神経回路網模式に学
習させることによって取得することができる。用いるべ
き神経回路網模式としては、文献１（ＰＤＰモデル、
Ｄ．Ｅ．ラメルハート他２名、甘利俊一監訳、１９８９
年）、文献２（ニューロコンピュータの基礎、中野馨他
７名、１９９０年）、特公昭６３−５５１０６号公報な
どに示されている。
された知識表現は、さまざまな環境において人々が快適
感をどのように制御するかというデータを収集し、環境
データと人の制御データとの相関を神経回路網模式に学
習させることによって取得することができる。用いるべ
き神経回路網模式としては、文献１（ＰＤＰモデル、
Ｄ．Ｅ．ラメルハート他２名、甘利俊一監訳、１９８９
年）、文献２（ニューロコンピュータの基礎、中野馨他
７名、１９９０年）、特公昭６３−５５１０６号公報な
どに示されている。
【００２１】以下、文献１に記載された最もよく知られ
た学習アルゴリズムとして誤差逆伝播法を用いた多層パ
ーセプトロンを例にとり、具体的な神経回路網模式の構
成および動作について説明する。
た学習アルゴリズムとして誤差逆伝播法を用いた多層パ
ーセプトロンを例にとり、具体的な神経回路網模式の構
成および動作について説明する。
【００２２】図４は神経回路網模式の構成単位となる神
経回路網ユニットの概念図である。図４において、４１
−１〜４１−Ｎは神経のシナプス結合を模擬する疑似シ
ナプス変換器であり、４２は疑似シナプス変換器４１−
１〜４１−Ｎからの出力を加算する加算器であり、４３
は設定された非線形関数、例えば閾値をｈとするシグモ
イド関数、 ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋ｈ）） ・・・（式３） によって加算器４２の出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、図
示されない修正手段（図示せず）からの修正信号を受け
る入力線が、非線形変換器４３の出力側と疑似シナプス
変換器４１−１〜４１−Ｎの入力側との間につながれて
いる。この神経回路網ユニットには、信号処理モードと
学習モードの２つ種類の動作モードがある。
経回路網ユニットの概念図である。図４において、４１
−１〜４１−Ｎは神経のシナプス結合を模擬する疑似シ
ナプス変換器であり、４２は疑似シナプス変換器４１−
１〜４１−Ｎからの出力を加算する加算器であり、４３
は設定された非線形関数、例えば閾値をｈとするシグモ
イド関数、 ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋ｈ）） ・・・（式３） によって加算器４２の出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、図
示されない修正手段（図示せず）からの修正信号を受け
る入力線が、非線形変換器４３の出力側と疑似シナプス
変換器４１−１〜４１−Ｎの入力側との間につながれて
いる。この神経回路網ユニットには、信号処理モードと
学習モードの２つ種類の動作モードがある。
【００２３】以下、図４に基づいて神経回路網模式のそ
れぞれのモードの動作について説明する。まず、信号処
理モードの動作を説明する。神経回路網ユニットは、Ｎ
個の入力Ｘ１〜ＸＮを受けて１つの出力を出す。ｉ番目
の入力信号Ｘｉは、四角で示された疑似シナプス変換器
４１−１〜４１−ＮにおいてＷｉＸｉに変換される。疑
似シナプス変換器４１−１〜４１−Ｎで変換されたＮ個
の信号Ｗ１Ｘ１〜ＷＮＸＮは、円で示された加算器４２
に入り、加算結果ｙが楕円で示された非線形変換器４３
に送られ、最終出力ｆ（ｙ，ｈ）となる。例えば図３に
示す本実施例の電気カーペット制御装置の表面温度推測
手段における学習方法のブロック図においては、ａ，
ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｊが入力Ｘ １ 〜Ｘ Ｎ に相当
し、ｈが最終出力ｆ（ｙ，ｈ）に相当する。本実施例に
おいて出力はカーペットの表面温度である。
れぞれのモードの動作について説明する。まず、信号処
理モードの動作を説明する。神経回路網ユニットは、Ｎ
個の入力Ｘ１〜ＸＮを受けて１つの出力を出す。ｉ番目
の入力信号Ｘｉは、四角で示された疑似シナプス変換器
４１−１〜４１−ＮにおいてＷｉＸｉに変換される。疑
似シナプス変換器４１−１〜４１−Ｎで変換されたＮ個
の信号Ｗ１Ｘ１〜ＷＮＸＮは、円で示された加算器４２
に入り、加算結果ｙが楕円で示された非線形変換器４３
に送られ、最終出力ｆ（ｙ，ｈ）となる。例えば図３に
示す本実施例の電気カーペット制御装置の表面温度推測
手段における学習方法のブロック図においては、ａ，
ｂ，ｃ，ｄ，ｅ，ｆ，ｇ，ｊが入力Ｘ １ 〜Ｘ Ｎ に相当
し、ｈが最終出力ｆ（ｙ，ｈ）に相当する。本実施例に
おいて出力はカーペットの表面温度である。
【００２４】次に学習モードの動作について説明する。
学習モードでは、疑似シナプス変換器４１−１〜４１−
Ｎと非線形変換器４３の変換パラメータＷ1〜ＷN と閾
値ｈを、修正手段（図示せず）からの変換パラメータの
修正量ΔＷ1 〜ΔＷN とΔｈを表わす修正信号を受け
て、 Ｗi ＋ΔＷi ：ｉ＝１，２，・・・，Ｎ ｈ ＋Δｈ ・・・（式４） と修正する。
学習モードでは、疑似シナプス変換器４１−１〜４１−
Ｎと非線形変換器４３の変換パラメータＷ1〜ＷN と閾
値ｈを、修正手段（図示せず）からの変換パラメータの
修正量ΔＷ1 〜ΔＷN とΔｈを表わす修正信号を受け
て、 Ｗi ＋ΔＷi ：ｉ＝１，２，・・・，Ｎ ｈ ＋Δｈ ・・・（式４） と修正する。
【００２５】図５は上記神経回路網ユニットを４つ並列
につないで構成した信号変換手段の概念図である。いう
までもなく、この信号変換手段を構成する神経回路網ユ
ニットの個数は、４個に限定されるものではない。
につないで構成した信号変換手段の概念図である。いう
までもなく、この信号変換手段を構成する神経回路網ユ
ニットの個数は、４個に限定されるものではない。
【００２６】図５において、５１１〜５４４は疑似シナ
プス変換器であり、５１〜５４は上記した加算器４２と
非線形変換器４３をまとめた加算非線形変換器である。
図５においても、図４と同様に、図示されない修正手段
からの修正信号を受ける入力線が、加算非線形変換器５
１〜５４の出力側と擬似シナプス変換器５１１〜５４４
の入力側との間につながれている。
プス変換器であり、５１〜５４は上記した加算器４２と
非線形変換器４３をまとめた加算非線形変換器である。
図５においても、図４と同様に、図示されない修正手段
からの修正信号を受ける入力線が、加算非線形変換器５
１〜５４の出力側と擬似シナプス変換器５１１〜５４４
の入力側との間につながれている。
【００２７】この信号変換手段の動作は、４つの神経回
路網ユニットに同じ入力が与えられて、図４で説明した
神経回路網ユニットの動作が並列に行なわれるものであ
る。
路網ユニットに同じ入力が与えられて、図４で説明した
神経回路網ユニットの動作が並列に行なわれるものであ
る。
【００２８】図６は図５の信号変換手段を用い、学習ア
ルゴリズムとして誤差逆伝播法を採用した場合の信号処
理手段の構成を示したブロック図である。図６におい
て、６１は図５で説明した信号変換手段であり、ここで
はＮ個の入力を受ける神経回路網模式がＭ個並列に並べ
られているものとする。６２は学習モードにおける信号
変換手段６１の修正量を算出する修正手段である。
ルゴリズムとして誤差逆伝播法を採用した場合の信号処
理手段の構成を示したブロック図である。図６におい
て、６１は図５で説明した信号変換手段であり、ここで
はＮ個の入力を受ける神経回路網模式がＭ個並列に並べ
られているものとする。６２は学習モードにおける信号
変換手段６１の修正量を算出する修正手段である。
【００２９】以下、図６に基づいて信号処理手段の学習
を行なう場合の動作ついて説明する。信号変換手段６１
は、Ｎ個の入力信号Ｓin（Ｘ）を受け、Ｍ個の出力信号
Ｓout （Ｘ）を出力する。修正手段６２は、入力信号Ｓ
in（Ｘ）と出力信号Ｓout （Ｘ）とを受け、誤差計算手
段（図示せず）または後段の信号変換手段（図示せず）
からのＭ個の誤差信号δi（Ｘ）の入力があるまで待機
する。誤差信号δi （Ｘ）が入力されると、修正量を、 ΔＷij＝δi （Ｘ）・Ｓi out （Ｘ）・（１−Ｓi out （Ｘ））・Ｓj in（Ｘ） （ｉ＝１〜Ｎ，ｊ＝１〜Ｍ） ・・・（式５） と計算し、修正信号を信号変換手段６１に送る。信号変
換手段６１は、内部の神経回路網模式の変換パラメータ
を上記した学習モードの動作にしたがって修正する。
を行なう場合の動作ついて説明する。信号変換手段６１
は、Ｎ個の入力信号Ｓin（Ｘ）を受け、Ｍ個の出力信号
Ｓout （Ｘ）を出力する。修正手段６２は、入力信号Ｓ
in（Ｘ）と出力信号Ｓout （Ｘ）とを受け、誤差計算手
段（図示せず）または後段の信号変換手段（図示せず）
からのＭ個の誤差信号δi（Ｘ）の入力があるまで待機
する。誤差信号δi （Ｘ）が入力されると、修正量を、 ΔＷij＝δi （Ｘ）・Ｓi out （Ｘ）・（１−Ｓi out （Ｘ））・Ｓj in（Ｘ） （ｉ＝１〜Ｎ，ｊ＝１〜Ｍ） ・・・（式５） と計算し、修正信号を信号変換手段６１に送る。信号変
換手段６１は、内部の神経回路網模式の変換パラメータ
を上記した学習モードの動作にしたがって修正する。
【００３０】図７は図６に示した信号処理手段を３段に
重ねた多層パーセプトロンの構成を示すブロック図であ
る。図７において、７１Ｘ，７１Ｙ，７１Ｚは３段の信
号処理手段、７２Ｘ，７２Ｙ，７２Ｚは、それぞれＫ
個，Ｌ個，Ｍ個の神経回路網模式からなる信号変換手
段、７３Ｘ、７３Ｙ、７３Ｚは修正手段、７４は誤差計
算手段である。
重ねた多層パーセプトロンの構成を示すブロック図であ
る。図７において、７１Ｘ，７１Ｙ，７１Ｚは３段の信
号処理手段、７２Ｘ，７２Ｙ，７２Ｚは、それぞれＫ
個，Ｌ個，Ｍ個の神経回路網模式からなる信号変換手
段、７３Ｘ、７３Ｙ、７３Ｚは修正手段、７４は誤差計
算手段である。
【００３１】以上のように構成された多層パーセプトロ
ンについて、図７を参照しながらその動作を説明する。
信号処理手段７１Ｘにおいて、信号変換手段７２Ｘは、
入力Ｓi in（Ｘ）（ｉ＝１，〜，Ｎ）を受け、出力Ｓjo
ut （Ｘ）（ｊ＝１, 〜，Ｋ）を出力する。修正手段７
３Ｘは、信号Ｓi in（Ｘ）と信号Ｓj out （Ｘ）を受
け、誤差信号δj （Ｘ）（ｊ＝１, 〜，Ｋ）が入力され
るまで待機する。以下同様の処理が、信号処理手段７１
Ｙ、７１Ｚにおいて行なわれ、信号変換手段７２Ｚから
最終出力Ｓk out （Ｚ）（ｋ＝１，〜，Ｍ）が出力され
る。最終出力Ｓk out （Ｚ）は、誤差計算手段７４にも
送られる。
ンについて、図７を参照しながらその動作を説明する。
信号処理手段７１Ｘにおいて、信号変換手段７２Ｘは、
入力Ｓi in（Ｘ）（ｉ＝１，〜，Ｎ）を受け、出力Ｓjo
ut （Ｘ）（ｊ＝１, 〜，Ｋ）を出力する。修正手段７
３Ｘは、信号Ｓi in（Ｘ）と信号Ｓj out （Ｘ）を受
け、誤差信号δj （Ｘ）（ｊ＝１, 〜，Ｋ）が入力され
るまで待機する。以下同様の処理が、信号処理手段７１
Ｙ、７１Ｚにおいて行なわれ、信号変換手段７２Ｚから
最終出力Ｓk out （Ｚ）（ｋ＝１，〜，Ｍ）が出力され
る。最終出力Ｓk out （Ｚ）は、誤差計算手段７４にも
送られる。
【００３２】誤差計算手段７４においては、次式（数
１）を用いた２乗誤差などの評価関数に基づいて理想的
な出力Ｔ（Ｔ１，…，ＴM ）との誤差が計算され、誤差
信号δ k （Ｚ）が修正手段７３Ｚに送られる。なお、
（数１）におけるμは多層パーセプトロンの学習速度を
定めるパタメータである。
１）を用いた２乗誤差などの評価関数に基づいて理想的
な出力Ｔ（Ｔ１，…，ＴM ）との誤差が計算され、誤差
信号δ k （Ｚ）が修正手段７３Ｚに送られる。なお、
（数１）におけるμは多層パーセプトロンの学習速度を
定めるパタメータである。
【００３３】
【数１】
【００３４】評価関数を２乗誤差とした場合には、誤差
信号は、 δk （Ｚ）＝−μ・（Ｓk out （Ｚ）−Ｔk ） ・・・（式６） となる。修正手段７３Ｚは、上記した手続きにしたがっ
て、信号変換手段７２Ｚの変換パラメータの修正量ΔＷ
k （Ｚ）を計算するとともに、修正手段７３Ｙに送る誤
差δj （Ｙ）信号を次式（数２）に基づいて計算し、修
正信号ΔＷk （Ｚ）を信号変換手段７２Ｚに送り、誤差
信号δj （Ｙ）を修正手段７３Ｙに送る。ここで、Ｗij
（Ｚ）は、信号変換手段７２Ｚの擬似シナプス変換手段
の変換パラメータである。
信号は、 δk （Ｚ）＝−μ・（Ｓk out （Ｚ）−Ｔk ） ・・・（式６） となる。修正手段７３Ｚは、上記した手続きにしたがっ
て、信号変換手段７２Ｚの変換パラメータの修正量ΔＷ
k （Ｚ）を計算するとともに、修正手段７３Ｙに送る誤
差δj （Ｙ）信号を次式（数２）に基づいて計算し、修
正信号ΔＷk （Ｚ）を信号変換手段７２Ｚに送り、誤差
信号δj （Ｙ）を修正手段７３Ｙに送る。ここで、Ｗij
（Ｚ）は、信号変換手段７２Ｚの擬似シナプス変換手段
の変換パラメータである。
【００３５】
【数２】
【００３６】信号変換手段７２Ｚは、修正信号ΔＷ
k （Ｚ）に基づいて、内部の変換パラメータを修正す
る。以下、同様の処理が信号処理手段７１Ｙ、７１Ｘに
おいて行なわれる。
k （Ｚ）に基づいて、内部の変換パラメータを修正す
る。以下、同様の処理が信号処理手段７１Ｙ、７１Ｘに
おいて行なわれる。
【００３７】学習とも呼ばれる以上の手続きを繰り返し
行なうことにより、多層パーセプトロンは、入力が与え
られると理想的出力Ｔによく近似する出力を出すように
なる。
行なうことにより、多層パーセプトロンは、入力が与え
られると理想的出力Ｔによく近似する出力を出すように
なる。
【００３８】なお、上記の説明においては３段の多層パ
ーセプトロンを用いたが、これは何段であってもよい。
また、文献１にある信号変換手段のなかの非線形変換手
段の変換パラメータｈの修正法についてと、慣性項とし
て知られる学習高速化の方法については、説明の簡略化
のため省略したが、この省略は本発明を拘束するもので
はない。
ーセプトロンを用いたが、これは何段であってもよい。
また、文献１にある信号変換手段のなかの非線形変換手
段の変換パラメータｈの修正法についてと、慣性項とし
て知られる学習高速化の方法については、説明の簡略化
のため省略したが、この省略は本発明を拘束するもので
はない。
【００３９】このようにして、神経回路網模式は環境デ
ータと人の制御データとの関係を学習し、簡単なルール
では記述することが容易でない使用者が望む快適感の制
御、すなわち快適なカーペット表面温度によって制御さ
れる物理量の調整の仕方を自然な形で表現することがで
きるようになる。そして、電気カーペットの表面温度が
神経回路網模式手段２９で十分に推測できるようになる
まで学習を行ない、学習が終了すると、神経回路網模式
手段２９の出力信号ｈにより、表面温度が使用者の設定
した設定目盛り温度より低い場合には、電気カーペット
を暖める方向に温度制御信号ｉを生成し、逆に表面温度
が使用者の設定した設定目盛り温度よりも高い場合は、
暖める方向とは反対の方向に温度制御信号ｉを生成す
る。
ータと人の制御データとの関係を学習し、簡単なルール
では記述することが容易でない使用者が望む快適感の制
御、すなわち快適なカーペット表面温度によって制御さ
れる物理量の調整の仕方を自然な形で表現することがで
きるようになる。そして、電気カーペットの表面温度が
神経回路網模式手段２９で十分に推測できるようになる
まで学習を行ない、学習が終了すると、神経回路網模式
手段２９の出力信号ｈにより、表面温度が使用者の設定
した設定目盛り温度より低い場合には、電気カーペット
を暖める方向に温度制御信号ｉを生成し、逆に表面温度
が使用者の設定した設定目盛り温度よりも高い場合は、
暖める方向とは反対の方向に温度制御信号ｉを生成す
る。
【００４０】このように、本実施例によれば、各センサ
１１，１２および記憶手段１３、操作パネル１５等から
の入力を神経回路網模式手段である表面温度推測手段１
７に入力して電気カーペットの表面温度を推測し、推測
された表面温度の値から電気カーペットの表面温度の制
御を行なうことにより、室内の環境を考慮した常に快適
な床温度を実現することができる。
１１，１２および記憶手段１３、操作パネル１５等から
の入力を神経回路網模式手段である表面温度推測手段１
７に入力して電気カーペットの表面温度を推測し、推測
された表面温度の値から電気カーペットの表面温度の制
御を行なうことにより、室内の環境を考慮した常に快適
な床温度を実現することができる。
【００４１】
【発明の効果】本発明は、上記実施例によって、室内の
環境条件および電気カーペットの暖房状態を検知する手
段で検知された各データから、記憶手段で各データの時
間的な傾斜値を求め、各手段のデータと通電比を算出す
る手段からのデータを入力として神経回路網模式手段に
おいて電気カーペットの表面温度を推測するので、電気
カーペットが使用される室内の温度や床材の種類、カー
ペットの種類等を考慮し、電気カーペットの使用者の快
適性を決定する物理量、例えば電気カーペットの表面温
度を推測する手段を付加したので、常に最適な温度制御
を行なうことができる。
環境条件および電気カーペットの暖房状態を検知する手
段で検知された各データから、記憶手段で各データの時
間的な傾斜値を求め、各手段のデータと通電比を算出す
る手段からのデータを入力として神経回路網模式手段に
おいて電気カーペットの表面温度を推測するので、電気
カーペットが使用される室内の温度や床材の種類、カー
ペットの種類等を考慮し、電気カーペットの使用者の快
適性を決定する物理量、例えば電気カーペットの表面温
度を推測する手段を付加したので、常に最適な温度制御
を行なうことができる。
【００４２】本発明はまた、神経回路網模式手段を用い
て、電気カーペットの表面温度を推測し、その結果によ
り電気カーペットの温度制御信号を生成するようにした
ので、電気カーペットが使用される部屋の温度、カーペ
ットの大きさや温度設定状況、日々の環境変化等に左右
されることなく、室内の環境に適した常に快適な床温度
を実現することができる。
て、電気カーペットの表面温度を推測し、その結果によ
り電気カーペットの温度制御信号を生成するようにした
ので、電気カーペットが使用される部屋の温度、カーペ
ットの大きさや温度設定状況、日々の環境変化等に左右
されることなく、室内の環境に適した常に快適な床温度
を実現することができる。
【図１】本発明の一実施例を示す電気カーペット制御装
置の概略ブロック図
置の概略ブロック図
【図２】同装置の通電比算出方法における信号波形図
【図３】同装置の表面温度推測手段における学習方法の
概略ブロック図
概略ブロック図
【図４】同装置の表面温度推測手段における神経回路網
ユニットの概念図
ユニットの概念図
【図５】同神経回路網ユニットを４つ並列に接続した信
号変換手段の概念図
号変換手段の概念図
【図６】同信号変換手段を用いて学習アルゴリズムに誤
差逆伝播法を採用した場合の信号処理手段の構成を示す
概略ブロック図
差逆伝播法を採用した場合の信号処理手段の構成を示す
概略ブロック図
【図７】同信号処理手段を用いた多層パーセプトロンの
構成を示す概略ブロック図
構成を示す概略ブロック図
【図８】従来の電気カーペット制御装置の一例を示す概
略ブロック図
略ブロック図
１１ 室温センサ １２ 発熱体温度センサ １３ 記憶手段 １４ 通電比算出部 １５ 操作パネル １６ タイマ １７ 表面温度推測手段（神経回路網模式手段） １８ 制御信号生成手段 １９ 発熱体
───────────────────────────────────────────────────── フロントページの続き (72)発明者 西 井 一 成 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (72)発明者 岩 佐 隆 司 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (72)発明者 永 井 和 俊 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (56)参考文献 特開 昭54−47352（ＪＰ，Ａ) 特開 昭64−41187（ＪＰ，Ａ)
Claims (3)
- 【請求項１】 電気カーペットが使用される室内の環境
条件、操作パネルからの設定条件および電気カーペット
の暖房状態を検知する検知手段と、前記検知された室内
の環境条件およぴ電気カーペットの暖房状態の履歴を記
憶する記憶手段と、前記電気カーペットの運転時間と温
度制御信号から通電比を算出する通電比算出手段と、前
記各手段からの環境データと前記電気カーペットの表面
温度との相関を予め学習すると共に、学習した内容を基
に前記環境データから前記電気カーペットの表面温度を
推測する神経回路網模式手段と、前記神経回路網模式手
段からの表面温度から電気カーペットのための温度制御
信号を生成する制御信号生成手段とを備えた電気カーペ
ット制御装置。 - 【請求項２】 室内の環境条件、操作パネルからの設定
条件および電気カーペットの暖房状態を検知する検知手
段が、室内の温度、電気カーペットの設定目盛り、電気
カーペットの畳数、電気カーペットの発熱体への通電時
間、電気カーペットの発熱体の温度をそれぞれ検出また
は設定することを含む請求項１記載の電気カーペット制
御装置。 - 【請求項３】 室内環境条件および電気カーペットの暖
房状態の履歴を記憶する記憶手段が、記憶された履歴か
らそれぞれ傾斜値を出力することを特徴とする請求項１
または２記載の電気カーペット制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187392A JP2711766B2 (ja) | 1991-07-26 | 1991-07-26 | 電気カーペット制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3187392A JP2711766B2 (ja) | 1991-07-26 | 1991-07-26 | 電気カーペット制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0533956A JPH0533956A (ja) | 1993-02-09 |
| JP2711766B2 true JP2711766B2 (ja) | 1998-02-10 |
Family
ID=16205227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3187392A Expired - Fee Related JP2711766B2 (ja) | 1991-07-26 | 1991-07-26 | 電気カーペット制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2711766B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4526438B2 (ja) * | 2005-05-24 | 2010-08-18 | 永大産業株式会社 | 電気式床暖房システム |
| JP4526439B2 (ja) * | 2005-05-24 | 2010-08-18 | 永大産業株式会社 | 電気式床暖房システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5447352A (en) * | 1977-09-21 | 1979-04-13 | Furukawa Electric Co Ltd:The | Temperature controlling system for floor heater |
| JPH0754736B2 (ja) * | 1987-08-06 | 1995-06-07 | ダイキン工業株式会社 | 面状発熱体の温度制御装置 |
-
1991
- 1991-07-26 JP JP3187392A patent/JP2711766B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0533956A (ja) | 1993-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2522102B2 (ja) | 空気調和装置の運転制御装置 | |
| JP2711766B2 (ja) | 電気カーペット制御装置 | |
| JP2586965B2 (ja) | 電気カーペットの制御方法 | |
| JP3168601B2 (ja) | 電気カーペット | |
| JP3232582B2 (ja) | 電気カーペット | |
| JP2985365B2 (ja) | 電気カーペット | |
| JP2882087B2 (ja) | 電気カーペット | |
| JP2882086B2 (ja) | 電気カーペット | |
| JP2924276B2 (ja) | 電気カーペット | |
| JPH04342979A (ja) | 電気カーペット | |
| JPH0521133A (ja) | 就寝用採暖具 | |
| JPH05199947A (ja) | トイレ装置 | |
| JPH04335925A (ja) | 電気カーペット | |
| JP3072928B2 (ja) | 加熱調理器 | |
| JPH04342981A (ja) | 電気カーペット | |
| JP3088506B2 (ja) | 調理器具 | |
| JP2943467B2 (ja) | 調理器具 | |
| JPH04342978A (ja) | 電気カーペット | |
| JPH04342980A (ja) | 電気カーペット | |
| JP2936853B2 (ja) | 調理器具 | |
| JP2797786B2 (ja) | トイレ装置 | |
| JP2943468B2 (ja) | 調理器具 | |
| JP2797784B2 (ja) | トイレ装置 | |
| JP3110505B2 (ja) | 調理器具 | |
| JP2855902B2 (ja) | 調理器具 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |