JP2902472B2 - 空調制御装置 - Google Patents

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は空気調和制御装置にかかわり、特に車両の室
内の空気調和制御に適した車両用空調制御装置に関す
る。

（従来技術） 従来この種の空調制御装置においては、特開平１−22
9713号公報に示されるように、乗員の皮膚温からその時
点での乗員の温感を推測し、その温感に基づき空調を制
御する空調制御装置が知られている。

（発明が解決しようとする課題） しかし、従来の空調制御装置においては、乗員の皮膚
温を測定した時点での乗員の温感を推定しているため、
皮膚温を測定した時点での温感は推定できるものの、そ
の先の温感の変化を予測することはできない。そのた
め、空調制御が適切に行なわれず、冷え過ぎ、温め過ぎ
等の不都合を生じる場合がある。

（課題を解決するための手段） 上記課題を解決するために、本発明の空調制御装置
は、室内における人の温感に関する情報を検出する温感
情報検出手段と、該温感情報検出手段から出力される所
定時間内の温感情報の履歴に基づいて近い将来の温感を
予測する温感予測手段と、目標温感に到達するために予
め定められた温感の制御パターンを記憶する制御パター
ン記憶手段と、該記憶手段に記憶された温感の制御パタ
ーンと前記温感予測手段から出力される近い将来の温感
とが一致するように風量、温度等の温調空気の制御量を
決定する制御量決定手段と、該制御量決定手段から出力
される制御量に基づいて室内へ送風する温調空気の温度
を制御する空調制御手段と該制御量決定手段から出力さ
れる制御量に基づいて室内へ送風する温調空気の風量を
制御する送風機とから成ることを特徴とする。

（作用） 上記のように構成された本発明の空調制御装置は、室
内における人の温感に関する情報を温感情報検出手段に
よって検出し、該温感情報検出手段から出力される所定
時間内の温感情報の履歴に基づいて温感予測手段によっ
て近い将来の温感を予測し、快適状態を保ちながら目標
温感に到達するために予め定められた温感の制御パター
ンを記憶する記憶手段に記憶された温感の制御パターン
と前記温感予測手段から出力される近い将来の温感とが
一致するように風量、温度等の温調空気の制御量を制御
量決定手段によって決定し、該制御量決定手段から出力
される制御量に基づいて室内へ送風する温調空気の温度
を空調制御手段によって制御し、該温調制御手段によっ
て温度調節された温調空気を該制御量決定手段によって
決定された制御量に基づいて室内へ送風機によって送風
する。

（効果） 本発明の空調制御装置においては、室内における人の
温感に関する情報を温感情報検出手段によって検出し、
該温感情報検出手段から出力される所定時間内の温感情
報の履歴に基づいて温感予測手段によって近い将来の温
感を予測することができるため、温感情報の検出時点よ
り先の温感の変化を予測することができ、所望の温感の
制御パターンを的確に実現できる。

また、前記温感予測手段は、温感情報検出手段で検出
された基準時点及びその時点より前の所定時間内におけ
る温感情報と、基準時点より後（近い将来）の温感を表
す出力値を用いて、前記の温感情報の入力と前記の近い
将来の温感を表す出力値が対応するようにあらかじめ調
整された重み定数と温感情報とを乗算した後加算した出
力に対して、非線形変換を施し出力を得る演算要素を多
数組み合わせて構成された演算装置であって、近い将来
の温感を予測するに際して、温感情報検出手段から出力
される所定時間内の温感情報と調整された重み定数を乗
算した後加算し、非線形変換して得られた最終出力値の
大きさによって近い将来の温感を予測する構成とするこ
とができる。

（実施例） 第１実施例 （構成） 本第１実施例について、第14図に基づいて説明する。
温感情報検出手段１として顔の皮膚温を検出する赤外線
温度計116は、乗員の顔面から非接触にて皮膚温を検出
する赤外線検出型のセンサである。空調ユニット92を制
御する制御装置111は第１図の破線で囲まれた要素によ
って構成される。この制御装置111を構成する要素のう
ち、制御パターン記憶手段３、制御量決定手段４及び温
感予測手段２はマイクロコンピュータから成り、さらに
温感予測手段２はニューラルネットから構成される。

温感予測手段２は、第２図に示すようなニューラルネ
ットであり、過去数分間、ここでは30秒毎に１分30秒分
の皮膚温が、現在の皮膚温と共に温感予測を行う入力層
に入力される。本実施例の温感予測手段であるニューラ
ルネットは、入力層11、中間層12、出力層13の３層から
構成されていて、入力層11は４素子、中間層12は４素
子、出力層13は１素子から構成される。各素子は、第３
図で示すように、非線形入出力になっている。その関係
式は、 Ｘ＝ΣWixi Ｙ＝1/（１＋exp（−（Ｘ−θ）） ここでxiは前段の層から該素子に入力される値であ
り、Wiは素子間の結合の重みであり、θは各素子でのし
きい値である。またΣは入力されるすべてのxiに対して
の総和をとるものである。ただし、入力層のみは、Ｙ＝
Ｘの恒等変化とした。

第２図に示す出力層13からは、将来の温感に対応した
値が出力される。

この温感予測ニューラルネットの各素子のしきい値及
び素子間の重みは、事前の教育で決定される。

この教育は、男女数名の被験者により種々の空調状態
で実験を行い、その時の皮膚温、温感を教育用データと
して入手する。この教育用データを基に、第４図に示す
ようなステップでしきい値、重みを算出する。

ステップ1:第４図のS1では、入力層より教育用データ
の皮膚温履歴データを入力する。あらかじめ、素子のし
きい値及び素子間の重みは乱数により与え、この状態で
中間層12、出力層13と演算を進め将来の予測温感を算出
する。

ステップ2:第４図のS2では、S1で算出された温感Ｙ
と、実際に申告された温感Ｄとの差（エラー）Ｅを次式
により算出する。

Ｅ＝0.5＊（Ｙ−Ｄ）^２ ステップ3:第４図のS3では、S2でのエラーが十分小さ
い場合には、その時の重み、しきい値をメモリーに保存
し、終了する。大きい場合にはS4以降で、重みの変更量
を算出する。

ステップ4:第４図のS4では、次の式に基づいて重み、
しきい値修正量を算出する。

∂E/∂Ｙ＝Ｙ−Ｄ 出力層13のしきい値修正量は、 ∂E/∂θ＝∂E/∂Ｙ・∂Y/∂θ ＝−∂E/∂Ｙ・Ｙ（１−Ｙ） 次に ∂E/∂Ｘ＝∂E/∂Ｙ・∂Y/∂Ｘ ＝∂E/∂Ｙ・Ｙ（１−Ｙ） 中間層12のｉ番目の素子と出力層13間の重み（Wi OU
T）の修正量は、 ∂E/∂Wi OUT ＝∂E/∂Ｘ・∂X/∂Wi OUT ＝∂E/∂Ｘ・yi ここでyiは、中間層12のｉ番目の出力値である。さら
に、中間層12のｉ番目の出力値yiがエラーに与える寄与
率は、 ∂E/∂yi＝∂E/∂Ｘ・∂X/∂yi ＝∂E/∂Ｘ・Wi OUT 中間層12のｉ番目のしきい値θｉが、エラーに与える
寄与率は、 ∂E/∂θｉ ＝∂E/∂yi・∂yi/∂θｉ ＝−∂E/∂yi・yi（１−yi） 中間層12のｉ番目の素子に入力される値を、xiとする
と ∂E/∂xi ＝∂E/∂yi・∂yi/∂xi ＝∂E/∂yi・yi（１−yi） 入力層11のｊ番目と中間層12のｉ番目の素子間の重み
Wijが、エラーに与える寄与率は、 ∂E/∂Wij ＝∂E/∂xi・∂xi/∂Wij ＝∂E/∂xi・yj′ ここでyj′は、入力層11のｊ番目の出力である。以上
の式により、各素子のしきい値と素子間の重みの修正量
を算出する。

ステップ5:第４図のS5では、S4で求めた∂E/∂W,∂E/
∂θ等を用いて、 ΔＷ（ｔ）＝−ε・∂E/∂Ｗ＋αΔＷ（ｔ−１） により修正量を算出する。ここでΔＷ（ｔ−１）は前回
修正した時の修正量であり、ε、αは定数である。実際
の重みの修正は、 Ｗ＝Ｗ＋ΔＷ で修正する。

ステップ6:第４図のS6では、S5で修正した後、S1と同
様の計算をしS2にもどる。

以上ステップ１から６を繰り返し、エラーが十分小さ
くなった時の重み、しきい値が温感予測ニューラルネッ
トにセットされている。

次に制御パターン記憶手段３は、目標温感の時間的な
変化パターンをあらかじめ定めるものであり、例えば、
第５図（ａ）に示すように、最初やや寒い状態にした
後、暑くも寒くもない無感状態にする場合、また第５図
（ｂ）に示すように最初から徐々に無感状態に近づける
場合、さらに第５図（ｃ）に示すように、最初から無感
状態に保つ場合等がある。同様に暖房期の場合について
も数種類考えられる。

本第１実施例では、最初から無感状態に保つ第５図
（ｃ）を利用したが、上記にあげたパターンを含めた他
の温度制御のパターンいずれでもよい。また、制御パタ
ーン記憶手段に、数種類記憶させておき、乗員の好みに
応じて、その中から最適なものを選べるようにすること
も可能である。

制御量決定手段４は、前記温感予測手段によって予測
された１分後の温感と、制御パターン記憶手段３にあら
かじめ記憶された温感制御のパターンから求められる同
時刻の温感との偏差を求め、該偏差を基に風温・風速等
の変化量を算出する。空調ユニット92は従来から一般に
知られた構成を有し、内外気切替装置101、送風機102、
エバポレータ103、ヒータコア104、エアミックスダンパ
105、およびベント吹出口106等を有している。

空調制御手段５は、該制御量決定手段４から出力され
る制御量に基づいて室内へ送風する温調空気の温度をエ
バポレータ103、ヒータコア104およびエアミックスダン
パ105を用いて制御する。

また、送風機102は多数の翼を外周側に有する翼形送
風機であり、空調ユニット92の空気取入口付近に設けら
れていて前記空調制御手段５によって調整された温調空
気を、前記制御量決定手段４によって決定された風量に
従い、車室91内へ送風する。

（作用） 本第１実施例の作用を以下に説明する。温感情報検出
手段１としての赤外線温度計は、乗員の温感情報例えば
運転者の顔表面皮膚温を測定している。この赤外線温度
計によって得られた乗員の皮膚温は、温感予測手段２に
入力される。

この入力としては現皮膚温と１分30秒前までの30秒毎
に測定した皮膚温を用い、ニューラルネット（温感予測
手段２）にて１分後の温感を予測する。次に予測された
温感とそれと同時刻における制御パターン記憶手段３で
あらかじめ記憶した温感とを制御量決定手段４で比較
し、その偏差を求め、予測した温感が寒い方にずれてい
る場合、暖房期であれば、暖房強度を上げ、冷房期であ
れば冷房能力を下げるといった制御量を空調制御手段５
に伝達する。ただし、空調初期には皮膚温の変化したデ
ータが少ないため、温感予測精度が悪くなる。そこで、
温感予測手段に必要なデータが揃う空調開始後30秒間の
制御は、車室温25度を維持するような制御を行い、空調
開始30秒後からは本温感予測手段を利用して制御を行
う。

第15図は、実験室において外気温35℃、初期車室温60
℃、日射量900W/m2・ｈの条件で実験し、本第１実施例
の温感予測手段にて予測された温感と、従来法である測
定された皮膚温と該皮膚温の変化率とを変数とし皮膚温
の測定時点での被験者の温感を推定する回帰式を用いて
推定した温感、及び実際に被験者の申告する申告値とを
比較した結果である。

従来法では、現時点での皮膚温とその変化率を使っ
て、温感を推定しているにすぎないため、皮膚温変化率
の大きい空調開始時Ｉには被験者の申告する申告値とよ
く一致するが、その後すぐに申告値からずれてしまう。
そして、空調後期IVになると再び申告値に近接するよう
になる。これは、人間の感覚はその時その時に決まるの
ではなく、時間的な変化の履歴も影響していることが原
因である。このため過去の皮膚温の履歴を考慮していな
い従来法では、皮膚温変化が急激であり該皮膚温変化の
時間的履歴の影響が大きい空気初期IIに於いて、温感推
定精度が悪くなる。また、従来法は温感を推定する時点
で計測された皮膚温に基づいて温感を推定しているた
め、皮膚温の計測精度の影響を強く受け、皮膚温の計測
値のばらつきにより温感推定値のばらつきが生じる。

他方、本温感予測手段では入力データに皮膚温の履歴
を使っている。そのため第15図に示すように空調開始時
Ｉ及び空調初期IIにみられるような急激な皮膚温変化が
ある場合、つまり皮膚温変化の時間的履歴の影響が乗員
の温感に大きく影響する場合に於いても、精度良く温感
を予測することがでる。また、皮膚温の履歴を使うこと
により、当然のこととして皮膚温が上昇傾向にあるのか
下降傾向にあるのかを考慮し、さらにその変化率の変化
の仕方も考慮できるため、将来の温感を精度良く予測す
ることができる。

以上このような温感予測結果に基づいて制御量決定手
段４で制御量を求め、この制御量に従って、空調制御手
段５では第14図に示すエアーミックスダンパー105の開
度及びエバポレータ103、ヒータコア104の設定温度を変
化させる。空調制御手段５によって調整された温風を、
制御量決定手段の出力に従い第14図に示す送風機102に
よって風速を調整し車室91内に送風する。

（効果） 本第１実施例の空調制御装置は、このように過去から
現在に至るまでの乗員の皮膚温に基づいて将来の温感を
予測しながら事前に適切な風温及び風速になる様に空調
制御を行う。従って従来技術の様に現在の温感を推測
し、推測した現在の温感のみに基づいて制御する場合に
比較して、本発明の第１実施例は素早く目標温感に近付
けることができる。

第２実施例 （構成） 本発明の第２実施例は、第６図の破線で包まれた部分
に示すように前記第１実施に加えて、乗員が所望する温
感を入力する所望温感入力手段27としての温感操作ボタ
ン114（第14図）、及び温感情報検出手段21から出力さ
れる温感情報の履歴と、温感操作ボタン114から入力さ
れた所望温感とを記憶する学習データ記憶手段28と、該
学習データ記憶手段28に記憶された学習データに基づい
て温感予測手段22を構成するニューラルネットの重み及
びしきい値を変更する温感予測修正手段29とを設けたこ
とを特徴とする。これらはすべてマイクロコンピュータ
から成る制御装置111（第14図）に内蔵されている。

（作用） 本第２実施例の作用について主に前記第１実施例と相
違する点について以下に説明する。

本第２実施例において前記第１実施例に加えて追加さ
れた手段で特徴的なのは、第６図に示すように個人によ
る温感の違いの修正を可能にする温感操作ボタン114
（所望温感入力手段27）である。

温感は、人によって多少異なるが、本第２実施例で
は、乗員の所望する温感を温感操作ボタンによって入力
できるためこのような個人差に合わせて温感予測手段22
を構成するニューラルネットの重み及びしきい値を変更
することができる。これによって乗員によってより快適
な空調状態をすばやく作ることが可能になる。

本第２実施例において、温感予測手段22によって過去
からの現在に至るまでの１分30秒間の30秒毎の温度履歴
にもとづいて予測された温感と、乗員の実際に感じてい
る温感とが一致しない場合、乗員によって温感操作ボタ
ン114が操作される。温感操作ボタン114から入力が入っ
た場合には、迅速な空調制御を行うため直接的に制御量
決定手段24に温感操作ボタン114（所望温感入力手段2
7）からの出力が入力され、それによって制御量決定手
段24では適切な制御量を決定し空調制御手段25に該制御
量を出力する。この制御量に基づいて空調制御手段25
は、温感操作ボタン114に対応した量の空調制御を行
う。

また、その一方で温感予測に使用した皮膚温データと
温感操作ボタン114（所望温感入力手段27）から入力さ
れた信号とが、学習データ記憶手段28に蓄えられる。

温感予測修正手段29は車室内の空調を必要としない
時、前記学習データ記憶手段に蓄えられていたデータを
使って、温感予測修正量を算出する。ここでの温感予測
修正量算出方法は、前記第１実施例の重み及びしきい値
を決定した時と同じ方法で行う。温感予測修正手段29か
らの結果に基づいて、温感予測手段22を構成するニュー
ラルネットの重み及びしきい値を修正する。

第16図及び第17図は、温感操作ボタンによる温感予測
精度向上の効果を確認した実験結果を示している。本実
験の初期環境条件は外気温28℃、初期車室温28℃、日射
無しの条件で行った。

第16図は修正前の状態である。空調初期を除いて、空
調中期から後期にわたって、予測温感と被験者の申告値
とがずれている。ここで、第16図中の矢印の点で温感操
作ボタンが操作された。

上記実験終了後に温感操作ボタンによる入力データを
基に温感予測手段22に修正を加え、修正効果を調べた結
果が第17図である。空調中期から後期にわたって申告値
がずれていた部分が修正され、温感予測精度が向上して
いることがわかる。さらに、修正前に既に十分な精度で
温感予測がなされていた空調開始時に於いては、修正後
もその精度が維持されていることがわかる。

以上のように本第２実施例は、温感操作ボタンを備
え、温感予測手段を乗員の温感に合わせて修正する事が
できるため、乗員の温感によく一致した温感を予測する
ことができる。

尚、ここでは学習データに基づいて温感予測手段22を
構成するニューラルネットの修正を行ったが、第７図の
破線のわく内に示すようにこの学習データを使って、制
御パターン記憶手段33の制御パターンを修正してもよ
い。つまり、温感予測手段32を構成するニューラルネッ
トの方には修正を加えず、温感操作ボタン114の信号に
よって、目標温感のパターンのみを変化させる事で対応
するものである。

第18図及び第19図は、上述のように制御パターンのみ
を修正した場合の目標温感への達成度向上の効果を確認
した実験結果を示している。第18図で空調装置は、目標
温感−２（涼しい）を維持するように制御している。し
かし、本実験での被験者の申告値は温感−１（少し涼し
い）であった。そのため被験者によって第18図中の矢印
の位置で温感操作ボタン114により、目標温感を涼しい
方向に修正する旨の信号が入力された。

この入力信号と該信号が入力された時点における目標
温感を学習データ記憶手段38に入力し、そのデータに基
づいて制御パターン修正手段39によって、前記入力信号
と目標温感との偏差を算出し、制御パターン記憶手段33
に記憶された制御パターンを修正する。このように制御
パターンを修正し、それによって目標温感を修正し実験
した結果が第19図である。目標温感を−３（少し寒い）
にすることにより、被験者の申告値を本来の目標温感で
ある−２（涼しい）に維持することができた。

以上のように、温感操作ボタンによって乗員の要求し
ている温感を入力し、目標温感を修正する事により、温
感の個人差を考慮した適切な空調が可能になった。

上述の制御パターンの修正に関しては、その他の方法
として、前記第１実施例で第５図（ａ）（ｂ）（ｃ）を
用いて説明したように数種類の制御パターン記憶手段を
事前に記憶しておき、乗員の好みに応じて、その中から
最適の制御パターンを選び出すこともできる。また、記
憶している温感制御パターンを温感操作ボタン114から
の入力に基づいて乗員の好みに応じて暑い方向あるいは
寒い方向にそのパターンを移動し、修正して使用するこ
とも可能である。

（効果） 本第２実施例は、このように前記第１実施例の効果に
加え温感予測手段を構成するニューラルネットの重み及
びしきい値あるいは、目標となる温感の制御パターンを
乗員の好みに応じて修正できる能力を備えていることか
ら、乗員の温感に対する個人差を考慮した空調制御を行
うことができる。

第３実施例 （構成） 本発明の第３実施例は、第８図に示すように前記第２
実施例に車室温検出手段50を加えたことを特徴とする。
該車室温検出手段50としては、例えば熱電対から構成さ
れる運転者の足元近くのセンターコンソールに設けられ
た車室温センサ115（第14図）が考えられる。本第３実
施例は温感予測手段42への入力に車室温が追加されてい
るため、温感予測手段42を構成するニューラルネットの
入力層は第９図に示すように前記第２実施例に較べ１素
子ふえている。さらに、ニューラルネットの各素子のし
きい値及び素子間の重みは、前記第１実施例で示した方
法と同じ方法で、事前の教育で決定されている。この時
教育用データには、入力として車室温も入力される。

（作用） 本第３実施例の作用について主に前記第２実施例と相
違する点について以下に説明する。

本第３実施例は、前記第１及び第２実施例の温感情報
検出手段の温感情報のみによる将来の温感予測の予測精
度を車室温の情報を追加することによってさらに高めた
点に特徴がある。

例えば、前記第１実施例及び第２実施例においては、
夏期において乗車前に比較的涼しい空間に長時間いた人
が日射下で車室温が上昇した車に乗った場合、乗員の皮
膚温が低いことから、実際の温感よりも涼しく予測する
可能性がある。しかし、本第３実施例のごとく、車室温
センサ115を用いると、乗員の回りの環境を知ることが
でき、乗員の皮膚温以外の乗員の回りの環境温度の情報
も使った温感予測によって、より正確に将来の温感を予
測できる。

第20図は、車室の温度も入れて温感予測を行った場合
の本第３実施例による予測温感と従来法により推定した
温感と被験者の申告値との比較である。本実験時の初期
環境条件は、外気温35℃、車室温60℃、日射量900w/h・
m²であった。

第１実施例の様に車室温を入れない場合には、第15図
のIIIに示される空調中期以降の申告値と本発明の温感
予測値との差がわずかになった状態において皮膚温変化
はわずかであり、熱が体から周囲の空気へと出ているの
か入っているのか分からない状態となり、乗員の皮膚と
まわりの空気との熱のやりとりを推定することができ
ず、その結果空調が十分行き届き皮膚温の変化が少なく
なった状態以降において、被験者の申告した温感と予測
温感とが一致するまでに時間がかかった。

しかし、本第３実施例の様に車室温も入れた場合に
は、皮膚温だけでは不十分であった皮膚と周りの空気と
の熱のやりとりを考慮することができ、温感をより正確
に予測することができる。

車室温が考慮されていない第15図では、空調中期III
から後期IVに於いて予測温感と実際の温感とが少しずれ
ている。しかし、車室温も考慮した第20図では、そのず
れが修正され精度良く温感を推定している。

以上のように、車室温が考慮されていない場合には、
皮膚温変化が少なくなった状態において、その温感予測
の精度が低下する場合があるが、本第３実施例のように
車室温も考慮した場合には、皮膚温変化が少なくなった
状態においても温感予測を精度良く行うことができる。

予測された温感と制御パターン記憶手段43での温感の
制御パターンとを制御量決定手段44で比較し、予測され
た温感が寒い方にずれている場合は、暖房期であれば暖
房能力を上げ、冷房期であれば冷房能力を下げるといっ
た制御量を空調制御手段45に伝達する。この制御量に従
って、空調制御手段45ではエアーミックスダンパ105の
開度等を変化させ、送風機102によって車室91内の空調
を制御する。

尚、本第３実施例には前記第２実施例と同じ温感予測
修正部51があるためより乗員の好みに合った温感制御予
測ができ、より的確な空気制御が可能になる。

（効果） このように本第３実施例の空調制御装置は、前記第１
実施例及び第２実施例の効果に加えて車室内の温度も入
力することから、乗員の回りの環境温度である車室温を
考慮して温感予測を行うことができ、精度の高い温感予
測が可能となり、的確な空調制御が可能になる。

第４実施例 （構成） 本発明の第４実施例は第10図に示すように前記第３実
施例に加えて車室温検出手段70を構成する車室温センサ
115から出力される所定時間内の車室温情報の履歴に基
づいて近い将来の車室温を予測する車室温予測手段71と
しての回帰式あるいはニューラルネットを設けたことに
特徴がある。

車室温予測手段71では、前記第３実施例と同じ車室温
センサからなる車室温検出手段70によって検出された、
現在及び過去の車室温を入力として回帰式あるいは、ニ
ューラルネットにより１分後の車室温を予測する。

車室温を予測する１つの手法として回帰式を用いて車
室温の予測をする場合、その式として、 Ｔ＝at＋ｂ で表される一次式を利用する。ここで、a,bは定数、ｔ
は時間、Ｔは車室温である。a,bは１分30秒前から現在
までの30秒毎の車室温を使い、最小２乗法により、温度
予測を行う場合に、その都度決定する。以上の方法で決
定されたa,bを用い、ｔとして１分後の時間を入力し、
Ｔから１分後の予測車室温を求める。

ここでは、一次式を利用したが、必要に応じて２次
式、３次式等他の式でもよい。また最小２乗法以外の方
法で定数を求めてもさしつかえない。また、入力変数と
して時間ｔのかわりに、所定の時間間隔における車室温
を利用して、式を作成し、所定の時間先の時間における
予測車室温を求めても、まったく問題ない。

次に車室温を予測する他の手法として、第11図は車室
温予測手段71にニューラルネットを使う場合のニューラ
ルネットの構成図で、１分30秒前から現在までの30秒毎
の車室温履歴を入力し１分後の車室温を予測し出力する
ものである。入力される車室温履歴と出力される将来の
車室温（１分後）とは事前に実験によって入手したデー
タに基づいて前記第１実施例で示したのと同様の方法
で、車室温予測ニューラルネット内の重み及びしきい値
が設定されている。

温感予測手段62を構成するニューラルネットの詳細を
第12図に示す。入力層81への入力として予測車室温（１
分後）が増えているため入力層の素子が１つふえている
以外は、前記第３実施例と同じ構造である。

出力層83からは現在の車室温及び１分後の車室温を考
慮した将来の温感に対応した値が出力される。

この温感予測手段の各素子のしきい値及び素子間の重
みは、前記第１実施例で示した方法と同じ方法で、事前
の教育で決定したものである。ただしこの時教育用デー
タには、入力として予測車室温も含んだデータが入力さ
れる。

（作用） 本第４実施例の作用について主に前記第３実施例と相
違する点について以下に説明する。

本第４実施例は、温感情報と車室温とに基づいて将来
の温感を予測する前記第３実施例に、さらに車室温の履
歴に基づいて予測した将来の車室温の情報の入力を加え
たものである。

前記温感情報検出手段61を構成する赤外線温度計116
と車室温検出手段70を構成する車室温センサ115で検出
された乗員の皮膚温及び、現在の車室温、及び車室温予
測手段71によって予測された１分後の予測車室温が、温
感予測手段62に入力される。

実際の空調では温感情報検出手段61である赤外線温度
計116により乗員の皮膚温を検出し、車室温検出手段70
である車室温センサ115により車室内の温度を検出す
る。前記車室温検出手段70で検出された車室温を基に、
車室温予測手段71にて１分後の車室温を予測する。

温感予測手段62では第12図に示すように入力層81には
現在の皮膚温と以前に測定した時の皮膚温、さらに現在
の車室温と近い将来（１分後）の車室温の予測値を基
に、近い将来（１分後）の温感を予測する。

第21図は、車室温の履歴も入れて温感を予測した場合
の本第４実施例による予測温感と従来法により推定した
温感及び被験者の申告値との比較である。本実験での初
期環境条件は、外気温度35℃、初期車室温60℃、日射量
900w/h・m²である。

前記第３実施例では車室の現時点での温度のみを入力
し、その温度履歴は考慮していなかったため、第20図の
空調初期におけるように皮膚温及び車室温の変化が急激
な条件に於いては、車室温が上昇傾向にあるのか下降傾
向にあるのかがわからず、将来の温感を十分に予測し得
ない状態にある。

それに対して、本第４実施例では車室内の温度履歴も
入力データとして使うことから、車室温の変化を予測し
予測車室温を考慮して温感を精度良く予測することがで
き、さらに特に皮膚温および車室温の変化が急激な空調
初期においても第21図に示すように精度良く温感予測が
できる。

以上のように、本第４実施例は車室温の履歴を考慮し
ているため、皮膚温および車室温の変化が急激な場合に
おいても、温感予測精度を向上させることができる。

予測された温感と制御パターン記憶手段63での温感の
制御パターンとを制御量決定手段64で比較し、予測した
温感が寒い方にずれている場合、暖房期であれば暖房能
力を上げ、冷房期あれば冷房能力を下げるといった制御
量を空調制御手段65に伝達する。この制御量に従って、
空調制御手段65ではエアーミックスダンパー105の開度
及びエバポレータ103、ヒータコア104の設定温度を変化
させ風温を調整し、送風機102によって風速を調整して
車室91内を空調する。

そのため本第４実施例では将来の皮膚温を予測する場
合、現在と将来の車室温の差によって、車室温が現時点
で上昇傾向にあるのか、下降傾向にあるのかを考慮しつ
つ、将来の温感を予測することができる。また、本第４
実施例では、車室温の履歴に基づいて予測した車室温の
予測情報も使うことができ、さらに精度の高い温感予測
が可能になり、より正確な空調制御が実現できる。

尚、車室温予測手段71は温感予測手段62に含める事も
可能である。この場合の入力は、第13図に示すように、
１分30分前から現在までの30秒毎の乗員の皮膚温の履歴
と乗員の回りの環境温度である車室温の履歴である。

さらに、第10図に示すように本第４実施例に前記第２
実施例の温感予測修正部72を付加できることは、言うま
でもない。

（効果） 本第４実施例は前記第１実施例乃至第３実施例の効果
に加え予測車室温を使うことで、現在の車室温が上昇傾
向にあるのか下降傾向にあるのかを知ることができ、現
在の車室内の温度と皮膚温のみで温感予測をする前記第
３実施例の場合よりも、さらに精度のよい温感予測を行
うことが可能になり、迅速で的確な空調制御が実現され
る。

その他の変形例 前記の第１実施例乃至第４実施例では、温感情報検出
手段として赤外線温度計を使用して乗員の皮膚温を検出
したが、温感情報としては脳波、脈拍、皮膚電位等を用
いても良い。また、直接人体の温感情報を測定するので
はなく、人体と等価の信号を出す人体等価型のセンサー
からの信号も温感情報として使用できる。

また、前記の実施例では車室内温度検出手段にて、車
室内の温度を検出したが、温感予測をより正確に行うた
め、必要に応じて第14図に示すように車室内の湿度を車
室温センサ115付近に設けた図示しない湿度センサーに
よって入力し、日射量をダッシュボード上に設けた日射
量センサ113によって入力し、天井の温度等車室内の環
境情報を天井等に設けた図示しない温度センサによって
入力し、さらには、車室外の温度、湿度等車室外の環境
情報も車両先端のダクト部に設けた外気温センサ兼外気
湿度センサ112によって入力することができる。

また、更に温感情報及び車室内温度情報において前記
第１実施例乃至第４実施例においては単一の計測点にお
ける情報を用いたが、これに代えて多点の計測点におけ
る情報に基づいて温感を予測することもできる。この場
合には、入力数に応じて温感予測手段の入力素子数、中
間素子数を変えることによって、対応する事ができるこ
とは当業者であれば容易に推測ができるであろう。

【図面の簡単な説明】

第１図は本発明の第１実施例の構成を示すブロック図、
第２図は本発明の第１実施例の温感予測手段の構成図、
第３図は本発明の第１実施例に用いた温感予測手段の素
子の特性図、第４図は本発明の第１実施例に用いた温感
予測手段の調整方法のフローチャート、第５図は本発明
の第１実施例の温感制御パターンの線図、第６図は本発
明の第２実施例の空調制御装置の構成を示すブロック
図、第７図は本発明の第３実施例の構成を示すブロック
図、第８図は本発明の第４実施例の空調制御装置の構成
を示すブロック図、第９図は本発明の第３実施例の温感
予測手段の構成図、第10図は本発明の第４実施例の空調
制御装置の構成を示すブロック図、第11図は本発明の第
４実施例の車室温予測手段の構成図、第12図は本発明の
第４実施例の温感予測手段の構成図、第13図は本発明の
第４実施例の温感予測手段の変形例の構成図、第14図は
本発明の実施例の模式断面図、第15図は本発明の第１実
施例の温感予測結果の線図、第16図は本発明の第２実施
例の修正前の温感予測結果の線図、第17図は本発明の第
２実施例の修正後の温感予測結果の線図、第18図は本発
明の第２実施例の制御パターン修正前の温感の線図、第
19図は本発明の第２実施例の制御パターン修正後の温感
の線図、第20図は本発明の第３実施例の温感予測結果の
線図、第21図は本発明の第４実施例の温感予測結果の線
図である。 １……温感情報検出手段、 ２……温感予測手段、 ３……制御パターン記憶手段、 ４……制御量決定手段、 ５……空調制御手段、 ６……送風機、 27……所望温感入力手段、 28……学習データ記憶手段、 29……温感予測修正手段、 50……車室温検出手段、 71……車室温予測手段

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】室内における人の温感に関する情報を検出
   する温感情報検出手段と、 該温感情報検出手段から出力される所定時間内の温感情
   報の履歴に基づいて近い将来の温感を予測する温感予測
   手段と、 目標温感に到達するために予め定められた温感の制御パ
   ターンを記憶する制御パターン記憶手段と、 該記憶手段に記憶された温感の制御パターンと前記温感
   予測手段から出力される近い将来の温感とが一致するよ
   うに風量、温度等の温調空気の制御量を決定する制御量
   決定手段と、 該制御量決定手段から出力される制御量に基づいて室内
   へ送風する温調空気の温度を制御する空調制御手段と、 前記制御量決定手段の制御量に従い室内へ温調空気を送
   風する送風機と、 から成ることを特徴とする空調制御装置。