JP3235128B2 - 空調制御装置 - Google Patents
空調制御装置Info
- Publication number
- JP3235128B2 JP3235128B2 JP20983291A JP20983291A JP3235128B2 JP 3235128 B2 JP3235128 B2 JP 3235128B2 JP 20983291 A JP20983291 A JP 20983291A JP 20983291 A JP20983291 A JP 20983291A JP 3235128 B2 JP3235128 B2 JP 3235128B2
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- thermal sensation
- air
- sensation
- information
- 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
- Air-Conditioning For Vehicles (AREA)
- Air Conditioning Control Device (AREA)
Description
【0001】
【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。
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。
【0002】
【従来の技術】従来この種の空調制御装置においては、
特開平1−229713号公報に示されるように、その
時点での乗員の皮膚温のみから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。
特開平1−229713号公報に示されるように、その
時点での乗員の皮膚温のみから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。
【0003】
【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、乗員の皮膚温と温感とが線形な関係
にあると仮定して皮膚温を線形変換することによって乗
員の温感を推定しているため、温感情報である皮膚温と
温感とが線形な関係にある範囲では問題ないが、非線形
な領域、例えば急に日差しが強くなったり弱くなったり
する様な、乗員の環境条件が急変する条件に於いては、
乗員が感じる実際の温感と推定した温感とが合わなくな
り、不適切な空調をすることになる。さらに、急激な温
度変化が生じる場合、人の温度感覚にはその急激な温度
変化の余韻が残ることがあるが、現時点での皮膚温だけ
を考慮して温感を推定する従来技術では、このような余
韻の影響を考慮することができない。
御装置においては、乗員の皮膚温と温感とが線形な関係
にあると仮定して皮膚温を線形変換することによって乗
員の温感を推定しているため、温感情報である皮膚温と
温感とが線形な関係にある範囲では問題ないが、非線形
な領域、例えば急に日差しが強くなったり弱くなったり
する様な、乗員の環境条件が急変する条件に於いては、
乗員が感じる実際の温感と推定した温感とが合わなくな
り、不適切な空調をすることになる。さらに、急激な温
度変化が生じる場合、人の温度感覚にはその急激な温度
変化の余韻が残ることがあるが、現時点での皮膚温だけ
を考慮して温感を推定する従来技術では、このような余
韻の影響を考慮することができない。
【0004】
【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前記室内へ入室後の所定時間内
の温感情報にあらかじめ調整された重み定数を乗算した
情報の履歴に基づいて現在の温感を推定する温感推定手
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推定
手段から出力される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。
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前記室内へ入室後の所定時間内
の温感情報にあらかじめ調整された重み定数を乗算した
情報の履歴に基づいて現在の温感を推定する温感推定手
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推定
手段から出力される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。
【0005】
【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
る前記室内へ入室後の所定時間内の温感情報にあらかじ
め調整された重み定数を乗算した情報の履歴に基づいて
温感推定手段によって温感を推定する。次に、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推定手段から出力される温
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する。さらに、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。また、前記温感推定手段とし
て、次のような構成で作用するものを採用することもで
きる。たとえば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
算し出力する。この出力について、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、温感を推定するに際して、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温感を推定するものである。
さらに、情報変換途中に非線形変換を施す事から、線形
以外の非線形な情報処理部分についても、対応すること
ができる。
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
る前記室内へ入室後の所定時間内の温感情報にあらかじ
め調整された重み定数を乗算した情報の履歴に基づいて
温感推定手段によって温感を推定する。次に、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推定手段から出力される温
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する。さらに、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。また、前記温感推定手段とし
て、次のような構成で作用するものを採用することもで
きる。たとえば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
算し出力する。この出力について、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、温感を推定するに際して、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温感を推定するものである。
さらに、情報変換途中に非線形変換を施す事から、線形
以外の非線形な情報処理部分についても、対応すること
ができる。
【0006】
【発明の効果】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前記室
内へ入室後の所定時間内の温感情報にあらかじめ調整さ
れた重み定数を乗算した情報の履歴に基づいて温感推定
手段によって現在の温感を推定することができるため、
急激な温度変化によって生じる余韻を考慮することがで
き、所望の温感の制御パターンを的確に実現できる。
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前記室
内へ入室後の所定時間内の温感情報にあらかじめ調整さ
れた重み定数を乗算した情報の履歴に基づいて温感推定
手段によって現在の温感を推定することができるため、
急激な温度変化によって生じる余韻を考慮することがで
き、所望の温感の制御パターンを的確に実現できる。
【0007】
第1実施例 (構成)本第1実施例について、図12に基づいて説明
する。温感情報検出手段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は図1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及び温感推定手段2はマイクロコンピュータから成
り、さらに温感推定手段2は赤外線温度計116からの
出力を時系列に記憶する記憶部と、該記憶部に記憶され
たデータを入力することによって現時点における乗員の
温感を推定するニューラルネットから構成される。温感
推定手段2の温感推定を行う部分は、図2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
推定を行う入力層に入力される。本実施例の温感推定手
段であるニューラルネットは、入力層11、中間層1
2、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、図3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、図2の入力層1
1のみは、Y=Xの恒等変化とした。
する。温感情報検出手段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は図1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及び温感推定手段2はマイクロコンピュータから成
り、さらに温感推定手段2は赤外線温度計116からの
出力を時系列に記憶する記憶部と、該記憶部に記憶され
たデータを入力することによって現時点における乗員の
温感を推定するニューラルネットから構成される。温感
推定手段2の温感推定を行う部分は、図2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
推定を行う入力層に入力される。本実施例の温感推定手
段であるニューラルネットは、入力層11、中間層1
2、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、図3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、図2の入力層1
1のみは、Y=Xの恒等変化とした。
【0008】図2に示す出力層13からは、現在の乗員
の温感に対応した値が出力される。この温感推定ニュー
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、図4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:図4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と演算を進め推定温感を算出す
る。 ステップ2:図4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:図4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:図4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。
の温感に対応した値が出力される。この温感推定ニュー
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、図4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:図4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と演算を進め推定温感を算出す
る。 ステップ2:図4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:図4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:図4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。
【0009】∂E/∂Y=Y−D 出力層13のしきい値修正量は、 ∂E/∂θ=∂E/∂Y・∂Y/∂X・∂X/∂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
OUT )の修正量は、 ∂E/∂wiOUT =∂E/∂X・∂X/∂wiOUT =∂E/∂X・yi
OUT )の修正量は、 ∂E/∂wiOUT =∂E/∂X・∂X/∂wiOUT =∂E/∂X・yi
【0010】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・wiOUT 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/∂xi・∂xi/∂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)
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・wiOUT 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/∂xi・∂xi/∂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)
【0011】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:図4のS5では、S4で求めた∂E/∂
w,∂E/∂θ等を用いて、 Δw(t)= −ε・∂E/∂w+α・Δw(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。
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:図4のS5では、S4で求めた∂E/∂
w,∂E/∂θ等を用いて、 Δw(t)= −ε・∂E/∂w+α・Δw(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。
【0012】ステップ6:図4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、しきい値が温感推定ニューラルネット
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、図5(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、また図5(b)に示すように最初から除々に無感状
態に近づける場合、さらに図5(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。
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、しきい値が温感推定ニューラルネット
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、図5(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、また図5(b)に示すように最初から除々に無感状
態に近づける場合、さらに図5(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。
【0013】本第1実施例では、最初から無感状態に保
つ図5(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のいずれでもよい。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
推定手段によって推定された温感と、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。図12に示すように、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10
3、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。
つ図5(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のいずれでもよい。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
推定手段によって推定された温感と、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。図12に示すように、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10
3、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。
【0014】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。
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。
【0015】(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、温感推定手段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(温感推定手段2)にて温感
を推定する。次に推定された温感と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、推定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、温感推定精度が悪くなる。そこ
で、温感推定手段に必要なデータが揃う空調開始後1分
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1分30秒後からは本温感推定手段を
利用して制御を行う。空調開始後1分30秒までの制御
方法について以下に説明する。図20に、空調制御方法
のフローチャートを示した。乗員が車に乗り込みエンジ
ンをスタートし、空調が始まった状態がC1である。次
にC2で本空調制御装置により、皮膚温が検出される。
C3では、今までに測定された皮膚温データの個数を調
べる。本装置では乗員の温度感覚を推定するために4点
の皮膚温が必要になる。今の状態は、空調が始まって最
初のデータであるので1個だけしかデータがないためC
3の判定はデータ数が不足していると判定され、C4に
分岐し車室温度を目標車室温度25℃に維持するような
従来のオートエアコンと同様な制御を行う。その後再度
C2に戻り、皮膚温を測定する。C3において皮膚温が
4点以上揃った場合には、C5に於いてニューラルネッ
トに皮膚温が入力される。ニューラルネットからの出力
が、C6に出力され乗員の温度感覚が得られる。C7で
は、C6で得られた温度感覚と目標温度感覚とを比較す
る。その結果、乗員の温度感覚が暑い方にずれていれば
C10に、同じであればC9に、寒い方にずれていれば
C8に分岐する。C8では暖かくする方向の、C9では
現状維持を、C10では涼しくなる方向の空調制御量を
出力する。この制御量をもとに、C11にて実際に風
速、風温制御を行う。C11の制御を行った後、再びC
2に戻り次の皮膚温測定をする。以上の制御パターンを
繰り返しながら車室内の温度を乗員の温度感覚に合った
状態を維持する。
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、温感推定手段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(温感推定手段2)にて温感
を推定する。次に推定された温感と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、推定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、温感推定精度が悪くなる。そこ
で、温感推定手段に必要なデータが揃う空調開始後1分
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1分30秒後からは本温感推定手段を
利用して制御を行う。空調開始後1分30秒までの制御
方法について以下に説明する。図20に、空調制御方法
のフローチャートを示した。乗員が車に乗り込みエンジ
ンをスタートし、空調が始まった状態がC1である。次
にC2で本空調制御装置により、皮膚温が検出される。
C3では、今までに測定された皮膚温データの個数を調
べる。本装置では乗員の温度感覚を推定するために4点
の皮膚温が必要になる。今の状態は、空調が始まって最
初のデータであるので1個だけしかデータがないためC
3の判定はデータ数が不足していると判定され、C4に
分岐し車室温度を目標車室温度25℃に維持するような
従来のオートエアコンと同様な制御を行う。その後再度
C2に戻り、皮膚温を測定する。C3において皮膚温が
4点以上揃った場合には、C5に於いてニューラルネッ
トに皮膚温が入力される。ニューラルネットからの出力
が、C6に出力され乗員の温度感覚が得られる。C7で
は、C6で得られた温度感覚と目標温度感覚とを比較す
る。その結果、乗員の温度感覚が暑い方にずれていれば
C10に、同じであればC9に、寒い方にずれていれば
C8に分岐する。C8では暖かくする方向の、C9では
現状維持を、C10では涼しくなる方向の空調制御量を
出力する。この制御量をもとに、C11にて実際に風
速、風温制御を行う。C11の制御を行った後、再びC
2に戻り次の皮膚温測定をする。以上の制御パターンを
繰り返しながら車室内の温度を乗員の温度感覚に合った
状態を維持する。
【0016】図13は、実験室において外気温−10
℃、初期車室温−10℃、日射なしの条件で実験し、本
第1実施例の温感推定手段にて推定された温感と、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及び空調初期IIには被験
者の申告する申告値と一致しない。これは、人間の感覚
はその時その時の皮膚温によって決まるのではなく、時
間的な皮膚温の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調開始時I及び空調初期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。
℃、初期車室温−10℃、日射なしの条件で実験し、本
第1実施例の温感推定手段にて推定された温感と、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及び空調初期IIには被験
者の申告する申告値と一致しない。これは、人間の感覚
はその時その時の皮膚温によって決まるのではなく、時
間的な皮膚温の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調開始時I及び空調初期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。
【0017】他方、本温感推定手段では入力データに皮
膚温の履歴を使っている。そのため図13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、
精度良く温感を推定することができる。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、温感を精度良
く推定することができる。以上のように本実施例の温感
推定手段は従来のものに比べ精度の高い温感推定を行な
うことができる。このような温感推定結果に基づいて制
御量決定手段4で空気温度及び風量等の制御量を求め、
この制御量に従って、空調制御手段5では図12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
段の出力に従い図12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。
膚温の履歴を使っている。そのため図13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、
精度良く温感を推定することができる。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、温感を精度良
く推定することができる。以上のように本実施例の温感
推定手段は従来のものに比べ精度の高い温感推定を行な
うことができる。このような温感推定結果に基づいて制
御量決定手段4で空気温度及び風量等の制御量を求め、
この制御量に従って、空調制御手段5では図12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
段の出力に従い図12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。
【0018】(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
づいて温感を推定しながら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皮膚温
のみを回帰式により温感を求める場合と比較して、本発
明の第1実施例は精度良く温感を推定して、素速く目標
温感に近付けることができる。
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
づいて温感を推定しながら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皮膚温
のみを回帰式により温感を求める場合と比較して、本発
明の第1実施例は精度良く温感を推定して、素速く目標
温感に近付けることができる。
【0019】第2実施例 (構成)本発明の第2実施例は、図6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(図12)、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11
4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推定手段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推定修正
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(図1
2)に内蔵されている。
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(図12)、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11
4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推定手段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推定修正
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(図1
2)に内蔵されている。
【0020】(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、図6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
に合わせて温感推定手段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
よって乗員にと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、温感推定手
段22によって過去から現在に至るまでの1分30秒間
の30秒毎の温度履歴にもとづいて推定された温感と、
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2
5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。
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、図6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
に合わせて温感推定手段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
よって乗員にと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、温感推定手
段22によって過去から現在に至るまでの1分30秒間
の30秒毎の温度履歴にもとづいて推定された温感と、
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2
5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。
【0021】また、その一方で温感推定に使用した皮膚
温データと温感操作ボタン114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。温感推定修
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
推定修正量を算出する。ここでの温感推定修正量算出方
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。温感推定修正手段29からの結果に
基づいて、温感推定手段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。図14及び図15
は、温感操作ボタンによる温感推定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0℃、初期車室温0℃、日射なしの条件で行っ
た。
温データと温感操作ボタン114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。温感推定修
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
推定修正量を算出する。ここでの温感推定修正量算出方
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。温感推定修正手段29からの結果に
基づいて、温感推定手段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。図14及び図15
は、温感操作ボタンによる温感推定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0℃、初期車室温0℃、日射なしの条件で行っ
た。
【0022】図14は修正前の状態である。空調初期か
ら後期にわたって、推定温感と被験者の申告値とがずれ
ている。ここで、図14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推定手段22に修正を加え、修正
効果を調べた結果が図15である。空調初期から後期に
わたって申告値からずれていた部分が修正され、温感推
定精度が向上していることがわかる。
ら後期にわたって、推定温感と被験者の申告値とがずれ
ている。ここで、図14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推定手段22に修正を加え、修正
効果を調べた結果が図15である。空調初期から後期に
わたって申告値からずれていた部分が修正され、温感推
定精度が向上していることがわかる。
【0023】以上のように本第2実施例は、温感操作ボ
タンを備え、温感推定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
推定することができる。尚、ここでは学習データに基づ
いて温感推定手段22を構成するニューラルネットの修
正を行ったが、図7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、温感推定手段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。図16及び
図17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。図16で空調装置は、目標温感+1(少
し暖かい)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0(無感)であった。そ
のため被験者によって図16中の矢印の位置で温感操作
ボタン114により、目標温感を暖かい方向に修正する
旨の信号が入力された。
タンを備え、温感推定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
推定することができる。尚、ここでは学習データに基づ
いて温感推定手段22を構成するニューラルネットの修
正を行ったが、図7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、温感推定手段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。図16及び
図17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。図16で空調装置は、目標温感+1(少
し暖かい)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0(無感)であった。そ
のため被験者によって図16中の矢印の位置で温感操作
ボタン114により、目標温感を暖かい方向に修正する
旨の信号が入力された。
【0024】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図17である。目標温感
を+2(暖かい)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+1(少し暖かい)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実施例で図5(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。
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図17である。目標温感
を+2(暖かい)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+1(少し暖かい)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実施例で図5(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。
【0025】(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推定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1実施例の効果に加え温感推定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。
【0026】第3実施例 (構成)本発明の第3実施例は、図8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(図12)が考えられ
る。本第3実施例は温感推定手段42への入力に車室温
が追加されているため、温感推定手段42を構成するニ
ューラルネットの入力層は図9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。
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(図12)が考えられ
る。本第3実施例は温感推定手段42への入力に車室温
が追加されているため、温感推定手段42を構成するニ
ューラルネットの入力層は図9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。
【0027】(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温感推定の推定精度を車室
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推
定する可能性がある。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推定によって、より正確に温感を
推定できる。
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温感推定の推定精度を車室
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推
定する可能性がある。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推定によって、より正確に温感を
推定できる。
【0028】図18は、車室の温度も入れて温感推定を
行った場合の本第3実施例による推定温感と従来法によ
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−10℃、車室温−10
℃、日射なしであった。第1実施例の様に車室温を入力
しない場合には、図13の空調初期IIには皮膚温のみ
しか入力されていないため、まわりの空気との熱の出入
りを考慮することができず、被験者の温度感覚を精度よ
く推定することはできなかった。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、温感をより正確に推定することができる。
車室温が考慮されていない図13では、空調開始時Iか
ら空調初期IIに於いて推定温感と実際の温感とが少し
ずれている。しかし、車室温も考慮した図18では、そ
のずれが修正され精度良く温感を推定している。
行った場合の本第3実施例による推定温感と従来法によ
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−10℃、車室温−10
℃、日射なしであった。第1実施例の様に車室温を入力
しない場合には、図13の空調初期IIには皮膚温のみ
しか入力されていないため、まわりの空気との熱の出入
りを考慮することができず、被験者の温度感覚を精度よ
く推定することはできなかった。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、温感をより正確に推定することができる。
車室温が考慮されていない図13では、空調開始時Iか
ら空調初期IIに於いて推定温感と実際の温感とが少し
ずれている。しかし、車室温も考慮した図18では、そ
のずれが修正され精度良く温感を推定している。
【0029】以上のように、車室温が考慮されていない
場合には、空調初期において温感推定の精度が低下する
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
感推定を精度良く行うことができる。推定された温感と
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、推定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
感推定修正部51があるためより乗員の好みに合った温
感制御ができ、より的確な空調制御が可能になる。
場合には、空調初期において温感推定の精度が低下する
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
感推定を精度良く行うことができる。推定された温感と
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、推定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
感推定修正部51があるためより乗員の好みに合った温
感制御ができ、より的確な空調制御が可能になる。
【0030】(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推定を行うことがで
き、精度の高い温感推定が可能となり、的確な空調制御
が可能になる。
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推定を行うことがで
き、精度の高い温感推定が可能となり、的確な空調制御
が可能になる。
【0031】第4実施例 (構成)本発明の第4実施例は図10に示される温感推
定手段62に於いて前記第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も入力することに特徴が
ある。1分30秒前から現在までの30秒毎の車室温履
歴を入力する温感推定手段62を構成するニューラルネ
ットの詳細を図11に示す。入力層81への入力として
車室温履歴を入力するための入力層の素子が3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からは車室温履歴も考慮した温感に対応した値が出
力される。この温感推定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、入力として車室温の履歴も含んだデー
タが入力される。
定手段62に於いて前記第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も入力することに特徴が
ある。1分30秒前から現在までの30秒毎の車室温履
歴を入力する温感推定手段62を構成するニューラルネ
ットの詳細を図11に示す。入力層81への入力として
車室温履歴を入力するための入力層の素子が3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からは車室温履歴も考慮した温感に対応した値が出
力される。この温感推定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、入力として車室温の履歴も含んだデー
タが入力される。
【0032】(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温感を
推定する前記第3実施例に、さらに車室温の履歴を加え
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
車室温の履歴が、温感推定手段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1
16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。温感推定手段62では図11に示すように入力層8
1には現在の皮膚温と以前に測定した時の皮膚温、さら
に現在の車室温と以前に測定した時の車室温の履歴を基
に、温感を推定する。図19は、車室温の履歴も入れて
温感を推定した場合の本第4実施例による推定温感と従
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−10℃、
初期車室温−10℃、日射なしである。
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温感を
推定する前記第3実施例に、さらに車室温の履歴を加え
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
車室温の履歴が、温感推定手段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1
16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。温感推定手段62では図11に示すように入力層8
1には現在の皮膚温と以前に測定した時の皮膚温、さら
に現在の車室温と以前に測定した時の車室温の履歴を基
に、温感を推定する。図19は、車室温の履歴も入れて
温感を推定した場合の本第4実施例による推定温感と従
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−10℃、
初期車室温−10℃、日射なしである。
【0033】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、図18に示されるように皮膚温及び車室温の変化が
ある場合に於いては、車室温が上昇傾向にあったのか下
降傾向にあったのかがわからず、温感を十分に推定し得
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
の変化を考慮して温感を精度良く推定することができ、
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
においても図19に示すように精度良く温感推定ができ
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、温感推定精度を向上させることができる。
のみを入力し、その温度履歴は考慮していなかったた
め、図18に示されるように皮膚温及び車室温の変化が
ある場合に於いては、車室温が上昇傾向にあったのか下
降傾向にあったのかがわからず、温感を十分に推定し得
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
の変化を考慮して温感を精度良く推定することができ、
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
においても図19に示すように精度良く温感推定ができ
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、温感推定精度を向上させることができる。
【0034】推定された温感と制御パターン記憶手段6
3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、推定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の開度及びエパポレータ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実施例では温感を推定する場合、現在と
過去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、温感を
推定することができる。また、本第4実施例では、車室
温の履歴に基づいて推定した車室温の推定情報も使うこ
とができ、さらに精度の高い温感推定が可能になり、よ
り正確な空調制御が実現できる。
3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、推定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の開度及びエパポレータ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実施例では温感を推定する場合、現在と
過去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、温感を
推定することができる。また、本第4実施例では、車室
温の履歴に基づいて推定した車室温の推定情報も使うこ
とができ、さらに精度の高い温感推定が可能になり、よ
り正確な空調制御が実現できる。
【0035】(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車室温の履歴を使うことで、
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
温感推定をする前記第3実施例の場合よりも、さらに精
度のよい温感推定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あるいはモデルからの信号も温感情
報として使用できる。
至第3実施例の効果に加え車室温の履歴を使うことで、
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
温感推定をする前記第3実施例の場合よりも、さらに精
度のよい温感推定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あるいはモデルからの信号も温感情
報として使用できる。
【0036】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、温感推定をより正
確に行うため、必要に応じて図12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。
段にて、車室内の温度を検出したが、温感推定をより正
確に行うため、必要に応じて図12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。
【0037】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推定することもでき
る。この場合には、入力数に応じて温感推定手段の入力
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。
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推定することもでき
る。この場合には、入力数に応じて温感推定手段の入力
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1】本発明の第1実施例の構成を示すブロック図
【図2】本発明の第1実施例の温感推定手段の構成図
【図3】(a)本発明の第1実施例に用いた温感推定手
段の素子の入力と出力との関係を表す図 (b)本発明の第1実施例に用いた温感推定手段の素子
の特性図
段の素子の入力と出力との関係を表す図 (b)本発明の第1実施例に用いた温感推定手段の素子
の特性図
【図4】本発明の第1実施例に用いた温感推定手段の調
整方法のフローチャート
整方法のフローチャート
【図5】(a)本発明の第1実施例の温感制御パターン
の線図の一例 (b)本発明の第1実施例の温感制御パターンの線図の
一例 (c)本発明の第1実施例の温感制御パターンの線図の
一例
の線図の一例 (b)本発明の第1実施例の温感制御パターンの線図の
一例 (c)本発明の第1実施例の温感制御パターンの線図の
一例
【図6】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
すブロック図
【図7】本発明の第3実施例の構成を示すブロック図
【図8】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
すブロック図
【図9】本発明の第3実施例の温感推定手段の構成図
【図10】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
示すブロック図
【図11】本発明の第4実施例の温感推定手段の構成図
【図12】本発明の実施例の模式断面図
【図13】本発明の第1実施例の温感推定結果の線図
【図14】本発明の第2実施例の修正前の温感推定結果
の線図
の線図
【図15】本発明の第2実施例の修正後の温感推定結果
の線図
の線図
【図16】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
温感の線図
【図17】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
温感の線図
【図18】本発明の第3実施例の温感推定結果の線図
【図19】本発明の第4実施例の温感推定結果の線図
【図20】本発明の空調制御のフローチャート
1 温感情報検出手段 2 温感推定手段 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 温感推定修正手段 50 車室温検出手段
Claims (3)
- 【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前記室内へ入室後の
所定時間内の温感情報にあらかじめ調整された重み定数
を乗算した情報の履歴に基づいて現在の温感を推定する
温感推定手段と、 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
推定手段から出力される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。 - 【請求項2】 前記温感情報検出手段が、前記人の皮膚
温を検出する皮膚温センサと、前記室内の室温を検出す
る室温センサとから成ることを特徴とする請求項1に記
載の空調制御装置。 - 【請求項3】前記温感推定手段が、前記温感情報検出手
段から出力される前記室内へ入室後の所定時間内の温感
情報の履歴に基づいて現在の温感を推定するニューラル
ネットから成ることを特徴とする請求項1あるいは請求
項2に記載の空調制御装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP20983291A JP3235128B2 (ja) | 1991-07-26 | 1991-07-26 | 空調制御装置 |
US07/772,676 US5145112A (en) | 1990-10-08 | 1991-10-07 | Air conditioner |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP20983291A JP3235128B2 (ja) | 1991-07-26 | 1991-07-26 | 空調制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0532117A JPH0532117A (ja) | 1993-02-09 |
JP3235128B2 true JP3235128B2 (ja) | 2001-12-04 |
Family
ID=16579359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP20983291A Expired - Fee Related JP3235128B2 (ja) | 1990-10-08 | 1991-07-26 | 空調制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3235128B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015141118A1 (ja) * | 2014-03-20 | 2015-09-24 | パナソニックIpマネジメント株式会社 | 送風制御システムおよび送風制御プログラム |
JP6308466B2 (ja) * | 2014-07-24 | 2018-04-11 | パナソニックIpマネジメント株式会社 | 環境制御装置、プログラム |
EP3699507B1 (en) | 2017-10-18 | 2023-12-13 | Tsinghua University | Air-conditioning control device |
JP7217058B2 (ja) * | 2019-01-10 | 2023-02-02 | ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガン | 1つまたは複数のサーモグラフィカメラおよび1つまたは複数のrgb-dセンサを使用して構築空間内の1人または複数の人間の居住者の存在をリアルタイムで検出し、熱的快適性を推定すること |
CN110671798A (zh) * | 2019-09-25 | 2020-01-10 | 李元亨 | 一种基于人工智能技术预测热感觉的室内热环境控制系统 |
CN114145720A (zh) * | 2021-12-03 | 2022-03-08 | 中南大学 | 一种基于穿戴式设备的列车hvac控制系统及方法 |
CN115711460B (zh) * | 2022-11-29 | 2024-05-28 | 珠海格力电器股份有限公司 | 控制界面的生成方法、装置、触控式遥控器及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH075012B2 (ja) * | 1988-03-09 | 1995-01-25 | 日本電装株式会社 | 車両用空気調和制御装置 |
-
1991
- 1991-07-26 JP JP20983291A patent/JP3235128B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH0532117A (ja) | 1993-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US5145112A (en) | Air conditioner | |
JPH05193338A (ja) | 空調制御装置 | |
US5187943A (en) | Control apparatus for air-conditioner | |
CN103003637B (zh) | 建筑物居住者的热舒适度个性化控制 | |
US5436852A (en) | Method and apparatus for calculating predicted mean thermal sensitivity | |
JP3214317B2 (ja) | 空調装置 | |
JP3235128B2 (ja) | 空調制御装置 | |
JP2902472B2 (ja) | 空調制御装置 | |
JPH0518592A (ja) | 温熱感覚演算方法および装置、予測平均温感演算方法および装置 | |
JPH082732B2 (ja) | 自動車用空調装置 | |
JP3564583B2 (ja) | 空気調和機の制御装置 | |
JP2001004189A (ja) | 空気調和システムの制御装置及びその制御方法 | |
KR960005996B1 (ko) | 철도차량용 공기조화장치 | |
JPH07198186A (ja) | 空気調和機の冷暖切替装置 | |
JP3087446B2 (ja) | 空気調和における快適度算出装置 | |
JP3033196B2 (ja) | 空調制御装置 | |
JPH04316947A (ja) | 空気調和機の制御装置 | |
JPH07103544A (ja) | 空気調和機 | |
JPH04155136A (ja) | 空気調和機の制御装置 | |
Kubota et al. | Automotive Thermal Environment Model to Design Climate Control Logics Based on Thermal Sensation | |
JP2897395B2 (ja) | 空気調和機の制御装置 | |
JP4443294B2 (ja) | 車両用空調装置 | |
JP2004359130A (ja) | 車両用空気調和装置 | |
JP2768177B2 (ja) | 自動車用空調装置 | |
JPH07172141A (ja) | 空調制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080928 Year of fee payment: 7 |
|
LAPS | Cancellation because of no payment of annual fees |