JP6121431B2 - インテリジェントコントローラ内での自動制御スケジュール取得 - Google Patents

インテリジェントコントローラ内での自動制御スケジュール取得 Download PDF

Info

Publication number
JP6121431B2
JP6121431B2 JP2014537086A JP2014537086A JP6121431B2 JP 6121431 B2 JP6121431 B2 JP 6121431B2 JP 2014537086 A JP2014537086 A JP 2014537086A JP 2014537086 A JP2014537086 A JP 2014537086A JP 6121431 B2 JP6121431 B2 JP 6121431B2
Authority
JP
Japan
Prior art keywords
schedule
control
intelligent controller
immediate
monitoring period
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.)
Active
Application number
JP2014537086A
Other languages
English (en)
Other versions
JP2014531086A (ja
Inventor
ヨーキー・マツオカ
エリック・エー・リー
スティーヴン・エー・ヘールズ
マーク・ディー・ステファンスキー
ランゴリ・シャラン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Google LLC
Original Assignee
Google LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Publication of JP2014531086A publication Critical patent/JP2014531086A/ja
Application granted granted Critical
Publication of JP6121431B2 publication Critical patent/JP6121431B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/40—Bus networks
    • H04L12/40006—Architecture of a communication node
    • H04L12/40013—Details regarding a bus controller
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1902—Control of temperature characterised by the use of electric means characterised by the use of a variable reference value
    • G05D23/1904—Control of temperature characterised by the use of electric means characterised by the use of a variable reference value variable in time
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D23/00—Control of temperature
    • G05D23/19—Control of temperature characterised by the use of electric means
    • G05D23/1917—Control of temperature characterised by the use of electric means using digital means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L12/2823—Reporting information sensed by appliance or service execution status of appliance services in a home automation network
    • H04L12/2825—Reporting to a device located outside the home and the home network
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F24F11/523—Indication arrangements, e.g. displays for displaying temperature data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • H04L2012/2847—Home automation networks characterised by the type of home appliance used
    • H04L2012/285—Generic home appliances, e.g. refrigerators

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Selective Calling Equipment (AREA)
  • Electrotherapy Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Air Conditioning Control Device (AREA)

Description

関連出願の相互参照
本特許出願は、２０１１年１０月２１日に出願された米国仮特許出願第６１／５５０，３４６号の利益を主張し、これは参照により本願明細書に組み込まれる。
発明の分野
本特許出願は、機械学習及びインテリジェントコントローラに関し、特に、スケジュール生成及びスケジュール変更インターフェースを介して受信した制御入力及び入力に基づいて、１つ以上の経時的な制御スケジュールを発展させて改良したインテリジェントコントローラ、及び、インテリジェントコントローラ内に組み込まれる機械学習方法に関する。
制御システム及び制御理論は、航空機、宇宙船及び他の車両並びに輸送システムから、コンピュータシステム、工業生産及び運転施設、工作機械、加工機械、並びに、家庭用機器まで、多数のシステム及び技術の設計及び開発についての深刻な影響を有している調査及び開発のより発展した分野である。制御理論は、多数の実用上のシステム制御設計原理を包含するが、理論及び応用数学の重要なブランチでもある。様々な異なる種類のコントローラが、単純な閉ループフィードバック・コントローラから、複雑で適応的な状態空間及び微分方程式ベースのプロセッサ制御による制御システムまで、多くの異なるアプリケーション領域において一般に使用されている。
制御モデル及びシステムからのセンサフィードバックに基づいて、システムの様々な動的コンポーネントに対して制御信号を出力するために多くのコントローラが設計される。動作の所定の挙動又はモードを示すために多くのシステムが設計され、したがって、所定のシステム挙動が標準の動作状態のもとに生じるのを確実にするために、伝統的な設計及び最適化技術によってシステムの制御コンポーネントが設計される。より困難な制御問題は、コントローラ設計及び実装後に規定される所望のシステム動作挙動を生み出すことができるコントローラの設計及び実装をともなう。多くの異なる種類のコントローラ及び自動システムの理論家、調査員及び開発者は、コントローラの設計及び生産後に規定される動作挙動を含む多種多様の異なる動作挙動を生み出すようにシステムを制御するための柔軟性及び知能を有するコントローラを生み出すためのコントローラ設計にアプローチしようと継続する。
本特許出願は、初期に積極的に学習した後、定常状態モードにおいて、インテリジェントコントローラによって制御される装置、機械、システム又は組織の所望の動作挙動を指定する１つ以上の制御スケジュールの監視、学習及び変更を継続する、インテリジェントコントローラに関する。インテリジェントコントローラは、一般に、スケジュール生成及びスケジュール変更インターフェースを介して又はローカル若しくはリモートにメモリ若しくは大容量記憶装置に記憶されたデフォルト制御スケジュールにアクセスすることによって１つ以上の初期制御スケジュールを取得する。そして、インテリジェントコントローラは、即時制御入力、スケジュール変更入力並びに以前及び現在の制御スケジュールに基づいて、インテリジェントコントローラによって制御される装置、機械、システム又は組織についての所望の動作挙動を、時間をかけて学習し、１つ以上の制御スケジュール及び／又はサブスケジュールにおける所望の動作挙動を符号化する。制御スケジュール学習は、少なくとも２つの異なるフェーズにおいて実行され、第１は、頻繁な即時制御入力を好み、残りは、即時制御入力の頻度を一般に最小化する傾向がある。学習は、監視期間に続いて起こり、学習結果は、終了した監視期間と関連付けられた新たな暫定的制御スケジュール又はサブスケジュールから、関連する期間と関連付けられた１つ以上の関連する制御スケジュール又はサブスケジュールへと伝播されることができる。
図１は、スマートホーム環境を図示している。 図２は、リモート装置及びシステムとのスマートホーム装置の統合を図示している。 図３は、図２に図示された相互通信エンティティの環境内での情報処理を図示している。 図４は、本特許出願が関するインテリジェントコントローラの一般的クラスを図示している。 図５は、インテリジェントコントローラのさらなる内部特徴を図示している。 図６は、インテリジェントコントローラ、サーバコンピュータ並びに他のプロセッサベースのインテリジェント装置及びシステムに含められることができる計算機械の種類の一例を表す汎用コンピュータアーキテクチャを図示している。 図７は、本特許出願が関するインテリジェントコントローラの一般的クラスのインテリジェントコントローラの特徴及び特性を図示している。 図８は、インテリジェントコントローラが動作する通常の制御環境を図示している。 図９は、センサ出力の一般的特性を図示している。 図１０Ａは、制御動作中にインテリジェントコントローラによって処理及び生成される情報を図示している。 図１０Ｂは、制御動作中にインテリジェントコントローラによって処理及び生成される情報を図示している。 図１０Ｃは、制御動作中にインテリジェントコントローラによって処理及び生成される情報を図示している。 図１０Ｄは、制御動作中にインテリジェントコントローラによって処理及び生成される情報を図示している。 図１１Ａは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。 図１１Ｂは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。 図１１Ｃは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。 図１１Ｄは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。 図１１Ｅは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。 図１２は、自動制御スケジュール学習を図示する状態遷移ダイアグラムを提供している。 図１３は、より短時間フレームのサブスケジュールを含む制御スケジュールの一例と関連付けられた時間フレームを図示している。 図１４Ａは、３つの異なる種類の制御スケジュールを示している。 図１４Ｂは、３つの異なる種類の制御スケジュールを示している。 図１４Ｃは、３つの異なる種類の制御スケジュールを示している。 図１５Ａは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｂは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｃは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｄは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｅは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｆは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１５Ｇは、自動制御スケジュール学習の一部として、インテリジェントコントローラによって受信されて実行された後、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わされることがある即時制御入力の描写を示している。 図１６Ａは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。 図１６Ｂは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。 図１６Ｃは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。 図１６Ｄは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。 図１６Ｅは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。 図１７Ａは、分解スケジュールクラスタに対する１つのアプローチを図示している。 図１７Ｂは、分解スケジュールクラスタに対する１つのアプローチを図示している。 図１７Ｃは、分解スケジュールクラスタに対する１つのアプローチを図示している。 図１７Ｄは、分解スケジュールクラスタに対する１つのアプローチを図示している。 図１７Ｅは、分解スケジュールクラスタに対する１つのアプローチを図示している。 図１８Ａは、監視期間中にユーザによって入力された予想スケジュール変更の効果を図示している。 図１８Ｂは、監視期間中にユーザによって入力された予想スケジュール変更の効果を図示している。 図１９Ａは、監視期間中にユーザによって入力された遡及スケジュール変更の効果を図示している。 図１９Ｂは、監視期間中にユーザによって入力された遡及スケジュール変更の効果を図示している。 図２０Ａは、監視期間の終了に続き、クラスタリング及びクラスタの分解が後続する、既存の制御スケジュールへの記録されたデータの重ね合わせを図示している。 図２０Ｂは、監視期間の終了に続き、クラスタリング及びクラスタの分解が後続する、既存の制御スケジュールへの記録されたデータの重ね合わせを図示している。 図２０Ｃは、監視期間の終了に続き、クラスタリング及びクラスタの分解が後続する、既存の制御スケジュールへの記録されたデータの重ね合わせを図示している。 図２１Ａは、設定値拡散動作（ｓｅｔｐｏｉｎｔ−ｓｐｒｅａｄｉｎｇ ｏｐｅｒａｔｉｏｎ）を図示している。 図２１Ｂは、設定値拡散動作を図示している。 図２２Ａは、スケジュール伝播を図示している。 図２２Ｂは、スケジュール伝播を図示している。 図２３Ａは、Ｐ−値対ｔ制御スケジュールプロットを用いた新たな暫定的スケジュール伝播を図示している。 図２３Ｂは、Ｐ−値対ｔ制御スケジュールプロットを用いた新たな暫定的スケジュール伝播を図示している。 図２３Ｃは、Ｐ−値対ｔ制御スケジュールプロットを用いた新たな暫定的スケジュール伝播を図示している。 図２４Ａは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｂは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｃは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｄは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｅは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｆは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｇは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｈは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２４Ｉは、新たな暫定的スケジュールを生成する処理の一部として、伝播された定値と重ね合わされた以前の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。 図２５Ａは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｂは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｃは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｄは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｅは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｆは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｇは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｈは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｉは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｊは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｋは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｌは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２５Ｍは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。 図２６は、インテリジェントコントローラの動作についての３つの異なる制御モードに対応する３つの異なる週ベースの制御スケジュールを図示している。 図２７は、７つの異なる制御スケジュールにしたがって動作するインテリジェントコントローラについての状態遷移ダイアグラムを図示している。 図２８Ａは、インテリジェントコントローラによって実行されることがある１種類の制御スケジュール遷移を図示している。 図２８Ｂは、インテリジェントコントローラによって実行されることがある１種類の制御スケジュール遷移を図示している。 図２８Ｃは、インテリジェントコントローラによって実行されることがある１種類の制御スケジュール遷移を図示している。 図２９は、定常状態学習フェーズ中にインテリジェントコントローラによって行われることがある検討の種類を図示している。 図３０は、定常状態学習フェーズ中にインテリジェントコントローラによって行われることがある検討の種類を図示している。 図３１Ａは、インテリジェントサーモスタットの斜視図を図示している。 図３１Ｂは、ユーザによって制御されるインテリジェントサーモスタットを図示している。 図３１Ｃは、ユーザによって制御されるインテリジェントサーモスタットを図示している。 図３２は、インテリジェントサーモスタット及びＨＶＡＣ連結壁ドックの分解斜視図を図示している。 図３３Ａは、インテリジェントサーモスタットの分解正面斜視図を図示している。 図３３Ｂは、インテリジェントサーモスタットの分解背面斜視図を図示している。 図３４Ａは、ヘッドユニットの分解正面斜視図を図示している。 図３４Ｂは、ヘッドユニットの分解背面斜視図を図示している。 図３５Ａは、ヘッドユニット前面アセンブリの分解正面斜視図を図示している。 図３５Ｂは、ヘッドユニット前面アセンブリの分解背面斜視図を図示している。 図３６Ａは、背板ユニットの分解正面斜視図を図示している。 図３６Ｂは、背板ユニットの分解背面斜視図を図示している。 図３７は、部分的に組み立てられたヘッドユニットの斜視図を示している。 図３８は、ヘッドユニット回路基板を図示している。 図３９は、背板回路基板の背面図を図示している。 図４０Ａは、初期学習を達成するためのステップを図示している。 図４０Ｂは、初期学習を達成するためのステップを図示している。 図４０Ｃは、初期学習を達成するためのステップを図示している。 図４０Ｄは、初期学習を達成するためのステップを図示している。 図４０Ｄは、初期学習を達成するためのステップを図示している。 図４１Ａは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｂは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｃは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｄは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｅは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｆは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｇは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｈは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｉは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｊは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｋは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｌは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４１Ｍは、サーモスタット制御スケジュールの概念図の進行を図示している。 図４２Ａは、定常状態学習のステップを図示している。 図４２Ｂは、定常状態学習のステップを図示している。
詳細な説明
本特許出願は、多くの異なる装置、機械、システム及び組織に適用され且つその内部に組み込まれることができる多くの異なる特定種類のインテリジェントコントローラを含むインテリジェントコントローラの一般的クラスに関する。インテリジェントコントローラは、装置、機械、システム及び組織の動作を制御する。本特許出願が関するインテリジェントコントローラの一般的クラスは、インテリジェントコントローラが、制御する装置、機械、システム及び組織の所望の動作挙動を学習して、学習した情報を制御スケジュールを制御および組み込むのを可能とする自動学習コンポーネントを含む。本特許明細書の主題は、以下の同一出願人による特許出願の主題に関し、それぞれ参照により本願明細書に組み込まれる。２０１１年１０月７日に出願された米国特許出願第１３／２６９，５０１号、及び、２０１１年１０月１７日に出願された米国特許出願第１３／３１７，４２３号。
本特許出願は、自動制御スケジュール学習の方法及び実装に加えて、本特許出願が関するインテリジェントコントローラの一般的クラスによって使用される自動制御スケジュール学習方法の詳細な例としての役割を果たすインテリジェントサーモスタット・コントローラ又はインテリジェントサーモスタットの特定例、及び、インテリジェントサーモスタットについての特定の制御スケジュール学習方法を開示している。インテリジェントサーモスタットは、スマートホーム装置の一例である。
詳細な説明は、以下の３つのサブセクションを含む。（１）スマートホーム環境の概説；（２）自動制御スケジュール学習、及び、（３）インテリジェントサーモスタットに照らした自動制御スケジュール学習。第１のサブセクションは、自動制御スケジュール学習方法の用途及び組み込みについての多くの機会を提案する１つの領域の技術の説明を与える。第２のサブセクションは、第１の一般的な実装を含む自動制御スケジュール学習の詳細な説明を与える。第３のサブセクションは、インテリジェントサーモスタット内に組み込まれる自動制御スケジュール学習方法の特定例を与える。
スマートホーム環境の概説
図１は、スマートホーム環境を図示している。スマートホーム環境１００は、多数のインテリジェントなマルチセンシングのネットワーク接続された装置を含む。これらのスマートホーム装置は、相互通信を行い、スマートホーム環境内で統合される。スマートホーム装置はまた、より高性能且つより信頼性のあるコンピュータ設備にアクセスするとともに、より大きな複数の住居又は地域のスマートホーム装置ベースの集合体に特定のスマートホームを統合するように制御機能を配信するために、クラウドベースのスマートホーム制御及び／又はデータ処理システムと通信することもできる。
スマートホーム装置は、１つ以上のインテリジェントサーモスタット１０２と、１つ以上のインテリジェント危険検出ユニット１０４と、１つ以上の１つ以上のインテリジェント出入口インターフェース装置１０６と、スマート壁状スイッチ１０８を含むスマートスイッチと、スマート壁コンセントインターフェース１１０などのスマートユーティリティ・インターフェース及び他のサービスインターフェースと、冷蔵庫、テレビ、洗濯機、乾燥機、照明、オーディオシステム、インターカムシステム、機械的アクチュエータ、壁掛け空調装置、プール加熱ユニット、灌漑システム並びに多くの他の種類のインテリジェント電気器具及びシステムを含む多種多様のインテリジェントなマルチセンシングのネットワーク接続された電気器具１１２とを含むことができる。
一般に、スマートホーム装置は、１つ以上の異なる種類のセンサと、１つ以上のコントローラ及び／又はアクチュエータと、ローカル・スマートホーム環境内の他のスマートホーム装置、ルータ、ブリッジ及びハブ、様々な異なる種類のローカル・コンピュータシステム、並びに、スマートホーム装置がクラウドのコンピュータサーバ及び他のリモート・コンピュータシステムと通信することができるインターネットに対して、スマートホーム装置を接続する１つ以上の通信インターフェースとを含む。データ通信は、一般に、多種多様の異なる種類の通信媒体と、Ｗｉ−Ｆｉ、ジグビー、６ＬｏＷＰＡＮなどの無線プロトコル、ＣＡＴ６イーサネット（登録商標）、ホームプラグ及び他のそのような有線プロトコルを含む様々な種類の有線プロトコル、並びに、様々な他の種類の通信プロトコル及び技術を含むいずれかのプロトコルを使用して実行される。スマートホーム装置は、それ自体、他のスマートホーム装置のために、リピータなどの中間通信装置として動作することができる。スマートホーム環境は、さらに、通信インターフェース及びプロセッサベースのコントローラがない様々な異なる種類のレガシー電気器具及び装置１４０及び１４２を含むことができる。
図２は、リモート装置及びシステムとのスマートホーム装置の統合を図示している。スマートホーム環境２００内のスマートホーム装置は、３Ｇ／４Ｇ無線通信２０４によるインターネット２０２を介して、ハブ接続セットワーク２０６を介して、又は、他の通信インターフェース及びプロトコルによって通信することができる。多くの異なる種類のスマートホーム関連データ及びスマートホームデータから導出したデータ２０８は、クラウドベースのリモートシステムを含むリモートシステム２１０に記憶され且つそこから読み出されることができる。リモートシステムは、データ処理及び追加情報の導出並びにスマートホーム環境に関連するルールのための様々な種類の統計、推論及びインデックス作成エンジン２１２を含むことができる。記憶されたデータは、１つ以上の通信媒体及びプロトコルを介して、一部又は全体において、慈善団体２１４、政府機関２１６、学術機関２１８、企業２２０及び公共施設２２２を含む様々なリモートシステム及び／又は組織に公開されることができる。一般に、リモートデータ処理システム２１０は、スマートホーム装置に関連する、又は、自宅所有者、家主、居住者若しくは他のスマートホーム関連ユーザによってリモートデータ処理及び他のサービスを請け負わされた組織若しくはベンダによって管理若しくは操作される。データはまた、スマートホーム所有者若しくは管理者及び／又はリモートデータ処理システム２１０を操作する商業エンティティ若しくはベンダの代わりに、さらなる商業エンティティデータ処理システム２１３によってさらに処理されることもできる。それゆえに、外部エンティティは、スマートホーム環境内のスマートホーム装置によって収集された情報を収集、処理及び公開することができ、他のリモートエンティティに対して通信されて共有されることができる様々な種類の導出結果を生成するために情報を処理することができ、スマートホーム環境の監視及び制御とともにスマートホーム環境内のスマートホーム装置の監視及び制御に参加することができる。勿論、多くの場合において、スマートホーム環境内からリモートエンティティに対する情報のエクスポートは、スマートホーム管理者によって及び／又はリモートデータ処理システムによって秘密とみなされる情報が、故意に又は不用意に、さらなる外部のコンピュータ設備、エンティティ、組織及び個人に利用可能とされないことを確実にするために、暗号化、アクセス権、認証及び他の周知の技術を用いて厳重に制御されて制約されることができる。
図３は、図２に図示された相互通信エンティティの環境内での情報処理を図示している。外部データ処理システム２１０内の様々な処理エンジン２１２は、マネージドサービス３０２、様々な種類の宣伝及び通信３０４、ソーシャルネットワーク交換及び他の電子ソーシャルコミュニケーション３０６、並びに、様々な種類の監視及びルール生成活動３０８の提供を含む様々な異なる目的に関するデータを処理することができる。様々な処理エンジン２１２は、直接的又は間接的に、データ消費者（「ＤＣ」）、データソース（「ＤＳ」）、サービス消費者（「ＳＣ」）及びサービスソース（「ＳＳ」）特性をそれぞれ有することができるスマートホーム装置３１０−３１３と通信する。さらに、処理エンジンは、インターネットや様々なリモート情報ソースを介して、さらにはリモートセンサ、オーディオ及びビデオ供給及びソースを介して得られる情報を含む様々な他の種類の外部情報３１６にアクセスすることができる。
自動スケジュール学習
図４は、本特許出願が関するインテリジェントコントローラの一般的クラスを図示している。インテリジェントコントローラ４０２は、様々な異なる種類の出力制御信号のいずれかにより、装置、機械、システム又は組織４０４を制御し、被制御エンティティ４０４に内蔵のセンサから、インテリジェントコントローラ４０２から、又は、インテリジェントコントローラ及び／又は被制御エンティティの環境において、インテリジェントコントローラによって受信したセンサ出力から、被制御エンティティ及び環境についての情報を受信する。図４において、インテリジェントコントローラは、有線又はファイバベースの通信媒体４０６を介して被制御エンティティ４０４に接続されて示されている。しかしながら、インテリジェントコントローラは、無線通信を含む他の種類の通信媒体及び通信プロトコルによって被制御エンティティと相互接続されてもよい。多くの場合において、インテリジェントコントローラ及び被制御エンティティは、インテリジェントコントローラと、インテリジェントコントローラによって制御される機械、装置、システム又は組織の双方を含む単一システムとして実装されて一体にパッケージ化されることができる。被制御エンティティは、複数の装置、機械、システム又は組織を含むことができ、インテリジェントコントローラは、それ自体、複数のコンポーネント及び個別の機械及びシステムに分散されることができる。被制御エンティティに対する制御信号の出力及びセンサ入力の受信に加えて、インテリジェントコントローラはまた、人であるユーザ又はユーザが操作する処理装置若しくはリモート自動制御システムを含むリモートエンティティが、様々な種類の制御スケジュールを生成して変更するとともに、インテリジェントコントローラに対して即時制御入力を入力することができるユーザインターフェース４１０−４１３を提供する。図４において、インテリジェントコントローラは、制御スケジュール４１６を表示するとともに、１つの被制御エンティティ又は複数の被制御エンティティを制御するためのインテリジェントコントローラに対する即時制御命令の入力用のユーザインターフェースを提供し、且つ、１つ以上の制御スケジュールの表示、制御スケジュールの生成及び制御スケジュールの変更を制御するスケジューリングインターフェース・コマンドを入力する多数の入力コンポーネント４１１−４１３を含むグラフィカル表示コンポーネント４１０を提供する。
要約すると、本特許出願が関するインテリジェントコントローラの一般的クラスは、センサ入力を受信し、１つ以上の被制御エンティティに対して制御信号を出力し、インテリジェントコントローラによる出力制御信号への変換のためにインテリジェントコントローラに対してユーザが即時制御コマンド入力を入力し、１つ以上の期間にわたる所望の被制御エンティティの動作挙動を規定する１つ以上の制御スケジュールを生成及び変更するのを可能とするユーザインターフェースを提供する。インテリジェントコントローラの一般的クラスのこれらの基本機能及び特徴は、本特許出願が関する自動制御スケジュール学習が実装されることができる基礎を提供する。
図５は、インテリジェントコントローラのさらなる内部特徴を図示している。インテリジェントコントローラは、一般に、１つ以上のプロセッサ５０２と、電子メモリ５０４−５０７と、インテリジェントコントローラがインテリジェントコントローラによって制御される１つ以上のエンティティ、他のインテリジェントコントローラ及びクラウドのコンピュータサーバを介したクラウドのコンピュータ設備を含む様々なリモートコンピュータ設備とデータ及びコマンドを交換するのを可能とする通信ポートを一体に実装するマイクロコントローラ５１２及びトランシーバ５１４を含む様々な種類のマイクロコントローラ５１０−５１２とを使用して実装される。大抵の場合、インテリジェントコントローラは、異なる種類の通信媒体を介して様々な異なるプロトコルによって通信するための複数の異なる通信ポート及びインターフェースを含む。例えば、様々な有線通信プロトコル及び媒体のいずれかとともに、環境内の他の無線可能なインテリジェントコントローラ及び携帯通信キャリヤと通信するために無線通信を使用することは、インテリジェントコントローラにとってはよくあることである。ある場合において、インテリジェントコントローラは、特に単一システムとして被制御エンティティと一体にパッケージされたときには単一種類の通信プロトコルを使用することができる。インテリジェントコントローラ内の電子メモリは、１つ以上のプロセッサによる制御ルーチンの実行を容易にする低遅延の高速揮発性メモリと、電源オン／電源オフサイクルを存続する必要がある制御ルーチン及びデータを記憶するより遅い不揮発性メモリといった揮発性及び不揮発性メモリの双方を含むことができる。ある種のインテリジェントコントローラは、さらに、大容量記憶装置を含んでもよい。
図６は、インテリジェントコントローラ、サーバコンピュータ並びに他のプロセッサベースのインテリジェント装置及びシステムに含められることができる計算機械の種類の一例を表す汎用コンピュータアーキテクチャを図示している。計算機械は、１つ又は複数の中央処理ユニット（「ＣＰＵ」）６０２−６０５と、ＣＰＵ／メモリ・サブシステム・バス６１０又は複数のバスによってＣＰＵと相互接続された１つ以上の電子メモリ６０８と、さらなるバス６１４及び６１６及び／又は複数の高速シリアル相互接続を含む他の種類の高速相互接続媒体とＣＰＵ／メモリ・サブシステム・バス６１０を相互接続する第１のブリッジ６１２とを含む。これらのバス及び／又はシリアル相互接続は、順次、グラフィックプロセッサ６１８などの専用プロセッサ、並びに、様々な異なる種類の大容量記憶装置６２８、電子ディスプレイ、入力装置及び他のそのようなコンポーネント、サブコンポーネント及びコンピュータリソースへのアクセスを提供する、高速シリアルリンク又はコントローラ６２７などの複数のコントローラ６２２−６２７と相互接続される１つ以上のさらなるブリッジ６２０とＣＰＵ及びメモリを接続する。
図７は、本特許出願が関するインテリジェントコントローラの一般的クラスのインテリジェントコントローラの特徴及び特性を図示している。インテリジェントコントローラは、電子回路として、及び、様々な種類の電子メモリ及び／又は大容量記憶装置を含む物理的データ記憶コンポーネントに記憶されたコンピュータ命令によって制御されるプロセッサベースのコンピュータコンポーネントとして、一般に実装されるコントローラロジック７０２を含む。なお、はじめは、物理的データ記憶装置に記憶されてプロセッサ内で実行されるコンピュータ命令は、多種多様の最新の装置、機械及びシステムの制御コンポーネントを備え、装置、機械又はシステムの任意の他のコンポーネントと同様に有形で物理的な実在するものである。時折、言及は、コンピュータ命令が実装された制御ロジックが、「単なるソフトウェア」又は抽象的なもの及び物理的な機械コンポーネントよりも実在性が低いものであるという示唆に遭遇する。最新の科学及び技術に詳しい者は、これがあてはまらないことを理解する。プロセッサによって実行されるコンピュータ命令は、物理的装置に記憶された物理的エンティティでなければならない。そうでなければ、プロセッサは、命令にアクセスして実行することができないであろう。用語「ソフトウェア」は、プログラミング言語の言及のプリントアウト又は表示されるリストなどのプログラム又はルーチンの象徴に適用されることができるが、そのようなコンピュータプログラムの象徴は、プロセッサによっては実行されない。代わりに、プロセッサは、物理的データ記憶装置内に物理的状態で記憶されたコンピュータ命令をフェッチして実行する。
コントローラロジックは、１つ以上の被制御エンティティの動作挙動を制御する出力制御信号７０４を生成するために、様々な異なる種類の記憶情報及び入力にアクセスして使用する。コントローラロジックによって使用される情報は、１つ以上の記憶された制御スケジュール７０６、１つ以上のセンサ７０８−７１０から受信した出力、即時制御インターフェース７１２を介して受信した即時制御入力、並びに、データ、コマンド及びクラウドベースのデータ処理システム７１３を含むリモートデータ処理システムから受信した他の情報を含むことができる。制御出力７０４を生成するのに加えて、コントローラロジックは、ユーザが制御スケジュールを生成して変更するのを可能とするインターフェース７１４を提供し、また、情報出力インターフェースを介して、リモートエンティティ、他のインテリジェントコントローラ及びユーザにデータ及び情報を出力することもできる。
図８は、インテリジェントコントローラが動作する通常の制御環境を図示している。上述したように、インテリジェントコントローラ８０２は、ユーザ又は他のエンティティ８０４から制御入力を受信し、１つ以上の被制御エンティティ８０８の動作を制御する出力制御信号８０５を生成するために、記憶された制御スケジュール及び他の情報とともに制御入力を使用する。被制御エンティティの動作は、センサ８１０−８１２が内蔵される環境を変えることができる。センサは、インテリジェントコントローラ８０２にセンサ出力を戻すか又はフィードバックする。このフィードバックに基づいて、インテリジェントコントローラは、被制御システム動作についての特定の１つの目的又は複数の目的を達成するために、出力制御信号を変更する。本質的に、インテリジェントコントローラは、２つの異なるフィードバックループにしたがって出力制御信号を変更する。第１に、最も直接的なフィードバックループは、被制御システム動作についての所望の目的を達成するためにコントローラが後続の出力制御信号又は制御出力変更を判定するのに使用することができるセンサからの出力を含む。多くの場合において、第２のフィードバックループは、後続のユーザ制御及びインテリジェントコントローラ８０２に対するスケジューリング入力を順次生じさせるユーザに対する環境的又は他のフィードバック８１６を含む。換言すれば、ユーザは、生のセンサ出力よりもむしろ即時制御命令及び制御スケジュール変更を出力する他の種類のセンサとみなされることができるか、又は、より高レベルのフィードバックループのコンポーネントとみなされることができる。
多くの異なる種類のセンサ及びセンサ出力がある。一般に、センサ出力は、直接的又は間接的に、いくつかの種類のパラメータ、機械状態、組織状態、コンピュータ状態又は物理的環境パラメータに関連する。図９は、センサ出力の一般的特性を図示している。図９における第１のプロット９０２に示されるように、センサは、縦軸９０６に関してプロットされる直接的又は間接的にパラメータＰに関連する信号といった経時的に曲線９０４によって表される信号を出力することができる。センサは、横軸９０８に関してプロットされる出力時間によって継続的又は所定間隔で信号を出力することができる。ある場合において、センサ出力は、２つ以上のパラメータに関連することができる。例えば、プロット９１０において、センサ出力は、直接的又は間接的に、縦軸９１６に関してプロットされ、経時的に軸９１２及び９１４に関してそれぞれプロットされる２つの異なるパラメータＰ１及びＰ２に関連する値をとる。以下の議論において、図示及び議論の単純化のために、センサが、図９におけるプロット９０２のように直接的又は間接的に単一パラメータに関連する出力を生成すると仮定される。以下の議論において、センサ出力は、パラメータＰについてのパラメータ値のセットであると仮定される。パラメータは、温度、周囲光レベル、音レベル及び他のそのような特性などの環境状態に関連することができる。しかしながら、パラメータはまた、機械コンポーネントの１つの位置又は複数の位置、データ記憶装置におけるメモリ記憶アドレスのデータ状態、電源から得られる電流、ガス又は流体の流速、ガス又は流体の圧力、及び、制御目的のために有益な情報を含む多くの他の種類のパラメータであってもよい。
図１０Ａ−図１０Ｄは、制御動作中にインテリジェントコントローラによって処理及び生成される情報を図示している。全ての図は、パラメータの値又は他の制御関連値のセットが縦軸に関してプロットされ、且つ時間が横軸に関してプロットされた図９におけるプロット９０２と同様のプロットを示している。図１０Ａは、被制御エンティティ動作の結果についての理想的な仕様を示している。図１０Ａにおける縦軸１００２は、指定のパラメータ値Ｐｓを表している。例えば、インテリジェントサーモスタットの場合、指定のパラメータ値は、温度とすることができる。一方、灌漑システムについては、指定のパラメータ値は、流速とすることができる。図１０Ａは、インテリジェントコントローラが、１つ以上の装置、機械又はシステムの制御によって達成するように向けられた経時的に所望のパラメータ値を表す連続曲線１００４からなるプロットである。仕様は、パラメータ値が、初期は低く１００６、その後、比較的高い値１００８まで上昇し、その後、中間値１０１０まで低下し、その後、より高い値１０１２まで再度上昇するように望まれる旨を示している。制御仕様は、一例では制御スケジュールとしてユーザに対して視覚的に表示されることができる。
図１０Ｂは、図１０Ａに図示された制御仕様に対応する制御スケジュールの他の図又は符号化データの図を示している。制御スケジュールは、図１０Ａにおけるエッジ１０１８に対応するパラメータ値上昇１０１６と、図１０Ａにおけるエッジ１０２２に対応するパラメータ値下降１０２０と、図１０Ａにおけるエッジ１０１６に対応するパラメータ値上昇１０２４との指示を含む。図１０Ｂにプロットされた方向矢印は、設定値又はいくつかの期間内の指定時点における所望のパラメータ変更の指示であると考えられることができる。
インテリジェントコントローラによって学習された制御スケジュールは、自動学習の結果の有意なコンポーネントを表す。学習された制御スケジュールは、様々な異なる方法で符号化され、インテリジェントコントローラ内、インテリジェントコントローラによって制御されたシステム内、又は、クラウドコンピュータベースのデータ記憶設備を含むリモートデータ記憶設備内の電子メモリ又は大容量記憶装置に記憶されることができる。多くの場合において、学習された制御スケジュールは、内部インテリジェントコントローラ・メモリ及びリモートデータ記憶設備に分散された制御スケジュールを含み、複数位置において符号化されて記憶されることができる。設定値変更は、設定値変更がシステム生成の設定値であるのか又はユーザ生成の設定値であるのか、設定値変更が即時制御入力設定値変更であるのか又はスケジューリングされた設定値変更であるのか、設定値変更の生成日時、設定値変更の最終編集日時を示すフィールド及び他のそのようなフィールドを含む複数フィールドを有する記録として記憶されることができる。さらに、設定値は、２つ以上のパラメータ値と関連付けられてもよい。一例として、範囲設定値は、インテリジェントコントローラが被制御環境を維持すべきであるパラメータ値の範囲を示すことができる。設定値変更は、大抵は「設定値」と称される。
図１０Ｃは、図１０Ｂに図示された制御スケジュールに起因する可能性があるインテリジェントコントローラによる制御出力を図示している。この図において、出力制御信号の大きさは、縦軸１０２６に関してプロットされている。例えば、制御出力は、加熱ユニットが現在動作中のはずであることを示す高電圧信号及び加熱システムが動作していないはずであることを示す低電圧出力による、加熱ユニットに対してインテリジェントサーモスタットによって出力される電圧信号とすることができる。図１０Ｃにおけるエッジ１０２８は、図１０Ｂにおける設定値１０１６に対応している。正の制御出力１０３０の幅は、設定値矢印１０１６の長さによって示される所望のパラメータ値変更の長さ又は大きさに関連することができる。所望のパラメータ値が得られたとき、インテリジェントコントローラは、エッジ１０３２によって表されるように高電圧信号の出力を中止する。同様の正の出力制御信号１０３４及び１０３６は、図１０Ｂにおける設定値１０２０及び１０２４によって導出される。
最後に、図１０Ｄは、１つ以上の被制御エンティティのインテリジェントコントローラによる制御に起因する、センサ出力によって示されるような観察されたパラメータ変更を図示している。図１０Ｄにおいて、パラメータＰに直接的又は間接的に関連するセンサ出力は、縦軸１０４０に関してプロットされている。観察されたパラメータ値は、滑らかな連続曲線１０４２によって表される。この連続曲線は、図１０Ａにプロットされた初期の仕様曲線に関連しているようにみえることができるが、観察された曲線は、その仕様曲線に正確には一致していない。第１に、図１０Ｂにプロットされた制御スケジュールにおける設定値１０１６によって表されるパラメータ値変更を達成するために、被制御エンティティについての有限期間１０４４をとることができる。また、一旦パラメータ値が得られ、被制御エンティティが動作を中止するように向けられると、パラメータ値は、所望のパラメータ値を維持するために、被制御エンティティの動作を再開するようにフィードバック初期化された制御出力をもたらす降下１０４６を開始することがある。それゆえに、図１０Ａにおける所望の高レベルの一定パラメータ値１００８は、実際には、制御仕様１００４に正確には対応しない時間的に変化する曲線１０４８として終わることがある。図８を参照しながら上述したフィードバックの第１のレベルは、図１０Ｄに図示されたような観察されたパラメータ値ができる限り密に経時的に図１０Ａにおけるパラメータの指定の時間挙動に一致するように１つ以上の被制御エンティティを制御するためにインテリジェントコントローラによって使用される。図８を参照しながら上述した第２のレベルのフィードバック制御ループは、ユーザの所望の動作結果を反映したパラメータ値／時間曲線を生み出す変更された仕様を生成するために、記憶された制御スケジュールへの変化によって又は即時制御命令の入力により、経時的にユーザによる図１０Ａに図示された仕様の変更を含むことができる。
多くの種類の被制御エンティティ及び関連するコントローラがある。ある場合において、制御出力は、被制御エンティティが動作しているとき、動作のレベル、スループット又は出力の指示とともに被制御エンティティが現在動作中のはずであるかどうかの指示の双方を含むことができる。他の場合において、制御出力は、バイナリの起動／不起動信号を単純化することができる。図示及び議論の単純化のために、以下の議論においては後者の種類の制御出力が仮定される。
図１１Ａ−図１１Ｅは、インテリジェントコントローラ動作の遷移状態ダイアグラムベースの図を提供している。これらのダイアグラムにおいて、円状要素又はノードは、インテリジェントコントローラ状態を表しており、ノードを相互接続する曲線矢印は、状態遷移を表している。図１１Ａは、インテリジェントコントローラについての１つの可能性がある状態遷移ダイアグラムを示している。４つの主状態１１０２−１１０５がある。これらの状態は、（１）センサからのフィードバックが、コントローラ出力が現在必要とされていないことを示し、且つ、１つ以上の被制御エンティティが現在動いていないか又はメンテナンスモードである休止状態１１０２と、（２）センサデータが、出力制御が所望の範囲内に１つ以上のパラメータを戻すのに必要とされることができることを示すが、１つ以上の被制御エンティティが出力制御信号によってはまだ起動されていない覚醒状態１１０３と、（３）センサデータが、観察されたパラメータが所望の範囲外であることを示し続け、且つ、１つ以上の被制御エンティティが制御出力によって起動されており、観察されたパラメータを指定範囲に戻すように動作している起動状態１１０４と、（４）１つ以上の被制御エンティティの動作が観察パラメータを指定範囲に戻しているが、センサからのフィードバックが、１つ以上の被制御エンティティを動作停止させるために、まだインテリジェントコントローラに１つ以上の被制御エンティティに対する出力制御信号を発行させていない初期休止状態１１０５とを含む。一般に、状態遷移は時計回り方向に流れ、インテリジェントコントローラは、通常、休止状態１１０２を占めるが、１つ以上の被制御エンティティを起動するためにフィードバック指示に起因してステップ１１０３において周期的に覚醒し、状態１１０４において、観察されたパラメータを指定範囲に戻す。一旦観察されたパラメータが指定範囲に戻ると、ステップ１１０５において、インテリジェントコントローラは、１つ以上の被制御エンティティに対して動作停止出力制御信号を発行し、休止状態１１０２に戻る。
主サイクル状態１１０２−１１０５のそれぞれは、以下の２つのさらなる状態に関連付けられる。（１）スケジュール変更状態１１０６−１１０９及び制御変更状態１１１０−１１１３。これらの状態は、各主サイクル状態がスケジュール変更及び制御変更状態のそれ自体の対に関連付けられるように反復される。これは、一般に、スケジュール変更及び制御変更状態が、スケジュール変更及び制御変更状態が以前の遷移によって到達した当初の主サイクル状態又は上述したサイクルにおける次の主サイクル状態にコントローラ状態が戻る過渡状態であるためである。さらにまた、スケジュール変更及び制御変更状態は、主サイクル状態と関連付けられた並列で非同期に動作する種類の状態である。スケジュール変更状態は、表示されるスケジュールインターフェースを介した、インテリジェントコントローラと、ユーザ、又は、制御スケジュール生成、制御スケジュール変更若しくは制御スケジュール管理動作を実行する他のリモートエンティティとの間の相互作用を表す。制御変更状態は、１つ以上の被制御エンティティに対する出力制御信号に変換するために、ユーザ又は他のリモートエンティティがインテリジェントコントローラに対して即時制御コマンドを入力するインテリジェントコントローラに対するユーザ又は他のリモートエンティティの相互作用を表す。
図１１Ｂは、各遷移と関連付けられた丸文字ラベル１１１６などの丸文字ラベルを追加した図１１Ａに示されたのと同じ状態遷移ダイアグラムである。図１１Ｃは、これらの遷移ラベルについてのキーを提供している。それゆえに、図１１Ｂ−図１１Ｃは、インテリジェントコントローラ動作をともに表す状態及び状態遷移の双方の詳細図をともに提供している。
図１１Ｂ−図１１Ｃに含まれる詳細のレベルを図示するために、状態１１０２及び１１０６に関連付けられた状態遷移１１１８−１１２０を考える。図１１Ｃにおいて与えられる表からわかるように、状態１１０２から状態１１０６への遷移１１１８は、インテリジェントコントローラ内に記憶された又はインテリジェントコントローラによりアクセス可能な１つ以上の制御スケジュールへの、ユーザ、リモートエントリによる又はインテリジェントコントローラ自体による制御スケジュール変更をともなう。一般に、スケジュール変更に続いて、動作遷移は遷移１１１９を介して状態１１０２に戻る。しかしながら、スケジュール変更が以前に指定範囲内であったが現在は新たな指定範囲に入らないセンサデータをもたらす比較的起こりそうもない場合には、状態遷移は、代わりに、遷移１１２０を介して覚醒状態１１０３になる。
インテリジェントコントローラによる自動制御スケジュール学習は、実際には、主として、スケジュール変更及び制御変更状態内でのインテリジェントコントローラ動作の結果として生じる。制御変更状態１１１０−１１１３への遷移をもたらすユーザ及び他のリモートエンティティからの即時制御入力は、１つ以上のユーザ又はリモートエンティティの要望及び予想を満足するために、経時的にインテリジェントコントローラが１つ以上の被制御エンティティを制御する方法を学習する情報を提供する。学習処理は、スケジュール変更状態１１０６−１１０９において動作するとともに、インテリジェントコントローラによって行われる制御スケジュール変更においてインテリジェントコントローラによって符号化される。これらの変更は、記録された即時制御入力、記録された制御スケジュール変更並びに現在及び履歴の制御スケジュール情報に基づいている。学習のための情報のさらなるソースは、記録された出力制御信号及びセンサ入力と、インターネットを介してアクセス可能なソースを含む外部ソースから収集される様々な種類の情報とを含むことができる。上述した状態に加えて、インテリジェントコントローラの第１の電源オン状態又はリセットに続く状態を表す１つの初期状態又は複数の初期状態１１３０もある。一般に、１つの初期コンフィギュレーション動作又は複数の動作が後続するブート動作は、遷移１１３２及び１１３４を介して、１つ以上の初期状態１１３０から休止状態１１０２又は覚醒状態１１０３のいずれか１つへと生じる。
図１１Ｄ−図１１Ｅは、図１１Ａに示された状態遷移ダイアグラムにおける状態のさらなる濃淡を使用して、本特許出願が関するインテリジェントコントローラによって実行される自動制御スケジュール学習のうちの２つのモードを図示している。図１１Ｄに図示された第１のモードは、定常状態モードである。定常状態モードは、最小の即時制御入力によって最適な又はほぼ最適な制御を探索する。学習が定常状態モードで継続するとき、学習は、定常状態学習が主として所望の制御体制における制御動作の少しの改善及び経時的な比較的遅い変更の追跡に合わせてあるという推定により、即時制御入力、センサ入力、及び、外部情報ソースからの入力に対して比較的遅く且つ控えめに応答するように実装される。定常状態学習及び一般的なインテリジェントコントローラ動作において、最も望ましい状態は、この状態を定常状態動作の目的として又は最も望ましい状態として示すために図１１Ｄにクロスハッチで示された休止状態１１０２である。他の主サイクル状態１１０３−１１０５が動作の定常状態モードにおいて中立な又は僅かに好まれる状態を有することを示すのに薄い影が使用される。明らかに、これらの状態は、指定範囲内に１つ以上のパラメータを維持するために、また、それらの指定範囲にスケジューリングされた変更を追跡するために、被制御エンティティの中間又は連続動作のために必要とされる。しかしながら、これらの状態は、一般に、１つ以上の被制御エンティティの起動及び不起動サイクルの最小数又は最小累積持続時間が大抵は最も適した制御体制をもたらし、また、１つ以上の被制御エンティティの起動の累積時間を最小化することが大抵はエネルギ及び／又はリソース使用量に関して最適な制御体制をもたらす点で僅かに好まれない。動作の定常状態モードにおいて、自動制御スケジュール学習の意図がインテリジェントコントローラにとって経時的にユーザの又は他のリモートエンティティの所望の動作挙動を正確に反映する１つ以上の制御スケジュールを設けることであることから、スケジュール変更及び制御変更状態１１１０−１１１３は非常に好まれない。時々、これらの状態は、所望の動作挙動の変更、環境状態の変更又は被制御エンティティの変更の結果として一時的に頻繁にみつかるが、自動制御スケジュール学習の一般的な目的は、スケジュール変更及び即時制御入力の双方の頻度を最小化することである。即時制御入力の頻度を最小化することは、多くの最適化スキームにおいて特に望ましい。
図１１Ｄと対照的に、図１１Ｅは、インテリジェントコントローラが一般に１つ以上の初期状態７３０内で主サイクル状態１１０２−１１０３への遷移に続いて短期間動作する積極的な学習モードを図示している。積極的な学習モード中には、図１１Ｄに示された定常状態動作モードと対照的に、休止状態１１０２は最も好まれず、中立の望ましさを有する状態１１０３−１１０５とともに、スケジュール変更及び制御変更状態１１０６−１１１３は最も好まれる。動作の積極的な学習モード又はフェーズにおいて、インテリジェントコントローラは、１つ以上の初期制御スケジュールを迅速且つ積極的に取得するために、頻繁な即時制御入力及びスケジュール変更を探索する。後述するように、比較的迅速な即時制御入力緩和ストラテジを使用することにより、インテリジェントコントローラは、積極的な学習モードで動作するとともに、初期制御スケジュールの全体形状及び外形を迅速に判定するために、比較的短い間隔で即時制御入力を提供するようにユーザ又は他のリモートエンティティに強いるように求める。初期の積極的な学習の終了及び適切な初期制御スケジュールの生成に続いて、比較的望ましい様々な状態は、インテリジェントコントローラが制御スケジュールを改善し、制御仕様、環境、制御システム及び他のそのような要因におけるより長期間の変更の追跡を始めるのにともない、図１１Ｄに図示されたものに戻る。それゆえに、本特許出願が関する自動制御スケジュール学習方法及びそれらの方法を組み込むインテリジェントコントローラは、比較的短期間後に、長期間の定常状態学習モードが後続する初期の積極的な学習モードを特徴とする。
図１２は、自動制御スケジュール学習を図示する状態遷移ダイアグラムを提供している。自動学習は、図１１Ａ−図１１Ｃに図示された通常のコントローラ動作中に起こり、それゆえに、図１２に示された状態遷移ダイアグラムは、図１１Ａ−図１１Ｃに記載されたインテリジェントコントローラ動作と並列に起こるインテリジェントコントローラの動作挙動を記載している。図１１Ｂにおける初期状態１１３０に対応する１つ以上の初期状態１２０２に続いて、インテリジェントコントローラは、インテリジェントコントローラが、インテリジェントコントローラ内に記憶された又はインテリジェントコントローラによりアクセス可能な１つ以上のデフォルトの制御スケジュール、これらの２つのアプローチの組み合わせによって又はさらなるアプローチによってスケジュール生成インターフェースを介したユーザ又は他のリモートエンティティによる初期スケジュール生成ダイアログに基づいて、１つ以上の初期制御スケジュールを生成しようと試みる初期コンフィギュレーション学習状態１２０４に移行する。初期コンフィギュレーション学習モード１２０４は、図１１Ｂにおける遷移１１３２及び１１３４と並列に生じる。初期学習モード中において、コントローラの特徴及び機能を探索するためにインターフェース特徴を操作するときに、ユーザが度々多くのそのような変更を不注意に作成することを見出したことから、手動で移行した設定値変更からの学習は生じない。
初期コンフィギュレーションに続いて、インテリジェントコントローラは、図１１Ｅを参照しながら上述した積極的な学習モード１２０６の次に遷移する。積極的な学習モード１２０６は、図１１Ｂにおける状態のうち状態１１３０を除く大部分又は全ての状態を包含する学習モード状態である。換言すれば、積極的な学習モード状態１２０６は、図１１Ａ−図１１Ｅにおいて述べられた一般的な動作状態と並列の学習モード状態である。上述したように、積極的な学習中において、インテリジェントコントローラは、ユーザ又は他のリモートエンティティからの頻繁な入力に基づいて、インテリジェントコントローラ及びそれが制御するエンティティの動作挙動を指定するのに少なくとも最小限に適している１つ以上の制御スケジュールを生成しようと試みる。一旦積極的な学習が終了すると、インテリジェントコントローラ遷移は、多数の定常状態学習フェーズ１２０８−１２１０を介して進行する。図１２に示された状態遷移ダイアグラムにおいて、一連の定常状態学習フェーズ状態１２０８−１２１０による下向きの遷移のそれぞれは、以前の学習状態においてインテリジェントコントローラによって展開された１つ以上の制御スケジュールが、ますます正確でユーザ要望及び仕様を反映したものになることから、自動制御スケジュール学習に対して一般により遅く且つより控えめなアプローチをもたらす学習モードパラメータの変更によって達成される。積極的な学習が終了したか否かの判定は、現在の制御スケジュール又は複数のスケジュールの複雑性がより遅い定常状態学習の基礎を提供するのに十分であるかどうかを判定することにより、期間、インテリジェントコントローラによって実行される多数の情報処理サイクルに基づいて、及び／又は、他の考慮、ルール及び閾値に基づいて行われることができる。なお、ある実装においては、複数の積極的な学習状態があってもよい。
図１３は、より短時間フレームのサブスケジュールを含む制御スケジュールの一例と関連付けられた時間フレームを図示している。制御スケジュールは、時間を表す横軸１３０２を有するプロットとして図式化されている。縦軸１３０３は、一般に、１つ以上のパラメータ値を表している。さらに後述するように、制御スケジュールは、時間の関数として所望のパラメータ値を指定する。制御スケジュールは、個別の値のセット又は連続曲線とすることができる。指定のパラメータ値は、直接的又は間接的に、様々な種類のセンサのいずれかによって測定されることができる又は得られた測定値から推測される環境、システム、装置、機械又は組織における観察可能な特性に関連している。一般に、センサ出力は、制御スケジュールにおいて指定されたパラメータ値の範囲内で観察されたパラメータ値を提示するために、インテリジェントコントローラが、装置、機械、システム又は組織の動作挙動を調整するフィードバック制御の少なくとも１つのレベルとしての役割を果たす。以下の議論において一例として使用される制御スケジュールは、横軸に沿った時間でインクリメントされ、１週間の期間をカバーする。制御スケジュールは、各日に対応する７つのサブスケジュール１３０４−１３１０を含む。さらに後述するように、インテリジェントコントローラの例において、自動制御スケジュール学習は、周期的に毎週、比較的長期間にわたって適用されることができる強固な毎週の制御スケジュールの生成の目的で１日毎に起こる。後述するように、インテリジェントコントローラは、毎年などの長期間の制御スケジュールであっても、毎年の制御スケジュール以下に階層的に組織化された毎月、毎週、毎日、さらには毎時のサブスケジュールであっても学習することができる。ある場合において、インテリジェントコントローラは、毎時の制御スケジュール、分ベースの制御スケジュール、又は、さらにはミリ秒及びマイクロ秒でインクリメントされる制御スケジュールを含むより短期間フレームの制御スケジュールを生成して維持することができる。制御スケジュールは、制御ルーチンをともに構成する記憶されたコンピュータ命令と同様に、制御システムの有形で物理的なコンポーネントである。制御スケジュールは、物理的記憶媒体に物理的状態として記憶される。制御ルーチン及びプログラムと同様に、制御スケジュールは、必ず、プロセッサベースの制御ロジック及び制御システムによってアクセスされて使用されることができる有形で物理的な制御システムコンポーネントである。
図１４Ａ−図１４Ｃは、３つの異なる種類の制御スケジュールを示している。図１４Ａにおいて、制御スケジュールは、縦軸１４０４に関してプロットされるとともに、時間の関数として横軸１４０６に関してプロットされたパラメータ値を表す連続曲線１４０２である。連続曲線は、横及び縦部のみを含む。横部は、パラメータが一定のままであるように望まれる期間を表し、縦部は、指定時点におけるパラメータ値の所望の変更を表している。これは、単純な種類の制御スケジュールであり、以下の自動制御スケジュール学習の様々な例において使用される。しかしながら、自動制御スケジュール学習方法はまた、より複雑な種類のスケジュールを学習することもできる。例えば、図１４Ｂは、横及び縦分のみならず、任意に傾いた直線の線分を含む制御スケジュールを示している。それゆえに、パラメータ値の変更は、図１４Ａに示される単純な制御スケジュールのような即時に起こるように規定されるよりはむしろ、所定のレートで起こるように、そのような制御スケジュールによって規定されることができる。自動制御スケジュール学習方法はまた、図１４Ｃに示されるものなど、滑らかな連続曲線ベースの制御スケジュールに適合することもできる。一般に、図１４Ｃに示されるものなど、滑らかな連続曲線ベースの制御スケジュールの特性評価及びデータ符号化は、より複雑であり、図１４Ｂ及び図１４Ａに示される単純な制御スケジュールよりも多量の記憶されるデータを含む。
以下の議論において、パラメータ値が温度であり、被制御システムが加熱ユニットであるときなどには、パラメータ値は、システム動作がない場合により低い値に向かって緩和する傾向があると一般に仮定される。しかしながら、他の場合において、パラメータ値が温度であり、被制御システムが空調装置であるときなどには、パラメータ値は、システム動作がない場合により高い値に向かって緩和してもよい。緩和の方向は、大抵はシステムによるより低いリソース又はコストの方向に対応する。さらに他の場合において、パラメータ値が温度であり、被制御システムが加熱及び冷却機能の双方を含むＨＶＡＣシステムであるときなどには、緩和の方向は、環境又は他の外部状態に依存してもよい。
図１４Ａに示される制御スケジュールを参照すると、連続曲線で表される制御スケジュール１４０２は、代わりに、縦の線分又は連続曲線におけるエッジに対応する個別の設定値として符号化されることができる。連続曲線の制御スケジュールは、一般に、以下の議論においては、インテリジェントコントローラによって提供されるスケジュール生成インターフェースを介してユーザ又はリモートエンティティによって生成された、若しくは、既に存在する制御スケジュール、記録された即時制御入力及び／又は記録されたセンサデータ、又は、それらの種類の情報の組み合わせに基づいてインテリジェントコントローラによって生成された、記憶された制御スケジュールを表すのに使用される。
即時制御入力はまた、パラメータ値対時間プロットで図式化されている。図１５Ａ−図１５Ｇは、インテリジェントコントローラによって受信されて実行され、その後、自動制御スケジュール学習の一部として、図１４Ａ−図１４Ｃを参照しながら上述したものなどの制御スケジュールに記録されて重ね合わせられることができる即時制御入力の代表を示している。即時制御入力は、小さい黒又は影円で終わる縦の線分によって図式化されている。図１５Ａは、２つの即時制御入力１５０２及び１５０４の代表を示している。即時制御入力は、本質的に、インテリジェントコントローラ動作を規定するいかなる制御スケジュールをも無効化し、入力制御がインテリジェントコントローラによって即座に実行されるとの期待によってユーザ又はリモートエンティティによってインテリジェントコントローラに対して入力される、図１４Ａに示されたものなどの制御スケジュールにおけるエッジと等価である。したがって、即時制御入力は、制御入力インターフェースを介したインテリジェントコントローラに対する実時間設定値入力である。
即時制御入力が現在の制御スケジュールを変えることから、即時制御入力は、一般に、即時制御入力から時間的に進んで延在する一時的な制御スケジュールパラメータ対時間曲線を形成する破線の横及び縦線として図１５Ａに示される後続の一時的な制御スケジュールと関連付けられる。一時的な制御スケジュール１５０６及び１５０８は、それぞれ、図１５Ａにおいて、即時制御入力１５０２及び１５０４と関連付けられる。
図１５Ｂは、即時制御入力及び関連する一時的な制御スケジュールの例を示している。即時制御入力１５１０は、本質的に、即時制御入力の代表において黒円１５１２の縦座標と等しいパラメータ値を達成するために、現在の制御スケジュールを無効化し、１つ以上の被制御エンティティを制御するようにインテリジェントコントローラを向ける入力設定値である。即時制御入力に続いて、一時的な一定温度の制御スケジュール間隔１５１４は、即時制御入力に続く期間だけ延在し、その後、即時制御入力は、後続の即時制御入力終点又は後続の設定値１５１６によって緩和される。間隔１５１４において、即時制御入力が維持される時間長は、自動制御スケジュール学習のパラメータである。後続の即時制御入力終点設定値１５１６の方向及び大きさは、１つ以上のさらなる自動制御スケジュール学習パラメータを表している。なお、自動制御スケジュール学習パラメータは、自動制御スケジュール学習の動作を制御する調整可能なパラメータであり、制御スケジュールを含む時間に関してプロットされた１つ以上のパラメータ値とは異なる。現在の議論が参照している制御スケジュールの例における縦軸に関してプロットされたパラメータ値は、直接的又は間接的に、環境状態や機械状態などを含む観察可能に関連している。
図１５Ｃは、即時制御入力が重ね合わされた既存の制御スケジュールを示している。既存の制御スケジュールは、午前７：００（図１５Ｃにおける１５２２）における、エッジ１５２０によって表されるパラメータ値Ｐの増加のために呼び出された。即時制御入力１５２４は、若干小さい大きさの以前のパラメータ値変更を指定する。図１５Ｄ−図１５Ｇは、インテリジェントコントローラ・ロジックの様々な異なる実装及び／又は自動制御スケジュール学習パラメータ値の現在値に応じて得ることができる様々な後続の一時的な制御スケジュールを図示している。図１５Ｄ−図１５Ｇにおいて、破線の線分によって即時制御入力と関連付けられた一時的な制御スケジュールが示されており、即時制御入力によって無効化された既存の制御スケジュールのその部分が点線の線分によって示されている。図１５Ｄに示される１つのアプローチにおいて、即時制御入力１５２４によって示された所望のパラメータ値は、エッジ１５２８によって表されるようにその後に一時的な制御スケジュールが即時制御入力が実行される時点において制御スケジュールによって指定されたパラメータ値まで緩和する固定期間１５２６の間維持される。このパラメータ値は、インテリジェントコントローラが制御スケジュールにしたがって制御を再開する時点で図１５Ｃにおけるエッジ１５３２に対応する次のスケジューリングされた設定値まで１５３０に維持される。
図１５Ｅに示される他のアプローチにおいて、即時制御入力１５２４によって指定されたパラメータ値は、次のスケジューリングされた設定値に到達するまで１５３２に維持され、この場合、設定値は、図１５Ｃに示される制御スケジュールにおけるエッジ１５２０に対応する。次の設定値において、インテリジェントコントローラは、既存の制御スケジュールにしたがって制御を再開する。ユーザが大抵は次のスケジューリングされた設定値変更まで実施中のままであるように手動で入力された設定値を期待することから、このアプローチは大抵望ましい。
図１５Ｆに示される異なるアプローチにおいて、即時制御入力１５２４によって指定されたパラメータ値は、その時点において既存の制御スケジュールによって指定されているであろうパラメータ値が再開される１５３６が後続する固定期間１５３４の間、インテリジェントコントローラによって維持される。
図１５Ｇに示されるアプローチにおいて、即時制御入力１５２４によって指定されたパラメータ値は、即時制御入力とは逆方向を有する設定値が到達するまで１５３８に維持され、その到達時点で既存の制御スケジュールが再開される１５４０。さらに他のアプローチにおいて、即時制御入力は、リソース及び／又はエネルギコストに関してシステム動作を最適化しようと試みるために、最も低い合理的なレベルまでさらに緩和されてもよい。積極的な学習中に一般に使用されるこれらのアプローチにおいて、ユーザは、エネルギ又はリソースの最小又は低い使用速度と関連付けられたパラメータ値よりも大きいか又は小さいパラメータ値を積極的に選択せざるを得ない。
自動制御スケジュール学習の実装の一例において、インテリジェントコントローラは、即時制御入力及び入力スケジュール変更によって無効化されたものを除き、既存の制御スケジュールにしたがって１つ以上のエンティティを制御するとともに、一般に制御スケジュール又はサブスケジュールの期間と一致する監視期間にわたって即時制御入力及びスケジュール変更を監視する。監視期間の終わりに、記録されたデータは、既存の制御スケジュールに重ね合わせられ、既存の制御スケジュール及びスケジュール変更及び即時制御入力の特徴を組み合わせることにより、新たな暫定的スケジュールが生成される。様々な種類の分解に続いて、新たな暫定的スケジュールは、既存の制御スケジュールがシステム動作を制御することを目的としている将来の時間間隔について既存の制御スケジュールに昇格する。
図１６Ａ−図１６Ｅは、既存の制御スケジュール及び記録されたスケジュール変更並びに即時制御入力から新たな制御スケジュールが合成される方法の１つの態様を図示している。図１６Ａは、監視期間についての既存の制御スケジュールを示している、図１６Ｂは、監視期間後の、制御スケジュール上に重ね合わせられた多数の記録された即時制御入力を示している。図１６Ｂに図示されているように、６つの即時制御入力１６０２−１６０７がある。クラスタリング技術において、既存の制御スケジュール設定値及び即時制御入力のクラスタが検出される。クラスタ検出に対する１つのアプローチは、図１６Ｃに示されるように、既存の制御スケジュール設定値も即時制御入力も存在しない閾値長さよりも大きい全時間間隔を判定することである。両矢印１６１０などのプロット下方の水平の両矢印は、既存の制御スケジュール上への即時制御入力の重ね合わせにおいて既存の制御スケジュール設定値も即時制御入力も存在しない閾値長さよりも大きい間隔を表している。そして、これらの間隔によって重複しない時間軸のそれらの部分は、図１６Ｄに示されるように、既存の制御スケジュール設定値及び即時制御入力のクラスタであると考えられる。第１のクラスタ１６１２は、既存の制御スケジュール設定値１６１４−１６１６並びに即時制御入力１６０２及び１６０３を包含する。第２のクラスタ１６２０は、即時制御入力１６０４及び１６０５を包含する。第３のクラスタ１６２２は、既存の制御スケジュール設定値１６２４のみを包含する。第４のクラスタ１６２６は、既存の制御スケジュール設定値１６２８とともに即時制御入力１６０６及び１６０７を包含する。１つのクラスタ処理方法において、各クラスタは、記録された即時制御入力及び既存の制御スケジュールから生成された新たな暫定的スケジュールにおいて、ゼロ、１つ又は２つの設定値まで削減される。図１６Ｅは、図１６Ｄにおいて特定された４つのクラスタの分解によって得られた例となる新たな暫定的スケジュール１６３０を示している。
クラスタ処理は、既存の制御スケジュール設定値及び即時制御入力に関してユーザ又はリモートエンティティの代わりに明らかな意図を反映するゼロ、１つ又は２つの新たな制御スケジュール設定値まで、クラスタ内に様々な既存の制御スケジュール設定値及び即時制御入力をまとめることによって新たな暫定的スケジュールを単純化することを目的としている。一方、既存の制御スケジュール設定値及び即時制御入力の合計として新たな暫定的スケジュールを生成することは可能であろう。しかしながら、そのアプローチは、大抵は、ユーザ又は他のリモートエンティティの最終的な要望を一般には反映せず、大抵はインテリジェント制御によって達成することができないパラメータ値対時間曲線を構成する、不調和で、非常に変化し、きめの細かい制御スケジュールをもたらすであろう。一例として、インテリジェントサーモスタットにおいて、１０度だけ異なる温度を指定する１５分離れた２つの設定値が、インテリジェントコントローラによって制御されるＨＶＡＣシステムによって達成可能ではないことがある。例えば、ある環境状態のもとに、ＨＶＡＣシステムが最高で１時間あたり５度しか住居の室内温度を上昇することができない場合である。さらにまた、単純な制御スケジュールは、制御スケジュールに一致するパラメータ値又はＰ値を経時的に生成するように１つ以上のエンティティを制御するためにインテリジェントコントローラによって使用可能な最適化ストラテジのより多様なセットをもたらし得る。そして、インテリジェントコントローラは、最小エネルギ使用量又はリソース利用などのさらなる制約を考慮して制御を最適化することができる。
既存の制御スケジュール設定値及び即時制御入力のクラスタを１つ又は２つの新たな暫定的スケジュール設定値に分解するための多くの可能なアプローチがある。図１７Ａ−図１７Ｅは、分解スケジュールクラスタに対する１つのアプローチを図示している。図１７Ａ−図１７Ｅにおいて、３つのプロットが示されている。第１のプロットは、既存の制御スケジュール上に重ね合わせられた、記録された即時制御入力を示している。第２のプロットは、異なる種類の設定値を単一の一般的な種類の等価設定値まで削減しており、最後のプロットは、ゼロ、１つ又は２つの新たな暫定的スケジュール設定値への設定値の分解を示している。
図１７Ａは、インテリジェントコントローラ内で既存の制御スケジュール設定値及び即時制御入力７０４から生成された実際の制御に関する方向及び大きさの指示とともに単一種類の設定値又はイベントとしてともにプロットされたときにわかるように、既存の制御スケジュール設定値及び即時制御入力が明らかなＰ値の増加傾向を呈するクラスタ１７０２を示している。この場合において、６つの設定値のうち４つの設定値７０６−７０９は、指定されたＰ値の増加をもたらし、単一の設定値７１０のみが僅かなＰ値の減少をもたらし、１つの設定値７１２は、Ｐ値の変更なしを生み出した。この場合及び同様の場合において、全ての設定値は、既存の制御スケジュール及び即時制御入力の双方において表現された意図として論理的に推測されることができるＰ値の増加を指定する単一の設定値によって置き換えられる。この場合において、設定値７０４のクラスタを置き換える単一の設定値７１６は、クラスタにおける第１の設定値の時間に配置され、クラスタにおけるいずれかの設定値によって指定された最も高いＰ値と等しい新たなＰ値を指定する。
図１７Ｂに図示されたクラスタは、５つの設定値７１８−７２２を含む。これらの設定値のうちの２つは、Ｐ値の減少を指定し、２つはＰ値の増加を指定し、１つは何ら効果を有しなかった。結果として、設定値の集合によって明示される意図の明らかなＰ値変更はなく、したがって、新たな暫定的スケジュール７２４は、クラスタ間隔内の既存の制御スケジュールの初期Ｐ値において維持されるＰ値により、クラスタ間隔にわたって設定値を含まない。
図１７Ｃは、図１７Ａに示されるクラスタリングされた設定値によって呈された上昇傾向と同様に、明らかな下降傾向を呈するクラスタを示している。この場合において、４つのクラスタ設定値が、クラスタにおける第１の設定値に対応する時点において、単一の新たな暫定的スケジュール設定値７２６によって置き換えられ、クラスタにおけるいずれかの設定値によって指定された最も低いＰ値と等しいＰ値の減少を指定する。
図１７Ｄにおいて、クラスタは、３つの設定値７３０−７３２を含む。既存の制御スケジュール設定値７３０及び後続の即時制御設定値７３１に対応する設定値は、クラスタ間隔の始まりにおいてＰ値を上昇させる明らかな意図を示し、最後の設定値７３２は、クラスタ間隔の終わりにおいてＰ値を低下させる明らかな意図を示す。この場合において、３つの設定値がクラスタにおける３つの設定値から推測される意図を映す新たな暫定的スケジュールにおいて２つの設定値７３４及び７３６によって置き換えられる。図１７Ｅは、クラスタにおける３つの設定値が２つの新たな暫定的スケジュール設定値７３８及び７４０によって置き換えられる同様の状況を示しており、この場合、図１７Ｂにおける新たな暫定的スケジュールにおけるＰ値の一時的な上昇及び後続の低下とは対照的に、一時的な低下後のＰ値の後続する上昇を表している。
図１７Ａ−図１７Ｅを参照しながら述べられたクラスタリングされた設定値の傾向を認識することができる多くの異なる計算方法がある。これらの傾向は、コンピュータ認識されることができる様々な種類の傾向の一例を提供する。平均化、カーブフィッティング及び他の技術を含むクラスタ分解に関する異なる方法及びストラテジが可能である。全ての場合において、クラスタ分解の目的は、複数の設定値を、既存の制御スケジュール及び即時制御入力から判定されるように、ユーザの意図を反映する最も単純な可能性がある設定値のセットに分解することである。
図１８Ａ−図１８Ｂは、監視期間中にユーザによって入力された予想スケジュール変更の効果を図示している。図１８Ａ−図１８Ｂにおいて及び後の図において、ユーザによるスケジュール変更入力は、指定されたＰ値を示す小さい黒円１８０４で終わる縦線１８０２によって表される。設定値は、実行されるように設定値がスケジューリングされる横の時間軸に関して配置される。短い縦の線分１８０６は、ユーザ又はリモートエンティティによってスケジュール変更が行われた時点を表しており、横の線分１８０８は、縦の線分１８０６及び１８０２によってそれぞれ表される設定値の実行時間と入力時間を接続している。図１８Ａに示される場合において、ユーザは、午前１１：００において設定値１８０２を含むように、１８１０の午前７：００に既存の制御スケジュールを変更した。図１８Ａに示されるもののような場合において、スケジュール変更が予想される場合且つインテリジェントコントローラが同じ監視期間内で変更された制御スケジュールにしたがって１つ以上のエンティティを制御することができる場合には、インテリジェントコントローラは、図１８Ｂに示されるように、スケジュール変更を反映するために単に制御スケジュールを変更する。したがって、１つの自動制御スケジュール学習方法において、予想スケジュール変更は記録されない。代わりに、ユーザ又はリモートエンティティの所望のスケジュール変更を反映するように既存の制御スケジュールが変更される。
図１９Ａ−図１９Ｂは、監視期間中にユーザによって入力された遡及スケジュール変更の効果を図示している。図１９Ａに示される場合において、ユーザは、１９０２の午後６：００において、既存の設定値１９０４の削除並びに２つの新たな設定値１９０６及び１９０８の追加を含む３つの変更を既存の制御スケジュールに対して入力する。これらのスケジュール変更の全ては、それらが入力された時間がＰ値の変更が起きるようにスケジューリングされた時間よりも遅いことから、変更された制御スケジュールによって制御される将来の監視期間にのみ影響を与えるであろう。これらの種類のスケジュール変更に関して、インテリジェントコントローラは、この種の設定値が即時制御入力よりもむしろスケジュール変更インターフェースを介してユーザによって行われたスケジュール変更を表すという事実の指示を含み、即時制御入力の記録と同様にしてスケジュール変更を記録する。
図１９Ｂは、図１９Ａに示されるスケジュール変更を組み込む新たな暫定的スケジュールを示している。一般に、現在記載された自動制御スケジュール学習方法によって、スケジュール変更が比較的大幅に重要視される。ユーザがスケジュール変更インターフェースを介してスケジュール変更を行うために時間と手間をとることから、スケジュール変更は、ユーザの要望及び意図が強く反映されていると仮定される。結果として、図１９Ｂに示されるように、既存の設定値１９０４の削除並びに２つの新たな設定値１９０６及び１９０８の追加は、新たな暫定的スケジュール１９１０を生成するために既存の制御スケジュールに入力される。エッジ１９１２は、図１９Ａにおいて設定値１９０６によって表されるスケジュール変更に対応しており、エッジ１９１４は、図１９Ａにおいて設定値１９０８によって表されるスケジュール変更に対応している。要約すると、監視期間中に行われる予想スケジュール変更又は遡及スケジュール変更のいずれかについて、スケジュール変更は、既存の制御スケジュール及び記録された即時制御入力及び監視期間中に行われたスケジュール変更の双方を組み込む新たな暫定的スケジュールの学習ベースの準備中に大きな敬意を与えられる。
図２０Ａ−図２０Ｃは、監視期間の終了に続き、クラスタリング及びクラスタの分解が後続する、既存の制御スケジュールへの記録されたデータの重ね合わせを図示している。図２０Ａに示されるように、ユーザは、監視期間中に、既存の制御スケジュール２００２上に置かれる又は重ね合わせられる６つの即時制御入力２００４−２００９並びに２つの遡及スケジュール変更２０１０及び２０１２を入力している。図２０Ｂに示されるように、クラスタリングは、４つのクラスタ２０１４−２０１７を生成する。図２０Ｃは、クラスタの分解によって得られる新たな暫定的スケジュールを示している。３つの既存の制御スケジュール設定値及び２つの即時制御設定値を有するクラスタ２０１４は、新たな暫定的スケジュール設定値２０２０及び２０２２に分解される。２つの即時制御設定値及び２つの遡及スケジュール設定値を含むクラスタ２（図２０Ｂにおける２０１５）は、設定値２０２４及び２０２６に分解される。クラスタ３（図２０Ｂにおける２０１６）は、既存の制御スケジュール設定値２０２８に分解され、２つの即時制御設定値及び１つの既存の制御スケジュール設定値を含むクラスタ４（図２０Ｂにおける２０１７）は、設定値２０３０に分解される。後続のスケジュール伝播ステップの準備において、新たな暫定的スケジュール設定値のそれぞれは、設定値パラメータ値が即時制御設定値から導出されたのか又は既存の制御スケジュール設定値若しくは遡及スケジュール変更設定値のいずれかから導出されたのか否かの指示によってラベル付けされる。後者の２つのカテゴリは、同一と考えられ、それらのカテゴリの設定値は、図２０Ｃにおいて文字「ｓ」によってラベル付けされるとともに、即時制御設定値２０２０及び２０２２から導出された温度による設定値は、「ｉ」とラベル付けされる。さらに後述するように、「ｉ」とラベル付けされた設定値のみが、より高レベルの制御スケジュールのさらなる関連したサブスケジュールに伝播される。
クラスタリング及びクラスタ分解に続き、かつ新たな暫定的スケジュール伝播に先行することができるさらなるステップは、ある実装においては、新たな暫定的スケジュールにおいて即時制御設定値から導出された設定値の拡散をともなう。図２１Ａ−図２１Ｂは、設定値拡散動作を図示している。図２１Ａは、設定値が導出された設定値のクラスを示すために、図２０Ｃを参照しながら上述したように「ｓ」又は「ｉ」のいずれかによってラベル付けされた設定値を有する新たな暫定的スケジュールを示している。この新たな暫定的スケジュール２１０２において、「ｉ」とラベル付けされた２つの設定値２１０４及び２１０６は、分離目的のための閾値時間間隔よりも短い長さの時間間隔２１０８だけ分離される。拡散動作は、閾値時間間隔よりも短い時間内に分離される「ｉ」とラベル付けされた設定値の対を検出し、設定値の対が少なくとも図２１Ｂにおける所定の固定長時間間隔２１１０だけ分離されるように、対のうち後者の設定値を時間内に前方に移動する。僅かにより複雑な拡散動作において、対のうち後者の設定値が閾値時間よりも後続の設定値の近くに移動されるであろう場合には、後者の設定値は、対のうち最初の設定値と後続の設定値との半分の時点に移動されることができる。拡散動作の意図は、スケジュール単純化のために及びシステムのインテリジェントコントローラ制御のもとに実現されることができる制御スケジュールを生成するために設定値間の適切な分離を確実にすることである。
現在述べられている自動制御スケジュール学習方法によって実行される次の動作は、上述したように、監視期間に続いて生成された新たな暫定的サブスケジュールのより高レベルの制御スケジュールにおける関連するサブスケジュールへの伝播である。スケジュール伝播は、図２２Ａ−図２２Ｂに図示されている。図２２Ａは、時間で一週間に及び且つ土曜日サブスケジュール２２０４などの毎日のサブスケジュールを含むより高レベルの制御スケジュール２２０２を示している。図２２Ａにおいて、月曜日サブスケジュール２２０６は、最近、週の他の日に対応するサブスケジュールのクロスハッチから反対に傾斜しているクロスハッチによって図２２Ａにおいて示される監視期間の終わりに続く新たな暫定的月曜日サブスケジュールによって置き換えられている。図２２Ｂに示されるように、現在述べられている自動制御スケジュール学習方法において使用されるスケジュール伝播技術は、より高レベルの制御スケジュール２２０２における他の関連するサブスケジュール２２０８−２２１１への新たな暫定的月曜日サブスケジュール２２０６の伝播をともなう。この場合において、平日サブスケジュールは互いに関連していると考えられ、週末サブスケジュールについても同様であるが、週末サブスケジュールは、平日サブスケジュールに関連しているとは考えられない。サブスケジュール伝播は、関連する既存の制御スケジュール、この場合にはサブスケジュール２２０８−２２１１上への新たな暫定的スケジュール２２０６における「ｉ」とラベル付けされた設定値の重ね合わせと、その後、関連するサブスケジュールについての新たな暫定的サブスケジュールを生成するために、設定値が重ね合わせられた既存の制御スケジュールの分解とをともなう。図２２Ｂにおいて、新たな暫定的サブスケジュール２２０６からの「ｉ」とラベル付けされた設定値の関連するサブスケジュール２２０８−２２１１上への重ね合わせは、双方向クロスハッチによって示される。これらの重ね合わせられた設定値及び既存のサブスケジュールの分解に続いて、より高レベルの制御スケジュール２２０２の全ては、その後、インテリジェントコントローラについての現在の既存の制御スケジュールであると考えられる。換言すれば、分解に続いて、新たな暫定的サブスケジュールは、既存のサブスケジュールに昇格する。ある場合において、サブスケジュール伝播ルールは、時間とともに変更することができる。一例として、伝播は、最初は毎週スケジュールのうち毎日起こすことができるが、またさらに、平日サブスケジュールを平日へ、及び週末サブスケジュールを週末へとより選択的に伝播することができる。他のそのようなルールは、サブスケジュールの伝播に使用可能である。
上述したように、階層的に関連する制御スケジュールの複数のセットとともに、インテリジェントコントローラによって維持される制御スケジュール及びサブスケジュールの複数の階層があることができる。これらの場合において、スケジュール伝播は、新たに生成された暫定的サブスケジュールが伝播されなければならないサブスケジュールを判定するために比較的より複雑な伝播ルールをともなうことができる。時間で前方向への伝播が図２２Ｂに示されているものの、新たな暫定的スケジュール又は新たな暫定的サブスケジュールの伝播は、時間に関して前又は後方向のいずれかで実行されることができる。一般に、新たな暫定的スケジュール伝播は、ルール、又は、各制御スケジュール及び／又はサブスケジュールに関連していると考えられるそれらの制御スケジュール及びサブスケジュールを記載した表によって左右される。
図２３Ａ−図２３Ｃは、Ｐ値対ｔ制御スケジュールプロットを用いた新たな暫定的スケジュール伝播を図示している。図２３Ａは、新たな暫定的スケジュールにおける「ｉ」とラベル付けされた設定値が伝播される既存の制御スケジュール２３０２を示している。図２３Ｂは、図２３Ａに示される制御スケジュール上に重ね合わせられた「ｉ」とラベル付けされた伝播される設定値を示している。２つの設定値２３０４及び２３０６は、既存の制御スケジュール２３０２上に重ね合わせられる。既存の制御スケジュールは、４つの既存の設定値２３０８−２３１１を含む。第２の伝播される設定値２３０６は、既存の制御スケジュール２３０２のパラメータ値レベル２３１４に対応するよりも大きいレベル２３１２までパラメータ値を低下させ、したがって、既存の設定値２３１０まで既存の制御スケジュールを重ね合わせる。この単純な場合において、さらなる調整は行われず、伝播される設定値は、図２３Ｃに示される新たな暫定的スケジュール２３１６を生成するために、既存の制御スケジュールに組み込まれる。設定値が全ての関連する制御スケジュール又はサブスケジュールに伝播され、新たな暫定的スケジュール及びサブスケジュールがそれらについて生成されたときには、伝播ステップは終了し、全ての新たな暫定的スケジュール及びサブスケジュールは、インテリジェントコントローラについての新たな既存のより高レベルの制御スケジュールであると一体に考えられる。
図２３Ｂに示されるような関連するサブスケジュール又は制御スケジュールに対する新たな暫定的スケジュール上への「ｉ」とラベル付けされた設定値の伝播及び重ね合わせに続いて、伝播された設定値及び既存の制御スケジュールから生成された新たな暫定的スケジュールを単純化して実現可能とするために、多数のルールが設定値及び既存の制御スケジュールの重ね合わせに適用されることができる。図２４Ａ−図２４Ｉは、新たな暫定的スケジュールを生成する処理の一部として、伝播された設定値と重ね合わされた既存の制御スケジュールを単純化するのに使用されるルールの多数の例を図示している。図２４Ａ−図２４Ｉのそれぞれは、２つのＰ値対ｔプロットを含み、第１は、既存の制御スケジュールに重ね合わせている伝播される設定値を示しており、第２は、伝播される設定値の分解によって得られる新たな暫定的スケジュールの一部を生成するために伝播される設定値の分解を示している。
図２４Ａにおける第１の左側のＰ値対ｔプロット２４０２は、既存の制御スケジュール２４０５に重ね合わせている伝播される設定値２４０４を示している。図２４Ａはまた、既存の制御スケジュールによって伝播される設定値を分解するのに使用される多くの例示ルールの説明に使用される用語も図示している。図２４Ａにおいて、第１の既存の設定値ｐｅ１２４０６は、時間長ａ２４０７だけ伝播される設定値２４０４に時間で先行しており、既存の制御スケジュールの第２の既存の設定値ｐｅ２２４０８は、時間長ｂ２４０９だけ伝播される設定値２４０４に時間で続いている。第１の既存の制御スケジュール設定値２４０６と伝播される設定値２４０４とのＰ値の差異は、「ΔＰ」２４１０と称される。図２４Ａに示される右側のＰ値対ｔプロット２４１２は、第１の伝播される設定値分解ルールを図示している。この図に示されるように、ΔＰが閾値ΔＰよりも小さく、ｂが閾値Δｔよりも小さいときは、伝播される設定値は削除される。それゆえに、ルール１による既存の制御スケジュールによって伝播される設定値の分解は、図２４Ａの右側に示されるように、伝播される設定値を除去する。
図２４Ｂ−図２４Ｉは、図２４Ａにおける第１の伝播される設定値の分解ルールの図示と同様にして、伝播される設定値の分解ルールのさらなる例を図示している。図２４Ｂは、ｂが閾値Δｔよりも小さいとき且つ図２４Ａに図示された第１のルールが適用されないとき、新たな伝播される設定値２４１４がΔｔ２２４１６だけ既存の設定値ｐｅ１から時間で前方に移動され、既存の設定値ｐｅ２が削除されるルールを図示している。
図２４Ｃは、最初の２つのルールが伝播される設定値に適用可能でないときに適用される第３のルールを図示している。ａが閾値Δｔよりも小さい場合には、伝播される設定値は、所定値Δｔ３だけｐｅ２から時間で後方に移動され、既存の設定値ｐｅ１は削除される。
図２４Ｄは、最初の３つのルールが伝播される設定値に適用可能でないときに適用可能な第４のルールを図示している。この場合において、伝播される設定値のＰ値は、既存の設定値ｐｅ１についてのＰ値となり、伝播される設定値は削除される。
図２４Ａ−図２４Ｄを参照しながら上述した最初の４つのルールが適用可能でないとき、既存の制御スケジュールによって伝播される設定値を分解するために、さらなるルールが試みられることができる。図２４Ｅは、第５のルールを図示している。図２４Ｅに示されるように、ｂが閾値Δｔよりも小さく、ΔＰが閾値Δｐよりも小さい場合には、伝播される設定値２４２４は削除される。換言すれば、既存の制御スケジュール設定値に近すぎる伝播される設定値は、新たな暫定的制御スケジュールに組み込まれない。既存の設定値はまた、伝播される設定値の分解中に再考慮されることができる。例えば、図２４Ｆに示されるように、第１の既存の設定値ｐｅ１後に生じる第２の既存の設定値ｐｅ２が閾値ΔＰよりも小さいパラメータ値の変更をもたらすとき、第２の既存の設定値ｐｅ２は除去されることができる。そのような近接した既存の設定値は、以前の監視期間に続くスケジュール変更に与えられる敬意に起因して生じることができる。同様に、図２４Ｇに示されるように、伝播される設定値が既存の設定値に続き、伝播される設定値によって生成されたパラメータ値ΔＰの変更が閾値ΔＰよりも小さいとき、伝播される設定値は削除される。図２４Ｈに示されるように、閾値Δｔよりも小さく分離される２つの既存の設定値は、２つの既存の設定値の最初と一致した単一の設定値に分解されることができる。最後に、同様にして、既存の設定値に対して時間で非常に近い伝播される設定値は削除されることができる。
ある実装において、ユーザ入力設定値変更と自動生成設定値変更との間において重要な区別が行われる。前者の設定値変更は、「アンカー設定値」と称され、学習によって無効化されない。多くの場合において、ユーザは、手動で入力する設定値が変更されるべきではないと期待する。積極的及び定常状態学習の双方中における様々なレベルの自動調整について設定値変更を区別するために、さらなるルール、発見的問題解決法及び検討が使用されることができる。なお、パラメータ値範囲を示す２つのパラメータ値と関連付けられる設定値は、パターンマッチングにおいて使用される比較動作並びに他の自動学習計算及び判定中に、異なる方法で扱われることができる。例えば、範囲設定値変更は、等価又は同一であるとみなされるように双方のパラメータにおいて他の範囲設定値変更と一致する必要があり得る。
次に、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装例が提供される。図２５Ａ−図２５Ｍは、上述した自動制御スケジュール学習方法を組み込むインテリジェントコントローラの実装の一例を図示している。始めに、なお、以下の実装は、モジュール構造化、制御構造、データ構造、プログラミング言語、ハードウェアコンポーネント、ファームウェア及び他のそのような設計及び実装パラメータを含む多くの異なる設計及び実装パラメータのいずれかを変化させることによって得られることができる多くの異なる可能な実装のひとつにすぎない。多くの異なる種類の制御スケジュールは、異なる制御領域に適用される異なる種類のインテリジェントコントローラによって使用されることができる。インテリジェントコントローラ・ロジックに組み込まれる自動制御スケジュール学習方法は、インテリジェントコントローラ動作を指定する制御スケジュールの種類及び数に応じて大幅に変化することができる。様々な異なる種類の制御スケジュールによって及ぼされる期間及び制御スケジュールの時間での粒度は、特定のコントローラが設計される制御タスクに応じて幅広く変化することができる。
図２５Ａは、最も高レベルのインテリジェントコントローラ制御ロジックを示している。高レベルの制御ロジックは、様々な種類の制御関連イベントがインテリジェントコントローラによって扱われるイベント・ハンドリング・ループを備える。図２５Ａにおいて、４つの指定種類の制御関連イベントが処理されるが、一般に、イベント・ハンドリング・ループは、インテリジェントコントローラ・ロジック内でより低レベルで生じる多くのさらなる種類の制御関連イベントを扱うことができる。例は、インテリジェントコントローラがリモート・スマートホーム装置及びクラウド・コンピュータサーバなどのリモートエンティティに対してデータを受信又は送信する通信イベントを含む。他の種類の制御関連イベントは、観察されるパラメータ及び制御スケジュール、検出についての制御スケジュールの指定された範囲外に入るセンサデータによって始動されることができる様々な種類のアラーム及びタイマ、並びに、専用のハンドリングを必要とする、ありふれていない又は稀なイベントにしたがったシステム起動及び不起動に関連する制御関連イベントを含む。インテリジェントコントローラによって扱われることができる様々な異なる種類の制御関連イベントの全てを記載しようと試みるよりも、図２５Ａは、制御関連イベントの４つの例のハンドリングを図示している。
ステップ２５０２において、インテリジェントコントローラは、次の制御関連イベントが起きるのを待機する。制御関連イベントが起きたとき、制御は、ステップ２５０４に流れ、インテリジェントコントローラは、即時制御入力が即時制御入力インターフェースを介してユーザ又はリモートエンティティによって入力されたかどうかを判定する。ステップ２５０４において判定されるように、即時制御入力がユーザ又はリモートエンティティによって入力されたとき、インテリジェントコントローラは、ステップ２５０５において、一般には内部に記憶されたパラメータ値についての指定範囲を変更することによって即時制御入力を実行し、必要に応じて、１つ以上の被制御エンティティを起動した後、ステップ２５０６において、即時制御入力がメモリに記録される。ステップ２５０７において判定されるように、さらなる設定値又は他のスケジュール特徴が即時制御入力を終了するために追加される必要があるときには、ステップ２５０８において、さらなる設定値又は他のスケジュール特徴が制御スケジュールに追加される。そのような追加される設定値の例は、図１５Ａ−図１５Ｇを参照しながら上述される。ステップ２５０９において判定されるように、ステップ２５０２から出て始動される制御関連イベントが、現在の時間がスケジューリングされた設定値又はスケジューリングされた制御のものであることを示すタイマイベントであるときには、インテリジェントコントローラは、ステップ２５１０において、コントローラ設定値のスケジューリングを実行する。ステップ２５１１において判定されるように、ステップ２５１０において実行されたスケジューリング制御が、即時制御入力を終了するためにステップ２５０８において追加された一時的なスケジューリング制御であるときには、ステップ２５１２において、一時的なスケジューリング制御は削除される。ステップ２５１３において判定されるように、ステップ２５０２から出て始動される制御関連イベントが、制御スケジュール変更インターフェースを介して制御スケジュールに対してユーザ又はリモートエンティティによって行われた変更であるときには、ステップ１５１４において判定されるようにスケジュール変更が予想されるときには、ステップ２５１５において、図１８Ａ−図１８Ｂを参照しながら上述したように既存の制御スケジュールに対してインテリジェントコントローラによってスケジュール変更が行われる。そうでなければ、スケジュール変更は遡及され、ステップ２５１６において、現在の監視期間の終了において新たな暫定的スケジュールが変化する際に後で使用するためにインテリジェントコントローラによってメモリに記録される。
ステップ２５１７において判定されるように、２５０２から出て始動される制御関連イベントが現在の監視期間の終了と関連付けられたタイマイベントであるときには、ステップ２５１８において、監視期間ルーチンが呼び出され、図１５Ａ−図２４Ｆを参照しながら上述したように、記録された即時制御入力及びスケジュール変更を処理する。ステップ２５１９において判定されるように、一般には生じたイベントキューにキューされるさらなる制御関連イベントがステップ２５０２から出た後に生じたときには、制御は、次のキューされたイベントを扱うためにステップ２５０４へと戻る。そうでなければ、制御は、インテリジェントコントローラが次の制御関連イベントを待機するステップ２５０２に戻る。
図２５Ｂは、図２５Ａにおけるステップ２５１８において呼び出されたルーチン「監視期間」についての制御フローダイアグラムを提供している。ステップ２５２２において、インテリジェントコントローラは、現在の学習モードの指示を記憶する状態変数にアクセスする。ステップ２５２３において判定されるように、現在の学習モードが積極的な学習モードであるときには、ステップ２５２４において、ルーチン「積極的監視期間」が呼び出される。そうでなければ、ステップ２５２５において、ルーチン「定常状態監視期間」が呼び出される。この制御フローダイアグラムは単純であるが、図１１Ｄ−図１１Ｅ及び図１２を参照しながら上述した自動制御スケジュール学習の特徴を明確に示している。自動制御スケジュール学習は、後続の定常状態学習期間が続く初期の積極的な学習期間に分岐される。
図２５Ｃは、図２５Ｂにおけるステップ２５２４において呼び出されたルーチン「積極的監視期間」についての制御フローダイアグラムを提供している。このルーチンは、各監視期間の終わりに呼び出される。上述した例において、監視期間は、毎日の制御スケジュールのそれぞれの終わり、午後１２：００の直後に終了する。しかしながら、代わりの実装において、監視期間は、様々な他の異なる時間間隔で生じることができ、他の特性及びパラメータに応じて可変に生じることさえもできる。監視期間は、一般に、上述したように制御スケジュール又はサブスケジュールに対応する最小粒度の期間である。
ステップ２５２７において、インテリジェントコントローラは、図１６Ｂ及び図２０Ａを参照しながら上述したように、全ての記録された即時制御入力を既存の制御スケジュールと組み合わせる。ステップ２５２８において、図１６Ｃ−図１６Ｄ及び図２０Ｂを参照しながら上述したように、記録された即時制御入力及びスケジュール変更及び既存の制御スケジュール設定値をクラスタに分割するために、ルーチン「クラスタ」が呼び出される。ステップ２５２９において、インテリジェントコントローラは、図１６Ａ−図２０Ｃを参照しながら上述したように、各クラスタ内の様々な設定値を分解するために、ルーチン「クラスタ単純化」を呼び出す。ステップ２５３０において、インテリジェントコントローラは、図２０Ｃ及び２１Ａ−図２１Ｂを参照しながら上述したように、クラスタ分解に続いて新たな暫定的スケジュールを生成するために、ルーチン「新たなスケジュール生成」を呼び出す。ステップ２５３１において、インテリジェントコントローラは、ステップ２５３０において生成された暫定的スケジュールの特徴を、インテリジェントコントローラの制御スケジュールの関連するサブスケジュール及び制御スケジュールに伝播するために、図２２Ａ−図２４Ｉを参照しながら上述したルーチン「新たなスケジュール伝播」を呼び出す。ステップ２５３２において、インテリジェントコントローラは、ステップ２５３２において判定されるように、現在終了した監視期間が積極的な学習モードにおける最後の監視期間であるか否かを判定する。ステップ２５３２において判定されるように、最近終了した監視期間が積極的な監視学習モードにおける最後の監視期間である場合、ステップ２５３３において、インテリジェントコントローラは、インテリジェントコントローラが現在定常状態学習モードで動作していることを示すために現在の学習モードを制御する様々な状態変数を設定し、ステップ２５３４において、定常状態学習のフェーズＩに適合するパラメータ値に様々な学習パラメータを設定する。
自動制御スケジュール学習の異なる実装において多くの異なる学習パラメータが使用されることができる。現在述べられている実装において、学習パラメータは、即時制御入力がインテリジェントコントローラによって終了する前に実行される時間量や、クラスタ分解及び既存の制御スケジュールに関する伝播される設定値の分解に使用される様々な閾値Δｔ及び閾値ΔＰの大きさを含むことができる。最後に、ステップ２５３５において、記録される即時制御入力及びスケジュール変更が、クラスタリング情報並びに新たな暫定的スケジュールの生成及び暫定的スケジュールの伝播中に導出されて記憶される他の一時的な情報とともに削除され、学習ロジックは、後続の監視期間を開始するために再初期化される。
図２５Ｄは、図２５Ｃのステップ２５２８において呼び出されるルーチン「クラスタ」についての制御フローダイアグラムを提供している。ステップ２５３７において、局所変数Δｔｉｎｔが学習モード及び学習フェーズ依存値に設定される。そして、ステップ２５３８−２５４２のｗｈｉｌｅループにおいて、ステップ２５４０において判定されるように１つ以上のクラスタリング基準が満たされるまで、既存の制御スケジュール内にクラスタを生成するために、ルーチン「間隔クラスタ」が反復的に呼び出される。クラスタリング基準を満たすのに先だって、ステップ２５４２において、クラスタリング基準を満たすために次のクラスタリングを変えるために、ステップ２５３９におけるルーチン「間隔クラスタ」に対する次の呼び出しのそれぞれに先だってΔｔｉｎｔの値がインクリメントされる。変数Δｔｉｎｔは、図１６Ｃを参照しながら上述したように２つの異なるクラスタに属するとして分類された設定値をもたらす設定値間における最小の時間長、又は、２つのクラスタ間の間隔である期間１６１０に対応する。Δｔｉｎｔの減少は、一般に、さらなるクラスタを生み出す。
様々な異なる種類のクラスタリング基準がインテリジェントコントローラによって使用されることができる。一般に、適切な制御スケジュール単純化を生み出すために十分な数のクラスタを生成するのが望ましいが、多すぎるクラスタは、さらなる制御スケジュールの複雑性をもたらす。したがって、クラスタリング基準は、望ましいレベルの制御スケジュール単純化をもたらす望ましいレベルのクラスタリングを生み出すのに十分なΔｔｉｎｔを選択するように設計される。ｗｈｉｌｅループは、Δｔｉｎｔの値が許容可能な値の範囲内である場合に継続する。クラスタリング基準がステップ２５３８−２５４２のｗｈｉｌｅループにおけるルーチン「間隔クラスタ」に対する反復した呼び出しによって満たされないときには、ステップ２５４３において、クラスタを生成するために、必要に応じて制御スケジュール単純化のために、１つ以上の他のクラスタリング方法が使用されてもよい。他の方法は、制御スケジュールにおいて示されるローカルの最大及び最小パラメータ値に基づいて、それでも駄目な場合には、クラスタ境界として、ステップ２５３７において生成された設定値内の多数の最長設定値自由時間間隔を選択することにより、クラスタの選択をともなうことができる。
図２５Ｅは、図２５Ｄのステップ２５３９において呼び出されたルーチン「間隔クラスタ」についての制御フローダイアグラムを提供している。ステップ２５４５において、インテリジェントコントローラは、設定値が監視期間に対応する制御スケジュールの開始時間と一致するか否かを判定する。ステップ２５４５において判定されるように、設定値が制御スケジュールの時間の開始と一致しないときには、ステップ２５４６において、制御スケジュールの開始時間に局所変数「ｓｔａｒｔＣｌｕｓｔｅｒ」が設定され、局所変数「ｎｕｍＣｌｕｓｔｅｒ」が１に設定される。そうでなければ、ステップ２５４７において、局所変数「ｎｕｍＣｌｕｓｔｅｒ」が０に設定される。ステップ２５４８において、局所変数「ｌａｓｔＳＰ」が制御スケジュールの開始時間に設定され、ステップ２５４８において、局所変数「ｃｕｒＴ」が「ｌａｓｔＳＰ」と時間インクリメントΔｔｉｎｃとの和に設定される。局所変数「ｃｕｒｔ」は、考えられる制御スケジュールにおける現在時点の指示であり、局所変数「ｎｕｍＣｌｕｓｔｅｒ」は、生成されている次のクラスタにおける設定値数の指示であり、局所変数「ｓｔａｒｔＣｌｕｓｔｅｒ」は、クラスタにおける第１の設定値の時点の指示であり、局所変数「ｌａｓｔＳＰ」は、制御スケジュールにおいて検出された設定値の最後の時間の指示である。次に、ステップ２５４９−２５５９のｗｈｉｌｅループにおいて、制御スケジュールから一連のクラスタを生成するために、監視期間に対応する制御スケジュールが始めから終わりまで検討される。ステップ２５５０において、最後の検出された設定値と考えられている現在時点との間における時間間隔の長さに局所変数Δｔが設定される。ステップ２５５１において判定されるように現在時点と一致する設定値があるときには、ステップ２５５２において、設定値を考慮して処理するために、ルーチン「ｎｅｘｔＳＰ」が呼び出される。そうでなければ、ステップ２５５３において判定されるようにΔｔがΔｔｉｎｔよりも大きいときには、ステップ２５５４において判定されるようにクラスタが処理されていれば、ステップ２５５５において、クラスタは閉じられて記憶され、次のクラスタの処理を開始するために局所変数「ｎｕｍＣｌｕｓｔｅｒ」が再初期化される。ステップ２５５６において、局所変数「ｃｕｒｔ」がインクリメントされ、ｗｈｉｌｅループは、ｃｕｒＴが、ステップ２５５７において判定されるように制御スケジュールが終了する時間以下であるときに反復し続ける。ステップ２５５８において判定されるように、ｗｈｉｌｅループが終了し、クラスタが生成されたときには、ステップ２５５９において、クラスタは閉じられて記憶される。
図２５Ｆは、図２５Ｅのステップ２５５２において呼び出されたルーチン「ｎｅｘｔＳＰ」についての制御フローダイアグラムを提供している。ステップ２５６０において、インテリジェントコントローラは、クラスタがルーチン呼び出し時に生成されているか否かを判定する。クラスタが生成されており、ステップ２５６１において判定されるようにΔｔがΔｔｉｎｔよりも小さいときには、ステップ２５６２において、現在の設定値がクラスタに追加される。そうでなければ、ステップ２５６３において、現在考慮されているクラスタは閉じられて記憶される。クラスタが生成されていないときには、ステップ２５６４において、現在検出された設定値が新たなクラスタにおける最初の設定値となる。
図２５Ｇは、図２５Ｃのステップ２５２９において呼び出されたルーチン「クラスタ単純化」についての制御フローダイアグラムを提供している。このルーチンは、図１６Ａ−図２１Ｄを参照しながら上述したように、図２５Ｃのステップ２５２８において呼び出されたルーチン「クラスタ」によって判定された各クラスタが単純化されるステップ２５６６−２５６８を含む単純なｆｏｒループである。クラスタは、ステップ２５６７におけるルーチン「単純化」に対する呼び出しによって単純化される。
図２５Ｈは、図２５Ｇのステップ２５６７において呼び出されたルーチン「単純化」についての制御フローダイアグラムである。ステップ２５７０において、インテリジェントコントローラは、現在考慮されているクラスタが任意のスケジュール変更設定値を含むか否かを判定する。現在考慮されているクラスタがスケジュール変更設定値を含むときには、ステップ２５７２において、いかなる即時制御設定値も除去される。ステップ２５７３において判定されるように、クラスタが単一のスケジュール変更設定値のみを含むときには、ステップ２５７４において、その単一のスケジュール変更設定値が全クラスタを表したままとされる。そうでなければ、ステップ２５７５において、図１７Ａ−図１７Ｅを参照しながら上述したように、クラスタを表すゼロ、１つ又は２つの設定値に複数のスケジュール変更が分解される。そして、ステップ２５７６において、ゼロ、１つ又は２つの設定値は、既存の制御スケジュールに入力される。ステップ２５７０において判定されるように、クラスタがいかなるスケジュール変更設定値も含まないとき、及び、図１７Ａ及び図１７Ｃを参照しながら上述したように、ステップ２５７７において判定されるように、クラスタにおける設定値が単一の設定値によって置き換えられることができるときには、ステップ２５７８において、図１７Ａ及び図１７Ｃを参照しながら上述したように、クラスタの設定値は、単一の設定値と置き換えられる。なお、図２０Ａ−図２０Ｃを参照しながら上述したように、設定値は、スケジューリングされた設定値又は即時制御設定値から導出されるかどうかを示すために、ラベル「ｓ」及び「ｉ」と関連付けられる。同様に、ステップ２５７９において判定されるように、クラスタの設定値が２つの設定値によって置き換えられることができるときには、ステップ２５８０において、クラスタは、図１７Ｄ−図１７Ｅを参照しながら上述したように、適切なラベルを有する２つの設定値によって置き換えられる。そうでなければ、図７１７Ｂを参照しながら説明された状態が生じ、その場合、ステップ２５８１において、残りの設定値の全てがクラスタから削除される。
図２５Ｉは、図２５Ｃのステップ２５３０において呼び出されたルーチン「新たなスケジュール生成」についての制御フローダイアグラムを提供している。ステップ２５８３において判定されるように、新たな暫定的スケジュールが２つ以上の即時制御設定値を含むときには、ステップ２５８４において、ルーチン「拡散」が呼び出される。このルーチンは、図２１Ａ−図２１Ｂを参照しながら上述したように、「ｉ」とラベル付けされた設定値を拡散する。そして、制御スケジュールは、ステップ２５８５において、設定値がステップ２５８６において後続の伝播ステップのために保持される即時制御設定値又はスケジュール設定値から導出されるかどうかの指示とともに、所定期間、新たな現在の制御スケジュールとして記憶される。
図２５Ｊは、図２５Ｉのステップ２５８４において呼び出されたルーチン「拡散」についての制御フローダイアグラムを提供している。ステップ２５８７において、局所変数「第１」が暫定的スケジュールにおける第１の即時制御設定値に設定される。ステップ２５８８において、変数「第２」が暫定的スケジュールにおける第２の即時制御設定値に設定される。そして、ステップ２５８９−２５９９のｗｈｉｌｅループにおいて、閾値時間長Δｔｊよりも時間で近い即時制御設定値の対を検出するために、暫定的スケジュールが検討される。第２の設定値は、ステップ２５９２−２５９６において、即時制御設定値を拡散するために、固定された時間間隔Δｔｓだけ又は以前の設定値と次の設定値との半分時点に時間的に移動される。
図２５Ｋは、図２５Ｃのステップ２５３１において呼び出されたルーチン「新たなスケジュール伝播」についての制御フローダイアグラムを提供している。このルーチンは、図２２Ａ−図２２Ｂを参照しながら上述したように、図２５Ｃのステップ２５３０において生成された暫定的スケジュールを関連するサブスケジュールに伝播する。ステップ２５９９ａにおいて、インテリジェントコントローラは、ステップ２５３０において生成された暫定的スケジュールが伝播されなければならないさらなるサブスケジュール又はスケジュールを判定する。そして、ステップ２５９９ｂ−２５９９ｅのｆｏｒループにおいて、図２５Ｉのステップ２５８６において保持された即時制御設定値が、次の関連する制御スケジュールに伝播され、それらの設定値が次の制御スケジュールにおける既存の制御スケジュール設定値とともに、ステップ２５９９ｄにおいて、ルーチン「さらなるスケジュール分解」に対する呼び出しによって分解される。
図２５Ｌは、図２５Ｋのステップ２５９９ｄにおいて呼び出されたルーチン「さらなるスケジュール分解」についての制御フローダイアグラムを提供している。ステップ２５９９ｆにおいて、インテリジェントコントローラは、図２４Ａ−図２４Ｉを参照しながら上述したものなどの記憶されたスケジュール分解ルールのセットにアクセスし、適用されることになるスケジュール分解ルールの数に局所変数ｊを設定する。再度、ステップ２５９９ｇ−２５９９ｎのネスト化されたｆｏｒループにおいて、図２５Ｋのステップ２５９９ｃにおいて生成された設定値のセットにおける各即時制御設定値にルールが適用される。ルールは、ステップ２５９９ｊにおいて判定されるように設定値が削除されるまで、又は、ステップ２５９９ｋにおいてスケジュールを単純化するためにルールが成功裏に適用されるまで、順に各即時制御設定値に適用される。一旦全ての伝播される設定値がステップ２５９９ｇ−２５９９ｎのネスト化されたｆｏｒループにおいて分解されると、ステップ２５９９ｏにおいて、スケジュールは新たな暫定的スケジュールとして記憶される。
図２５Ｍは、図２５Ｂのステップ２５２５において呼び出されたルーチン「定常状態監視」についての制御フローダイアグラムを提供している。このルーチンは、図２５Ｃに示されて図２５Ｂのステップ２５２４において呼び出されたルーチン「積極的監視期間」と同様である。実際に、多くのステップがほぼ同一であり、簡潔さの利益のために再度は記載されない。しかしながら、ステップ２５９９ｑは、ルーチン「積極的監視期間」には存在しない追加ステップである。このステップにおいて、設定値のセットが、インテリジェントコントローラが目標とする又はシフトされることになる他の制御スケジュールとより密接に関連しているか否かを判定するために、既存の制御スケジュール設定値に重ね合わせられた即時制御設定値及びスケジュール変更設定値が最近の履歴制御スケジュールのデータベースを調査するのに使用される。ステップ２５９９ｈにおいて判定されるように、制御スケジュールのシフトがこの調査によって示されるときには、ステップ２５９９Ｉにおいてシフトが実行され、ステップ２５９９ｔにおいて、新たな暫定的スケジュールの生成の実行に先だって、記憶された即時制御及びスケジュール変更が、インテリジェントコントローラがシフトされる目標スケジュールのサブスケジュールと組み合わされる。ステップ２５９９ｑにおいて呼び出された履歴調査ルーチンはまた、監視期間に対応する１つ以上の制御スケジュール又はサブスケジュールに関して監視期間中に記録された即時制御設定値及びスケジュール変更設定値をフィルタリングしてもよい。これは、積極的な学習モードにおいて使用される積極的な学習アプローチとは対照的に、監視期間中に記録された入力に基づいて制御スケジュールを控えめに変更しようとするのみである、より控えめな学習アプローチの一部である。それゆえに、監視期間の終わりに実行される処理は、積極的な学習モード及び定常状態学習モードの双方に類似しているが、スケジュール変更は、定常状態学習中にはより控えめな方式で実行され、スケジュール変更は、定常状態学習の各連続フェーズによってますます控えめになる。手元の広範な最近及び履歴制御スケジュール情報により、インテリジェントコントローラは、監視期間中に生じた即時制御入力及びスケジュール変更が、制御スケジュールに対する長期間の変更に関するユーザの要望を反映するか、又は、その代わりに、一時的な局所イベント及び状態に関連する一時的な制御変更を反映するかどうかについて、インテリジェントでますます正確な予想を作ることができる。
上述したように、インテリジェントコントローラは、異なる期間にわたって利用可能な複数の異なる制御スケジュールを使用することができる。例えば、住居のＨＶＡＣサーモスタットコントローラの場合には、インテリジェントコントローラは、年中異なる季節に利用可能な様々な異なる制御スケジュール、場合によっては冬、夏、春及び秋についての異なる制御スケジュールを使用することができる。他の種類のインテリジェントコントローラは、分及び時間から、月、年及びさらにはより長い期間に及ぶ様々な異なる制御期間についての多数の制御スケジュールを使用することができる。
図２６は、インテリジェントコントローラの動作についての３つの異なる制御モードに対応する３つの異なる週ベースの制御スケジュールを図示している。３つの制御スケジュール２６０２−２６０４のそれぞれは、図２５Ｍのステップ２５９９ｓにおいて、他の制御スケジュールへと動作制御がシフトされるまでの期間、インテリジェントコントローラ動作を制御する異なる週ベースの制御スケジュールである。図２７は、７つの異なる制御スケジュールにしたがって動作するインテリジェントコントローラについての状態遷移ダイアグラムを図示している。特定の制御スケジュールによって制御される動作のモードは、円２７０２などの円として示されており、動作のモード間の遷移は、曲線矢印２７０４などの曲線矢印として示されている。図２７に示される場合において、状態遷移ダイアグラムは、特定の制御スケジュールによってそれぞれ制御される７つの異なる動作モードを備えるインテリジェントコントローラについての決定論的でより高レベルの制御スケジュールを表現している。これらの特定の制御スケジュールのそれぞれは、順次、サブスケジュールのさらなる階層レベルからなることができる。本特許出願が関する自動学習方法は、それらの階層的構造にかかわらず、複数の制御スケジュール及びサブスケジュールの自動学習に適合することができる。監視期間は、一般に、より短期間でより小さい粒度の階層におけるサブスケジュールを包含し、サブスケジュールとより高レベルの制御スケジュールとの間の遷移は、図１３を参照しながら述べられた毎週の制御スケジュール内の毎日のサブスケジュールなどのより大きな制御スケジュール内のサブスケジュールの順序により、又は、多くの他の制御スケジュール構造及びスケジュールシフト基準にしたがって、図２７に図示された遷移状態ダイアグラム表現されたより高レベルの制御スケジュールなど、より高レベルの制御スケジュールによって制御される。
図２８Ａ−図２８Ｃは、インテリジェントコントローラによって実行されることがある１種類の制御スケジュール遷移を図示している。図２８Ａは、それにしたがってインテリジェントコントローラが現在動作している既存の制御スケジュールを示している。図２８Ｂは、図２８Ａに示される制御スケジュール上に重ね合わせられた最近終了した監視期間にわたって記録された即時制御入力を示している。これらの即時制御入力２８０２−２８０５は、既存の制御スケジュール２８００から大幅な逸脱を表しているようにみえる。図２５Ｍのステップ２５９９ｑにおいて、インテリジェントコントローラは、最近終了した監視期間についての制御スケジュールを変えることができる、図２８Ｃに示される制御スケジュール２８１０を含む様々な他の制御スケジュール又は履歴制御スケジュールを考慮することができる。結局のところ、既存の制御スケジュールによる即時制御入力の分解は、図２８Ｃに示される制御スケジュール２８１０に非常に近い制御スケジュールを生み出すであろう。そして、これは、既存の制御スケジュールを変更し、変更された制御スケジュールを使用して継続するのではなく、記録された即時制御入力が、制御を制御スケジュール２８１０にシフトする必要性を提案することができるインテリジェントコントローラに対する強い指示を提供する。これは、図２５Ｍにおけるステップ２５９９ｓにおいて生じることがある１つの種類のスケジュール変更遷移であるものの、他のスケジュール変更シフトは、現在の日、曜日の知識、及び、場合によってはインテリジェント制御動作を制御するのに使用されることになる複数の制御スケジュールの使用をともに指定する様々な環境パラメータの知識によって制御されることができる。
図２９−図３０は、定常状態学習フェーズ中にインテリジェントコントローラによって行われることがある検討の種類を図示している。図２９において、同じ期間に利用可能な１５個の最近又は履歴制御スケジュール又は暫定的スケジュール２９０４−２９１８の同様のプロットとともに、新たな暫定的スケジュール２９０２のプロットが示されている。最近又は履歴暫定的スケジュール２９０４−２９１８に対する新たな暫定的スケジュール２９０２の視覚的比較は、新たな暫定的スケジュールが制御体制におけるむしろ過激な変更を表す旨を即座にみせる。定常状態学習中に、そのような過激な変更は、既存の制御スケジュールを置き換えるために伝播も使用もされることができないが、その代わりに、累積した最近及び履歴暫定的スケジュールの記録が、将来のユーザ意図の指示として、暫定的スケジュールの検討についてのより良好な裏付けを提供するときのみ、伝播又は置き換えのために記録されて使用されることができる。例えば、図３０に示されるように、新たな暫定的スケジュールが最近及び／又は履歴制御スケジュール３００２−３０１６の記録と比較されると、インテリジェントコントローラは、置き換え又は伝播のために新たな暫定的スケジュール２９０２をはるかに多く使用しそうである。
インテリジェントサーモスタットに照らした自動スケジュール学習
自動制御スケジュール学習の実装は、次に記載されるインテリジェントサーモスタットに含まれる。インテリジェントサーモスタットには、精通していないユーザを単純なユーザインターフェースに触れさせる選択的に層化された機能が備えられるが、多くの異なるエネルギ節約及びエネルギ追跡能力にアクセスして操作することができる能力を高度なユーザに提供する。単純なユーザインターフェースに触れさせられるのみである精通していないユーザの場合でさえも、インテリジェントサーモスタットは、バックグラウンドで実行する高度なエネルギ節約機能を提供する。インテリジェントサーモスタットは、インテリジェントサーモスタットが配置される環境の加熱及び冷却を学習してエネルギ節約設定を最適化するためにマルチセンサ技術を使用する。
インテリジェントサーモスタットはまた、ユーザがいくつかの単純な質問に答えるセットアップ・ダイアログを発端に、ユーザについても学習し、そして、ユーザ占有パターンを検出し、スケジュール変更及び即時制御入力を用いてユーザが温度を制御する方法を追跡するために、時間とともにマルチセンサ技術を使用して継続する。継続的に、インテリジェントサーモスタットは、学習されて検知された情報を処理し、エネルギ使用量を最適化するための環境制御設定を自動的に調整すると同時に、１人以上のユーザの学習した占有パターン及び快適さの好みにしたがって、環境内の温度を所望のレベルに維持する。
有利には、インテリジェントサーモスタットの選択的に層化された機能は、家及び企業環境内での様々な異なる技術的状況において効率的な動作を可能とする。無線ホームネットワーク又はインターネット接続性を有しない単純な環境のために、インテリジェントサーモスタットは、スタンドアローンモードで効率的に動作し、マルチセンサ技術及びユーザ入力に基づいて環境を学習して適応する。しかしながら、ホームネットワーク又はインターネット接続性を有する環境のためには、インテリジェントサーモスタットは、さらなる能力を提示するためにネットワーク接続されたモードで効率的に動作する。
インテリジェントサーモスタットが、ＩＥＥＥ８０２．１１（Ｗｉ−Ｆｉ）接続性を介してなどのホームネットワークを介してインターネットに接続されたとき、インテリジェントサーモスタットは、（１）実時間又は集約したホームエネルギ性能データを、公益事業会社、インテリジェントサーモスタットのデータ・サービスプロバイダ、他の家におけるインテリジェントサーモスタット、又は、他のデータ送り先に提供することができる、（２）公益事業会社、インテリジェントサーモスタットのデータ・サービスプロバイダ、他の家におけるインテリジェントサーモスタット、又は、他のデータソースから、実時間又は集約したホームエネルギ性能データを受信することができる、（３）１つ以上のインテリジェントサーモスタットのデータ・サービスプロバイダ又は他のソースから、新たなエネルギ制御命令及び／又は更新を受信することができる、（４）エネルギ節約制御アルゴリズム処理に含めるために、現在の及び予想された天気情報を受信することができる、（５）ユーザのコンピュータ、ネットワーク接続されたテレビ、スマートフォン及び／又は他の固定若しくは携帯データ通信機器から、ユーザ制御コマンドを受信することができる、（６）デジタル電気器具を介してインタラクティブなユーザインターフェースをユーザに提供することができる、（７）それらの加入者についてのエネルギ節約制御コマンド及び／又はプロファイルを生成するために、複数のソースから収集された情報を活用することを目的とする加入ベースのサービスなどの外部のエネルギ管理アドバイザからコマンド及び情報を受信することができる、（８）手数料又は他のコストインセンティブと交換にインテリジェントサーモスタットを制御するために、制限された権限が自発的に与えられる公益事業会社などの外部のエネルギ管理機関から、制御コマンド及び情報を受信することができる、（９）インテリジェントサーモスタット検知されたＨＶＡＣ関連イベントに基づいてデジタル電気器具についてのアラーム、アラート又は他の情報をユーザに提供することができる、（１０）インテリジェントサーモスタット検知された非ＨＶＡＣ関連イベントに基づいてデジタル電気器具についてのアラーム、アラート又は他の情報をユーザに提供することができる、及び、（１１）ネットワーク接続性によって可能とされる様々な他の有益な機能を提供することができる。
図３１Ａは、インテリジェントサーモスタットの斜視図を図示している。インテリジェントサーモスタット３１００は、流線型の洗練された外観を有する。インテリジェントサーモスタット３１００は、光沢のあるニッケル又はクロム仕上げなどの視覚的に心地よい外装仕上げを有する約８ｃｍの径を有する円形本体３１０８を備える。回転可能な外側リング３１０６と、センサリング３１０４と、円形ディスプレイモニタ３１０２とを備えるキャップ状の構造は、小さい周囲間隙３１１０によって本体３１０８から分離される。外側リング３１０６は、本体３１０８のものと同じ外装仕上げを有することができる一方で、センサリング３１０４及び円形ディスプレイモニタ３１０２は、外側方向に徐々に円弧状とされ且つ流線型のさらに固く耐久性があるようにみえる全体外観を提供する共通の円形ガラス（又はプラスチック）外装を有することができる。センサリング３１０４は、赤外線センサ、可視光センサ及び音響センサを含む多種多様なセンサのいずれかを含む。センサリング３１０４を被覆するガラス又はプラスチックは、センサ自体がユーザにとって視認できないように、曇り仕上げ又は鏡面仕上げとされることができる。えら又はグリル状通気孔の必要なく、外気が内部センサによって検知されるのを可能とする周囲間隙３１１０によって換気機能性が提供されることができる。
図３１Ｂ−図３１Ｃは、ユーザによって制御されるインテリジェントサーモスタットを図示している。インテリジェントサーモスタット３１００は、以下の２種類のユーザ入力によって制御される。（１）外側リング３１０６の回転（図３１Ｂ）、及び、（２）可聴の及び／又は触知の「クリック」が生じるまでの外側リング３１０６の内側押圧（図３１Ｃ）。内側押圧は、外側リング３１０６を前方に移動させることができる一方で、他の実装においては、外側リング３１０６と、センサリング３１０４及び円形ディスプレイモニタ３１０２のガラスカバーとを含むキャップ状の構造全体が、押圧されたときに内側にともに移動する。センサリング３１０４、円形ディスプレイモニタ３１０２及び共通のガラスカバーは、１つの実装においては外側リング３１０６とともに回転しない。
外側リング３１０６の回転又はリング回転及び外側リング３１０６の内側押圧又は内側クリックにより、インテリジェントサーモスタット３１００は、基本セットアップ及び動作に必要な全ての情報をユーザから受信することができる。外側リング３１０６は、洗練された全体の感覚をさらに促進しながら誤った又は不要な回転入力を低減するために、滑らかなさらに粘性のある感覚をユーザに提供するように機械的に取り付けられる。インテリジェントサーモスタット３１００は、以下の３つの基本的なユーザ入力を認識する。（１）リング左回転、（２）リング右回転及び（３）内側クリック。他の実装においては、ダブルクリック又はトリプルクリック内側押圧及び回転入力の速度感知又は加速感知など、より複雑な基本的なユーザ入力が認識されることができる。
図３２は、インテリジェントサーモスタット及びＨＶＡＣ連結壁ドックの分解斜視図を図示している。ＨＶＡＣ連結壁ドック３２０６は、インテリジェントサーモスタット３１００が取り外されたとき、非常に単純で基本的なスタンドアローンのサーモスタットとしての機能を有し、基本的なサーモスタットは、標準温度読み出し／設定ダイヤル３２０８と、単純な冷却−オフ−加熱スイッチ３２０９を含む。これは、延長された期間のサービス又は修理のために、インテリジェントサーモスタット３１００が取り外される必要があるときなど、様々な状況での有益さを証明することができる。１つの実装において、基本的なサーモスタットコンポーネント３２０８及び３２０９は、リレーを作動して制御するために電力が必要とされないように、実際は全体的に機械的である。他の実装において、電気上下ボタン及び／又はＬＣＤ読み出しなどの単純な電子制御が提供される。他の実装において、インテリジェントサーモスタットが一時的に取り外されたときに脳幹機能を提供する遠隔制御を可能とするための基本的なネットワークアクセスなど、インテリジェントサーモスタット３１００の高度な機能のサブセットが提供されることができる。
図３３Ａ−図３３Ｂは、インテリジェントサーモスタットの分解正面及び背面斜視図を図示している。図３３Ａ−図３３Ｂは、以下の２つの主部品に関するインテリジェントサーモスタット３３０２を示している。（１）ヘッドユニット３２０４及び（２）背板３３０６。示される図面において、ｚ方向は壁から外向きであり、ｙ方向は、やって来るユーザに対して頭の先からつま先方向であり、ｘ方向はユーザの左右方向である。
図３４Ａ−図３４Ｂは、ヘッドユニットの分解正面及び背面斜視図をそれぞれ図示している。ヘッドユニット３３０４は、ヘッドユニット・フレーム３３１０と、外側リング３３１１と、ヘッドユニット前面アセンブリ３３１２と、前面レンズ３３１３と、前面グリル３３１４とを含む。ヘッドユニット前面アセンブリ３３１２における電気部品は、リボンケーブル及び／又は他のプラグタイプの電気コネクタを介して、背板３３０６上の電気部品に接続することができる。
図３５Ａ−図３５Ｂは、ヘッドユニット前面アセンブリの分解正面及び背面斜視図をそれぞれ図示している。ヘッドユニット前面アセンブリ３３１２は、ヘッドユニット回路基板３３１６と、ヘッドユニット前板３３１８と、ＬＣＤモジュール３３２２とを備える。ヘッドユニット回路基板３３１６の前側の部品は、図３５ＡにおけるＲＦシールドの後方に隠蔽される。１つの実装において、３．７ボルトの公称電圧及び５６０ｍＡｈの公称容量を有するヘッドユニット回路基板３３１６の後方に再充電可能なリチウムイオン・バッテリ３３２５が配置されている。バッテリ寿命を延長するために、バッテリ３３２５は、通常は、サーモスタットバッテリ充電回路によって４５０ｍＡｈを超えて充電されない。さらに、バッテリ３３２５は、４．２ボルトまで充電可能とされるように定格が決められているものの、インテリジェントサーモスタット・バッテリ充電回路は、通常は、３．９５ボルトを超えてインテリジェントサーモスタットを充電しない。また、図３５Ｂに示されているものは、外側リング３３１１の回転を検知するように構成されて位置決めされる光学式指ナビゲーションモジュール３３２４である。モジュール３３２４は、外側リング３３１１の周囲に面したテクスチャ表面の移動を検知するために、光学式コンピュータマウスの動作と同様の方法を使用する。特に、モジュール３３２４は、比較的低電力の背板マイクロプロセッサよりもむしろ、比較的電力集中型のヘッドユニット・マイクロプロセッサによって制御されるほとんどないセンサの１つである。ユーザが手動でダイヤルを回転しているとき、ヘッドユニット・マイクロプロセッサは既に起動されていることから、これは過剰電力ドレインなしで達成可能であり、過剰な起動電力ドレインを回避する。有利には、非常に高速な応答もまた、ヘッドユニット・マイクロプロセッサによって提供されることができる。また、図３５Ａに示されているものは、下方に配設されたＰＩＲ動きセンサとともに動作するフレネルレンズ３３２０である。
図３６Ａ−図３６Ｂは、背板ユニットの分解正面及び背面斜視図をそれぞれ図示している。背板ユニット３３０６は、背板ユニット裏板３３３０と、背板ユニット回路基板３３３２と、背板ユニットカバー３３３９とを備える。図３６Ａは、一体化された有線挿入検知回路と、背板回路基板３３３２の後側に取り付けられる電力流用回路によって使用される２つの比較的大きなコンデンサ３３３６とを含むＨＶＡＣ有線コネクタ３３３４を示している。
図３７は、部分的に組み立てられたヘッドユニットの斜視図を示している。ある実装において、フレネルレンズ３３２０及び関連するＰＩＲ動きセンサ３３４４上のグリル部材３３１４の配置は、ＰＩＲ検知素子を隠蔽して保護するとともに、グリル部材３３１４における横溝は、ＰＩＲ動き検知ハードウェアが、隠蔽されるにもかかわらず、部屋又は領域における居住者の横方向の動きを検出するのを可能とする。温度センサ３３４０は、より正確に周囲温度を測定するために、一対の熱センサを使用する。温度センサ３３４０と関連付けられた第１の又は上方の熱センサ３３４１は、領域外により近い又はサーモスタットの外装の温度データを収集するとともに、第２の又は下方の熱センサ３３４２は、ハウジングの内部とより密接に関連付けられた温度データを収集する。１つの実装において、温度センサ３３４１及び３３４２は、Ｔｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社のＴＭＰ１１２デジタル温度センサチップを備えるとともに、ＰＩＲ動きセンサ３３４４は、デュアル素子焦電検出器であるＰｅｒｋｉｎＥｌｍｅｒ ＤｉｇｉＰｙｒｏ ＰＹＤ １９９８を備える。
周囲温度をより正確に判定するために、下方の熱センサ３３４２からとられる温度は、有効な周囲温度の判定の際に、上方の熱センサ３３４１によって測定された温度とともに考慮される。この構成は、マイクロプロセッサ及び／又は他の電子部品によってサーモスタット内で生成される内部熱の影響を補償するのに使用されることができ、そうでなければ被る可能性がある温度測定誤差を取り除く又は最小化する。いくつかの実装において、周囲温度測定の精度は、上方の熱センサ３３４１が下方の熱センサ３３４２よりも周囲温度を良好に反映することから、グリル部材３３１４に対し、温度センサ３３４０の上方の熱センサ３３４１を熱結合することによってさらに向上させることができる。
図３８は、ヘッドユニット回路基板を図示している。ヘッドユニット回路基板３３１６は、ＤＤＲ ＳＤＲＡＭメモリ３８０６と、大容量ＮＡＮＤ記憶装置３８０８とともに、ヘッドユニット・マイクロプロセッサ３８０２（Ｔｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社のＡＭ３７０３チップなど）と、関連するオシレータ３８０４とを備える。８０２．１１ｂ／ｇ／ｎ ＷＬＡＮ規格をサポートするＴｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社のＷＬ１２７０チップセットに基づくＭｕｒａｔａ社の無線ソリューションであるＬＢＷＡ１９ＸＳＬＺモジュールなどのＷｉ−Ｆｉモジュール３８１０が、Ｗｉ−Ｆｉ機能のためのＲＦシールド３８３４の別個の部分に設けられている。Ｗｉ−Ｆｉモジュール３８１０は、オシレータ３８１４を含む支持回路３８１２に付随している。例えばＴｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社からのＣ２５３０Ｆ２５６モジュールなどのジグビーモジュール３８１６が、ジグビー機能のための別個にシールドされたＲＦ部分にも設けられている。ジグビーモジュール３８１６は、オシレータ３８１９と、低ノイズ増幅器３８２０とを含む支持基板３８１８に付随している。ディスプレイ・バックライト電圧変換回路３８２２、圧電性駆動回路３８２４及び電力管理回路３８２６がさらに設けられている。近接センサ及び周囲光センサ（ＰＲＯＸ／ＡＬＳ）、より特には、Ｓｉｌｉｃｏｎ Ｌａｂｓ社のＩ２Ｃインターフェースを有するＳＩ１１４２近接／周囲光センサが、フレックス回路コネクタ３８３０によってヘッドユニット回路基板の背面に取り付けるフレックス回路３８２８上に設けられている。バッテリ充電管理切断回路３８３２及びバネ／ＲＦアンテナ３８３６がさらに設けられている。温度センサ３８３８及びＰＩＲ動きセンサ３８４０がさらに設けられている。
図３９は、背板回路基板の背面図を図示している。背板回路基板３３３２は、オン・ボード・メモリ３９０３を含むＴｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社のＭＳＰ４３０Ｆシステム・オン・チップ・マイクロコントローラなどの背板プロセッサ／マイクロコントローラ３９０２を備える。背板回路基板３３３２は、さらに、電力流用回路と、各ＨＶＡＣの各ＨＶＡＣ機能のためのスイッチ回路３９０６とを含む電源回路３９０４を備える。そのような各機能に関して、スイッチ回路３９０６は、絶縁変圧器３９０８と、背面のＮＦＥＴパッケージ３９１０とを含む。スイッチ回路におけるＦＥＴの使用は、１００マイクロ秒などの非常に小さい間隔で、ＨＶＡＣリレー回路から貯留コンデンサへと簡単に迂回させることにより、アクティブな電力流用、すなわち、ＨＶＡＣのオンサイクル中に電力をとるのを可能とする。この時間は、ＨＶＡＣリレーをオフ状態に作動させないためには十分小さいが、貯留コンデンサを充電するには十分である。ＦＥＴの使用は、この高速スイッチング時間（１００マイクロ秒）を可能とし、（数十ミリ秒継続する）リレーを使用して達成するのが困難であろう。また、そのようなリレーは、高速スイッチングによって容易に悪化し、可聴ノイズもまた生成するであろう。対照的に、ＦＥＴは、基本的に可聴ノイズなしで動作する。Ｓｅｎｓｉｒｉｏｎ社のＳＨＴ２１モジュールなどの組み合わされた温度／湿度センサモジュール３９１２がさらに設けられている。背板マイクロコントローラ３９０２は、様々なセンサのポーリングを行い、実装における機械的有線挿入を検知し、電流対設定温度状態に関してヘッドユニットを警報し、それに応じて、スイッチや実装において挿入された有線での適切な信号を探すことなどの他の機能を作動させる。
次に、上述したインテリジェントサーモスタットについての上述した自動制御スケジュール学習方法の実装が提供される。図４０Ａ−図４０Ｄは、初期学習を達成するためのステップを図示している。図４１Ａ−図４１Ｍは、サーモスタットスケジュールの概念図の進行を図示している。サーモスタットスケジュールの概念図の進行は、初期の積極的な学習期間中の１日の監視期間の例について、図４０Ａ−図４０Ｄの選択されたステップに応じて処理が行われるのにともない生じる。１つの実装において、インターネット接続性を有するか又は有しないサーモスタット３３０２のヘッドユニット・マイクロプロセッサによって図４０Ａ−図４０Ｄのステップが実行される。他の実装において、図４０Ａ−図４０Ｄの１つ以上のステップは、サーモスタット３３０２がネットワーク接続性を有するクラウドサーバによって実行されることができる。図４１Ａ−図４１Ｍに示される例は、加熱スケジュールシナリオ用であるが、記載される方法は、冷却スケジュール学習にも同様に利用可能であり、加熱設定値、冷却設定値及び／又は範囲設定値の混合を含むＨＶＡＣスケジュールに容易に拡張されることができる。図４０Ａ−図４１Ｍの例は、ＨＶＡＣスケジュール確立及び実行のもとになる１つの特定の適切な時間を表す特定の毎週のスケジュールの確立に照らして示されており、他の実装においては、２週間のＨＶＡＣスケジュール、半週間のＨＶＡＣスケジュール、１月のＨＶＡＣスケジュール、２か月のＨＶＡＣスケジュール、季節毎のＨＶＡＣスケジュール、及び、他の種類のスケジュールが確立されることができる。図４０Ａ−図４１Ｍの例は、通常の住居実装に関して示されている及び／又は述べられているが、これは説明の明確化のためである。本方法は、小売店、事務所、工業環境など、多種多様の種類のエンクロージャに利用可能である。続く議論において、特定のユーザ活動又は設定値エントリの時間は、一般に、その活動又はエントリの日及び日のうちの時間と表現されるとともに、語句「日のうちの時間（ｔｉｍｅ ｏｆ ｄａｙ）」は、一般に、日のうちの特定の時間を表現するのに使用される。
初期学習処理は、目的が、ユーザ挙動の自動観察及び追跡の非常に短期間に基づく１人のユーザ又は複数のユーザについて、少なくとも粗く適切なＨＶＡＣスケジュールにおいて迅速に確立することである「積極的な学習」アプローチを表す。一旦初期学習処理が確立されると、その後、サーモスタット３３０２は、１人のユーザ又は複数のユーザの長期間の反復される挙動に対する理解及び適応に関する定常状態学習へと切り替える。ほとんどの場合には、ステップ４００２において、大抵はユーザフレンドリーなセットアップ・インタビューに続いて、住居又は他の被制御環境におけるサーモスタット３３０２の新たな実装及び起動に応答して初期学習処理が開始される。初期学習はまた、インテリジェントサーモスタット３３０２のファクトリ・リセット又はサーモスタット３３０２について積極的な学習フェーズを繰り返して欲しいと願うユーザの具体的な要求などの他のイベントによっても引き起こされることができる。
ステップ４００４において、デフォルトの開始スケジュールがアクセスされる。１つの実装に関して、開始スケジュールは、単一の設定温度を含み、毎日午前８時に影響を与える単なる単一の設定値である。この単一の設定温度は、ユーザが加熱スケジュール又は冷却スケジュールの学習を開始するかどうかを質問された場合には、セットアップ・インタビューの終わり近く又は初期学習の起動時に提供されるユーザ応答によって指示される。ユーザが加熱を選択したときには、初期の単一設定温度は、華氏６８度又はいくつかの他の適切な加熱設定温度に設定され、ユーザが冷却を選択したときには、初期の単一設定温度は、華氏８０度又はいくつかの他の適切な冷却設定温度に設定される。他の実装において、デフォルトの開始スケジュールは、初期セットアップ・インタビューにおいてユーザによって直接的又は間接的に選択される複数の所定のテンプレートスケジュールのうちの１つとすることができる。図４１Ａは、「ａ」から「ｇ」とラベル付けされた加熱設定値によるデフォルトの開始スケジュールの例を図示している。
ステップ４００６において、新たな監視期間が開始される。１日の監視期間の選択は、インテリジェントサーモスタットにおける制御スケジュール取得の場合には良好な結果を与えるように見出される。しかしながら、時間の複数日ブロック、時間のサブ日ブロック、他の適切な期間を含む他の監視期間が使用されることができ、あるいは、可変、ランダム又は連続とすることができる。例えば、連続ベースで行われるときには、スケジュールの次のバージョン、反復又は改良を生み出すために現在のスケジュールとともに情報の処理のトリガとして、任意のユーザ設定値変更又はスケジューリング設定値入力が使用されることができる。サーモスタット３３０２が再充電可能なバッテリを有する電力流用サーモスタットである１つの実装において、１日の期間は、スケジュールのリビジョンの鮮度と、バッテリ電力を保つためにヘッドユニット・マイクロプロセッサにおける適度な計算負荷を維持する必要性との適切なバランスを与えるように見出される。
ステップ４００８において、１日を通して、インテリジェントサーモスタット３３０２は、即時制御及びスケジュール変更入力の双方を受信して記憶する。図４１Ｂは、現在記載されている例においては図らずも火曜であるとする初期学習の典型的な日に行われた複数の即時制御及びスケジュール変更ユーザ設定値エントリの代表を示しており、以下の議論及び図４１Ａ−図４１Ｍを含む添付図面において、先行する上付き文字「Ｎ」は、スケジュール変更又は非実時間）「ＮＲＴ」）の設定値エントリを識別し、先行する上付き文字「Ｒ」は、即時制御又は実時間（「ＲＴ」）の設定値エントリを識別する。囲み数字は、予め既存のスケジューリング設定値を表している。各ＮＲＴ設定値に関して、ＮＲＴ設定値のエントリ時間を識別する後続の下付き文字もまた設けられている。そのような下付き文字は、それらのスケジュール上の水平位置がそれらの有効時間及びエントリ時間の双方を示すことから、ＲＴ設定値には必要とされない。それゆえに、図４１Ｂに示される例において、ユーザは、午前７：３０に、華氏７６度の温度値を有するＲＴ設定値エントリ「ｉ」を作成し、午前７：４０に、華氏７２度の温度値を有する他のＲＴ設定値エントリ「ｊ」を作成し、午前９：３０に、華氏７２度の温度値を有する他のＲＴ設定値エントリ「ｌ」を作成し、午前１１：３０に、華氏７６度の温度値を有する他のＲＴ設定値エントリ「ｍ」を作成したなどである。火曜日の午前１０時に、ユーザは、スケジューリングインターフェースを介して、火曜日の午後１２：００に効力を生じることであるＮＲＴ設定値エントリ「ｎ」を生成し、火曜日の午後９：００に効力を生じることであるＮＲＴ設定値エントリ「ｗ」を生成した。その後、ユーザは、火曜日の午後４：００に、月曜日の午後９：１５に効力を生じることであるＮＲＴ設定値エントリ「ｈ」を生成し、火曜日の午前９：１５に効力を生じることであるＮＲＴ設定値エントリ「ｋ」を生成した。最後に、ユーザは、火曜日の午後８時に、火曜日の午後６：００に効力を生じることであるＮＲＴ設定値エントリ「ｓ」を生成した。
ここでステップ４０１０を参照すると、２４時間の監視期間を通して、インテリジェントサーモスタットは、制御スケジュールの現在のバージョンが効力を有するものは何でも、及び、ＲＴ設定値エントリがユーザによって作成されたものは何でも、ＮＲＴ設定値エントリが因果的に利用可能に作成されているものは何でもに従って、ＨＶＡＣシステムを制御する。次の予め既存の設定値に遭遇するまで、因果的に利用可能なＮＲＴ設定値に遭遇するまで、又は、後続のＲＴ設定値エントリが作成されるまで、現在の設定温度についてのＲＴ設定値エントリの効果は維持される。それゆえに、図４１Ａ−図４１Ｂを参照すると、火曜日の朝、午後６：４５に、サーモスタットの現在の動作設定値は、予め既存の設定値「ｂ」に起因して華氏７３度に変化し、その後、午前７：３０に、現在の動作設定値は、ＲＴ設定値エントリ「ｉ」に起因して華氏７６度に変化し、その後、午前７：４５に、現在の動作設定値は、ＲＴ設定値エントリ「ｊ」に起因して華氏７２度に変化し、その後、午前８：１５に、現在の動作設定値は、予め既存の設定値エントリ「ｃ」に起因して華氏６５度に変化し、その後、午前９：３０に、現在の動作設定値は、ＲＴ設定値エントリ「ｌ」に起因して華氏７２度に変化し、その後、午前１１：３０に、現在の動作設定値は、ＲＴ設定値エントリ「ｍ」に起因して華氏７６度に変化し、その後、午後１２：００に、現在の動作設定値は、ＮＲＴ設定値エントリ「ｎ」に起因して華氏７１度に変化し、その後、午後１２：１５に、現在の動作設定値は、ＲＴ設定値エントリ「ｏ」に起因して華氏７８度に変化するなどである。午前９：１５においては、既に存在しなかったことからＮＲＴ設定値エントリ「ｋ」に起因して現在の設定値に変化がない。対照的に、ＮＲＴ設定値エントリ「ｎ」は、その日の午前１０時にユーザによって入力され、午後１２：００というその指定された有効時間において効力を生じたことから、因果的に利用可能である。
１つの任意の代替実施形態によれば、ステップ４０１０は、ＲＴ設定値エントリが、動作設定温度として、最大２時間又は他の比較的短い間隔のみ有効であるように実行されることができ、動作設定温度は、現在のスケジュール上で予め既存の設定値によって又は因果的に利用可能な任意のＮＲＴ設定値エントリによって指定されるであろう温度であれば何でも戻る。この任意の代替例は、学習処理がより迅速に達成されることができるように、初期学習期間中にユーザによりＲＴ設定値エントリを作成することを促すように設計される。さらなる任意の代替実施形態として、ステップ４００４において、初期スケジュールは、例えば華氏６２度などの冬における比較的低温度設定値として、比較的低エネルギ設定値に割り当てられ、これは一般に低エネルギ制御スケジュールを生み出す。さらに他の代替例として、最初の数日間には、２時間後に予め既存の設定値に戻る代わりに、動作設定値は、スケジュールにおいて低エネルギの予め既存の設定値に戻る。
ここでステップ４０１２を参照すると、監視期間の終わりにおいて、スケジュールの変更されたバージョン、反復又は改良を生成するために、記憶されたＲＴ及びＮＲＴ設定値は、互いに関して及び現在のスケジュールに関して処理され、その具体的なステップが図４０Ｂに示される。この処理は、例えば、学習日の午後１１：５０に又は深夜近く若しくは深夜まわりのいくつかの他の時間に実行されることができる。ステップ４０１４において、初期学習がまだ終了していないと判定されたときには、ステップ４００６−４０１０において、初期学習の他の日については変更されたバージョンのスケジュールが使用され、ステップ４０１２においてさらに再度変更され、処理は、初期学習が終了するまで継続する。初期学習が終了したときには、ステップ４０１６において、図３２Ａ−図３３を参照しながら後述する定常状態学習が始まる。
いくつかの実装において、初期制御スケジュール学習が終了したか否かに関するステップ４０１４における判定は、時間経過と、記録及び処理するのに十分なユーザ挙動量があったかどうかとの双方に基づいている。１つの実装に関して、初期学習は、初期学習の２日が経過し、ユーザがＲＴ又はＮＲＴ設定値を入力した１０個の別個の１時間間隔があったときにのみ終了したと考えられる。様々な異なる基準のいずれかが、初期学習を終えるのに十分なユーザ相互作用があったかどうかを判定するのに使用されることができる。
図４０Ｂは、一般には図４０Ａのステップ４０１２に対応する記憶されたＲＴ及びＮＲＴ設定値を処理するためのステップを図示している。ステップ４０３０において、近接の有効時間を有する設定値エントリは、図４１Ｃに図示されるように、クラスタにグループ化される。１つの実装において、各メンバの有効時間が少なくとも１つの他のメンバの有効時間から３０分未満だけ離れている２つ以上の設定値エントリの任意のセットは、単一クラスタを構成する。
ステップ４０３２において、設定値エントリの各クラスタは、有効時間及び温度値の点で全クラスタを表す単一の新たな設定値を生成するために処理される。この処理は、スケジュールの単純化に関するとともに、これと同時に、ユーザの設定値エントリ挙動のおかげでユーザの真の意図を最も良好に捕捉する。クラスタメンバの温度値及び有効時間の平均化を含む様々な異なるアプローチが使用されることができる一方で、図４０Ｃにより詳細に記載されたステップ４０３２を実行する方法は、各設定値エントリのＮＲＴ対ＲＴ状態、各設定値エントリの有効時間及び各設定値エントリのエントリ時間を考慮する。
図４０Ｂのステップ４０３２に対応する図４０Ｃを参照すると、ステップ４０６０において、クラスタにおいて最も早い有効時間よりも遅いエントリ時間を有するクラスタにおける任意のＮＲＴ設定値エントリがあるかどうかの判定が行われる。この場合、ステップ４０６４において、クラスタは、最も遅く入力されたＮＲＴ設定値エントリの有効時間及び温度値の双方を有する単一の代表設定値によって置き換えられる。このアプローチは、その当時具体的に所望の設定温度を入力するために時間をかけているユーザの希望に対する敬意を提供する。ステップ４０６０において、そのようなＮＲＴ設定値エントリがないときには、ステップ４０６２において、クラスタは、最も早い有効クラスタメンバの有効時間及び温度値と、最も遅いエントリ時間を有するクラスタメンバのものと等しい設定温度の双方を有する単一の代表設定値によって置き換えられる。このアプローチは、即時制御入力及び既存の設定値において表現されるときにユーザの希望に敬意を提供する。
再度図４０Ｂを参照すると、ステップ４０３４において、ステップ４０３２において判定された新たな代表設定値は、設定値の温度値が割り当てられた設定値エントリの種類に基づいて、「ＲＴ」又は「ＮＲＴ」によってタグ付けされる。それゆえに、図４０Ｃのロジックによれば、クラスタについてのエントリの最も遅く生じた時間を有するＮＲＴ設定値であった場合には、新たな設定値は、「ＮＲＴ」としてタグ付けされるであろう。最も遅く生じたエントリの時間を有するＲＴ設定値であった場合には、新たな設定値は、「ＲＴ」としてタグ付けされるであろう。ステップ４０３６−４０３８において、他の設定値エントリとクラスタリングされていない任意の単一の設定値エントリは、ステップ４０４０において、処理の次フェーズに対して単に新たな設定値として運ばれるにすぎない。
図４１Ｃ−図４１Ｄを参照すると、ＲＴ設定値エントリのみを有する「ｉｊ」クラスタについて、単一の代表設定値「ｉｊ」がＲＴ設定値エントリ「ｉ」の最も早い有効時間を有するとともに、図４０Ｃのステップ４０６２の適用を表すより遅く入力されたＲＴ設定値エントリ「ｊ」の温度値を有するように割り当てられ、新たな設定値「ｉｊ」には、ステップ４０３４において、「ＲＴ」ラベルが割り当てられるようにみえる。また、そのクラスタにおいて最も早い有効時間よりも遅いエントリ時間を有するＮＲＴ設定値「ｋ」を有する「ｋｌ」クラスタについて、図４０Ｃのステップ４０６４の適用を表すＮＲＴ設定値エントリ「ｋ」の有効時間及び温度値の双方を有するように単一の代表設定値「ｋｌ」が割り当てられ、ステップ４０３４において、新たな設定値「ｋｌ」に「ＮＲＴ」ラベルが割り当てられるようにさらにみえる。ＮＲＴ設定値「ｎ」を有するがそのクラスタにおける最も早い有効時間よりも早いエントリ時間を有する「ｍｎｏ」クラスタについて、単一の代表設定値「ｍｎｏ」は、図４０Ｃのステップ４０６２の適用を再度表す、最も遅く入力された設定値エントリ「ｏ」の温度値を有するとともに、ＲＴ設定値エントリ「ｍ」の最も早い有効時間を有するように割り当てられ、新たな設定値「ｍｎｏ」は、ステップ４０３４において、「ＲＴ」ラベルが割り当てられる。その全てがまたこのステージにおいて新たな設定値であると考えられる図４１Ｄに示される残りの結果はまた、図４０Ｂ−図４０Ｃの方法から続く。
再度図４０Ｂを参照すると、ステップ４０４０は、次にステップ４０３４及び４０３８の後に実行され、図４１Ｄに示されるように、グループとしての新たな設定値に適用される。ステップ４０４０において、任意の他の新たな設定値のものよりも遅い３１−６０分である有効時間を有する任意の新たな設定値は、他の新たな設定値のものよりも遅い６０分である新たな有効時間を有するように時間的に移動される。これは、新たな設定値「ｑ」に関して図４１Ｅに示されており、その有効時間は、新たな設定値「ｐ」の有効時間である午後４：００から離隔された６０分であるように、午後５：００に移動されている。１つの実施において、この処理は、ステップ４０４０の開始時におけるスケジュールの瞬間のスナップショットに基づいて、単一の時間に行われるのみである。換言すれば、これらの新たな設定値分離に関して反復してカスケードした影響はない。したがって、ステップ４０４０は、一般には少なくとも１時間だけ分離された新たな設定値の有効時間の時間分散をもたらす一方で、１時間未満だけ分離された有効時間を有するいくつかの新たな設定値が残ることができる。これらの微細な変化は、許容でき、大抵は絶対的１時間分離を達成するための動作のカスケードに起因する有害な影響より好ましいと見出される。さらにまた、これらの１時間分離は、予め既存のスケジュール設定値に対する処理後に、アルゴリズムにおいて遅く成功裏に終了することができる。他の実装においては他の分離間隔が使用されてもよい。
図４０Ｂのステップ４０４２を参照すると、初期学習と関連付けられた積極的な目的と一致して、現在の学習日について現在は確立されている新たな設定値は、それらの新たな設定値が「ＲＴ」設定値としてタグ付けされているときには、同様の設定値であると予想される週の他の日にわたって次に再現される。好ましくは、基本的なＮＲＴ設定値エントリを生成したユーザが既に同様の所望のＮＲＴ設定値エントリを生成していることが起こり得るため、「ＮＲＴ」としてタグ付けされている新たな設定値は再現されない。毎週のスケジュールの生成に良好に適していると見出されたいくつかの実装に関して、所定の再現ルールのセットが適用される。これらの再現ルールは、初期学習処理が最初に開始された曜日に依存する。再現ルールは、予想されるユーザの大集団の実際のスケジュールを考慮するように最適化され、週末は、大抵は平日と区別して構築され、これと同時に、積極的な初期スケジュール確立を促進する。１つの実装に関して、表１に記載される再現ルールが利用可能である。
Figure 0006121431
図４１Ｆは、隣接日である月曜日及び水曜日の表示される部分への、火曜日の監視期間からの図４１ＥのＲＴタグ付けされた新たな設定値の再現の効果を図示している。それゆえに、例えば、午後１１：００の有効時間を有するＲＴタグ付けされた新たな設定値「ｘ」は、月曜日及び他の全ての平日に、新たな設定値「ｘ２」として再現され、午前７：３０の有効時間を有するＲＴタグ付けされた新たな設定値「ｉｊ」は、水曜日及び他の全ての平日に、新たな設定値「ｉｊ２」として再現される。表１のルールに関して、「ｍｎｏ」、「ｐ」、「ｑ」及び「ｕ」を含む他の全てのＲＴタグ付けされた新たな設定値はまた、他の全ての平日にわたって再現される。ＮＲＴタグ付けされた新たな設定値「ｋｌ」又は「ｒｓｔ」はいずれも再現されない。月曜日に有効であることを望むユーザによって火曜日に入力されたＮＲＴユーザ設定値エントリ「ｈ」は再現されない。
ここで図４０Ｂのステップ４０４４を参照すると、新たな設定値及び再現された新たな設定値は、囲まれた予め既存の設定値及び囲まれていない新たな設定値を示す図４１Ｇに図示されるように、予め既存の設定値の現在のスケジュール上に重ね合わせられる。後続のステップの多くにおいて、ＲＴタグ付け及びＮＲＴタグ付けされた新たな設定値は同一に扱われ、その場合、「ＲＴ」及び「ＮＲＴ」ラベルは、そのようなステップを記載する際には使用されない。ステップ４０４６において、全体のスケジュールの複雑性も単純化しながら、最適に又はほぼ最適にパターン情報及び優先情報を捕捉するように設計された所定のフィルタリングルールにしたがって、新たな及び予め既存の設定値の相互のフィルタリング及び／又は時間シフトが実行される。様々な異なるアプローチが使用されることができる一方で、ステップ４０４６の対象を実行する１つの方法は、図４０Ｄにおいてより詳細に説明されている。最後に、ステップ４０４８において、ステップ４０４６の結果は、他の初期学習日によってさらに変更されるか又は定常状態学習処理における開始スケジュールとして使用される最新バージョンの現在のスケジュールとなる。
図４０Ｃのステップ４０４６の処理を実行する１つの方法を記載した図４０Ｄを参照すると、第１の予め既存の設定値のものよりも１時間未満遅く且つ第２の予め既存の設定値のものよりも１時間未満早い有効時間を有する任意の新たな設定値の第１の種類が、ステップ４０８０において識別される。そのような第１の種類の新たな設定値の例は、図４１Ｇにおいて破線で丸く囲まれている。図４０Ｄのステップは、例示のためにそのスケジュールの一部のみが図４１Ｇに示されていても、全週長スケジュールについて実行される。ステップ４０８１において、直後の予め既存の設定値よりも１時間未満早い有効時間を有するとき及び直前の予め既存の設定値のものと華氏１度以下しか離れていない温度値を有するときには、任意の新たな設定値の第１の種類は削除される。２つの設定値の温度値間の類似評価に取り組むステップ４０８１及び他のステップについて、それらの代表温度値の丸めバージョンに関する設定値の比較が実行される。丸めは、他の動作目的のために設定値の温度値が華氏０．２度又は摂氏０．１度の精度に維持されることができるとしても、直近の華氏１度又は直近の摂氏０．５度にする。丸めを使用したときには、例えば、華氏７７．６度及び華氏７９．４度の２つの設定温度は、最初に最も近い華氏度に丸められた場合に華氏１度しか離れていないと考えられ、したがって、華氏１度より大きく離れていない。同様に、摂氏２０．８度及び摂氏２１．７度の２つの設定温度は、最初に最も近い摂氏０．５度に丸められた場合に摂氏０．５度しか離れていないと考えられ、したがって、摂氏０．５度より大きく離れていない。図４１Ｇの例示シナリオに適用されるとき、新たな設定値「ｉｊ」は、ステップ４０８１においてルールの範囲内に含まれ、それゆえに、図４１Ｈに示されるように、その新たな設定値「ｉｊ」は削除される。
ステップ４０８１における任意の新たな設定値の第１の種類の削除後に、直後の予め既存の設定値の３０分以内である有効時間を有する任意の新たな設定値の第１の種類が、ステップ４０８２において識別される。そのような第１の種類の設定値が同一であるとき、直前の予め既存の設定値よりも１時間遅い時間に移動され、直後の予め既存の設定値は削除される。図４１Ｇにおける例示シナリオに適用されるとき、新たな設定値「ｉｊ２」は、ステップ４０８２においてルールの範囲内に含まれ、したがって、図４１Ｈに示されるように、新たな設定値「ｉｊ２」は、より早い予め既存の設定値「ｆ」から１時間遅い時間に移動され、後続の予め既存の設定値「ｇ」は削除される。その後、ステップ４０８４において、直前の予め既存の設定値の３０分以内である有効時間を有する任意の新たな設定値の第１の種類が識別される。そのような第１の種類の設定値が識別されると、その設定値は直後の予め既存の設定値よりも１時間早い時間に移動され、直前の予め既存の設定値は削除される。ステップ４０８６において、ステップ４０８２又は４０８４の範囲下にない第１の種類の残りの新たな設定値のそれぞれについて、直前の予め既存の設定値の設定温度は、新たな設定値のものに変更され、新たな設定値は削除される。
ステップ４０８７において、直後の予め既存の設定値の１時間以内であり且つ直前の予め既存の設定値との差が華氏１度以下の温度値を有する任意のＲＴタグ付けされた新たな設定値が識別されて削除される。ステップ４０８８において、新たな各設定値について、新たな設定値のものと１時間以内である任意の予め既存の設定値は削除される。それゆえに、例えば、図４１Ｉは、新たな設定値「ｘ２」と１時間未満離れている予め既存の設定値「ａ」を示しており、図４１Ｊにおいて、そのような予め既存の設定値「ａ」は削除される。同様に、図４１Ｊにおいて、予め既存の設定値「ｄ」は、新たな設定値「ｑ」と１時間未満離れており、そのような予め既存の設定値「ｄ」は削除される。
ステップ４０９０において、スケジュールにおいて最も早い有効な設定値時間から始めて、最も遅い有効な設定値時間まで時間的に遅いほうに移動し、設定値が直前の設定値のものと華氏１度又は摂氏０．５度以下だけ異なる温度値を有するときには設定値は削除される。上述したように、多くの実装において、アンカー設定値は、自動スケジュール学習結果として削除又は調整されない。例えば、図４１Ｋは、それぞれが直前の設定値と華氏１度以下しか異ならない設定値「ｍｎｏ」及び「ｘ」を示しており、図４１Ｌにおいて、そのような設定値「ｍｎｏ」及び「ｘ」は削除される。最後に、ステップ４０９２において、１時間未満離れた有効時間を有する新たな又は予め既存の設定値の任意の残りの対があるとき、各対のより遅い有効な設定値は削除される。そして、残った設定値は、図４１Ｍに示されるように、現在のスケジュールのメンバとして確立され、その全ては、図４０Ａの初期学習処理の後続の反復のために、又は、その処理が終了したときには以下に記載される後続の定常状態学習の適用のために、「予め既存の設定値」とラベル付けされている。勿論、上述したクラスタリング、分解、フィルタリング及びシフト動作を引き起こすための様々な時間間隔は、他の実装においては変化してもよい。
図４２Ａ−図４２Ｂは、定常状態学習のステップを図示している。初期学習処理についての上述した同じ概念及び教示の多くは、実時間ユーザ設定値エントリ及び非実時間ユーザ設定値エントリの追跡、クラスタリング、分解、再現、重ね合わせ並びに最後のフィルタリング及びシフトを含み、定常状態学習に利用可能である。
定常状態学習処理について、設定値エントリにおける履歴パターンの検出への関心、検出された設定値パターンが再現される目標日の増加した選択性及び他の差異がある点で、初期と定常状態学習との間に所定の差異が生じる。図４２Ａを参照すると、定常状態学習処理は、ステップ４２０２において開始する。これは、初期学習処理の終了（図４０Ａ、ステップ４０１６）に対応することができ、また、ユーザ要求の学習中断後の定常状態学習の再開に任意に対応することができる。ステップ４２０４において、適切なバージョンの現在のスケジュールがアクセスされる。大抵は新たなインテリジェントサーモスタットの実装の場合であるが、定常状態学習が初期学習に直接続いて引き起こされるときには、制御スケジュールは、一般に、初期学習の終了時における現在のスケジュールである。
しかしながら、以前に確立されたスケジュールは、ある実装においては、ステップ４２０４においてアクセスされることができる。先行年の同様の期間にわたってインテリジェントサーモスタット３３０２によって以前に構築された複数の異なるスケジュールは、サーモスタット３３０２あるいはネットワーク接続を有するクラウドサーバに記憶されることができる。例えば、先行する１月に構築されて１月３１日にメモリに記憶された「１月」スケジュールがあり得る。ステップ４２０４が後続年の１月１日に実行されているときには、以前に記憶された「１月」スケジュールは、アクセスされることができる。ある実装において、インテリジェントサーモスタット３３０２は、様々な期間のいずれかについて利用可能なスケジュールを確立して記憶することができ、その後、ステップ４２０４において、次の現在のスケジュールとして使用するために、それらのスケジュールにアクセスすることができる。同様の記憶及び再呼び出し方法は、さらに後述される履歴ＲＴ／ＮＲＴ設定値エントリデータベースについて利用可能である。
ステップ４２０６において、定常状態学習の新たな日が開始される。ステップ４２０８において、日を通して、インテリジェントサーモスタットは、実時間及び非実時間ユーザ設定値エントリの双方を受信して追跡する。ステップ４２１０において、日を通して、インテリジェントサーモスタットは、次に、ＲＴ設定値エントリがユーザによって作成されるものであれば何でも、また、ＮＲＴ設定値エントリが因果的に利用可能に作成されるものであれば何でも、現在バージョンのスケジュールにしたがってＨＶＡＣシステムを制御する。
１つの任意の代替実施形態によれば、ステップ４２１０は、任意のＲＴ設定値エントリが最大４時間有効であるように実行されることができ、その後、現在のスケジュールにおいて予め既存の設定値によって指定される温度及び／又は任意の因果的に利用可能なＮＲＴ設定値エントリによって指定される温度に動作設定温度が戻される。他の代替例として、４時間後に任意の予め既存の設定値を戻す代わりに、動作設定値は、スケジュールにおいて最も低い予め既存の設定値などの比較的低エネルギ値に戻る。この低エネルギ付勢動作は、動作のユーザ設定可能モードにしたがって始動されることができる。
深夜に又は深夜まわりなどの定常状態学習日の終わりにおいて、処理ステップ４２１２−４２１６が実行される。ステップ４２１２において、少なくとも２週間遡及することができるＲＴ及びＮＲＴユーザ設定値エントリの履歴データベースがアクセスされる。ステップ４２１４において、毎日の追跡されたＲＴ／ＮＲＴ設定値エントリは、図４２Ｂに関してさらに後述されるステップを用いて、変更されたバージョンの現在のスケジュールを生成するために、ＲＴ／ＮＲＴ設定値エントリの履歴データベース及び現在のスケジュールにおける予め既存の設定値とともに処理される。そして、ステップ４２１６において、毎日の追跡されたＲＴ／ＮＲＴ設定値エントリは、本方法の次の反復における後続の使用のために履歴データベースに追加される。特に、ステップ４２１８において、季節の変更、月の変更又は他のそのような変更などのために、より適切な及び／又は好ましいものへの現在のスケジュールの置換があるはずであるかどうかが判定される。スケジュール変更が適切であると判定されたときには、ステップ４２０４において、次の反復前に適切なスケジュールがアクセスされる。そうでなければ、ステップ４２０６において、ごく最近計算されたスケジュールを用いて次の反復が開始される。ある実装において、ステップ４２１８は、直接ユーザ命令、関連するクラウドサーバ上に実行する自動プログラムからのリモート命令、公益事業会社からのリモート命令に基づいて、存在するデータ及び／又は現在／予想された天気傾向に基づいて自動的に、又は、上記基準若しくは他の基準のうちの１つ以上の組み合わせに基づいて実行される。
図４２Ａのステップ４２１４に対応する図４２Ｂを参照すると、毎日の追跡されたＲＴ／ＮＲＴ設定値エントリ及び履歴ＲＴ／ＮＲＴ設定値エントリをクラスタリング、分解、タグ付け及び調整するために、図４０Ｂのステップ４０３０−４０４０のものと同様のステップが実行される。ステップ４２３２において、ステップ４２３２の結果にみられる全てのＲＴタグ付けされた設定値は、パターン候補設定値として識別される。ステップ４２３４において、現在の毎日のパターン候補設定値は、同様の有効時間及び同様の設定温度の日又は週に関するパターンなどのパターンを検出するために、履歴パターン候補設定値と比較される。ステップ４２３６において、現在の日パターン候補設定値を含むステップ４２３４において検出されたそのような任意のパターンについて、現在の日パターン候補設定値は、そのようなパターンが利用可能であると予想されることができるスケジュールにおける他の全ての日にわたって再現される。一例として、表２は、パターン一致ルール及び関連する設定値再現ルールの１つの特に有益なセットを図示している。
Figure 0006121431
１つの実装に関して、ステップ４２３６を実行する際に、再現された設定値が、パターンが検出される特定の現在の日パターン候補設定値と同じ、日の有効時間及び同じ温度値に割り当てられる。他の実装において、再現された設定値は、一致が生じた履歴パターン候補設定値の日の有効時間及び／又は履歴パターン候補設定値の温度値に割り当てられることができる。さらに他の実装において、再現された設定値は、一致した現在及び履歴パターン候補設定値の日の平均有効時間及び／又は一致した現在及び履歴パターン候補設定値の平均温度値に割り当てられることができる。
ステップ４２３８において、新たな設定値の結果として再現されたスケジュールは、予め既存の設定値の現在のスケジュール上に重ね合わせられる。また、ステップ４２３８において、ステップ４２３０から生じた任意のＮＲＴタグ付けされた設定値は、予め既存の設定値の現在のスケジュール上に重ね合わせられる。そして、ステップ４２４０において、重ね合わせられた新たな及び予め既存の設定値は、図４０Ｂのステップ４０４６について上述したものと同様の方法を用いて、有効時間において相互にフィルタリング及び／又はシフトされる。そして、結果は、ステップ４２４２において、最新バージョンの現在のスケジュールとして確立される。
本発明は特定の例に関して記載されているものの、本発明がこれらの例に限定されることを意図したものではない。本発明の精神内の変更は、当業者にとって明らかである。例えば、上述したように、自動制御スケジュール学習は、ミリ秒から年までの期間に及ぶことがある１つ以上のスケジュールを学習するために、多種多様の異なる種類のインテリジェントコントローラにおいて使用されることができる。インテリジェントコントローラ・ロジックは、ロジック回路実装、ファームウェア、並びに、コンピュータ命令ベースのルーチン及びプログラム実装を含むことができ、その全ては、プログラミング言語、モジュール構造、ハードウェアプラットフォーム、データ構造、制御構造、及び、他の多くのそのような設計及び実装パラメータを含む多種多様の異なる実装及び設計パラメータの選択された値に応じて変化させることができる。上述したように、積極的な学習に続く定常状態学習モードは、一般にますます控えめになるインテリジェントコントローラによってスケジュール変更に関してより遅いフェーズを有する複数の異なるフェーズを含むことができる。自動制御スケジュール学習は、個々のインテリジェントコントローラ内で実行されることができ、複数のコントローラに分散されて実行されることができ、１つ以上のインテリジェントコントローラ及びリモート計算設備に分散されて実行されることができ、主にインテリジェントコントローラと相互接続されるリモート計算設備において実行されることができる。
当然のことながら、開示された例の先の記載は、当業者が本開示を作成又は使用するのを可能とするように提供される。これらの例に対する様々な変更は、当業者にとって容易に明らかであり、本願明細書において定義される一般的原理は、本開示の精神及び範囲を逸脱することなく、他の例に適用されることができる。したがって、本開示は、本願明細書に示された例に限定されることを意図したものではなく、本願明細書に開示された原理及び新規な特徴と一致する最も広い範囲が認められることになる。
１００ スマートホーム環境
１０２ インテリジェントサーモスタット
１０４ インテリジェント危険検出ユニット
１０６ インテリジェント出入口インターフェース装置
１０８ スマート壁状スイッチ
１１０ スマート壁コンセントインターフェース
１１２ 電気器具
１４０ 装置
２００ スマートホーム環境
２０２ インターネット
２０４ 無線通信
２０６ ハブ接続セットワーク
３１０−３１３ スマートホーム装置
３１６ 外部情報
４０２ インテリジェントコントローラ
４１０ グラフィカル表示コンポーネント
４１０−４１３ ユーザインターフェース
４１１−４１３ 入力コンポーネント
４１６ 制御スケジュール
５０２ プロセッサ
５０４−５０７ 電子メモリ
５１０−５１２ マイクロコントローラ
５１２ マイクロコントローラ
５１４ トランシーバ
６０２−６０５ 中央処理ユニット（「ＣＰＵ」）
６０８ 電子メモリ
６１０ メモリ・サブシステム・バス
６１２ 第１のブリッジ
６１４ バス
６１８ グラフィックプロセッサ
６２０ ブリッジ
６２２−６２７ コントローラ
６２７ コントローラ
６２８ 大容量記憶装置
３２０４ ヘッドユニット
３２０６ 連結壁ドック
３２０８ 設定ダイヤル
３２０８ サーモスタットコンポーネント
３２０９ 加熱スイッチ
３３０２ インテリジェントサーモスタット
３３０２ サーモスタット
３３０４ ヘッドユニット
３３０６ 背板
３３０６ 背板ユニット
３３１０ ヘッドユニット・フレーム
３３１１ 外側リング
３３１２ ヘッドユニット前面アセンブリ
３３１３ 前面レンズ
３３１４ 前面グリル
３３１４ グリル部材
３３１６ ヘッドユニット回路基板
３３１８ ヘッドユニット前板
３３２０ フレネルレンズ
３３２２ モジュール
３３２４ 光学式指ナビゲーションモジュール
３３２４ モジュール
３３２５ リチウムイオン・バッテリ
３３２５ バッテリ
３３３０ 背板ユニット裏板
３３３２ 背板ユニット回路基板
３３３２ 背板回路基板
３３３４ 有線コネクタ
３３３６ コンデンサ
３３３９ 背板ユニットカバー
３３４０ 温度センサ
３３４１ 熱センサ
３３４１ 温度センサ
３３４２ 熱センサ
３３４４ センサ
３８０２ ヘッドユニット・マイクロプロセッサ
３８０４ オシレータ
３８０６ ＤＤＲ ＳＤＲＡＭメモリ
３８０８ 記憶装置
３８１０ モジュール
３８１２ 支持回路
３８１４ オシレータ
３８１６ ジグビーモジュール
３８１８ 支持基板
３８１９ オシレータ
３８２０ 低ノイズ増幅器
３８２２ ディスプレイ・バックライト電圧変換回路
３８２４ 圧電性駆動回路
３８２６ 電力管理回路
３８２８ フレックス回路
３８３０ フレックス回路コネクタ
３８３２ バッテリ充電管理切断回路
３８３４ シールド
３８３６ アンテナ
３８３８ 温度センサ
３８４０ センサ
３９０２ マイクロコントローラ
３９０２ 背板マイクロコントローラ
３９０３ オン・ボード・メモリ
３９０４ 電源回路
３９０６ スイッチ回路
３９０８ 絶縁変圧器
３９１０ パッケージ
３９１２ 湿度センサモジュール

Claims (19)

  1. プロセッサと、
    メモリと、
    前記メモリに記憶された制御スケジュールと、
    スケジュールインターフェースと、
    制御インターフェースと、
    前記メモリ内に記憶された命令とを備え、前記命令が前記プロセッサによって実行されるとき、
    監視期間中に前記制御インターフェースを介して即時制御入力を受信し、受信した前記即時制御入力を前記メモリに記録し、
    前記監視期間中に前記スケジュールインターフェースを介してスケジュール変更を受信し、受信したスケジュール変更を前記メモリの少なくとも１つの種類に記録し、
    前記監視期間後に、記録された前記即時制御入力、記録されたスケジュール変更、及び、前記制御スケジュールに基づいて、更新した監視期間スケジュールを生成し、
    前記更新した監視期間スケジュールを前記監視期間に対応する前記制御スケジュールの一部に置き換え、
    前記更新した監視期間スケジュールに含まれる１つ以上の設定値を前記制御スケジュール内のさらなる期間に伝播することによって前記さらなる期間に前記１つ以上の設定値を重ね合わせる、インテリジェントコントローラ。
  2. 前記プロセッサが、
    １つ以上のローカルプロセッサと、
    １つ以上のリモートプロセッサと、のうちの１つ以上を含み、
    前記メモリが、
    １つ以上のローカル電子メモリと、
    １つ以上のローカル大容量記憶装置と、
    １つ以上のリモート電子メモリと、
    １つ以上のリモート大容量記憶装置と、のうちの１つ以上を含む、請求項１に記載のインテリジェントコントローラ。
  3. 前記メモリに記憶された制御スケジュールが、１つ以上の設定値を含み、各設定値が、時間及び１つ以上のパラメータ値と関連付けられている、請求項１に記載のインテリジェントコントローラ。
  4. 即時制御入力が、１つ以上のインテリジェントコントローラ出力によって実装されることになる１つ以上のパラメータ値を指定するために前記制御インターフェースを介して作成される、請求項１に記載のインテリジェントコントローラ。
  5. 制御スケジュール変更が、現在の時間がスケジュール設定値と関連付けられた時間と等しいときに、１つ以上のインテリジェントコントローラ出力によって実装されることになる制御スケジュール設定値を指定するために前記スケジュールインターフェースを介して入力される、請求項１に記載のインテリジェントコントローラ。
  6. 前記命令が、
    記録された前記即時制御入力、記録されたスケジュール変更、及び、前記制御スケジュールの設定値を組み合わせ、暫定的スケジュールを生成し、
    前記即時制御入力、スケジュール変更、及び、前記暫定的スケジュールの設定値を、１つ以上のクラスタにクラスタリングし、
    前記暫定的スケジュール内の前記１つ以上のクラスタを分解し、
    前記暫定的スケジュールの分解された前記クラスタから、前記更新した監視期間スケジュールを生成することにより、前記監視期間後に、記録された前記即時制御入力、記録されたスケジュール変更、及び、前記制御スケジュールに基づいて、更新した監視期間スケジュールを生成する、請求項１に記載のインテリジェントコントローラ。
  7. 記録された前記即時制御入力、記録されたスケジュール変更、及び、前記制御スケジュールの設定値を組み合わせ、前記暫定的スケジュールを生成することが、さらに、
    前記監視期間に対応する前記制御スケジュールの一部内の１つ以上のパラメータの時間に関連する値として前記即時制御入力を表すことと、
    １つ以上のパラメータの時間に関連し、さらに前記監視期間に対応する前記制御スケジュールの一部内の入力時間に関連する値として記録された制御スケジュール変更を表すことと、
    表された前記即時制御入力、遡及制御スケジュール変更、及び、前記暫定的スケジュールの設定値を、イベントとして考慮することとを備える、請求項６に記載のインテリジェントコントローラ。
  8. 前記即時制御入力、スケジュール変更、及び、前記暫定的スケジュール内の設定値を、１つ以上のクラスタにクラスタリングすることが、さらに、
    個別のクラスタとして、それぞれ前記個別のクラスタの他のイベントの第１の閾値時間間隔内であるイベントの各グループをまとめることと、
    個別のクラスタとして、前記他のイベントの第１の閾値時間間隔内でない各イベントを収集することとを備える、請求項７に記載のインテリジェントコントローラ。
  9. 前記暫定的スケジュール内の前記１つ以上のクラスタを分解することが、さらに、
    クラスタが前記パラメータの値の変化傾向を示していないときにはゼロ個のイベント、
    クラスタが前記パラメータの値の増加傾向または減少傾向のいずれかを示しているときには１つのイベント、及び、
    クラスタ間隔の一部においてパラメータの値の増加傾向をクラスタが示し、かつクラスタ間隔の残りの部分においてパラメータの値の減少傾向を示しているときには２つのイベントのうちの１つによって各クラスタ内の複数のイベントを置き換えることを含む、請求項８に記載のインテリジェントコントローラ。
  10. 前記命令が、
    １つ以上のルールにしたがって、前記更新した監視期間スケジュールの期間に関連する前記制御スケジュール内の１つ以上のさらなる期間を選択し、
    選択された期間のそれぞれに対して、
    前記暫定的な監視期間スケジュールの即時制御入力に対応する設定値を、前記選択された期間に対応する前記制御スケジュールの一部にコピーし、
    前記選択された期間に対応する前記制御スケジュールの一部を分解することにより、前記更新した監視期間スケジュールに含まれる１つ以上の設定値を前記制御スケジュール内のさらなる期間に伝播する、請求項１に記載のインテリジェントコントローラ。
  11. 前記選択された期間に対応する前記制御スケジュールの一部を分解することが、さらに、
    コピーされた設定値のそれぞれに対して、
    前記コピーされた設定値を削除すること、
    既存の設定値を削除すること、
    前記コピーされた設定値又は他の設定値を時間的に移動すること、及び、
    前記コピーされた設定値を変更しないことのうちの１つをもたらす１つ以上のルールを適用することを備える、請求項１０に記載のインテリジェントコントローラ。
  12. さらに、
    初期フェーズと、
    少なくとも１つの積極的な学習フェーズと、
    １つ以上の定常状態学習フェーズとを含む前記メモリに記憶された命令によって実装された制御スケジュール学習の少なくとも３つのフェーズを備える、請求項１に記載のインテリジェントコントローラ。
  13. 前記積極的な学習フェーズ中に、学習パラメータは頻繁なさらなる即時制御入力を促すように値が与えられ、
    前記定常状態学習フェーズ中に、学習パラメータは頻繁なさらなる即時制御入力を抑制するように値が与えられる、請求項１２に記載のインテリジェントコントローラ。
  14. 前記インテリジェントコントローラが、
    ＨＶＡＣユニット、
    加熱炉、
    空調装置、
    ヒートポンプ、
    灌漑システム、
    ポンプ、
    ファン、
    １つ以上の光源、
    機械、
    装置、
    組織、及び、
    システムのうちの１つ以上を制御する、請求項１に記載のインテリジェントコントローラ。
  15. 前記制御スケジュールの前記設定値が、
    温度、
    液体又はガスの流速、
    エネルギ散逸率、
    圧力、
    電流密度、
    電圧、
    機械設定、
    機械部品の位置、
    計算状態、
    機械的状態、
    処理スループットのうちの１つ以上を指定する、請求項１に記載のインテリジェントコントローラ。
  16. プロセッサと、
    メモリと、
    スケジュールインターフェースと、
    制御インターフェースと、
    前記メモリ内に記憶された命令とを備え、前記命令が前記プロセッサによって実行されるとき、
    初期制御スケジュールを取得し、前記初期制御スケジュールを現在の制御スケジュールとしてメモリに記憶し、
    積極的な学習フェーズ中に、前記制御インターフェースを介して受信した即時制御入力及び前記スケジュールインターフェースを介して受信したスケジュール変更に基づいて、前記現在の制御スケジュールを変更し、
    定常状態学習フェーズ中に、前記制御インターフェースを介して受信した即時制御入力、前記スケジュールインターフェースを介して受信したスケジュール変更、及び、履歴制御スケジュールに基づいて、前記現在の制御スケジュールを変更し、
    前記積極的な学習フェーズ及び前記定常状態学習フェーズ中に、インテリジェントコントローラが、
    監視期間中に前記制御インターフェースを介して即時制御入力を受信し、受信した前記即時制御入力をメモリに記録し、
    前記監視期間中に前記スケジュールインターフェースを介してスケジュール変更を受信し、受信したスケジュール変更の少なくとも１つの種類を前記メモリに記録し、
    前記監視期間後に、記録された前記即時制御入力、記録されたスケジュール変更、及び、前記現在の制御スケジュールに基づいて、更新した監視期間スケジュールを生成し、
    前記更新した監視期間スケジュールを前記監視期間に対応する前記現在の制御スケジュールの一部に置き換え、
    前記更新した監視期間スケジュールに含まれる１つ以上の設定値を前記現在の制御スケジュール内のさらなる期間に伝播することによって前記さらなる期間に前記１つ以上の設定値を重ね合わせる、インテリジェントコントローラ。
  17. 前記インテリジェントコントローラが、
    記録された前記即時制御入力、記録されたスケジュール変更、及び、前記現在の制御スケジュールの設定値を組み合わせ、暫定的スケジュールを生成し、
    前記即時制御入力、スケジュール変更、及び、前記暫定的スケジュールの設定値を、１つ以上のクラスタにクラスタリングし、
    前記暫定的スケジュール内の前記１つ以上のクラスタを分解し、
    前記暫定的スケジュールの分解された前記クラスタから、前記更新した監視期間スケジュールを生成することにより、前記監視期間後に、記録された前記即時制御入力、記録されたスケジュール変更、及び、前記現在の制御スケジュールに基づいて、更新した監視期間スケジュールを生成する、請求項１６に記載のインテリジェントコントローラ。
  18. １つ以上のプロセッサ及び１つ以上のメモリを含むインテリジェントコントローラ内に実装された制御スケジュールを自動学習する方法において、
    初期制御スケジュールを取得し、前記初期制御スケジュールを現在の制御スケジュールとして前記１つ以上のメモリのうちの１つに記憶することと、
    連続する監視期間のセットのそれぞれの中で、
    制御インターフェースを介して即時制御入力を受信し、受信した前記即時制御入力を前記１つ以上のメモリのうちの１つに記録することと、
    スケジュールインターフェースを介してスケジュール変更を受信し、受信したスケジュール変更の少なくとも１つの種類を前記メモリに記録することと、
    前記連続する監視期間のセットのそれぞれの後に、
    記録された前記即時制御入力、記録された前記スケジュール変更、及び、前記現在の制御スケジュールに基づいて、更新した監視期間スケジュールを生成することと、
    前記更新した監視期間スケジュールを前記監視期間に対応する前記現在の制御スケジュールの一部と置き換えることと、
    前記更新した監視期間スケジュールに含まれる１つ以上の設定値を前記現在の制御スケジュール内のさらなる期間に伝播することによって前記さらなる期間に前記１つ以上の設定値を重ね合わせることとを備える、方法。
  19. さらに、
    初期制御スケジュールを取得し、前記初期制御スケジュールを現在の制御スケジュールとして前記１つ以上のメモリのうちの１つに記憶することと、
    積極的な学習フェーズ中に、制御インターフェースを介して受信した即時制御入力及びスケジュールインターフェースを介して受信したスケジュール変更に基づいて、前記現在の制御スケジュールを変更することと、
    定常状態学習フェーズ中に、前記制御インターフェースを介して受信した即時制御入力、前記スケジュールインターフェースを介して受信したスケジュール変更、及び、履歴制御スケジュールに基づいて、前記現在の制御スケジュールを変更することとを含む、請求項１８に記載の方法。
JP2014537086A 2011-10-21 2012-09-30 インテリジェントコントローラ内での自動制御スケジュール取得 Active JP6121431B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201161550346P 2011-10-21 2011-10-21
US61/550,346 2011-10-21
PCT/US2012/058187 WO2013058967A1 (en) 2011-10-21 2012-09-30 Automated control-schedule acquisition within an intelligent controller

Publications (2)

Publication Number Publication Date
JP2014531086A JP2014531086A (ja) 2014-11-20
JP6121431B2 true JP6121431B2 (ja) 2017-04-26

Family

ID=48136815

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014537086A Active JP6121431B2 (ja) 2011-10-21 2012-09-30 インテリジェントコントローラ内での自動制御スケジュール取得

Country Status (6)

Country Link
US (4) US8630740B2 (ja)
EP (2) EP4224800A1 (ja)
JP (1) JP6121431B2 (ja)
CN (2) CN103890679B (ja)
CA (2) CA3211982A1 (ja)
WO (1) WO2013058967A1 (ja)

Families Citing this family (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7784704B2 (en) 2007-02-09 2010-08-31 Harter Robert J Self-programmable thermostat
US9104211B2 (en) * 2010-11-19 2015-08-11 Google Inc. Temperature controller with model-based time to target calculation and display
US9046898B2 (en) 2011-02-24 2015-06-02 Google Inc. Power-preserving communications architecture with long-polling persistent cloud channel for wireless network-connected thermostat
US9256230B2 (en) 2010-11-19 2016-02-09 Google Inc. HVAC schedule establishment in an intelligent, network-connected thermostat
CA3211982A1 (en) 2011-10-21 2013-04-25 Google Llc Automated control-schedule acquisition within an intelligent controller
WO2013089602A1 (en) * 2011-12-15 2013-06-20 Telefonaktiebolaget L M Ericsson (Publ) Method and trend analyzer for analyzing data in a communication network
US9547316B2 (en) * 2012-09-07 2017-01-17 Opower, Inc. Thermostat classification method and system
US8855793B2 (en) 2012-09-12 2014-10-07 Zuli, Inc. System for learning equipment schedules
US9578121B2 (en) * 2012-10-09 2017-02-21 Dunan Microstaq, Inc. Apparatus and method for controlling heating, cooling, and refrigeration sensor systems utilizing the wireless cloud
JP6814236B2 (ja) * 2012-11-30 2021-01-13 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 情報処理方法
US10067516B2 (en) * 2013-01-22 2018-09-04 Opower, Inc. Method and system to control thermostat using biofeedback
US9810442B2 (en) 2013-03-15 2017-11-07 Google Inc. Controlling an HVAC system in association with a demand-response event with an intelligent network-connected thermostat
US9807099B2 (en) 2013-03-15 2017-10-31 Google Inc. Utility portals for managing demand-response events
US9595070B2 (en) 2013-03-15 2017-03-14 Google Inc. Systems, apparatus and methods for managing demand-response programs and events
US10775814B2 (en) 2013-04-17 2020-09-15 Google Llc Selective carrying out of scheduled control operations by an intelligent controller
US9298197B2 (en) 2013-04-19 2016-03-29 Google Inc. Automated adjustment of an HVAC schedule for resource conservation
US9910449B2 (en) 2013-04-19 2018-03-06 Google Llc Generating and implementing thermodynamic models of a structure
US9679491B2 (en) * 2013-05-24 2017-06-13 Qualcomm Incorporated Signaling device for teaching learning devices
US20140351182A1 (en) * 2013-05-24 2014-11-27 Qualcomm Incorporated Modifying Learning Capabilities of Learning Devices
US9747554B2 (en) 2013-05-24 2017-08-29 Qualcomm Incorporated Learning device with continuous configuration capability
US9509763B2 (en) 2013-05-24 2016-11-29 Qualcomm Incorporated Delayed actions for a decentralized system of learning devices
US9683753B2 (en) 2013-05-24 2017-06-20 Emerson Electric Co. Facilitating installation of a controller and/or maintenance of a climate control system
US20150081111A1 (en) * 2013-07-01 2015-03-19 Skydrop, Llc Stacked configuration irrigation controller
AU2014292807A1 (en) * 2013-07-17 2016-02-25 Douglass MALCOLM A residential management system
GB201313444D0 (en) * 2013-07-29 2013-09-11 Ambi Labs Ltd Energy efficient indoor climate controller
US9207659B1 (en) * 2013-08-05 2015-12-08 Ameer Sami System and method for automating electrical devices at a building structure
EP3042309A4 (en) * 2013-09-06 2017-04-26 Hewlett-Packard Enterprise Development LP Managing a sensory factor
US9464999B2 (en) * 2013-11-04 2016-10-11 Honeywell International Inc. Detecting temperature sensor anomalies
US10002184B2 (en) 2013-12-08 2018-06-19 Google Llc Methods and systems for identification and correction of controlled system data
CN113203168A (zh) 2013-12-11 2021-08-03 霍尼韦尔国际公司 建筑物自动化控制系统
GB2521384A (en) 2013-12-18 2015-06-24 Ibm Motion detection device and system, method for operating a motion detection device and corresponding computer program
US10024565B2 (en) 2014-01-20 2018-07-17 Emerson Electric Co. Facilitating scheduling of comfort controllers
US10557637B2 (en) 2014-01-20 2020-02-11 Emerson Electric Co. Facilitating scheduling of comfort controllers
US9882735B2 (en) * 2014-02-11 2018-01-30 Honeywell International Inc. Regional control system with manual override
EP3502825B1 (en) 2014-03-28 2022-05-04 Google LLC User-relocatable self-learning environmental control device
US9791839B2 (en) 2014-03-28 2017-10-17 Google Inc. User-relocatable self-learning environmental control device capable of adapting previous learnings to current location in controlled environment
US9568201B2 (en) 2014-03-28 2017-02-14 Google Inc. Environmental control system retrofittable with multiple types of boiler-based heating systems
US9903606B2 (en) 2014-04-29 2018-02-27 Vivint, Inc. Controlling parameters in a building
US10197979B2 (en) 2014-05-30 2019-02-05 Vivint, Inc. Determining occupancy with user provided information
US11099533B2 (en) 2014-05-07 2021-08-24 Vivint, Inc. Controlling a building system based on real time events
CN105320022A (zh) * 2014-07-31 2016-02-10 希姆通信息技术（上海）有限公司 温度控制系统及方法
KR102327358B1 (ko) 2014-10-07 2021-11-17 삼성전자 주식회사 사용자의 개입정보를 활용하여 그룹 제어 모드를 동적으로 변경하는 방법 및 장치
US9933177B2 (en) 2014-11-04 2018-04-03 Google Llc Enhanced automated environmental control system scheduling using a preference function
WO2016073311A1 (en) * 2014-11-04 2016-05-12 Google Inc. Enhanced automated environmental control system scheduling using a preference function
US9772116B2 (en) 2014-11-04 2017-09-26 Google Inc. Enhanced automated control scheduling
US10605474B2 (en) * 2015-07-30 2020-03-31 Encycle Corporation Smart thermostat orchestration
EP3245696B1 (en) 2015-01-13 2020-06-17 Trane International Inc. Improved wireless hvac components
TWI541752B (zh) * 2015-01-20 2016-07-11 神達電腦股份有限公司 環境控制方法、環境控制裝置以及電力管理系統
US10571414B2 (en) * 2015-01-30 2020-02-25 Schneider Electric USA, Inc. Interior volume thermal modeling and control apparatuses, methods and systems
EP3256913A1 (en) * 2015-02-11 2017-12-20 NEC Europe Ltd. A method for operating a thermal system and a thermal system
JP6363556B2 (ja) * 2015-05-28 2018-07-25 株式会社日立製作所 エネルギー管理システム
CN105652669A (zh) * 2015-06-30 2016-06-08 宇龙计算机通信科技(深圳)有限公司 一种智能家居的控制方法及装置
CN107548544B (zh) 2015-07-24 2021-01-22 惠普发展公司有限责任合伙企业 以振动方式进行的传感器通信
US9915435B2 (en) * 2015-08-21 2018-03-13 Google Llc Intelligent HVAC control including automatic furnace shutdown event processing
JP6163181B2 (ja) * 2015-08-21 2017-07-12 株式会社Ｎｔｔドコモ ユーザ端末、無線基地局及び無線通信方法
US9778114B2 (en) * 2015-08-26 2017-10-03 Google Inc. Integrated antenna system and related component management
US9332160B1 (en) * 2015-09-09 2016-05-03 Samuel Chenillo Method of synchronizing audio-visual assets
TWI623211B (zh) * 2015-12-29 2018-05-01 宏碁股份有限公司 遠端控制系統、電子裝置以及遠端控制之方法
US10941950B2 (en) * 2016-03-03 2021-03-09 Kabushiki Kaisha Toshiba Air conditioning control device, air conditioning control method and non-transitory computer readable medium
US10177930B1 (en) 2016-03-07 2019-01-08 Wells Fargo Bank, N.A. Smart thermostat control system
CN105934054B (zh) * 2016-05-26 2019-02-05 深圳市国华光电科技有限公司 一种智能照明系统的控制方法和智能照明系统
US20180032969A1 (en) 2016-07-27 2018-02-01 Johnson Controls Technology Company Systems and methods for automated diagnostics of hvac systems
US10664866B2 (en) * 2016-11-30 2020-05-26 Facebook, Inc. Conversion optimization with long attribution window
US10288307B2 (en) * 2016-12-30 2019-05-14 Echostar Technologies International Corporation Controller and process for controlling a plurality of resources within a workplace
KR20180088164A (ko) * 2017-01-26 2018-08-03 엘지전자 주식회사 에너지 관리 장치 및 그의 동작 방법
US10684037B2 (en) 2017-10-04 2020-06-16 Trane International Inc. Thermostat and method for controlling an HVAC system with remote temperature sensor and onboard temperature sensor
US10989427B2 (en) 2017-12-20 2021-04-27 Trane International Inc. HVAC system including smart diagnostic capabilites
US11429725B1 (en) * 2018-04-26 2022-08-30 Citicorp Credit Services, Inc. (Usa) Automated security risk assessment systems and methods
US11713895B2 (en) 2019-01-14 2023-08-01 Research Products Corporation Multi-zone environmental control system
CN110146845B (zh) * 2019-04-17 2021-07-27 杭州电子科技大学 一种事件驱动的固定时间电磁源定位方法
CN112217850B (zh) * 2019-07-11 2022-06-28 腾讯科技（深圳）有限公司 远程控制的处理方法、装置、设备、服务器及存储介质
CN110888714B (zh) * 2019-11-26 2023-06-23 北京京东尚科信息技术有限公司 容器的调度方法、装置和计算机可读存储介质
US11821261B2 (en) * 2020-03-04 2023-11-21 Mechoshade Systems, Llc Window shade keypad functionality
FR3111198A1 (fr) * 2020-06-08 2021-12-10 Electricite De France Procédé de pilotage optimisé d’un système de chauffage
WO2023070226A1 (en) * 2021-10-29 2023-05-04 Smart Cocoon Inc. Hvac efficiency boosting fan system, apparatus and method
CN115978720B (zh) * 2022-12-30 2023-07-04 北京创今智能科技有限公司 一种空气源热泵机组非等量分组方法
CN116577979A (zh) * 2023-07-12 2023-08-11 合众新能源汽车股份有限公司 一种基于环境变量计算控制变量的方法及装置
CN117014247A (zh) * 2023-08-28 2023-11-07 广东金朋科技有限公司 基于状态学习的场景生成方法、系统及存储介质

Family Cites Families (148)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4316577A (en) 1980-10-06 1982-02-23 Honeywell Inc. Energy saving thermostat
US4621336A (en) 1984-09-17 1986-11-04 Emerson Electric Co. Visual display of time schedule in a programmable thermostat
US4751961A (en) 1986-02-18 1988-06-21 Honeywell Inc. Electronic programmable thermostat
KR900001894B1 (ko) * 1986-09-22 1990-03-26 미쓰비시덴기 가부시기가이샤 공기 조화기
US4768706A (en) 1987-06-04 1988-09-06 Parfitt Ronald H Indicating and control instruments
US5005365A (en) 1988-12-02 1991-04-09 Inter-City Products Corporation (Usa) Thermostat speed bar graph for variable speed temperature control system
DE9104170U1 (de) 1991-04-06 1991-07-04 Grässlin KG, 7742 St Georgen Elektronische Thermostatschaltuhr
JP2948961B2 (ja) * 1991-11-11 1999-09-13 大阪瓦斯株式会社 空気調節機
US5224649A (en) 1992-03-23 1993-07-06 Emerson Electric Co. Digital thermostat with single rotary encoder switch for establishing set point temperature
JPH05296518A (ja) * 1992-04-21 1993-11-09 Kubota Corp 空調装置
US5303612A (en) 1992-12-24 1994-04-19 Honeywell Inc. Increased diameter detachable thermostat knob allowing easier thermostat use
US6213404B1 (en) 1993-07-08 2001-04-10 Dushane Steve Remote temperature sensing transmitting and programmable thermostat system
US5395042A (en) 1994-02-17 1995-03-07 Smart Systems International Apparatus and method for automatic climate control
US5482209A (en) 1994-06-01 1996-01-09 Honeywell Inc. Method and means for programming a programmable electronic thermostat
US5485954A (en) 1994-06-10 1996-01-23 American Standard Inc. Reduced profile thermostat
US5627531A (en) 1994-09-30 1997-05-06 Ohmeda Inc. Multi-function menu selection device
US5690277A (en) 1995-02-06 1997-11-25 Flood; Scott W. Audible thermostat
US5603451A (en) 1995-03-31 1997-02-18 John W. Helander Aesthetic thermostat
DE29505606U1 (de) 1995-03-31 1996-02-01 Siemens AG, 80333 München Bediengerät für eine Kraftfahrzeug-Klimaautomatik
US5555927A (en) 1995-06-07 1996-09-17 Honeywell Inc. Thermostat system having an optimized temperature recovery ramp rate
DE19609390C2 (de) 1996-02-29 2002-05-23 Siemens Ag Bedienvorrichtung mit mehreren Stellgliedern
US5808602A (en) 1996-03-15 1998-09-15 Compaq Computer Corporation Rotary cursor positioning apparatus
US5673850A (en) * 1996-07-22 1997-10-07 Lux Products Corporation Programmable thermostat with rotary dial program setting
US6636197B1 (en) 1996-11-26 2003-10-21 Immersion Corporation Haptic feedback effects for control, knobs and other interface devices
US6211921B1 (en) 1996-12-20 2001-04-03 Philips Electronics North America Corporation User interface for television
US5909378A (en) * 1997-04-09 1999-06-01 De Milleville; Hugues Control apparatus and method for maximizing energy saving in operation of HVAC equipment and the like
US6206295B1 (en) 1998-03-04 2001-03-27 Marvin Lacoste Comfort thermostat
US6032867A (en) 1998-04-21 2000-03-07 Dushane; Steve Flat plate thermostat and wall mounting method
US6164374A (en) 1998-07-02 2000-12-26 Emerson Electric Co. Thermostat having a multiple color signal capability with single indicator opening
US6351693B1 (en) 1999-01-22 2002-02-26 Honeywell International Inc. Computerized system for controlling thermostats
US6286764B1 (en) 1999-07-14 2001-09-11 Edward C. Garvey Fluid and gas supply system
US6298285B1 (en) 2000-01-04 2001-10-02 Aqua Conservation Systems, Inc. Irrigation accumulation controller
US6453687B2 (en) 2000-01-07 2002-09-24 Robertshaw Controls Company Refrigeration monitor unit
JP4449149B2 (ja) * 2000-03-27 2010-04-14 三菱電機株式会社 空気調和装置
US6519509B1 (en) 2000-06-22 2003-02-11 Stonewater Software, Inc. System and method for monitoring and controlling energy distribution
US7109970B1 (en) 2000-07-01 2006-09-19 Miller Stephen S Apparatus for remotely controlling computers and other electronic appliances/devices using a combination of voice commands and finger movements
IT1315103B1 (it) 2000-07-11 2003-02-03 Invensys Climate Controls Spa Dispositivo elettronico per l'impostazione ed il condizionamento ditemperature ambientali e relativo metodo di impostazione
US7035805B1 (en) 2000-07-14 2006-04-25 Miller Stephen S Switching the modes of operation for voice-recognition applications
JP2002087050A (ja) 2000-09-12 2002-03-26 Alpine Electronics Inc エアコンの設定温度表示装置
US6595430B1 (en) 2000-10-26 2003-07-22 Honeywell International Inc. Graphical user interface system for a thermal comfort controller
US6641055B1 (en) 2001-01-10 2003-11-04 Teresa Conaty Tiernan Variations on combined thermostat and fuel level monitor
US7992630B2 (en) 2001-03-12 2011-08-09 Davis Energy Group, Inc. System and method for pre-cooling of buildings
JP2003054290A (ja) 2001-08-20 2003-02-26 Denso Corp 車両用スイッチ装置
US20030034898A1 (en) 2001-08-20 2003-02-20 Shamoon Charles G. Thermostat and remote control system and method
US6681997B2 (en) 2001-08-31 2004-01-27 Enhanced Visual Products, Inc. Visual and reading enhancement apparatus for thermostats and associated methods
US6641054B2 (en) 2002-01-23 2003-11-04 Randall L. Morey Projection display thermostat
US6824069B2 (en) 2002-01-30 2004-11-30 Howard B. Rosen Programmable thermostat system employing a touch screen unit for intuitive interactive interface with a user
FR2835643B1 (fr) 2002-02-07 2004-06-18 Johnson Contr Automotive Elect Dispositif d'affichage d'informations pour vehicules
US6644557B1 (en) 2002-03-25 2003-11-11 Robert A Jacobs Access controlled thermostat system
US7111788B2 (en) 2002-04-22 2006-09-26 Nokia Corporation System and method for navigating applications using a graphical user interface
US20040034484A1 (en) 2002-06-24 2004-02-19 Solomita Michael V. Demand-response energy management system
US7460827B2 (en) * 2002-07-26 2008-12-02 Arbitron, Inc. Radio frequency proximity detection and identification system and method
US7166791B2 (en) 2002-07-30 2007-01-23 Apple Computer, Inc. Graphical user interface and methods of use thereof in a multimedia player
US7333880B2 (en) 2002-12-09 2008-02-19 Enernoc, Inc. Aggregation of distributed energy resources
US6783079B2 (en) 2003-02-18 2004-08-31 Emerson Electric Co. Thermostat with one button programming feature
US6726112B1 (en) 2003-03-07 2004-04-27 Joseph Ho Illuminating thermostat
US7047092B2 (en) 2003-04-08 2006-05-16 Coraccess Systems Home automation contextual user interface
US20040262410A1 (en) 2003-04-11 2004-12-30 Hull Gerry G. Graphical thermostat and sensor
US6988671B2 (en) 2003-05-05 2006-01-24 Lux Products Corporation Programmable thermostat incorporating air quality protection
US7302642B2 (en) 2003-06-03 2007-11-27 Tim Simon, Inc. Thermostat with touch-screen display
KR100565486B1 (ko) * 2003-06-11 2006-03-30 엘지전자 주식회사 에어컨의 중앙제어 시스템 및 그 동작방법
US20070043478A1 (en) * 2003-07-28 2007-02-22 Ehlers Gregory A System and method of controlling an HVAC system
US7222800B2 (en) 2003-08-18 2007-05-29 Honeywell International Inc. Controller customization management system
US7055759B2 (en) 2003-08-18 2006-06-06 Honeywell International Inc. PDA configuration of thermostats
US7083109B2 (en) * 2003-08-18 2006-08-01 Honeywell International Inc. Thermostat having modulated and non-modulated provisions
US6851621B1 (en) 2003-08-18 2005-02-08 Honeywell International Inc. PDA diagnosis of thermostats
US7156318B1 (en) 2003-09-03 2007-01-02 Howard Rosen Programmable thermostat incorporating a liquid crystal display selectively presenting adaptable system menus including changeable interactive virtual buttons
US7000849B2 (en) 2003-11-14 2006-02-21 Ranco Incorporated Of Delaware Thermostat with configurable service contact information and reminder timers
US6951306B2 (en) 2003-11-18 2005-10-04 Lux Products Corporation Thermostat having multiple mounting configurations
US7114554B2 (en) 2003-12-01 2006-10-03 Honeywell International Inc. Controller interface with multiple day programming
US10705549B2 (en) 2003-12-02 2020-07-07 Ademco Inc. Controller interface with menu schedule override
US7274972B2 (en) 2003-12-02 2007-09-25 Honeywell International Inc. Programmable controller with saving changes indication
US7225054B2 (en) 2003-12-02 2007-05-29 Honeywell International Inc. Controller with programmable service event display mode
US8554374B2 (en) 2003-12-02 2013-10-08 Honeywell International Inc. Thermostat with electronic image display
US7181317B2 (en) * 2003-12-02 2007-02-20 Honeywell International Inc. Controller interface with interview programming
US7706923B2 (en) * 2003-12-02 2010-04-27 Honeywell International Inc. Controller interface with separate schedule review mode
US7222494B2 (en) 2004-01-07 2007-05-29 Honeywell International Inc. Adaptive intelligent circulation control methods and systems
US7142948B2 (en) 2004-01-07 2006-11-28 Honeywell International Inc. Controller interface with dynamic schedule display
JP2005203297A (ja) 2004-01-19 2005-07-28 Nissan Motor Co Ltd 表示式多機能スイッチ
US7600694B2 (en) 2004-01-27 2009-10-13 Trane International Inc. Multiple thermostats for air conditioning system with time setting feature
US7140551B2 (en) 2004-03-01 2006-11-28 Honeywell International Inc. HVAC controller
US7258280B2 (en) 2004-04-13 2007-08-21 Tuckernuck Technologies Llc Damper control in space heating and cooling
US7108194B1 (en) 2004-06-01 2006-09-19 Hankins Ii Robert E Remote controlled thermostat system for the sight-impaired
US7159790B2 (en) 2004-06-22 2007-01-09 Honeywell International Inc. Thermostat with offset drive
US7159789B2 (en) 2004-06-22 2007-01-09 Honeywell International Inc. Thermostat with mechanical user interface
US7509753B2 (en) 2004-06-30 2009-03-31 Harley-Davidson Motor Company Group, Inc. Apparatus for indicating oil temperature and oil level within an oil reservoir
US7264175B2 (en) 2004-07-01 2007-09-04 Honeywell International Inc. Thermostat with parameter adjustment
US7913925B2 (en) 2004-07-23 2011-03-29 Ranco Incorporated Of Delaware Color changing thermostatic controller
US7287709B2 (en) 2004-09-21 2007-10-30 Carrier Corporation Configurable multi-level thermostat backlighting
US7299996B2 (en) 2004-11-12 2007-11-27 American Standard International Inc. Thermostat with energy saving backlit switch actuators and visual display
US8689572B2 (en) 2004-12-22 2014-04-08 Emerson Electric Co. Climate control system including responsive controllers
US7802618B2 (en) 2005-01-19 2010-09-28 Tim Simon, Inc. Thermostat operation method and apparatus
JP4021471B2 (ja) * 2005-02-08 2007-12-12 和夫 三輪 建物のエネルギー管理システム
US7861941B2 (en) * 2005-02-28 2011-01-04 Honeywell International Inc. Automatic thermostat schedule/program selector system
US7584897B2 (en) 2005-03-31 2009-09-08 Honeywell International Inc. Controller system user interface
US7434742B2 (en) 2005-06-20 2008-10-14 Emerson Electric Co. Thermostat capable of displaying received information
US7451937B2 (en) 2005-07-13 2008-11-18 Action Talkin Products, Llc Thermostat with handicap access mode
US20070045444A1 (en) 2005-08-31 2007-03-01 Ranco Incorporated Of Delaware Thermostat including set point number line
US7624931B2 (en) 2005-08-31 2009-12-01 Ranco Incorporated Of Delaware Adjustable display resolution for thermostat
US20070050732A1 (en) 2005-08-31 2007-03-01 Ranco Incorporated Of Delaware Proportional scroll bar for menu driven thermostat
US7455240B2 (en) 2005-08-31 2008-11-25 Ranco Incorporated Of Delaware Thermostat display system providing animated icons
US7460933B2 (en) 2005-08-31 2008-12-02 Ranco Incorporated Of Delaware Thermostat display system providing adjustable backlight and indicators
US20070057079A1 (en) 2005-09-13 2007-03-15 Emerson Electric Co. Thermostat capable of displaying downloaded images
US8036760B2 (en) * 2005-10-04 2011-10-11 Fisher-Rosemount Systems, Inc. Method and apparatus for intelligent control and monitoring in a process control system
US20070173978A1 (en) 2006-01-04 2007-07-26 Gene Fein Controlling environmental conditions
US7614567B2 (en) 2006-01-10 2009-11-10 Ranco Incorporated of Deleware Rotatable thermostat
US7726581B2 (en) 2006-01-12 2010-06-01 Honeywell International Inc. HVAC controller
US7751682B2 (en) * 2006-02-02 2010-07-06 Sharp Kabushiki Kaisha Content processing device, content processing method, control program, and storage medium
US7509402B2 (en) 2006-03-16 2009-03-24 Exceptional Innovation, Llc Automation control system having a configuration tool and two-way ethernet communication for web service messaging, discovery, description, and eventing that is controllable with a touch-screen display
US20070228183A1 (en) 2006-03-28 2007-10-04 Kennedy Kimberly A Thermostat
US20070241203A1 (en) 2006-04-14 2007-10-18 Ranco Inc. Of Delaware Management of a thermostat's power consumption
US20070257120A1 (en) 2006-05-02 2007-11-08 Ranco Incorporated Of Delaware Tabbed interface for thermostat
US7667163B2 (en) 2006-07-10 2010-02-23 Ranco Incorporated Of Delaware Thermostat with adjustable color for aesthetics and readability
US7904830B2 (en) 2006-11-30 2011-03-08 Honeywell International Inc. HVAC zone control panel
US7558648B2 (en) 2006-11-30 2009-07-07 Honeywell International Inc. HVAC zone control panel with zone configuration
US20080245480A1 (en) 2007-01-05 2008-10-09 Acco Brands Usa Llc Laminator menu system
US8687536B2 (en) * 2007-02-23 2014-04-01 Qualcomm Incorporated Method and apparatus to create multicast groups based on proximity
US7904209B2 (en) 2007-03-01 2011-03-08 Syracuse University Open web services-based indoor climate control system
US20080290183A1 (en) 2007-05-22 2008-11-27 Honeywell International Inc. Special purpose controller interface with instruction area
US7954726B2 (en) 2007-06-28 2011-06-07 Honeywell International Inc. Thermostat with utility messaging
US7845576B2 (en) 2007-06-28 2010-12-07 Honeywell International Inc. Thermostat with fixed segment display having both fixed segment icons and a variable text display capacity
US8239922B2 (en) * 2007-08-27 2012-08-07 Honeywell International Inc. Remote HVAC control with user privilege setup
US9171454B2 (en) 2007-11-14 2015-10-27 Microsoft Technology Licensing, Llc Magic wand
US8387892B2 (en) 2007-11-30 2013-03-05 Honeywell International Inc. Remote control for use in zoned and non-zoned HVAC systems
US8087593B2 (en) * 2007-11-30 2012-01-03 Honeywell International Inc. HVAC controller with quick select feature
US8255090B2 (en) * 2008-02-01 2012-08-28 Energyhub System and method for home energy monitor and control
US7963453B2 (en) 2008-05-19 2011-06-21 Honeywell International Inc. Versatile HVAC sensor
WO2010000077A1 (en) * 2008-07-03 2010-01-07 Belimo Holding Ag Actuator for hvac systems and method for operating the actuator
DE102008045568A1 (de) 2008-09-03 2010-03-04 Krones Ag Einrichtung und Kolben zum Aussortieren von Artikeln
CN102007458B (zh) 2008-09-08 2013-06-26 奥托尼克斯有限公司 容易改变温度范围的拨盘式温度控制器
CA2678828A1 (en) * 2008-09-15 2010-03-15 Johnson Controls Technology Company Hvac controller user interfaces
US8527096B2 (en) 2008-10-24 2013-09-03 Lennox Industries Inc. Programmable controller and a user interface for same
US8694164B2 (en) 2008-10-27 2014-04-08 Lennox Industries, Inc. Interactive user guidance interface for a heating, ventilation and air conditioning system
US8452456B2 (en) 2008-10-27 2013-05-28 Lennox Industries Inc. System and method of use for a user interface dashboard of a heating, ventilation and air conditioning network
CN103941591A (zh) * 2008-10-31 2014-07-23 优化能源有限公司 用以控制能量消耗效率的系统和方法
US20100198425A1 (en) * 2009-02-04 2010-08-05 Paul Donovan Programmable thermostat
US8498753B2 (en) 2009-05-08 2013-07-30 Ecofactor, Inc. System, method and apparatus for just-in-time conditioning using a thermostat
WO2010135372A1 (en) 2009-05-18 2010-11-25 Alarm.Com Incorporated Remote device control and energy monitoring
MX2012000906A (es) 2009-07-20 2012-09-07 Allure Energy Inc Sistema y metodo de gestion de energia.
US8626344B2 (en) 2009-08-21 2014-01-07 Allure Energy, Inc. Energy management system and method
US20110015798A1 (en) 2009-07-20 2011-01-20 Sustainable Spaces, Inc. Building Energy Usage Auditing, Reporting, and Visualization
US20110196539A1 (en) * 2010-02-10 2011-08-11 Honeywell International Inc. Multi-site controller batch update system
US20110202293A1 (en) * 2010-02-15 2011-08-18 General Electric Company Diagnostics using sub-metering device
US8918219B2 (en) 2010-11-19 2014-12-23 Google Inc. User friendly interface for control unit
US9489062B2 (en) 2010-09-14 2016-11-08 Google Inc. User interfaces for remote management and control of network-connected thermostats
US8195313B1 (en) 2010-11-19 2012-06-05 Nest Labs, Inc. Thermostat user interface
US10241527B2 (en) 2010-11-19 2019-03-26 Google Llc Thermostat graphical user interface
CA3211982A1 (en) 2011-10-21 2013-04-25 Google Llc Automated control-schedule acquisition within an intelligent controller

Also Published As

Publication number Publication date
WO2013058967A1 (en) 2013-04-25
US9020646B2 (en) 2015-04-28
CN106444471A (zh) 2017-02-22
JP2014531086A (ja) 2014-11-20
CA2853045C (en) 2023-10-17
US10684038B2 (en) 2020-06-16
US10012405B2 (en) 2018-07-03
EP4224800A1 (en) 2023-08-09
US8630740B2 (en) 2014-01-14
US20150241079A1 (en) 2015-08-27
CA3211982A1 (en) 2013-04-25
US20130103622A1 (en) 2013-04-25
US20190003736A1 (en) 2019-01-03
CN103890679A (zh) 2014-06-25
CA2853045A1 (en) 2013-04-25
EP2769280A4 (en) 2015-05-20
EP2769280A1 (en) 2014-08-27
CN106444471B (zh) 2019-04-16
US20140195012A1 (en) 2014-07-10
CN103890679B (zh) 2016-08-24
EP2769280B1 (en) 2023-04-12

Similar Documents

Publication Publication Date Title
JP6121431B2 (ja) インテリジェントコントローラ内での自動制御スケジュール取得
US9417637B2 (en) Background schedule simulations in an intelligent, network-connected thermostat
US11359831B2 (en) Automated presence detection and presence-related control within an intelligent controller
JP6370870B2 (ja) クライメートコントロールシステムおよびクライメートコントロールシステムを制御する方法
US10175668B2 (en) Systems and methods for energy-efficient control of an energy-consuming system
EP2901233B1 (en) Automated presence detection and presence-related control within an intelligent controller
US8554376B1 (en) Intelligent controller for an environmental control system
US10222277B2 (en) Methods and systems for generating virtual smart-meter data
WO2014051634A1 (en) Intelligent controller for an environmental control system

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150821

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160218

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160525

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160531

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20160830

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160929

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170228

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20170329

R150 Certificate of patent or registration of utility model

Ref document number: 6121431

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250