JPH04260743A - 空調機の制御装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明はマイクロコンピュータを
搭載した各種の空調機器において、快適な空調環境を実
現するのに好適な制御装置に関するものである。

【０００２】

【従来の技術】快適な空調環境を実現する空調機の制御
装置の従来技術としては、特開昭６３−１３１９４２号
公報（以下、第一の従来技術と云う），同６３−１０８
１４５号公報（以下、第二の従来技術と云う）に示され
る技術のものがある。

【０００３】第一の従来技術のものは、空調対象の環境
状態を表す情報を検知する検知手段と、上記情報に対す
る空調機の操作量を求めるための経験則に基づく制御ル
ールを記憶するメモリと、上記検知手段によって検知さ
れた情報及びメモリから取り出される制御ルールに基づ
き、ファジー論理演算によって上記空調機に与える操作
量を演算する演算手段とを備え、該演算手段が上記検知
手段によって検知される種々の環境情報に対する上記空
調機の操作量を、経験則から求めた制御ルールに基づい
て算出し、これにより、人間の空調快適感に基づいたき
め細かな空調機の制御を行うようにしている。

【０００４】第二の従来技術のものは、探索，分岐，階
層構造を有する複数の空気調和制御のための前提知識を
記憶する記憶手段と、室外空気温度，室内空気温度，外
光などの空気調和環境の条件を検知する検知手段と、こ
の検知手段で検知された上記条件と上記記憶手段で記憶
された前提知識とから新たな知識を生成して推論するこ
とにより、空気調和機を制御するための制御出力を出力
する制御手段とを備え、該制御手段により、一年中昼夜
通して刻々変化する環境に対し人の感覚的な良かれと思
われる方向に空調調和機を自動的にかつ微妙に制御し、
これにより季節は勿論のこと、時々刻々変わる空調環境
に拘ることなく、モード，温度等の設定のわずらわしさ
から使用者を解放することができるようにしている。

【０００５】

【発明が解決しようとする課題】ところで、第一の従来
技術では、人間に対して快適な環境状態を形成するため
、経験則を基にした空調機の制御ルールと、それを構成
するファジー変数のメンバーシップ関数とによって最適
な操作量を推論し、その結果を出力するようにしている
ので、数多くの実験データより得た経験則から求めた、
人間の空調快適感に基づく最適な空調機（冷媒圧縮機）
の運転に対する制御ルールを作成する必要がある。

【０００６】一方、第二の従来技術では、一年中昼夜通
して刻々変化する環境に対し、人の感覚的な良かれと思
われる方向に空調調和機を自動的にかつ微妙に制御する
ので、制御ルールの複数の条件及び新たに生成された知
識を表現する空量的なメンバーシップ関数を作成する必
要がある。

【０００７】しかしながら、第一の従来技術のような制
御ルール、また第二の従来技術のようなメンバーシップ
関数を作成しようとすると、それらの標準的な手法が確
立されていないので、もっぱら設計者の経験に頼らざる
を得ず、そのため、多大の時間を要するのみならず、状
況に応じて適切なものが作成されるかどうか疑わしいと
云う問題がある。

【０００８】また、制御ルール及びメンバーシップ関数
を作成するためには、実際の空調対象の環境状態と最適
な快適度や空調機の操作量との間を理論的な筋道が明確
な対応関係でしかも具体的に結びつけることが必要であ
る。

【０００９】しかしながら、一般的に快適性のような人
間の感覚に関する指標は、上記の如き関係を明確に定式
化することが困難とされており、無理矢理これを行うこ
とは信憑性に欠けるおそれがある。

【００１０】本発明の目的は、上記従来技術の問題点に
鑑み、状況に応じ快適な環境状態を生成することができ
、しかも実際の空調対象の環境状態と最適な快適度や空
調機の操作量との間を理論的な筋道の対応関係で結びつ
けることがなく、また居住者に対し経験則に頼ることが
ないようにした空調機の制御装置を提供することにある
。

【００１１】

【課題を解決するための手段】本発明においては、空調
環境を目標となる状態に調整すべく空調機器を制御する
制御装置であって、現在の空調環境状態を夫々種類別に
検出する各種の現況検出器と、空調環境状態を予め設定
された夫々の種類別に目標値に設定する各種の教示入力
器及び設定器と、空調環境状態を決定する空調機器の各
々の操作量を入力する操作量入力手段と、前記各種の現
況検出器、教示入力器及び設定器の信号を夫々取り込み
、該信号に基づいて空調機器の各々の操作量を出力し、
各空調機器を制御する制御装置とを備えている。そして
、該制御装置は、教示入力器及び設定器，操作量入力手
段の夫々に入力した時点で、その教示入力器及び設定器
の入力信号と現況検出器の検出信号とに基づいて各空調
機器の操作量を出力し、その出力された信号を予め前記
操作量入力手段に入力された教示入力信号と比較し、操
作量検出信号と操作量入力信号とをほぼ一致させるべく
入力部と出力部との間の相関関係を種々求める手段と、
該入力部と出力部との間の相関関係を種々求めた時点で
、各種設定器に入力された設定値と現況検出器の検出値
とから前記相関関係に基づき各空調機器の操作量を出力
し、各空調機器を制御する多層手段とを具えている。

【００１２】

【作用】本発明では、上述の如く、制御装置が入力部と
出力部との間の相関関係を求める手段とその求めた相関
関係に基づいて各空調機器の操作量を出力する手段とを
具えているので、居住者が制御装置の入力層に対し、現
況検出器と教示入力器と設定器と教示入力手段に入力す
ると、まず、その入力信号に基づいて各空調機器が駆動
され、その各空調機器の駆動される信号が、各教示入力
手段に予め入力された教示入力信号と比較し、それらが
ほぼ一致するように入力部と出力部との間の相関関係を
種々求め、求めると、現況検出器と設定器との入力信号
とから前記の相関関係に基づき各空調機器の操作量を出
力し、各空調機器を制御することとなる。

【００１３】従って、実際の各設定器及び現況検出器の
入力信号を取込むことにより、これに対応した適切な快
適度及び操作量を得ることができるので、状況に応じた
快適な環境を確実に得ることができ、従来技術のように
実際の空調対象の環境状態と最適な快適度や空調機の操
作量との間を理論的な筋道の対応関係で結び付けること
がなく、また居住者に対し経験則に頼ることもない。

【００１４】

【実施例】以下、本発明の一実施例を図１乃至図４によ
り説明する。

【００１５】図２は空調機の制御装置を示す概略説明図
である。同図において、１は壁，床，天井，窓等から構
成される部屋である。この部屋１には空調機２が設置さ
れ、該空調機２は、部屋１の中に配置された室内機３ａ
と、部屋１の外に設置された室外機３ｂと、それら両者
３ａ，３ｂを接続する冷媒配管４とを有し、室外機３ｂ
の吸熱量若しくは発熱量を室内機３ａに供給し、室内機
３ａの発熱量或いは吸熱量によって部屋１内の室温を調
整するようにしている。

【００１６】また、前記空調機２は、輻射機５と加湿機
７と送風機８とを有している。輻射機５は輻射面を加熱
若しくは冷却したとき、その輻射伝熱によって輻射熱を
供給するようにしている。加湿機７は水蒸気を供給する
。送風機８は回転数及び風向きを調整することによって
風の量及び方向を変えるようにしている。

【００１７】そして、これら室内機３ａ，室外機３ｂ，
輻射機５，加湿機７，送風機８は、後述する各種の現況
検出器，設定器，教示入力器、操作量入力手段の信号に
基づいて動作する制御装置により夫々制御されるように
している。即ち、現況検出器は、部屋１内の空気温度を
検出する室温検出器１０ａと、部屋１内の壁や床の温度
によって決まる輻射温度を検出する輻射温検出器１１ａ
と、部屋１内の空気に含まれる水蒸気量を検出する湿度
検出器１２ａと、部屋１内の空気の流速を検出する風速
検出器１３ａと、部屋１の外の空気温度を検出する外気
温検出器１４とを有し、これらが後述する制御装置９の
多層ニューラルネットワーク９１の入力層Ｉに接続され
ている。

【００１８】また、前記設定器は、室温設定器１５と、
着衣量設定器１６と、活動量設定器１７とからなり、こ
れらが上記検出器と同様図３に示すように多層ニューラ
ルネットワーク９１の入力層Ｉに接続されている。室温
設定器１５は、居住者６が希望する室温を設定するもの
である。着衣量設定器１６は、居住者６が着けている衣
服の量を数値若しくは定性的な表現を用いて設定するも
のである。その際、着衣量の単位としては、例えば１ｃ
ｌｏ　＝０．１５５℃ｍ２／Ｗを用い、この値が、男性
スリーピース相当の衣服の熱抵抗に該当する。従って、
その数値を基準として、薄着，厚着等といった表現での
設定も可能としている。活動量設定器１７は居住者６の
活動の量を数値若しくは定性的な表現を用いて設定する
ものである。この場合、活動量の単位としては、１ｍｅ
ｔ＝５８Ｗ／ｍ２を用い、この値が、安静椅座作業時の
単位面積当たりの代謝量に相当する。従って、その数値
を基準として、重作業，軽作業等といった表現での設定
も可能としている。

【００１９】前記教示入力器は、居住者が目的とする室
内の環境条件を選択して入力するものであって、図３に
示すように、室温を入力する室温教示器１０ｂと、輻射
温を入力する輻射教示器１１ｂと、湿度を入力する湿度
教示器１２ｂと、風速を入力する風速教示器１３ｂとを
有し、これらが多層ニューラルネットワーク９１の入力
層に夫々接続されている。

【００２０】前記操作量入力手段は、制御装置９を後述
するバックプロパーゲーション学習９２によって働かせ
るために必要な教示器、即ち、各種機器の操作量を入力
するための教示器を有している。該操作量入力手段とし
てはＰＭＶ（Ｐｒｅｄｉｃｔｅｄ　ＭｅａｎＶｏｔｅ）
のように標準的な快適性の指標による快適度を数値入力
し、或いは居住者６が感じる個人的な快適度を定性的な
表現として用いて入力する快適度教示器１８ａと、空調
機２の操作量を入力する空調機操作量教示器１９ａと、
輻射機６の操作量を入力する輻射機操作量教示器２０ａ
と、加湿器７の操作量を入力する加湿機操作量教示器２
１ａと、送風機８の操作量を入力する送風機操作量教示
器２２ａとを有し、これらがバックプロパーゲーション
学習９２の一方の入力側に接続されている。前記ＰＭＶ
は、例えば＋３〜−３までの間を、暑い，暖かい、やや
温かい，中立，やや涼しい，涼しい、寒いという感覚目
盛とし、±０．５〜−０．５　の範囲を熱的に快適とし
ている。

【００２１】一方、前記制御装置９は図３に示すように
、バックプロパーゲーション学習９２を有した多層ニュ
ーラルネットワーク９１で構成されている。

【００２２】多層ニューラルネットワーク９１は、入力
層Ｉと中間層Ｈと出力層Ｏとで構成され、入力層Ｉには
上述の如く各種の現況検出器及び設定器が接続され、出
力層Ｏには快適度出力１８ｂ，空調機操作量出力１９ｂ
，輻射機操作量出力２０ｂ，加湿機操作量出力２１ｂ，
送風機操作量出力２２ｂが接続されている。なお、図３
では室温設定器１５を接続した入力層Ｉと中間層Ｈの各
々と出力層Ｏの各々との間におけるニューロン間の結合
線しか図示していないが、他のものも同様に接続されて
いる。

【００２３】またこの多層ニューラルネットワークは学
習・制御切替部９３を具えたバックプロパーゲーション
学習９２を有している。該バックプロパーゲーション学
習９２は居住者６が図１（ａ）に示すようにその学習・
制御切替部２１を学習位置に切替え（１０１）、かつ夫
々の教示器１０ｂ，１１ｂ，１２ｂ，１３ｂ及び設定器
１５〜１７を介し入力すると共に、操作量入力手段の教
示器１８ａ，１９ａ，２０ａ，２１ａ，２２ａを介し快
適度及び操作量を入力すると（１０２）、その入力信号
と各現状検出手段の検出信号とに基づいて空調機の各種
機器の操作量を出力し（１０３）、その出力された信号
を予め各種機器の操作量入力手段によって入力された教
示信号と比較し、操作量出力信号とほぼ一致させるよう
に入力層Ｉと中間層Ｈと出力層Ｏとの各ニューロン間の
結合係数を決定する演算を繰返し行い、その結果、出力
層Ｏに接続された各種機器の操作量出力部１８ｂ，１９
ｂ，２０ｂ，２１ｂ，２２ｂと操作量入力信号との差を
求め（１０４）、その差がほぼ許容誤差の範囲内におさ
まるように結合係数が決定することにより、多層ニュー
ラルネットワーク９１の入力層Ｉと出力層Ｏとの間の相
関関係をパラメータとして種々求める。

【００２４】その際、入力層Ｉに加える所定の検出信号
及び設定信号と、これに対応する出力層Ｏ側の所定の快
適度及び各操作量の教示信号としては、一例として、下
記するような空調対象の環境状態と快適度の関係を示す
ＰＭＶの演算式を用いて計算した複数個の数値を使用す
る。

【００２５】

【数１】

【００２６】

【数２】

【００２７】

【数３】

【００２８】

【数４】

【００２９】

【数５】

【００３０】

【数６】

【００３１】なお、操作量入力手段の入力については、
空調対象の環境状態を実現するための空調機２，輻射機
６，加湿機７，送風機８の操作量を定常的な熱量の収支
計算に基づいて計算した複数個の数値を用いることによ
って行う。

【００３２】これらの要素を多数結合することによって
多層ニューラルネットワーク９１を構成する。

【００３３】図４は、前記多層ニューラルネットワーク
９１を構成する一つのニューロンの構成を示している。 同図を用いてバックプロパーゲーション学習９２の学習
方法について詳細に述べると、多数の入力信号ｙｉ　が
入った場合、これに重みづけし、その重みづけした信号
ωｉｊを加算器２４が積和演算し、その結果に対し非線
形関数２５が閾値処理する。閾値処理にはバイアス値つ
きのシグモイド関数を適用し、ニューロンの入出力特性
を連続関数としている。このシグモイド関数を用いると
、ユニットの入出力特性は次のように定式化される。

【００３４】

【数７】

【００３５】

【数８】

【００３６】これらの要素を多数結合することによって
多層ニューラルネットワーク９１を構成することとなる
。その際、各々の層Ｉ，Ｈ，Ｏのユニットは、入力層Ｉ
から中間層Ｈ，該中間層Ｈから出力層Ｏと云う向きに結
合しており、各層内での結合及び出力層Ｏから入力層Ｉ
に向かう結合は存在しない。

【００３７】従って、入力層Ｉに入力パターンが与えら
れると、入力層Ｉの各ユニットはその入力信号を中間層
Ｈに渡し、中間層Ｈの各ユニットは数７，数８の式に基
づいて動作し、出力層Ｏの各ユニットに出力信号を渡し
、最終的には多層ニューラルネットワーク９１の一つの
出力パターンが出力層Ｏの各ユニットから出力されるこ
ととなる。

【００３８】この場合、多層ニューラルネットワーク９
１は各ユニット間の結合の重みが可変となっており、バ
ックプロパーゲーション学習９２によりωを目的に応じ
て調整することにより必要なデータ処理を実行するよう
にしている。即ち、与えられる個々の入力パターンに対
し、ニューラルネットワークが実際に出力する出力パタ
ーンと望ましい出力パターン（教示信号）とが一致する
。または十分に似ているように重みを決めるようにして
いる。このような多層ニューラルネットワーク９１の学
習方法としては、出力信号と教示信号との誤差が小さく
なる方向に結合の重みを修正する極値最小値探索法を前
記バックプロパーゲーション学習９２により行うように
している。

【００３９】学習過程においては、ある入力パターンｃ
を与えたときの実際の出力値ｙｊｄｃ（ｔ）と望ましい
出力値ｄｊｃとの誤差を次式のとおり定義する。

【００４０】

【数９】

【００４１】このとき、全ての入出力パターンに対する
ニューラルネットワークの全誤差Ｅは、次式で表現でき
る。

【００４２】

【数１０】

【００４３】この全誤差Ｅを重みωｉｊに関し最小化す
るためには、その重みωｉｊを次式のようにして修正す
る。

【００４４】

【数１１】

【００４５】このような処理を繰返し実行し、最終的に
出力層Ｏのユニットの出力値と望ましい出力値との誤差
が、所定の極めて小さい値以下になった時点で学習を終
了することにより、入力層Ｉと出力層Ｏ間の所定の相関
関係を確立させ、その所定の相関関係のデータを多層ニ
ューラルネットワーク９１が実行することとなる。

【００４６】従って、前記多層ニューラルネットワーク
９１は、バックプロパーゲーション学習９２が自身の学
習機能によって入力層Ｉと出力層Ｏとの間の相関関係を
求めると、学習・制御切替部９３を学習から制御に自動
的に切替え（１０６）、入力層Ｉに学習に際し予め入力
された各種の信号と現況検出器１０ａ，１１ａ，１２ａ
，１３ａ，１４の検出信号とを取り込み（１０７）、こ
れらの信号から前記相関関係に基づいて空調機２の各種
機器の操作量を積和演算することによって求め（１０８
）、求めた値を操作量出力部１８ｂ，１９ｂ，２０ｂ，
２１ｂ，２２ｂに夫々出力し（１０９）、該出力に応じ
各種機器を制御するようにしている（１１０）。

【００４７】なお、これらの数値計算は大型計算機，パ
ーソナルコンピュータ等を用いれば容易に計算し得るの
は勿論である。

【００４８】実施例の制御装置９は、上記の如く、学習
・制御切替部９３が学習位置にあるとき、居住者６が多
層ニューラルネットワーク９１の入力層Ｉに対し、現況
検出器としての各検出器１０ａ，１１ａ，１２ａ，１３
ａ，１４と、教示入力器としての各教示器１０ｂ，１１
ｂ，１２ｂ，１３ｂ及び設定器としての各設定器１５，
１６，１７とに夫々入力し、またバックプロパーゲーシ
ョン学習９２に操作量入力手段としての教示器１８ａ，
１９ａ，２０ａ，２１ａ，２２ａに入力すると、その入
力信号に基づいて各種機器３ａ，３ｂ，５，７，８が駆
動され、その各種機器３ａ，３ｂ，５，７，８の駆動さ
れる信号が、各教示器１８ａ，１９ａ，２０ａ，２１ａ
，２２ａに予め入力された教示信号と比較し、それらが
ほぼ一致するように入力層Ｉと出力層Ｏとの間の相関関
係を種々求め、該求めると、現況検出器と設定器１５〜
１７との入力信号とから前記の相関関係に基づき各種機
器３ａ，３ｂ，５，７，８の操作量を操作量出力１８ｂ
，１９ｂ，２０ｂ，２１ｂ，２２ｂに出力することによ
り夫々制御することとなる。

【００４９】従って、実際の各設定器１５〜１７及び検
出器１０ａ，１１ａ，１２ａ，１３ａ，１４の信号を多
層ニューラルネットワーク９１が取込むことにより、こ
れに対応した適切な快適度及び操作量を得ることができ
るので、状況に応じた快適な環境を確実に得ることがで
き、従来技術のように実際の空調対象の環境状態と最適
な快適度や空調機の操作量との間を理論的な筋道の対応
関係で結び付けることがなく、また居住者６に対し経験
則に頼ることもない。

【００５０】なお図示実施例では、バックプロパーゲー
ション学習９２においてＰＭＶの演算式を用いて計算す
るようにした例を示したが、入力層Ｉに加える所定の検
出信号及び設定信号とこれに対応する出力層Ｏ側の快適
度，操作量の教示信号としては、試験的な運転中の数値
もしくは実際の稼働中の数値を用いることによって学習
することもできる。

【００５１】

【発明の効果】以上述べたように、本発明によれば、制
御装置が入力層と出力層との間の相関関係を求める手段
とその求めた相関関係に基づいて各空調機器の操作量を
出力する手段とを具え、実際の各設定器及び現況検出器
信号を取込むことにより、これに対応した適切な快適度
及び操作量を得ることができるように構成したので、状
況に応じた快適な環境を確実に得ることができ、従来技
術のように実際の空調対象の環境状態と最適な快適度や
空調機の操作量との間を理論的な筋道の対応関係で結び
付けることがなく、また居住者に対し経験則に頼ること
もないと云う効果がある。

【図面の簡単な説明】

【図１】本発明の制御装置の概要を示し、（ａ）は学習
時の処理過程のフローチャート及び（ｂ）は制御時の処
理過程のフローチャートである。

【図２】本発明を利用した空調環境を示す説明図である
。

【図３】本発明の制御装置の構成を示すブロック図であ
る。

【図４】多層ニューラルネットワークにおける一つのニ
ューロンをモデル化した説明図である。

【符号の説明】

１…部屋、２…空調機器、３ａ…室内機、３ｂ…室外機
、４…冷媒配管、５…輻射機、６…居住者、７…加湿機
、８…送風機、９…制御装置、９１…多層ニューラルネ
ットワーク、９２…バックプロパーゲーション、９３…
学習・制御切替部、１０ａ，１１ａ，１２ａ，１３ａ，
１４…現況検出器、１０ｂ，１１ｂ，１２ｂ，１３ｂ…
教示入力器としての教示器、１８ａ，１９ａ，２０ａ，
２１ａ，２２ａ…操作量入力手段としての操作量教示器
、１５〜１７…設定器。

Claims (1)

【特許請求の範囲】
1. 【請求項１】空調環境を目標となる状態に調整すべく各
   空調機器を制御する制御装置であって、現在の空調環境
   状態を夫々種類別に検出する各種の現況検出器と、空調
   環境状態を予め設定された夫々の種類別に目標値に設定
   する各種の教示入力器及び設定器と、空調環境状態を決
   定するための空調機器の各々の操作量を入力する操作量
   入力手段と、前記各種の現況検出器，教示入力器及び設
   定器の信号を夫々取り込み、該信号に基づいて空調機器
   の各々の操作量を出力し、各空調機器を制御する制御装
   置とを備え、該制御装置は、教示入力器及び設定器、操
   作量入力手段の夫々に入力した時点で、その教示入力器
   及び設定器の入力信号と現況検出器の検出信号とに基づ
   いて各空調機器の操作量を出力し、その出力された信号
   を予め前記操作量入力手段に入力された教示入力信号と
   比較し、操作量出力信号と操作量入力信号とをほぼ一致
   させるべく入力部と出力部との間の相関関係を種々求め
   る手段と、該入力部と出力部との間の相関関係を種々求
   めた時点で、各種設定器に入力された設定値と現況検出
   器の検出値とから前記相関関係に基づき各空調機器の操
   作量を出力し、各空調機器を制御する手段とを具えてい
   ることを特徴とする空調機の制御装置。