JPH04316945A - 空気調和機の制御装置 - 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、例えばマイクロコンピ
ュータ搭載の空気調和機で快適な空調運転を自動的に行
わせる、室内の温度、風量および風向の制御を行うこと
により室内の人間の快適性を高めるための空気調和機の
制御装置に関するものである。

【０００２】

【従来の技術】空気調和機で室温のコントロールを行う
際、暖房の例では室内温度の立ち上がり時の特性向上の
ために、空気調和機の室内目標温度を一定時間高めにシ
フトさせる制御や、室内温度によって圧縮機運転周波数
の制御を行う方法が採られていた。すなわち、図７はこ
のような従来の空気調和機の制御装置を示し、図７にお
いて、制御信号生成手段７１はセンサ７０よりの吸い込
み温度７５や、空気調和機７２の電源を投入してから作
動するタイマ７３よりのタイマ値７７および前記空気調
和機７２を外部より操作するリモコンまたは操作パネル
７４よりの使用者設定温度７８等により制御信号７６を
生成している。例としては、暖房時には、電源を投入し
てからの時間が６０分間以内は室内温度を速く立ち上げ
るために、室内目標温度をリモコンまたは操作パネル７
４より設定した使用者の設定温度よりも２℃高く設定す
るように、空気調和機７２の室内温度調整７９を制御さ
せるのである。

【０００３】

【発明が解決しようとする課題】しかしながら、前述し
た従来の制御装置では、電源を投入してからの時間や室
内温度特性のみで制御しているため、空気調和機の設置
された部屋の空調負荷の大小に柔軟に対処することはで
きない。したがって、例えば、負荷が過小なときには室
温が目標温度よりも高くなり過ぎたり、負荷が過大なと
きには室温が目標温度に達するまでかなりの時間がかか
るという課題や、室内の位置の違いによっては、温度差
が生じ、空気調和機から距離が遠い場合は設定温度に達
しないこともあるので、室内の人間の快適感を考慮でき
ないという課題があった。

【０００４】本発明の目的は、前述したような従来の課
題に鑑み、室内の人間の快適感を考慮した、より快適な
空調および生活環境を実現できる空気調和機の制御装置
を提供するものである。

【０００５】

【課題を解決するための手段】この目的を達成するため
、本発明は、空気調和機が具備する室内外の環境条件を
検知する複数のセンサ手段と、前記センサ手段の前状態
を保持する記憶手段と、人の位置を検出する位置検出手
段と、前記センサ手段と前記記憶手段よりの出力、使用
者の設定した温度、および前記位置検出手段よりの出力
から室内の人間の快適感を推測する推測手段と、前記推
測手段より推測した前記室内の人間の快適感に基づき前
記空気調和機の吹き出し温度、風向および風量などの制
御信号を生成する制御信号生成手段とを具備することを
特徴とする空気調和機の制御装置を提案するものである
。

【０００６】

【作用】前述した本発明の構成によると、推測手段は複
数のセンサ手段より検知された室内外の環境条件と、記
憶手段により保持された前記センサ手段の前状態、使用
者の設定した温度および位置検出手段にて検出された人
の位置から室内の人間の快適感を推測する。そして、こ
の推測手段より推測した前記人間の快適感に基づき、制
御信号生成手段より制御信号が生成され空気調和機を制
御するから、これにより室内の環境や人間の状態を考慮
した、より快適な空調および生活環境を実現することが
できる。

【０００７】

【実施例】以下、図１から図６を用いて本発明の実施例
を詳細に説明する。

【０００８】図１は本発明の第１の実施例による制御装
置における信号の流れを示すブロック図であり、図２は
図１における神経回路網模式手段の学習方法を示すブロ
ック図であるが、図１において、１０はセンサ、１１，
１２はセンサ１０よりのセンサ信号値、１３は記憶手段
、１４は記憶手段１３より出力される吸い込み温度のＮ
秒間隔の傾斜、１５はリモコンまたは操作パネル、１６
はリモコンまたは操作パネル１５からの出力信号、１７
は神経回路網模式手段、１８は前記手段１７より出力さ
れる快適度（予測平均投票数（Ｐｒｅｄｉｃｔｅｄ　　
Ｍｅａｎ　　Ｖｏｔｅ、以下ＰＭＶという）または標準
新有効温度（Ｓｔａｎｄａｒｄ　　Ｅｆｆｅｃｔｉｖｅ
　　Ｔｅｍｐｅｒａｔｕｒｅ、以下ＳＥＴという）、１
９は制御信号生成手段、１ａは前記手段１９より出力さ
れる制御信号、１ｂは空気調和機、１ｄは人の位置を検
知する位置センサ、１ｅは前記位置センサ１ｄよりの人
の位置信号である。

【０００９】次に、神経回路網模式手段の学習方法を説
明するためのさらに詳細な構成を図２について説明する
。すなわち、図２は学習方法を示すブロック図であり、
２１は室外温度、２２は吸い込み温度、２３は吸い込み
温度の傾斜、２４は風量、２５は使用者の設定温度、２
６は人体温度、２７は神経回路網模式手段、２８は制御
信号生成手段、２９は実測したＰＭＶ（またはＳＥＴ）
、２ａは推測したＰＭＶ（またはＳＥＴ）、２ｃは制御
信号、２ｄは人の位置情報、２１１，２２１，２３１，
２４１，２５１，２６１，２ｄ１はそれぞれ室外温度２
１、吸い込み温度２２、吸い込み温度傾斜２３、風量２
４、使用者の設定温度２５、人体温度２６、および人の
位置情報２ｄよりの信号である。

【００１０】図示実施例による空気調和機は、以上のよ
うな構成であるから、空気調和機１ｂ内の複数のセンサ
（外気温センサ、吸い込み温度センサ、湿度センサ、人
体温度センサ）１０よりセンサ信号１１が出力されるこ
とになる。この信号１１は、室外温度、吸い込み温度、
湿度、人体温度などである。また、前記センサ１０から
信号１１と同様の信号１２が出力され、記憶手段１３に
入力されるけれども、記憶手段１３は入力される前記セ
ンサ出力信号１２における過去Ｎ秒間（Ｎは正の実数）
の履歴を記憶する。リモコンまたは操作パネル１５から
風量と使用者の設定温度値１６が出力され、また、記憶
手段１３はセンサの前の状態、例えば前述したＮ秒間の
履歴より室内温度のＮ秒（Ｎは正の実数）間隔の傾斜１
４を出力する。位置センサ１ｄは、人の位置を検出し、
位置情報１ｅを出力する。図３に示すように、この位置
センサ１ｄは室内をＮ×Ｍゾーンに分割し、人が部屋の
どのゾーンに存在しているかを検出する。例えば、ｉゾ
ーンにいれば、位置センサ１ｄの出力信号１ｅはｉとな
る。各手段１０，１３，１５，１ｄからの出力信号１１
，１４，１６，１ｅは、入力信号として、神経回路網模
式手段１７に入力する。この神経回路網模式手段１７は
入力信号から室内の快適度である予測平均投票数ＰＭＶ
、または、標準新有効温度ＳＥＴの推測値１８を出力す
る。ＰＭＶは、快適性を左右する要素として、温度、湿
度、気流速、輻射温度（周囲壁体）、代謝量、着衣状態
の６要素の組み合せを変化させた環境試験室で、被験者
から、試験室での寒暑についての投票を受け、その結果
を基に定量化したものである。すなわち、人間の状態（
代謝や着衣の状況）と室内の環境（温度、湿度、機流速
、周囲壁体輻射）によって、計算したＰＭＶの値は、−
３　　：　　寒い −２　　：　　涼しい −１　　：　　やや涼しい ０　　：　　なんともない ＋１　　：　　やや暖かい ＋２　　：　　暖かい ＋３　　：　　暑い と評価できる。

【００１１】一方、ＳＥＴは環境の物理因子から熱刺激
量を求めて、人間の生理的状態値と感覚を予測しようと
するもので、温熱に対する快・不快の関係を熱刺激の物
理量に対する生理反応でとらえている快適性物理的評価
法の１つである。例えば、ＰＭＶを用いた場合は、神経
回路網模式１７に室外温度、吸い込み温度、吸い込み温
度傾斜、風量、人の位置情報、使用者の設定温度、人体
温度という人間の状態と室内の環境を入力することによ
って、神経回路網模式手段１７からＰＭＶの推測値１８
が出力される。前記ＰＭＶの推測値１８は制御信号生成
手段１９に入力され、この生成手段１９より制御信号１
ａを生成する。制御信号生成手段１９は、快適感が不満
足の場合には、空気調和機１ｂの能力を最大限にできる
ような制御信号１ａを生成する。

【００１２】さらに、快適感が満足の場合は快適感が持
続できるような制御信号１ａを生成する。すなわち、前
記推測したＰＭＶの値１８によって空気調和機１ｂを制
御する信号１ａを生成する。この制御信号１ａによって
空気調和機１ｂにおけるインバータ周波数、風向、風量
および室内目標設定温度を制御する。一例としては、前
記各手段１０，１３，１５，１ｄからの外気温、吸い込
み温度、風量、設定温度、吸い込み温度の傾斜、位置情
報等より、空気調和機１ｂが目標とする室内目標温度を
算出するシフト量を求める。このシフト量と、使用者が
設定した温度および室内目標温度との関係は、室内目標
温度＝使用者設定温度＋シフト量となる。そこで、制御
信号生成手段１９より生成した空気調和機１ｂの制御信
号１ａを空気調和機１ｂに入力し、一例として前記式に
基づき室内目標温度となるように空気調和機１ｂの運転
を実行する。

【００１３】以上のような過程を経て室内温度調整１ｃ
が行われる。次に図２について、図１の神経回路網の学
習方法を説明すると、室外温度２１および吸い込み温度
２２、Ｎ秒間隔の吸い込み温度の傾斜２３、風量２４、
使用者の設定温度２５、人体温度２６、人の位置情報２
ｄ等からの信号２１１，２２１，２３１，２４１，２５
１，２６１，２ｄ１を神経回路網模式手段２７に入力し
て、ＰＭＶの推測値２ａを出力する。

【００１４】前記神経回路網模式手段２７は、室内にお
いて測定した実測ＰＭＶ２９を学習データ２ｂとして、
ＰＭＶの推測値２ａを学習する。

【００１５】神経回路網の学習アルゴリズムは、各種の
方法であるが、例えばバックプロパゲーションのアルゴ
リズム（参考文献：ラメルハート、Ｄ．Ｅとマクレラン
ド．Ｊ．Ｌ「ＰＤＰモデル−認知科学とニューロン回路
網の検索」｛Ｒｕｎｍｅｌｈａｒｔ，Ｄ．Ｅ　　ａｎｄ
　　Ｍｃｃｌｅｌｌａｎｄ，Ｊ．Ｌ．（Ｅｄｓ．），”
Ｐａｒａｌｌｅｌ　　Ｄｉｓｔｒｉｂｕｔｅｄ　　Ｐｒ
ｏｃｅｓｓｉｎｇ，Ｅｘｐｌｏｒａｔｉｏｎ　　ｉｎ　
　ｔｈｅ　　Ｍｉｃｒｏｓｔｒｕｃｔｕｒｅ　　ｏｆＣ
ｏｇｎｉｔｉｏｎ．Ｖｏｌ．１，２，ＭＩＴ　　Ｐｒｅ
ｓｓ，Ｃａｍｍｂｒｉｄｇｅ（１９８６）｝）により最
降下法にて最適解をもとめる。そして、これらのアルゴ
リズムにより充分ＰＭＶが神経回路網模式手段２７で推
測できるようになるまで学習を行う。学習が終了すると
、神経回路網模式手段２７の出力値２ａにより、快適感
が不満足の場合には、制御信号生成手段２８より空気調
和機の能力を最大限でるような制御信号２ｃを生成する
。また、快適感が満足の場合には、快適感が持続できる
ように制御信号２ｃを制御信号生成手段２８より生成す
る。すなわち、神経回路網模式手段２７にて推測したＰ
ＭＶの値２ａによって、制御信号生成手段２８より空気
調和機を制御する信号２ｃを生成する。なお、前記制御
信号２ｃはインバータ周波数、風向、風量および室内目
標設定温度等を制御する。

【００１６】以上に述べたように、本実施例によれば、
各センサからの入力を神経回路網模式手段に入力し、Ｐ
ＭＶを推測し、ＰＭＶの値により制御信号を生成するこ
とにより、室内の環境と人間の状態を考慮した、快適な
空調および生活環境を実現することができる。

【００１７】なお、前記実施例では神経回路網模式手段
１７，２７よりの出力１８、２ａをＰＭＶとしたが、Ｓ
ＥＴや周囲壁輻射温度に置き換えても同様の効果を得る
ことができるのは明らかなところである。

【００１８】次に図４から図６を用いて本発明の第２実
施例を説明する。図４は本発明の第２の実施例による制
御装置における信号の流れを示すブロック図であり、図
５は図４におけるルックアップテーブルの作成方法を説
明するためのブロック図であるが、図４において、４０
はセンサ、４１，４２はセンサ４０よりのセンサ信号値
、４３は記憶手段、４４は記憶手段４３より出力される
吸い込み温度のＮ秒間隔の傾斜、４５はリモコンまたは
操作パネル、４６はリモコンまたは操作パネル４５から
の出力信号、４７はルックアップテーブル、４８はルッ
クアップテーブル４７より出力される制御信号、４９は
空気調和機、４ｂは位置センサ、４ｃは位置センサ４ｂ
よりの人別の位置信号をそれぞれ示してある。

【００１９】次に図５を参照しながら、ルックアップテ
ーブルの作成方法について説明すると、５１は室外温度
、５２は吸い込み温度、５３は吸い込み温度の傾斜、５
４は風量、５５は使用者の設定温度、５６は人体温度、
５７は神経回路網模式手段、５８は制御信号生成手段、
５９は実測したＰＭＶ（またはＳＥＴ）、５ａは神経回
路網模式手段より推測したＰＭＶ（またはＳＥＴ）、５
ｂは実測ＰＭＶ（またはＳＥＴ）よりの快適度（ＰＭＶ
またはＳＥＴ）、５ｃは制御信号、５ｄは人の位置情報
、５ｅはルックアップテーブル、５１１，５２１，５３
１，５４１，５５１，５６１，５ｄ１はそれぞれ室外温
度５１、吸い込み温度５２、吸い込み温度の傾斜５３、
風量５４、使用者の設定温度５５、人体温度５６、人の
位置情報５ｄよりの信号である。

【００２０】第２実施例による空気調和機は、以上のよ
うな構成であるから、図４に示すように、空気調和機４
９内の複数のセンサ４０よりセンサ信号４１が出力され
ることになる。この信号４１は外気温、吸い込み温度、
湿度、人体温度などである。

【００２１】また、前記センサ４０から信号４１と同様
の信号４２が出力され、記憶手段４３に入力される。記
憶手段４３は入力される前記センサ出力信号４２におけ
る過去Ｎ秒間（Ｎは正の実数）の履歴を記憶する。リモ
コンまたは操作パネル４５から風量、使用者の設定温度
値４６が出力され、また記憶手段４３はセンサの前の状
態、例えば室内温度のＮ秒（Ｎは正の実数）間隔の傾斜
４４を出力する。さらに位置センサ４ｂからは人の位置
情報４ｃが出力される。位置センサ４ｂは、第１の実施
例の図３で説明したのでここでは省略する。各手段４０
，４３，４５，４ｂからの出力信号４１，４４，４６，
４ｃは、入力信号としてルックアップテーブル４７に入
力され、このルックアップテーブル４７より空気調和機
４９に対する制御信号４８を求める。この制御信号４８
によって、空気調和機４９におけるインバータ周波数、
風向、風量および室内目標設定温度等が制御されること
になる。一例としては、前記各手段４０，４３，４５，
４ｂからの外気温、吸い込み温度、風量、設定温度、吸
い込み温度の傾斜等より、空気調和機４９が目標とする
室内目標温度を算出するシフト量が求められる。 このシフト量と使用者が設定した温度および室内目標温
度との関係は、室内目標温度＝使用者設定温度＋シフト
量となる。そこで、ルックアップテーブル４７より求め
た制御信号４８は空気調和機４９に入力し、一例として
前記式に基づき室内目標温度となるように空気調和機４
９の運転を実行する。

【００２２】次に、図４のルックアップテーブルの作成
方法を図５について説明すると、まず、室外温度５１お
よび吸い込み温度５２、Ｎ秒間隔の吸い込み温度の傾斜
５３、風量５４、使用者の設定温度５５、人体温度５６
、人の位置情報５ｄ等からの信号５１１，５２１，５３
１，５４１，５５１，５６１，５ｄ１を神経回路網模式
手段５７に入力して、ＰＭＶの推測値５ａが出力される
。

【００２３】この場合、前記神経回路網模式手段５７は
、室内において測定した実測ＰＭＶ５９を学習データ５
ｂとしてＰＭＶの推測値５ａを学習する。

【００２４】神経回路網の学習アルゴリズムは、各種の
方法があるが、例えば前述のバックプロパゲーションの
アルゴリズムにより最降下法にて最適解を求めればよい
。そして、これらのアルゴリズムにより充分ＰＭＶが神
経回路網模式手段５７で推測できるようになるまで学習
を行うが、学習を終了すると、神経回路網模式手段５７
の出力値５ａにより、快適感が不満足の場合には、制御
信号生成手段５８より空気調和機の能力を最大限でるよ
うな制御信号５ｃを生成する。また、快適感が満足の場
合には、快適感が持続できるように制御信号５ｃが制御
信号生成手段５８より生成されることになる。

【００２５】なお、前記制御信号５ｃはインバータ周波
数、風向、風量および室内目標設定温度等を制御するけ
れども、その神経回路網模式手段５７と制御信号５ｃを
出力する制御信号生成手段５８の部分をルックアップテ
ーブル５ｅに置き換えるため、センサ入力である室外温
度５１〜人の位置情報５ｄの各入力信号５１１〜５ｄ１
を荒く量子化してルックアップテーブル５ｅに入力し、
その結果を前記ルックアップテーブル５ｅに書き込み、
ルックアップテーブルを作成すればよい。

【００２６】図６は前述したルックアップテーブル５ｅ
の具体例を示し、ルックアップテーブル５ａはゾーンＡ
〜Ｃを備え、ゾーンＡには設定温度ｔｉ〜ｔｅ、外気温
ｔｏｉ〜ｔｏｍ、風量ｆｉ〜ｆｎ、吸い込み温度ｓｉ〜
ｓｏおよび吸い込み温度傾斜ｋｉ〜ｋｐが書き込まれて
いる。

【００２７】以上にのべたように、前記実施例の空気調
和機によれば、各センサからの入力を神経回路網模式手
段に入力し、ＰＭＶを推測し、ＰＭＶの値により制御信
号を生成することにより、室内の環境を考慮した、より
快適な空調および生活環境を実現することができる。さ
らに、神経回路網模式手段からＰＭＶを推測し、制御信
号に変換する部分をルックアップテーブルに置き換える
ことによって制御装置を簡単に実現することができる。

【００２８】

【発明の効果】以上説明したように、本発明の請求項１
による空気調和機の制御装置によれば、室内の環境や人
間の状態を考慮したより快適な空調及び生活環境を実現
できる。

【００２９】請求項２のニューラルネットワークの仕様
により、個別に人や部屋に対応した制御が実現し、快適
性の向上が図れる。

【００３０】請求項３の仕様（ニューラルネットワーク
に室内外温度、風量、湿度の各値を入力）により、個別
に人や部屋、さらに使用条件に適した制御が達成され、
快適性の向上が図れる。

【００３１】請求項４の吸込温度勾配に適正な時間間隔
をさらに設けることにより、使用時の部屋の負荷状態が
適確に判断でき、快適性の向上が図れる。

【００３２】請求項５の仕様により、ニューラルネット
ワークをエアコンで実施する場合、推定計算時間が長く
大型計算機が必要となるため、ルックアップテーブルに
記憶させることにより、マイコン処理が可能となり、大
幅なコストメリットが達成される。

【００３３】請求項６の仕様により、人間の快適性を評
価する指標として最も望ましい、ＰＭＶ評価を行うこと
により、快適性を飛躍的に改善できる。

【００３４】請求項７の仕様は、請求項７の仕様と同等
の効果が達成される。請求項８の仕様により、使用者の
設定した設定温度により間接的ではあるが人の状態を推
測するため、快適性の向上を図ることができる。

【００３５】請求項９の仕様なより、人体の温度で直接
に人の状態を推測するため、快適性の向上がさらに達成
できる。

【図面の簡単な説明】

【図１】本発明の第１実施例による空気調和機の制御装
置信号の流れを示すブロック図

【図２】図１における神経回路網模式手段の学習方法を
説明するためのブロック図

【図３】図１および図２における人の位置情報を示す説
明図

【図４】本発明の第２実施例による空気調和機の制御装
置信号の流れを示すブロック図

【図５】図４におけるルックアップテーブルの作成方法
を説明するためのブロック図

【図６】図４および図５におけるルックアップテーブル
の一例を示す説明図

【図７】従来の制御装置を示すブロック図

【符号の説明】

１０，４０　　センサ １１，１２，４１，４２　　センサ信号１３，４３　　
記憶手段 １４，４４　　Ｎ秒間隔の吸い込み温度傾斜１５，４５
　　リモコンまたは操作パネル１６，４６　　風量、設
定温度等 １７　　神経回路網模式手段 １８　　快適度推測値 １９　　制御信号生成手段 １ａ，４８　　制御信号 １ｂ，４９　　空気調和機 １ｃ，４ａ　　室内温度調整 １ｄ，４ｂ　　位置センサ １ｅ，４ｃ　　人の位置情報 ２１，５１　　室外温度 ２２，５２　　吸い込み温度 ２３，５３　　吸い込み温度の傾斜 ２４，５４　　風量 ２５，５５　　使用者の設定温度 ２６，５６　　人体温度 ２ｄ，５ｄ　　人の位置情報 ２７，５７　　神経回路網模式手段 ２８，５８　　制御信号生成手段 ２９，５９　　実測ＰＭＶ ２ａ，５ａ　　ＰＭＶ推測値 ２ｂ，５ｂ　　ＰＭＶ学習データ ２ｃ，５ｃ　　制御信号 ２ｄ，５ｄ　　人の位置情報 ４７，５ｅ　　ルックアップテーブル ７０　　センサ ７１　　制御信号生成手段 ７２　　空気調和機 ７３　　タイマ ７４　　リモコンまたは操作パネル ７５　　吸い込み温度 ７６　　制御信号 ７７　　タイマ値 ７８　　設定温度

Claims (9)

【特許請求の範囲】
1. 【請求項１】空気調和機が具備する室内外の環境条件を
   検知する複数のセンサ手段と、前記センサ手段の前状態
   を保持する記憶手段と、人の位置を検出する位置検出手
   段と、前記センサ手段と前記記憶手段よりの出力、使用
   者の設定した温度および前記位置検出手段よりの出力か
   ら室内の人間の快適感を推測する推測手段と、前記推測
   手段より推測した前記室内の人間の快適感に基づき前記
   空気調和機の吹き出し温度、風向および風量等の制御信
   号を生成する制御信号生成手段とを備えることを特徴と
   する空気調和機の制御装置。
2. 【請求項２】推測手段は、人間の快適感を学習した神経
   回路網模式手段（ニューラルネットワーク）であること
   を特徴とする請求項１記載の空気調和機の制御装置。
3. 【請求項３】センサ手段は、室内外の温度、空気調和機
   の風量、湿度を検出することを特徴とする請求項１記載
   の空気調和機の制御装置。
4. 【請求項４】記憶手段はＮ秒（Ｎは正の実数値）間隔の
   空気調和機の吸込空気温度勾配を記憶することを特徴と
   する請求項１記載の空気調和機の制御装置。
5. 【請求項５】制御信号生成手段は、室内の人間の快適感
   を推測する関数の出力から制御信号を生成するようにし
   たルックアップテーブルの記憶手段であることを特徴と
   する請求項１記載の空気調和機の制御装置。
6. 【請求項６】推測手段により推測される室内の人間の快
   適感は、空気調和機の制御を行う評価指数として人間の
   状態や室内の環境によって計算した予測平均投票数（Ｐ
   ＭＶ）、または、人間の生理状態や感覚の予測を行った
   標準新有効温度（ＳＥＴ）であることを特徴とする請求
   項１記載の空気調和機の制御装置。
7. 【請求項７】推測手段により推測される室内の人間の快
   適感は、周囲壁輻射温度であることを特徴とする請求項
   １記載の空気調和機の制御装置。
8. 【請求項８】推測手段は、使用者の設定温度より室内の
   人間の状態を推測することを特徴とする請求項１記載の
   空気調和機の制御装置。
9. 【請求項９】推測手段は、センサ手段としての人体温度
   センサにより室内の人間の状態を推測することを特徴と
   する請求項１記載の空気調和機の制御装置。