JPH04316947A - 空気調和機の制御装置 - Google Patents
空気調和機の制御装置Info
- Publication number
- JPH04316947A JPH04316947A JP3082291A JP8229191A JPH04316947A JP H04316947 A JPH04316947 A JP H04316947A JP 3082291 A JP3082291 A JP 3082291A JP 8229191 A JP8229191 A JP 8229191A JP H04316947 A JPH04316947 A JP H04316947A
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- temperature
- sensor
- indoor
- output
- 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.)
- Granted
Links
- 238000003062 neural network model Methods 0.000 claims abstract description 28
- 230000001052 transient effect Effects 0.000 claims abstract description 16
- 230000007613 environmental effect Effects 0.000 claims description 34
- 230000036760 body temperature Effects 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 4
- 230000035807 sensation Effects 0.000 claims description 2
- 238000007664 blowing Methods 0.000 claims 1
- 230000006870 function Effects 0.000 claims 1
- 230000004962 physiological condition Effects 0.000 claims 1
- 238000000034 method Methods 0.000 abstract description 15
- 238000004378 air conditioning Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 12
- 238000010438 heat treatment Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 102000016941 Rho Guanine Nucleotide Exchange Factors Human genes 0.000 description 1
- 108010053823 Rho Guanine Nucleotide Exchange Factors Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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。
め要約のデータは記録されません。
Description
【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に
関するものである。
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用いられていた。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早く立ち上
げるために、室内目標温度をリモコンまたは操作パネル
７４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。
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用いられていた。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早く立ち上
げるために、室内目標温度をリモコンまたは操作パネル
７４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および室内の環境状態（過
渡・安定）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。
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および室内の環境状態（過
渡・安定）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
題を解決し、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を提供す
るものである。
題を解決し、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
に、本発明は、空気調和機が装備する室内外の環境条件
を検出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、前記センサ手段と前記記憶手
段よりの出力から室内の環境状態が過渡状態か安定状態
かを判断する判定手段と、前記空気調和機を使用する使
用者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、前記判定手段よりの出力、
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を提案するものである。
に、本発明は、空気調和機が装備する室内外の環境条件
を検出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、前記センサ手段と前記記憶手
段よりの出力から室内の環境状態が過渡状態か安定状態
かを判断する判定手段と、前記空気調和機を使用する使
用者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、前記判定手段よりの出力、
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出された室内外の環境条件と、室
内の環境状態（過渡・安定）の判定と、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体の位置から
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。
数のセンサ手段より検出された室内外の環境条件と、室
内の環境状態（過渡・安定）の判定と、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体の位置から
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。
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。図１において、１０はセンサ、１１，１
２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
室内環境状態が過渡あるいは安定の判定手段を含む神経
回路網模式手段、１８ａは室内環境状態の判定出力、１
８ｂは前記手段１７より出力される快適度（予測平均投
票数（Ｐｒｅｄｉｃｔｅｄ ＭｅａｎＶｏｔｅ、以下
ＰＭＶという）または標準新有効温度（Ｓｔａｎｄａｒ
ｄ Ｅｆｆｅｃｔｉｖｅ Ｔｅｍｐｅｒａｔｕｒｅ
、以下ＳＥＴという）、１９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は人体の位置センサ、１ｅは前記位置センサ
１ｄよりの人体の位置信号である。
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。図１において、１０はセンサ、１１，１
２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
室内環境状態が過渡あるいは安定の判定手段を含む神経
回路網模式手段、１８ａは室内環境状態の判定出力、１
８ｂは前記手段１７より出力される快適度（予測平均投
票数（Ｐｒｅｄｉｃｔｅｄ ＭｅａｎＶｏｔｅ、以下
ＰＭＶという）または標準新有効温度（Ｓｔａｎｄａｒ
ｄ Ｅｆｆｅｃｔｉｖｅ Ｔｅｍｐｅｒａｔｕｒｅ
、以下ＳＥＴという）、１９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は人体の位置センサ、１ｅは前記位置センサ
１ｄよりの人体の位置信号である。
【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は室内環境状態が過渡あるいは安定
の判定手段を含む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）、２
ａは室内環境状態の判定出力、２ｂは推測したＰＭＶ（
またはＳＥＴ）、２ｃはＰＭＶ学習データ、２ｄは人体
位置情報、２ｅは制御信号、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、および人体
位置情報２ｄよりの信号である。
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は室内環境状態が過渡あるいは安定
の判定手段を含む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）、２
ａは室内環境状態の判定出力、２ｂは推測したＰＭＶ（
またはＳＥＴ）、２ｃはＰＭＶ学習データ、２ｄは人体
位置情報、２ｅは制御信号、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、および人体
位置情報２ｄよりの信号である。
【００１０】本発明の第１実施例は、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１４を出力す
る。位置センサ１ｄは、人体の位置を検出し、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１
ｄは室内をｎ×ｍゾーンに分割し、人体が部屋のどのゾ
ーンに置かれているかを出力する。例えば、ｉゾーンに
あれば、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１１，１
４，１６，１ｅ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、室内の環境状態が過渡状態か安定状態かを判
断し判定値１８ａを出力し、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１８ｂを出力する。室内環境状態の判定は、温度、湿
度等が目標値に対し設定された範囲内かどうかで決定す
る。また、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要素の組み合わ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、
その結果をもと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、気流速、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。
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１４を出力す
る。位置センサ１ｄは、人体の位置を検出し、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１
ｄは室内をｎ×ｍゾーンに分割し、人体が部屋のどのゾ
ーンに置かれているかを出力する。例えば、ｉゾーンに
あれば、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１１，１
４，１６，１ｅ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、室内の環境状態が過渡状態か安定状態かを判
断し判定値１８ａを出力し、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１８ｂを出力する。室内環境状態の判定は、温度、湿
度等が目標値に対し設定された範囲内かどうかで決定す
る。また、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要素の組み合わ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、
その結果をもと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、気流速、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、人体の位置情報、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から室内環境状態が過
渡状態または安定状態の判定値１８ａの出力およびＰＭ
Ｖの推測値１８ｂが出力される。前記室内環境状態の判
定値１８ａと前記ＰＭＶの推測値１８ｂ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、室内環境状態
が過渡状態で快適感が不満足の場合には、空気調和機１
ｂの能力を最大限にできるような制御信号１ａを生成す
る。
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、人体の位置情報、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から室内環境状態が過
渡状態または安定状態の判定値１８ａの出力およびＰＭ
Ｖの推測値１８ｂが出力される。前記室内環境状態の判
定値１８ａと前記ＰＭＶの推測値１８ｂ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、室内環境状態
が過渡状態で快適感が不満足の場合には、空気調和機１
ｂ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、室内環境状態が安定状態で快適感
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、前記室内環境状態の判定値１８
ａと前記推測したＰＭＶの値１８ｂ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１
ｂの運転を実行する。
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、前記室内環境状態の判定値１８
ａと前記推測したＰＭＶの値１８ｂ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１
ｂ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傾斜２３、風量２４、使
用者の設定温度２５、人体温度２６、人体位置情報２ｄ
等からの信号２１１，２２１，２３１，２４１，２５１
，２６１，２ｄ１を神経回路網模式手段２７に入力して
、室内環境状態の判定値２ａとＰＭＶの推定値２ｂを出
力する。
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傾斜２３、風量２４、使
用者の設定温度２５、人体温度２６、人体位置情報２ｄ
等からの信号２１１，２２１，２３１，２４１，２５１
，２６１，２ｄ１を神経回路網模式手段２７に入力して
、室内環境状態の判定値２ａとＰＭＶの推定値２ｂを出
力する。
【００１４】前記神経回路網模式手段２７は、室内の環
境状態の判定を行い、室内において測定した実測ＰＭＶ
２９を学習データ２ｃとして、ＰＭＶの推測値２ｂを学
習する。
境状態の判定を行い、室内において測定した実測ＰＭＶ
２９を学習データ２ｃとして、ＰＭＶの推測値２ｂを学
習する。
【００１５】神経回路網の学習アルゴリズムは、各種の
方法があるが、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求める。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および２ｂにより
、室内環境状態が過渡で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にで
きるような制御信号２ｅを生成する。また、室内環境状
態が安定で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２ｅ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にて室内環境
状態の判定値２ａと推測したＰＭＶの値２ｂ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２
ｅを生成する。なお、前記制御信号２ｅ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
。
方法があるが、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求める。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および２ｂにより
、室内環境状態が過渡で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にで
きるような制御信号２ｅを生成する。また、室内環境状
態が安定で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２ｅ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にて室内環境
状態の判定値２ａと推測したＰＭＶの値２ｂ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２
ｅを生成する。なお、前記制御信号２ｅ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、室
内環境状態（過渡・安定）の判定とＰＭＶの推測を行い
、室内環境状態の判定値および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。
各センサからの入力を神経回路網模式手段に入力し、室
内環境状態（過渡・安定）の判定とＰＭＶの推測を行い
、室内環境状態の判定値および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１８ｂ，２ｂをＰＭＶとしたが、
ＳＥＴ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。
１７，２７よりの出力１８ｂ，２ｂをＰＭＶとしたが、
ＳＥＴ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の
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
示すブロック図である。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よりの人体
位置信号をそれぞれ示してある。
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
示すブロック図である。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よりの人体
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を説明すると、５１は室外温度、５
２は吸い込み温度、５３は吸い込み温度の傾斜、５４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
模式手段より判定した室内環境状態の判定値、５ｂは推
測したＰＭＶ（またはＳＥＴ）、５ｃは実測ＰＭＶ（ま
たはＳＥＴ）よりの快適度（ＰＭＶまたはＳＥＴ）、５
ｄは人体位置情報、５ｅは制御信号、５ｆはルックアッ
プテーブル、５１１，５２１，５３１，５４１，５５１
，５６１，５ｄ１はそれぞれ室外温度５１、吸い込み温
度５２、吸い込み温度傾斜５３、風量５４、使用者の設
定温度５５、人体温度５６、および人体位置情報５ｄよ
りの信号である。
テーブルの作成方法を説明すると、５１は室外温度、５
２は吸い込み温度、５３は吸い込み温度の傾斜、５４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
模式手段より判定した室内環境状態の判定値、５ｂは推
測したＰＭＶ（またはＳＥＴ）、５ｃは実測ＰＭＶ（ま
たはＳＥＴ）よりの快適度（ＰＭＶまたはＳＥＴ）、５
ｄは人体位置情報、５ｅは制御信号、５ｆはルックアッ
プテーブル、５１１，５２１，５３１，５４１，５５１
，５６１，５ｄ１はそれぞれ室外温度５１、吸い込み温
度５２、吸い込み温度傾斜５３、風量５４、使用者の設
定温度５５、人体温度５６、および人体位置情報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）４０よりセンサ信号４
１が出力されることになる。この信号４１は、室外温度
、吸い込み温度、湿度、人体温度などである。
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）４０よりセンサ信号４
１が出力されることになる。この信号４１は、室外温度
、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から風量と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４４を出力する。さらに位置
センサ４ｂからは、人体の位置情報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、室内環境状態
を判定し、判定に対応した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４
０，４３，４５，４ｂ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により、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４９の運転を実行
する。
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から風量と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４４を出力する。さらに位置
センサ４ｂからは、人体の位置情報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、室内環境状態
を判定し、判定に対応した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４
０，４３，４５，４ｂ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により、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４９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５
３、風量５４、使用者の設定温度５５、人体温度５６、
人体位置情報５ｄ等からの信号５１１，５２１，５３１
，５４１，５５１，５６１，５ｄ１を神経回路網模式手
段５７に入力して、室内環境状態の判定値５ａおよびＰ
ＭＶの推定値５ｂが出力される。
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５
３、風量５４、使用者の設定温度５５、人体温度５６、
人体位置情報５ｄ等からの信号５１１，５２１，５３１
，５４１，５５１，５６１，５ｄ１を神経回路網模式手
段５７に入力して、室内環境状態の判定値５ａおよびＰ
ＭＶの推定値５ｂが出力される。
【００２３】この場合、前記神経回路網模式手段５７は
、室内の環境状態（過渡・安定）の判断を行い、室内に
おいて測定した実測ＰＭＶ５９を学習データ５ｃとして
、ＰＭＶの推測値５ｂを学習する。
、室内の環境状態（過渡・安定）の判断を行い、室内に
おいて測定した実測ＰＭＶ５９を学習データ５ｃとして
、ＰＭＶの推測値５ｂ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。学習が終了すると、神経回路網模式手段５７の
出力値５ａおよび５ｂにより、室内環境状態が過渡状態
で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にできるような制御信号５
ｅを生成する。また、室内環境状態が安定状態で快適感
が満足の場合には、快適感が持続できるように制御信号
５ｅが制御信号生成手段５８より生成されることになる
。
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。学習が終了すると、神経回路網模式手段５７の
出力値５ａおよび５ｂにより、室内環境状態が過渡状態
で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にできるような制御信号５
ｅを生成する。また、室内環境状態が安定状態で快適感
が満足の場合には、快適感が持続できるように制御信号
５ｅ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５ｅ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５ｅを
出力する制御信号生成手段５８の部分を室内環境状態に
対応したルックアップテーブル５ｆに置き換えるため、
センサ入力である室外温度５１〜人体位置情報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５ｆに入力し、その結果を前記ルックアップテ
ーブル５ｆに書き込み、ルックアップテーブルを作成す
ればよい。
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５ｅを
出力する制御信号生成手段５８の部分を室内環境状態に
対応したルックアップテーブル５ｆに置き換えるため、
センサ入力である室外温度５１〜人体位置情報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５ｆに入力し、その結果を前記ルックアップテ
ーブル５ｆ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５ｆ
の具体例を示し、ルックアップテーブル５ｆはゾーンＡ
〜Ｃを備え、ゾーンＡには設定温度ｔ１〜ｔｅ、外気温
ｔｏ１〜ｔｏｍ、風量ｆ１〜ｆｎ、吸い込み温度ｓ１〜
ｓｏおよび吸い込み温度傾斜ｋ１〜ｋｐが書き込まれて
いる。
の具体例を示し、ルックアップテーブル５ｆはゾーンＡ
〜Ｃを備え、ゾーンＡには設定温度ｔ１〜ｔｅ、外気温
ｔｏ１〜ｔｏｍ、風量ｆ１〜ｆｎ、吸い込み温度ｓ１〜
ｓｏおよび吸い込み温度傾斜ｋ１〜ｋｐが書き込まれて
いる。
【００２７】以上に述べたように、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、室内環境状態（過渡・安定）の判定を行い
、ＰＭＶを推測し、室内環境状態の判定値と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室内環境状
態の判定とＰＭＶの推測を行い、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。
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、室内環境状態（過渡・安定）の判定を行い
、ＰＭＶを推測し、室内環境状態の判定値と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室内環境状
態の判定とＰＭＶの推測を行い、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、より快適な空調および生活環境を
実現することができる。
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、より快適な空調および生活環境を
実現することができる。
【００２９】請求項２のニューラルネットワークを用い
ることにより、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。
ることにより、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を追加することにより、空気調和
機をよりきめ細かな制御が可能となり、室温変動等の改
善ができ、快適性の向上が図れる。
機をよりきめ細かな制御が可能となり、室温変動等の改
善ができ、快適性の向上が図れる。
【００３１】請求項４の、ニューラルネットワークに室
内外温度、風量、湿度の各値を入力することにより、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。
内外温度、風量、湿度の各値を入力することにより、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。
【００３２】請求項５の吸い込み空気温度勾配に適正な
時間間隔をさらに設けることにより、使用時の部屋の負
荷状態が的確に判断でき、快適性の向上が図れる。
時間間隔をさらに設けることにより、使用時の部屋の負
荷状態が的確に判断でき、快適性の向上が図れる。
【００３３】請求項６の仕様を用いることにより、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。
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。
【００３４】請求項７の仕様を用いることにより、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。
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。
【００３５】請求項８の仕様は、上記請求項７の仕様と
同等の効果が得られる。請求項９の仕様を用いることに
より、人体の温度で直接に人体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。
同等の効果が得られる。請求項９の仕様を用いることに
より、人体の温度で直接に人体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
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
説明するためのブロック図
【図３】図１および図２における人体の位置情報を示す
図
図
【図４】本発明の図２実施例による空気調和機の制御装
置の流れを示すブロック図
置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
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
の一例を示す図
の一例を示す図
【図７】従来の制御装置を示すブロック図
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 １８ａ 室内環境状態判定値 １８ｂ 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 人体位置情報 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 人体位置情報 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 室内環境状態判定値 ２ｂ，５ｂ ＰＭＶ推測値 ２ｃ，５ｃ ＰＭＶ学習データ ２ｄ，５ｄ 人体位置情報 ２ｅ，５ｅ 制御信号 ４７，５ｆ 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
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 １８ａ 室内環境状態判定値 １８ｂ 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 人体位置情報 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 人体位置情報 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 室内環境状態判定値 ２ｂ，５ｂ ＰＭＶ推測値 ２ｃ，５ｃ ＰＭＶ学習データ ２ｄ，５ｄ 人体位置情報 ２ｅ，５ｅ 制御信号 ４７，５ｆ 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)
- 【請求項１】空気調和機が装備する室内外の環境条件を
検出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、前記センサ手段と前記記憶手段
よりの出力から室内の環境状態が過渡状態か安定状態か
を判断する判定手段と、前記空気調和機を使用する使用
者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、前記判定手段よりの出力、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。 - 【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。 - 【請求項３】判定手段は、センサ出力値が目標値に対し
設定された範囲内であるときを安定状態とし、それ以外
は過渡状態であると判断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。 - 【請求項４】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。 - 【請求項５】記憶手段はＮ秒（Ｎは正の実数値）間隔の
空気調和機の吸い込み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。 - 【請求項６】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室内環境
状態に対応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
。 - 【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、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。 - 【請求項８】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。 - 【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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP08229191A JP3198523B2 (ja) | 1991-04-15 | 1991-04-15 | 空気調和機の制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP08229191A JP3198523B2 (ja) | 1991-04-15 | 1991-04-15 | 空気調和機の制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04316947A true JPH04316947A (ja) | 1992-11-09 |
| JP3198523B2 JP3198523B2 (ja) | 2001-08-13 |
Family
ID=13770438
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP08229191A Expired - Fee Related JP3198523B2 (ja) | 1991-04-15 | 1991-04-15 | 空気調和機の制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3198523B2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014228172A (ja) * | 2013-05-21 | 2014-12-08 | 公益財団法人鉄道総合技術研究所 | 列車内の温熱環境評価方法 |
| CN106556117A (zh) * | 2016-11-30 | 2017-04-05 | 邯郸美的制冷设备有限公司 | 一种自动控制空调吹风的方法、装置及空调 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| WO2021179958A1 (zh) * | 2020-03-09 | 2021-09-16 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
| WO2021250770A1 (ja) * | 2020-06-09 | 2021-12-16 | 三菱電機株式会社 | 空気調和装置の制御のための学習装置および推論装置 |
| CN114353267A (zh) * | 2021-11-30 | 2022-04-15 | 珠海格力节能环保制冷技术研究中心有限公司 | 空调控制方法 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110895012A (zh) * | 2019-11-08 | 2020-03-20 | 珠海格力电器股份有限公司 | 一种空调控制方法、装置、存储介质及空调 |
-
1991
- 1991-04-15 JP JP08229191A patent/JP3198523B2/ja not_active Expired - Fee Related
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014228172A (ja) * | 2013-05-21 | 2014-12-08 | 公益財団法人鉄道総合技術研究所 | 列車内の温熱環境評価方法 |
| CN106556117A (zh) * | 2016-11-30 | 2017-04-05 | 邯郸美的制冷设备有限公司 | 一种自动控制空调吹风的方法、装置及空调 |
| CN106556117B (zh) * | 2016-11-30 | 2020-05-22 | 邯郸美的制冷设备有限公司 | 一种自动控制空调吹风的方法、装置及空调 |
| CN108361927A (zh) * | 2018-02-08 | 2018-08-03 | 广东美的暖通设备有限公司 | 一种基于机器学习的空调器控制方法、装置以及空调器 |
| WO2021179958A1 (zh) * | 2020-03-09 | 2021-09-16 | 青岛海尔空调器有限总公司 | 空调器的智能控制方法与空调器的智能控制设备 |
| WO2021250770A1 (ja) * | 2020-06-09 | 2021-12-16 | 三菱電機株式会社 | 空気調和装置の制御のための学習装置および推論装置 |
| CN114353267A (zh) * | 2021-11-30 | 2022-04-15 | 珠海格力节能环保制冷技术研究中心有限公司 | 空调控制方法 |
| CN114353267B (zh) * | 2021-11-30 | 2024-01-30 | 珠海格力节能环保制冷技术研究中心有限公司 | 空调控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3198523B2 (ja) | 2001-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH1114119A (ja) | 空気調和機の制御装置 | |
| EP3502582A1 (en) | Method for controlling a hvac-apparatus, control unit and use of a control unit | |
| KR20180082934A (ko) | 실내 온열환경 평가지표값을 이용한 냉난방 제어 장치 및 그 방법 | |
| JPH04316947A (ja) | 空気調和機の制御装置 | |
| JP2897395B2 (ja) | 空気調和機の制御装置 | |
| JPH07198186A (ja) | 空気調和機の冷暖切替装置 | |
| JPH08189683A (ja) | 空気調和機の制御装置 | |
| KR20200036978A (ko) | 공조 제어 장치 및 방법 | |
| JPH06347077A (ja) | 室内環境制御装置 | |
| JPH04316945A (ja) | 空気調和機の制御装置 | |
| KR101862743B1 (ko) | Pmv에 기반한 공기조화기의 운전 제어 장치 및 그 방법 | |
| JP2734193B2 (ja) | 空気調和機の制御装置 | |
| JP2618170B2 (ja) | 空気調和機 | |
| JP2897415B2 (ja) | 空気調和機の制御装置 | |
| JP3235128B2 (ja) | 空調制御装置 | |
| JPH06323595A (ja) | 空気調和装置の運転制御装置 | |
| JPH08189684A (ja) | 空気調和機の制御装置 | |
| JPH06221648A (ja) | 空気調和機の制御装置および制御方法 | |
| JPH05223323A (ja) | 空気調和機の制御装置 | |
| JPH08320147A (ja) | 空気調和機の制御装置 | |
| JPH06213493A (ja) | 空調運転制御装置 | |
| JP2517168B2 (ja) | 空気調和機の制御装置 | |
| JP2517165B2 (ja) | 空気調和機の制御装置 | |
| JPH04320749A (ja) | 空気調和機の制御装置 | |
| JP3139079B2 (ja) | 空気調和機の制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |