JPH0510568A - 空調制御装置 - Google Patents
空調制御装置Info
- Publication number
- JPH0510568A JPH0510568A JP3164917A JP16491791A JPH0510568A JP H0510568 A JPH0510568 A JP H0510568A JP 3164917 A JP3164917 A JP 3164917A JP 16491791 A JP16491791 A JP 16491791A JP H0510568 A JPH0510568 A JP H0510568A
- Authority
- JP
- Japan
- Prior art keywords
- control
- neural network
- output
- air conditioner
- superheating
- 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.)
- Pending
Links
Landscapes
- Feedback Control In General (AREA)
- Control Of Non-Electrical Variables (AREA)
- Control Of Temperature (AREA)
- Air Conditioning Control Device (AREA)
Abstract
(57)【要約】
【目的】 各機器毎に異なる冷凍サイクルの違いをニュ
ーラルネットワークで学習して最適な制御を行う。 【構成】 冷凍サイクルの違いによる運転特性をニュー
ラルネットワーク３で学習し、この学習結果に基づいて
空調機の運転制御を行う。
ーラルネットワークで学習して最適な制御を行う。 【構成】 冷凍サイクルの違いによる運転特性をニュー
ラルネットワーク３で学習し、この学習結果に基づいて
空調機の運転制御を行う。
Description
【０００１】
【産業上の利用分野】本発明は、各機器毎に異なる冷凍
サイクルの違いをニューラルネットワークを用いて学習
させ、この学習結果に基づいて例えばスーパーヒート制
御、能力制御、除霜制御等の各種制御を各機器毎に最適
に制御する空調制御装置に関する。
サイクルの違いをニューラルネットワークを用いて学習
させ、この学習結果に基づいて例えばスーパーヒート制
御、能力制御、除霜制御等の各種制御を各機器毎に最適
に制御する空調制御装置に関する。
【０００２】
【従来の技術】従来、空調機の制御アルゴリズムや制御
定数等は試験室における実験により決定されていた。こ
の場合の制御方法では、図４に示すように、ＰＩＤコン
トローラ（比例、積分、微分コントローラ）を用いて、
対象プロセスである冷凍サイクルを制御し、制御のシー
ケンスやＰＩＤ制御の積分時間といった制御定数を実験
で決めていた。
定数等は試験室における実験により決定されていた。こ
の場合の制御方法では、図４に示すように、ＰＩＤコン
トローラ（比例、積分、微分コントローラ）を用いて、
対象プロセスである冷凍サイクルを制御し、制御のシー
ケンスやＰＩＤ制御の積分時間といった制御定数を実験
で決めていた。
【０００３】近年、これに新しい制御として、ニューラ
ルネットワークを用いた制御、すなわちニューロ制御も
応用されるようになっている。
ルネットワークを用いた制御、すなわちニューロ制御も
応用されるようになっている。
【０００４】ニューラルネットワークの応用としては、
ニューラルネットワークそのものを空調機の制御器（マ
イコン等）に組み込む方法がある。また、その他に設計
開発の段階においてパソコン、エンジニアリング・ワー
クステーション等といった電子計算機でニューラルネッ
トワークを用いた手法で制御アルゴリズム、制御定数を
開発し、その結果を空調機の制御器に組み込む方法があ
る。
ニューラルネットワークそのものを空調機の制御器（マ
イコン等）に組み込む方法がある。また、その他に設計
開発の段階においてパソコン、エンジニアリング・ワー
クステーション等といった電子計算機でニューラルネッ
トワークを用いた手法で制御アルゴリズム、制御定数を
開発し、その結果を空調機の制御器に組み込む方法があ
る。
【０００５】
【発明が解決しようとする課題】冷凍サイクルの制御と
しては、設計開発段階において試験室での実験を基に各
種制御アルゴリズム（制御定数を含む）を決定してい
る。しかしながら、実際に据え付けられた場合には、試
験室とは異なる状態になることが多い。例えば、配管の
長さが異なったり、冷媒封入量が異なったり、更には
雨、風、雪等の外気条件によっても異なったりする。こ
の場合、実験室における制御定数では必ずしもうまく制
御できるとは限らない。
しては、設計開発段階において試験室での実験を基に各
種制御アルゴリズム（制御定数を含む）を決定してい
る。しかしながら、実際に据え付けられた場合には、試
験室とは異なる状態になることが多い。例えば、配管の
長さが異なったり、冷媒封入量が異なったり、更には
雨、風、雪等の外気条件によっても異なったりする。こ
の場合、実験室における制御定数では必ずしもうまく制
御できるとは限らない。
【０００６】このようなことを解消しようとして、設計
開発段階においてニューラルネットワークを用いて制御
アルゴリズム、制御定数を決め、これを空調機に組み込
んでも制御性能が改善されないこともある。これは、多
数の条件では、ニューラルネットワークの結果が有効で
はあるが、数少ない状況においては当てはまらない場合
があるからである。すなわち、ある状況下では室温が一
定とならず、変動する等の問題が発生する可能性があ
る。しかしながら、このような小数例の場合においても
最適に制御することが必要である。
開発段階においてニューラルネットワークを用いて制御
アルゴリズム、制御定数を決め、これを空調機に組み込
んでも制御性能が改善されないこともある。これは、多
数の条件では、ニューラルネットワークの結果が有効で
はあるが、数少ない状況においては当てはまらない場合
があるからである。すなわち、ある状況下では室温が一
定とならず、変動する等の問題が発生する可能性があ
る。しかしながら、このような小数例の場合においても
最適に制御することが必要である。
【０００７】本発明は、上記に鑑みてなされたもので、
その目的とするところは、各機器毎に異なる冷凍サイク
ルの違いをニューラルネットワークで学習して最適な制
御を行う空調制御装置を提供することにある。
その目的とするところは、各機器毎に異なる冷凍サイク
ルの違いをニューラルネットワークで学習して最適な制
御を行う空調制御装置を提供することにある。
【０００８】
【課題を解決するための手段】上記目的を達成するた
め、本発明の空調制御装置は、冷凍サイクルの違いによ
る運転特性を学習するニューラルネットワークと、該ニ
ューラルネットワークの学習結果に基づいて空調機の運
転制御を行う制御手段とを有することを要旨とする。
め、本発明の空調制御装置は、冷凍サイクルの違いによ
る運転特性を学習するニューラルネットワークと、該ニ
ューラルネットワークの学習結果に基づいて空調機の運
転制御を行う制御手段とを有することを要旨とする。
【０００９】
【作用】本発明の空調制御装置では、冷凍サイクルの違
いによる運転特性をニューラルネットワークで学習し、
この学習結果に基づいて空調機の運転制御を行う。
いによる運転特性をニューラルネットワークで学習し、
この学習結果に基づいて空調機の運転制御を行う。
【００１０】
【実施例】以下、図面を用いて本発明の実施例を説明す
る。
る。
【００１１】図１は、本発明の一実施例に係わる空調制
御装置の構成を示すブロック図である。同図に示す空調
制御装置は、従来のＰＩＤコントローラ１に並列にニュ
ーラルネットワーク３を接続し、該ニューラルネットワ
ーク３の出力Ｕｎ（ｔ）とＰＩＤコントローラ１の出力
Ｕｐ（ｔ）とを伝達特性Ｇｐ（Ｓ）を有する対象プロセ
スである冷凍サイクル５に供給するとともに、該冷凍サ
イクル５の出力をフィードバックしている。
御装置の構成を示すブロック図である。同図に示す空調
制御装置は、従来のＰＩＤコントローラ１に並列にニュ
ーラルネットワーク３を接続し、該ニューラルネットワ
ーク３の出力Ｕｎ（ｔ）とＰＩＤコントローラ１の出力
Ｕｐ（ｔ）とを伝達特性Ｇｐ（Ｓ）を有する対象プロセ
スである冷凍サイクル５に供給するとともに、該冷凍サ
イクル５の出力をフィードバックしている。
【００１２】ニューラルネットワーク３は、例えばスー
パーヒート量、室温等の目標値を入力され、ＰＩＤコン
トローラ１の出力Ｕｐ（ｔ）を教示（教師）信号にＵｐ
（ｔ）がゼロになるように学習する。このようなＵｐ
（ｔ）の値をゼロにする学習動作は、ニューラルネット
ワークが対象プロセスの逆特性、すなわち出力から入力
への伝達特性Ｇｐ-1（Ｓ）を学習し、ＰＩＤコントロー
ラ１への入力をゼロとすることに等しい。
パーヒート量、室温等の目標値を入力され、ＰＩＤコン
トローラ１の出力Ｕｐ（ｔ）を教示（教師）信号にＵｐ
（ｔ）がゼロになるように学習する。このようなＵｐ
（ｔ）の値をゼロにする学習動作は、ニューラルネット
ワークが対象プロセスの逆特性、すなわち出力から入力
への伝達特性Ｇｐ-1（Ｓ）を学習し、ＰＩＤコントロー
ラ１への入力をゼロとすることに等しい。
【００１３】図２は、図１に示すニューラルネットワー
ク３の内部構造を示す図である。図２に示すニューラル
ネットワーク３において、入力層は目標値Ｒ（ｔ）であ
り、中間層は入力信号と１次微分、２次微分信号であ
る。これらの信号にシナプス荷重ω0 〜ω2 を掛けて、
これらの総和信号Ｕｎ（ｔ）を出力する。ここで、シナ
プス荷重ω0 〜ω2 は次に示す式で学習および更新が行
われる。
ク３の内部構造を示す図である。図２に示すニューラル
ネットワーク３において、入力層は目標値Ｒ（ｔ）であ
り、中間層は入力信号と１次微分、２次微分信号であ
る。これらの信号にシナプス荷重ω0 〜ω2 を掛けて、
これらの総和信号Ｕｎ（ｔ）を出力する。ここで、シナ
プス荷重ω0 〜ω2 は次に示す式で学習および更新が行
われる。
【００１４】τｄω／ｄｔ＝Ｐｉ・Ｕｐ（ｔ） ここで、ｉ＝０〜２、τは学習時定数である。
【００１５】冷凍サイクルの特性を把握し、これをスー
パーヒート制御、吐出温度制御、能力制御、除霜制御等
の各種制御に使用する。
パーヒート制御、吐出温度制御、能力制御、除霜制御等
の各種制御に使用する。
【００１６】図３は上記実施例の制御による効果の一例
として室温を制御した場合の特性を示す図である。この
図では、設定温度を点線で示すように一度下げた後に戻
した場合に対して、従来の特性を一点鎖線で示し、本発
明の特性を実線で示しているが、本発明の場合は従来の
ようにアンダーシュートやオーバーシュートが少なくな
っている。なお、室温以外にもスーパーヒート制御、吐
出温度制御、除霜制御等も同様な効果が上げられる。
として室温を制御した場合の特性を示す図である。この
図では、設定温度を点線で示すように一度下げた後に戻
した場合に対して、従来の特性を一点鎖線で示し、本発
明の特性を実線で示しているが、本発明の場合は従来の
ようにアンダーシュートやオーバーシュートが少なくな
っている。なお、室温以外にもスーパーヒート制御、吐
出温度制御、除霜制御等も同様な効果が上げられる。
【００１７】上述したように、本実施例では、冷凍サイ
クルの違いによる運転特性をニューラルネットワークが
学習し、この学習結果を基に空調機の運転制御を行って
いるが、具体的にはある条件下での個々の冷凍サイクル
の特性を学習することにより、例えばスーパーヒート
（過熱量）制御、吐出温度制御等の冷媒制御において各
機器に応じた制御、すなわち各機器毎に異なる遅れ時間
等も考慮した制御を可能としたり、また圧縮機の周波数
制御といった能力制御において各機器に応じた制御を可
能としたり、更に除霜制御において各機器に応じた制御
を可能とする。この一つの手法としては、上述したよう
に冷凍サイクルの逆特性をフィードバック誤差学習を用
いて学習する方法もある。
クルの違いによる運転特性をニューラルネットワークが
学習し、この学習結果を基に空調機の運転制御を行って
いるが、具体的にはある条件下での個々の冷凍サイクル
の特性を学習することにより、例えばスーパーヒート
（過熱量）制御、吐出温度制御等の冷媒制御において各
機器に応じた制御、すなわち各機器毎に異なる遅れ時間
等も考慮した制御を可能としたり、また圧縮機の周波数
制御といった能力制御において各機器に応じた制御を可
能としたり、更に除霜制御において各機器に応じた制御
を可能とする。この一つの手法としては、上述したよう
に冷凍サイクルの逆特性をフィードバック誤差学習を用
いて学習する方法もある。
【００１８】
【発明の効果】以上説明したように、本発明によれば、
冷凍サイクルの違いによる運転特性をニューラルネット
ワークで学習し、この学習結果に基づいて空調機の運転
制御を行うので、制御定数を機器毎に選択することによ
り各種制御の最適化を図ることができる。
冷凍サイクルの違いによる運転特性をニューラルネット
ワークで学習し、この学習結果に基づいて空調機の運転
制御を行うので、制御定数を機器毎に選択することによ
り各種制御の最適化を図ることができる。
【図１】本発明の一実施例に係わる空調制御装置の構成
を示すブロック図である。
を示すブロック図である。
【図２】図１の空調制御装置に使用されているニューラ
ルネットワークの内部構造を示す図である。
ルネットワークの内部構造を示す図である。
【図３】図１の空調制御装置の効果を示す図である。
【図４】ＰＩＤコントローラで冷凍サイクルを制御する
従来の構成を示す図である。
従来の構成を示す図である。
１ ＰＩＤコントローラ ３ ニューラルネットワーク ５ 対象プロセス（冷凍サイクル）
Claims (1)
- 【特許請求の範囲】 【請求項１】 冷凍サイクルの違いによる運転特性を学
習するニューラルネットワークと、該ニューラルネット
ワークの学習結果に基づいて空調機の運転制御を行う制
御手段とを有することを特徴とする空調制御装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3164917A JPH0510568A (ja) | 1991-07-05 | 1991-07-05 | 空調制御装置 |
| US07/907,538 US5372015A (en) | 1991-07-05 | 1992-07-02 | Air conditioner controller |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3164917A JPH0510568A (ja) | 1991-07-05 | 1991-07-05 | 空調制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0510568A true JPH0510568A (ja) | 1993-01-19 |
Family
ID=15802312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3164917A Pending JPH0510568A (ja) | 1991-07-05 | 1991-07-05 | 空調制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0510568A (ja) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05172382A (ja) * | 1991-12-19 | 1993-07-09 | Toyo Netsu Kogyo Kk | 空調設備の制御方法 |
| WO2007049412A1 (ja) * | 2005-10-27 | 2007-05-03 | Yamaguchi University | 超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラム |
| CN103743174A (zh) * | 2013-12-26 | 2014-04-23 | 柳州职业技术学院 | 基于神经网络的车用空调控制系统方法 |
| CN104833154A (zh) * | 2015-05-28 | 2015-08-12 | 河海大学常州校区 | 基于模糊pid与神经内模的冷冻水回路控制方法 |
| JP5951142B1 (ja) * | 2015-04-01 | 2016-07-13 | 三菱電機株式会社 | 空調システム制御装置 |
| JP2018105571A (ja) * | 2016-12-27 | 2018-07-05 | 株式会社大気社 | 熱交換システム、コントローラ、及び、ニューラルネットワークの構築方法 |
| CN110647078A (zh) * | 2019-09-26 | 2020-01-03 | 西安科技大学 | 一种煤矿井下无人值守排水系统及控制方法 |
| US10753632B2 (en) | 2016-02-25 | 2020-08-25 | Mitsubishi Electric Corporation | Air-conditioning system |
-
1991
- 1991-07-05 JP JP3164917A patent/JPH0510568A/ja active Pending
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05172382A (ja) * | 1991-12-19 | 1993-07-09 | Toyo Netsu Kogyo Kk | 空調設備の制御方法 |
| WO2007049412A1 (ja) * | 2005-10-27 | 2007-05-03 | Yamaguchi University | 超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラム |
| JP4918682B2 (ja) * | 2005-10-27 | 2012-04-18 | 国立大学法人山口大学 | 超音波モータの制御方法、超音波モータ制御装置及び超音波モータを制御するためのプログラム |
| CN103743174A (zh) * | 2013-12-26 | 2014-04-23 | 柳州职业技术学院 | 基于神经网络的车用空调控制系统方法 |
| JP5951142B1 (ja) * | 2015-04-01 | 2016-07-13 | 三菱電機株式会社 | 空調システム制御装置 |
| WO2016157480A1 (ja) * | 2015-04-01 | 2016-10-06 | 三菱電機株式会社 | 空調システム制御装置 |
| CN104833154A (zh) * | 2015-05-28 | 2015-08-12 | 河海大学常州校区 | 基于模糊pid与神经内模的冷冻水回路控制方法 |
| US10753632B2 (en) | 2016-02-25 | 2020-08-25 | Mitsubishi Electric Corporation | Air-conditioning system |
| JP2018105571A (ja) * | 2016-12-27 | 2018-07-05 | 株式会社大気社 | 熱交換システム、コントローラ、及び、ニューラルネットワークの構築方法 |
| CN110647078A (zh) * | 2019-09-26 | 2020-01-03 | 西安科技大学 | 一种煤矿井下无人值守排水系统及控制方法 |
| CN110647078B (zh) * | 2019-09-26 | 2020-10-16 | 西安科技大学 | 一种煤矿井下无人值守排水系统及控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5372015A (en) | Air conditioner controller | |
| US5268835A (en) | Process controller for controlling a process to a target state | |
| Li et al. | Dynamic modeling and control of a direct expansion air conditioning system using artificial neural network | |
| CN108895618B (zh) | 基于神经网络的空调控制方法 | |
| US20060218944A1 (en) | Heating, ventilation and air conditioning (HVAC) system and method using feedback linearization | |
| CN111365828A (zh) | 结合机器学习实现数据中心节能温控的模型预测控制方法 | |
| US4744511A (en) | Air conditioner for automobiles | |
| US20130151013A1 (en) | Method for Controlling HVAC Systems Using Set-Point Trajectories | |
| Abdo-Allah et al. | Modeling, analysis, and design of a fuzzy logic controller for an ahu in the sj carew building at memorial university | |
| Guay et al. | A comparison of extremum seeking algorithms applied to vapor compression system optimization | |
| JPH0510568A (ja) | 空調制御装置 | |
| CN112346333A (zh) | 一种基于bp神经网络调节的压缩机转速控制方法 | |
| CN110567092A (zh) | 一种应用于空气处理机组的温度控制方法和系统 | |
| Razi et al. | Neuro-predictive control for automotive air conditioning system | |
| JP3489281B2 (ja) | 空気調和機の膨張弁制御装置 | |
| Liavoli et al. | Multivariable nonlinear model predictive controller design for air-handling unit with single zone in variable air volume | |
| CN111381494A (zh) | 一种基于极点配置的空调温控系统及其控制方法 | |
| JP2632081B2 (ja) | 温度及び湿度制御装置 | |
| Kumar et al. | Comparative Analysis of Air Conditioning System Using PID and Neural Network Controller | |
| Rivas-Echeverria et al. | Neural network-based auto-tuning for PID controllers | |
| JP3388305B2 (ja) | 多室空気調和機 | |
| JPH05250004A (ja) | 制御方法および空気調和装置 | |
| JPH06201198A (ja) | 冷凍サイクル制御装置 | |
| CN110686328B (zh) | 具有用极值搜索控制优化过冷却温度的变制冷剂流量系统 | |
| JP2002106915A (ja) | ヒートポンプの制御方法及び制御装置 |