JPH05126380A - 空調制御装置 - Google Patents
空調制御装置Info
- Publication number
- JPH05126380A JPH05126380A JP3288287A JP28828791A JPH05126380A JP H05126380 A JPH05126380 A JP H05126380A JP 3288287 A JP3288287 A JP 3288287A JP 28828791 A JP28828791 A JP 28828791A JP H05126380 A JPH05126380 A JP H05126380A
- Authority
- JP
- Japan
- Prior art keywords
- pmv
- air conditioning
- set value
- air
- comfort
- 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
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
でき、その快適性指標の快適範囲内に空調機の制御量設
定値を維持することのできる空調制御装置を提供する。 【構成】 人間の温熱感覚に影響を与える複数のプロセ
ス変数を入力し、これら入力されたプロセス変数からニ
ューラルネットワークNNによって快適性指標の一つで
あるPMVを学習するニューロPMV演算部11と、学
習されたニューロPMVを入力し、この快適性指標が快
適の範囲内に収まるようにファジィ推論により空調機の
制御量設定値を演算するファジィ演算部14とを具備す
る。
Description
ネルギーを満足しつつ実現する空調制御装置に関する。
境をできる限り少ないエネルギー消費により確保するこ
とが求められている。
は、暑さ、寒さに対する人間の温熱感覚を考慮すること
が重要である。人間の温熱感覚、すなわち、サーマル・
コンフォートに影響を与える主な変数には、空気温度、
平均輻射温度、気流温度、相対湿度、活動状態(人体の
内部発熱量)、着衣状態の6つがある。
よる放射量、人からの蒸発熱量、呼吸による放熱量およ
び蓄熱量の合計であり、これらの熱平衡式が成立してい
る場合は、人体が熱的に中立であり、暑くも寒くもない
快適状態である。逆に熱平衡式がくずれた場合に人体は
暑さ寒さを感じる。
として、最近注目されているものに、PMV(Predicte
d Mean Vote :予測平均回答)がある。なお、以下のP
MVの概要については、“空気調和・衛生工学会,空気
調和・衛生工学便覧1巻,第1編・第3章”および“日
本冷凍協会,「上級標準テキスト・冷凍空調技術」,第
14章”を参照した。
よって提案されたもので、同氏により発表された快適方
程式を出発点とし、人体の熱負荷と人間の温冷感とを結
びつけて7段階で表現したものである。
保たれる定常状態において、周囲環境との間の熱平衡式
に、各種放熱算定式を組み入れ、さらに生理量として皮
膚温および発汗蒸発放熱量の快適条件を与えて導き出さ
れたものである。この方程式は、上記の6つの変数を考
慮に入れると、サーマル・コンフォートに要する室内温
度を決定するのに使用できる。なお、6つの変数の内、
活動状態(作業強度)は、通常、代謝量met(1me
t=50kcal/m2 ・h)で示され、着衣状態は、
clo(1clo=0.18m2 ・h・℃/kcal)
で示される。
において、環境との間の熱の不平衡量を上記の快適方程
式を用いて人体に対する熱負荷Lとして求め、これと人
間の温冷感とを結び付けたものである。温冷感として
は、次の7段階評価尺度による数値として表す。
区画のコンフォートに対して下す平均的評価を表す。例
えば、仕切りのないオフィスに人が5人おり、Aさんは
オフィスをやや暖かい(+1)と感じ、Bさんは涼しい
(−2)と感じ、Cさんはやや涼しい(−1)と感じ、
Dさんはやや暖かい(+1)と感じ、Eさんはやや涼し
い(−1)と感じたとする。このとき、平均熱評価、す
なわち平均回答(MV)は次のように求まる。
められる人体熱負荷Lとの対応は、大勢の被験者による
データから統計的に分析され、予測平均回答PMVとし
て、これを人体負荷Lおよび代謝量Mの関数として次式
で与えている。
式とPMVの概念を図8に示す。
感じる基準は、風習や経済水準等の社会的条件、生理的
気候順化の影響、季節、施設条件等によって異なるた
め、一般のPMVを個々の空調制御にそのまま適用した
のでは、実際の人間感覚とのずれが大きくなるおそれが
ある。
は、環境条件によって異なり、その解を直接求めるの
は、非常に複雑な計算を必要とし、実用上困難である。
であり、その目的は、実際の人間感覚に適応した快適性
指標を学習でき、その快適性指標の快適範囲内に空調機
の制御量設定値を維持することのできる空調制御装置を
提供することにある。
めに本発明は、人間の温熱感覚に影響を与える複数のプ
ロセス変数を入力し、これら入力されたプロセス変数か
らニューラルネットワークによって快適性指標を学習す
る手段と、学習された快適性指標を入力し、この快適性
指標が快適の範囲内に収まるようにファジィ推論により
空調機の制御量設定値を演算する手段とを具備すること
を特徴とする。
は、夏期および冬期の季節に応じた異なるメンバーシッ
プ関数を有することを特徴とする。
のアンケートによる多数のデータから統計分析され求め
られたものであるが、それを個々の空調制御システムに
そのまま用いたのでは、実際の人間の感覚とのずれが大
きくなる。
ークより、入力を並列的に処理することによって多数の
入力パターンの中から統計的に規則性を検出し判別プラ
ントである空調制御システムに応じて実際の人間の感覚
に適応した快適指標を学習により構築することができ
る。
とする室温の直接解を求めるのは、非常に複雑な計算を
必要をし、実際上困難であったが、本発明においては、
ニューラルネットワークにより学習されたPMV(以
下、ニューロPMVという)の値を0(快適)とする室
温等の空調機の制御量設定値をファジィ推論を用いるこ
とにより簡単にオンラインで求めることができる。
ーシップ関数を、夏の冷房時期と冬の暖房時期とで異な
らせることにより、少ないエネルギー消費により快適な
空調制御が可能となる。
れた空調制御システムの一実施例構成を示すブロック図
である。
では、空調制御装置1で算出された室温設定値がDDC
(Direct Digital Controller )2Aに与えらえ、また
外部より予めDDC2Aに湿度設定値が与えられてい
る。DDC2Aは、室内4の温度、湿度がこれらの設定
値と一致するように各バルブ5,6,7を介して空調機
3を制御する。また、制御演算に使用するために室内4
で測定された計測値がDDC2Bを介して空調制御装置
1に供給されている。
クNNを主要構成部とするニューロPMV演算部11
と、アンケートにより収集されたデータをニューラルネ
ットワークNNに供給する設定部12と、演算されたニ
ューロPMVの変化量ΔPMVを演算する変化量演算部
13と、前記ニューロPMVとΔPMVとを入力して室
温設定値をファジィ推論により演算するファジィ演算部
14と、演算された室温設定値の変化量を累積加算して
室温設定値を求める加算部15とを備えている。
ロPMVを学習により求めるニューラルネットワークN
Nと、初期のPMVをPMV演算式により求めるPMV
演算部11Aと、ニューラルネットワークNNの各層間
の重みを演算する逆伝搬学習部11Bと、学習時におい
て前記設定部12側に切り替わる切り替えスイッチ11
Cとを備え、着衣状態、活動状態、室内4の湿度、温
度、平均輻射温度、気流速度の各変数を入力してニュー
ロPMVを演算する。このため、室内4には、温度計4
1と、平均輻射温度計42と、気流速度計43と、湿度
計44とが設けられ、その計測値である温度、平均輻射
温度、気流速度、湿度の各変数がDDC2Bを介してニ
ューロPMV演算部11に供給されている。なお、前記
着衣状態と活動状態は、外部より設定される値である。
力してその前回値との差を演算しPMV変化量ΔPMV
をファジィ演算部14に供給する。
示すファジィ制御ルールテーブルと、図3〜図5に示す
メンバーシップ関数が予め設定されており、これらファ
ジィ制御ルールテーブルと各メンバーシップ関数とから
室温設定値の変化量が求められる。
して室温設定値を求め、DDC2Aに供給する。
器(冷却コイル)、空気加熱器(加熱コイル)、空気を
加湿するための噴霧器(蒸気スプレー)および送風機等
から構成されており、またこの空調機3の前段には、蒸
気バルブ5と、温水バルブ6と、冷水バルブ7とが接続
されている。また、この空調機3で調和された空気は、
配管8を介して室内4に供給されるようになっている。
うに、人間の脳神経の働きを模して経験を学習する能力
があり、人間の温熱感覚、すなわちサーマルコンフォー
トに影響を与えるプロセス変数を入力として快適性指標
であるニューロPMVを学習する。
ューラルネットワークNNには、温度計41で計測され
る空気温度と、平均輻射温度計42で計測される平均輻
射温度と、気流速度計43で計測される気流速度と、湿
度計44で計測される相対湿度の各センサ出力、および
室内4に居る人間の着衣状態とその活動状態の各外部設
定値の6つの変数が入力される。
ける学習時の重み初期値は、PMV演算部11Aに設定
された従来のPMV計算式を用いて予めオフラインにて
学習する。このときは、図2における重みW1 〜W7 は
以下の固定値とする。
4 = 0 ,W5 = -1/7,W6 = -2/7,W7 = -3/7 ニューロPMV演算部11のニューラルネットワークN
Nには、図2に示すように、前記空気温度、平均輻射温
度、気流速度、相対湿度、着衣状態、人の活動状態の各
変数が入力層に入力される。なお、オフライン学習であ
るため、プロセス計測値を使わず、予めデータの組を入
力しても良い。そして、バックプロパゲーション法によ
り逆伝搬学習部11Aによって各層間の重みが学習され
る。中間層を経て出力層に学習結果が出力される。その
結果、ニューロPMVは以下のように計算される。
O3 +0*O4 −O5 −2*O6 −3*O7 )/7 ただし、 O1 :+3;暑い(hot ) O2 :+2;暖かい(warm) O3 :+1;やや暖かい(slightly warm ) O4 : 0;どちらでもない(neutral )、快適 O5 :−1;やや涼しい(slightly cool ) O6 :−2;涼しい(cool) O7 :−3;寒い(cold) である。また、空調制御中のオンラインでの学習におい
ては、学習期間中、定期的に居住者より快適度が設定部
12からインプットされ、切り替えスイッチ11Cを介
して入力された快適度と、ニューラルネットワークNN
の出力とからその二乗誤差が求められて逆伝搬学習部1
1Bに供給される。これにより各層間の重みが変更され
る。
は変化量演算部13に供給され、その変化量ΔPMVが
演算される。ニューロPMVとその変化量ΔPMVはフ
ァジィ演算部14に供給される。
PMVとその変化量ΔPMVとからニューロPMVが
“0”快適の範囲に収まるように室温設定値の変化量を
表1のファジィ制御ルールテーブルおよび図3〜図5の
メンバーシップ関数から求める。
O、PS、PM、PBのメンバーシップ関数を図3〜図
5に示す。なお、図3において、このPMVに対するメ
ンバーシップ関数は、冷房時のものを示しており、省エ
ネルギーを考慮してPMVを少し暖かい方へずらしてあ
る。すなわち、「快適」に相当するメンバーシップ関数
を、通常は、−0.5〜+0.5の間にあるのを、−
0.3〜+0.7の間としてある。一方、暖房時のメン
バーシップ関数は、上記とは逆に少し涼しい方にずらす
ようことにより省エネルギー化が図られている。
化量は加算部15に供給され前回室温設定値と加算され
て室温設定値が求められる。求められた室温設定値はD
DC2Aに供給される。DDC2Aは、供給された室温
設定値と、外部より予め設定された湿度設定値と、DD
C2Bに入力される温度及び湿度の各計測値とから蒸気
バルブ5、温水バルブ6、冷水バルブ7の各弁開度操作
量を求めて各バルブ5、6、7に供給する。これによ
り、空調機3は、人間の感覚を考慮して最適な状態に調
和された空気を配管8を介して室内4に供給する。
ネットワークによりPMVを学習させ、学習されたニュ
ーロPMVからファジィ推論により室温設定値の変化量
を求め、この変化量を加算して室温設定値を求めている
ので、人間にとって最適な室温を迅速に得ることができ
る。
された空調制御システムの他の実施例構成を示すブロッ
ク図である。
0(快適)とするために、室温設定値のみで、ファジィ
演算しているが、図6に示す実施例では、室温設定値以
外に湿度設定値や風量設定値を追加して多変数による制
御としたものである。このため、図示のように、加算部
15の他に2つの加算部16,17を設けるとともに、
ファジィ演算部14により室温設定値変化量の他に、湿
度設定値変化量と風量設定値変化量をも求めるようにし
ている。求められた変化量から各別の加算部15,1
6,17により室温設定値、湿度設定値、風量設定値が
求められ、DDC2Aに供給される。DDC2Aは、各
設定値を入力して蒸気バルブ5、温水バルブ6、冷水バ
ルブ7の各開度を調節するとともに、風量制御をするた
めに、配管8に設けられたブロワモータ9の回転数を制
御するようにしている。これにより、さらに、きめ細か
な空調制御が可能となる。
ものではなく、例えば、図2のニューラルネットワーク
構成としては、中間層のニューロン素子数や中間層の数
等は、これに限定されない。また。上記実施例では、階
層型ネットワークを用いたが、相互結合型ネットワーク
等、他の型のネットワークを用いても良い。
ークNNが学習する快適性指標の参考モデルとして最近
良く用いられるようになったPMVを採用したが、例え
ば、新標準有効温度(SET:Standard New Effective
Temperature)等、PMV以外の他の快適性指標を参考
モデルにしてニューラルネットに学習させても良い。
間の温熱感覚を考慮した最適な空調制御を省エネルギー
を満足しつつ達成することができる。
御システムの一実施例構成を示すブロック図である。
トワーク図である。
件部のメンバーシップ関数を示す説明図である。
条件部のメンバーシップ関数を示す説明図である。
ィ推論帰結部のメンバーシップ関数を示す説明図であ
る。
御システムの他の実施例の主要部構成を示すブロック図
である。
算する概念を示す説明図である。
Claims (2)
- 【請求項1】 人間の温熱感覚に影響を与える複数のプ
ロセス変数を入力し、これら入力されたプロセス変数か
らニューラルネットワークによって快適性指標を学習す
る手段と、 学習された快適性指標を入力し、この快適性指標が快適
の範囲内に収まるようにファジィ推論によって空調機の
制御量設定値を演算する手段と、 を具備することを特徴とする空調制御装置。 - 【請求項2】 前記制御量設定値を演算する手段は、夏
期および冬期の季節に応じた異なるメンバーシップ関数
を有することを特徴とする請求項1記載の空調制御装
置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3288287A JP3049266B2 (ja) | 1991-11-05 | 1991-11-05 | 空調制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3288287A JP3049266B2 (ja) | 1991-11-05 | 1991-11-05 | 空調制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH05126380A true JPH05126380A (ja) | 1993-05-21 |
JP3049266B2 JP3049266B2 (ja) | 2000-06-05 |
Family
ID=17728208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3288287A Expired - Lifetime JP3049266B2 (ja) | 1991-11-05 | 1991-11-05 | 空調制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3049266B2 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10141736A (ja) * | 1996-09-11 | 1998-05-29 | Toshiba Corp | 快適性指標pmv学習装置 |
JPH10292941A (ja) * | 1997-04-18 | 1998-11-04 | Toshiba Corp | 空調制御装置 |
JPH11190545A (ja) * | 1997-12-26 | 1999-07-13 | Sanyo Electric Co Ltd | 冷暖房機の温度制御装置 |
JP2000257941A (ja) * | 1999-03-11 | 2000-09-22 | Toshiba Corp | 空調機運転制御装置 |
US7757504B2 (en) | 2006-04-14 | 2010-07-20 | Kabushiki Kaisha Toshiba | Air conditioning controller |
EP2363658A2 (en) | 2010-02-26 | 2011-09-07 | Kabushiki Kaisha Toshiba | Air conditioning control system |
US8676531B2 (en) | 2010-05-27 | 2014-03-18 | Azbil Corporation | Method and device for living space added value efficacy index evaluation |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
JP2019045050A (ja) * | 2017-08-31 | 2019-03-22 | パナソニックIpマネジメント株式会社 | 空気調和機 |
JP2020517886A (ja) * | 2017-04-25 | 2020-06-18 | ジョンソン コントロールズ テクノロジー カンパニーJohnson Controls Technology Company | ニューラルネットワークに基づいた制約生成を有する予測建物制御システム |
US10956842B2 (en) | 2017-03-29 | 2021-03-23 | Johnson Controls Technology Company | Central plant with asset allocator |
US11371739B2 (en) | 2017-04-25 | 2022-06-28 | Johnson Controls Technology Company | Predictive building control system with neural network based comfort prediction |
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
US11689384B2 (en) | 2019-11-14 | 2023-06-27 | Johnson Controls Tyco IP Holdings LLP | Central plant control system with asset allocation override |
WO2023188798A1 (ja) * | 2022-03-30 | 2023-10-05 | パナソニックIpマネジメント株式会社 | 環境制御システム、環境制御方法、及び、プログラム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105143780B (zh) | 2013-04-15 | 2017-11-17 | 三菱电机株式会社 | 空调系统控制装置 |
CN105588290A (zh) * | 2016-03-02 | 2016-05-18 | 广东工业大学 | 用于调节空调温度的控制终端、系统及方法 |
-
1991
- 1991-11-05 JP JP3288287A patent/JP3049266B2/ja not_active Expired - Lifetime
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10141736A (ja) * | 1996-09-11 | 1998-05-29 | Toshiba Corp | 快適性指標pmv学習装置 |
JPH10292941A (ja) * | 1997-04-18 | 1998-11-04 | Toshiba Corp | 空調制御装置 |
JPH11190545A (ja) * | 1997-12-26 | 1999-07-13 | Sanyo Electric Co Ltd | 冷暖房機の温度制御装置 |
JP2000257941A (ja) * | 1999-03-11 | 2000-09-22 | Toshiba Corp | 空調機運転制御装置 |
US7757504B2 (en) | 2006-04-14 | 2010-07-20 | Kabushiki Kaisha Toshiba | Air conditioning controller |
EP2363658A2 (en) | 2010-02-26 | 2011-09-07 | Kabushiki Kaisha Toshiba | Air conditioning control system |
US8498748B2 (en) | 2010-02-26 | 2013-07-30 | Kabushiki Kaisha Toshiba | Air conditioning control system |
US8676531B2 (en) | 2010-05-27 | 2014-03-18 | Azbil Corporation | Method and device for living space added value efficacy index evaluation |
CN106322656A (zh) * | 2016-08-23 | 2017-01-11 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
CN106322656B (zh) * | 2016-08-23 | 2019-05-14 | 海信(山东)空调有限公司 | 一种空调控制方法及服务器和空调系统 |
US10956842B2 (en) | 2017-03-29 | 2021-03-23 | Johnson Controls Technology Company | Central plant with asset allocator |
JP2020517886A (ja) * | 2017-04-25 | 2020-06-18 | ジョンソン コントロールズ テクノロジー カンパニーJohnson Controls Technology Company | ニューラルネットワークに基づいた制約生成を有する予測建物制御システム |
US11371739B2 (en) | 2017-04-25 | 2022-06-28 | Johnson Controls Technology Company | Predictive building control system with neural network based comfort prediction |
US11391484B2 (en) | 2017-04-25 | 2022-07-19 | Johnson Controls Technology Company | Building control system with constraint generation using artificial intelligence model |
US11675322B2 (en) | 2017-04-25 | 2023-06-13 | Johnson Controls Technology Company | Predictive building control system with discomfort threshold adjustment |
JP2019045050A (ja) * | 2017-08-31 | 2019-03-22 | パナソニックIpマネジメント株式会社 | 空気調和機 |
US11689384B2 (en) | 2019-11-14 | 2023-06-27 | Johnson Controls Tyco IP Holdings LLP | Central plant control system with asset allocation override |
WO2023188798A1 (ja) * | 2022-03-30 | 2023-10-05 | パナソニックIpマネジメント株式会社 | 環境制御システム、環境制御方法、及び、プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP3049266B2 (ja) | 2000-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3049266B2 (ja) | 空調制御装置 | |
Hamdi et al. | A new predictive thermal sensation index of human response | |
Atthajariyakul et al. | Real-time determination of optimal indoor-air condition for thermal comfort, air quality and efficient energy usage | |
Hamdi et al. | A fuzzy control system based on the human sensation of thermal comfort | |
Homod et al. | Gradient auto-tuned Takagi–Sugeno Fuzzy Forward control of a HVAC system using predicted mean vote index | |
Atthajariyakul et al. | Neural computing thermal comfort index for HVAC systems | |
Chen et al. | Fuzzy adaptive networks in thermal comfort | |
JP2007285579A (ja) | 空調制御装置 | |
JPH09217953A (ja) | 空調制御装置 | |
JP3361017B2 (ja) | 快適性指標pmv学習装置 | |
Shu et al. | Thermal sensation modeling and experiments for liquid-cooled garments | |
JP2002213795A (ja) | 空調制御装置 | |
Petrova et al. | Intelligent indoor microclimate control | |
Duan et al. | A novel data-based control strategy of dynamic thermal comfort for inhabited environment | |
JP2563655B2 (ja) | 空気調和機の制御方法 | |
Patil et al. | Design and implementation of genetic fuzzy controller for split air-conditioner control based on Fanger’s PMV Index | |
Kotsopoulos et al. | Personalizing thermal comfort in a prototype indoor space | |
JPH09229463A (ja) | ガイダンス表示システム | |
Theluer et al. | The analysis of thermal comfort requirements through the simulation of an occupied building | |
Moon | ANN-based model-free thermal controls for residential buildings | |
Karpenko et al. | Control indoor climate | |
JPH04148142A (ja) | 空調制御装置 | |
Koçak et al. | Comparison of defuzzification methods in the case of air conditioning systems | |
JPH04155136A (ja) | 空気調和機の制御装置 | |
Kaufman et al. | Thermal comfort in an air-conditioned tractor cab |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080331 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090331 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100331 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100331 Year of fee payment: 10 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110331 Year of fee payment: 11 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120331 Year of fee payment: 12 |
|
EXPY | Cancellation because of completion of term | ||
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120331 Year of fee payment: 12 |