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
(57)【要約】
【目的】 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。 【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。
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
【０００１】
【産業上の利用分野】本発明は、快適な空調環境を省エ
ネルギーを満足しつつ実現する空調制御装置に関する。
ネルギーを満足しつつ実現する空調制御装置に関する。
【０００２】
【従来の技術】空調制御においては、適正な室内温熱環
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。
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。
【０００３】適正な室内温熱環境を確保するに当たって
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。
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。
【０００４】人の発熱量は、対流による放射量、輻射に
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。
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。
【０００５】上記熱平衡式に基づく人間の温熱感覚指標
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。
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。
【０００６】このＰＭＶは、ファンガー（Fanger）氏に
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。
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。
【０００７】上記快適方程式は、人体の体内温が一定に
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。
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。
【０００８】ＰＭＶ指標は、実際の代謝量、着衣条件下
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。
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。
【０００９】＋３：暑い（hot ） ＋２：暖かい（warm） ＋１：やや暖かい（slightly warm ） ０：どちらでもない（neutral ）、快適 −１：やや涼しい（slightly cool ） −２：涼しい（cool） −３：寒い（cold） この予測平均回答ＰＭＶは、所定の区画の在室者がその
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。
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。
【００１０】 ＭＶ＝（１−２−１＋１−１）／５＝−２／５＝−０．４ 温冷感の指標となるＰＭＶと、ファンガの方程式から求
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。
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。
【００１１】 ＰＭＶ＝（０．３５２・ｅｘｐ（−０．０４２・Ｍ）＋０．０３２）・Ｌ ここで、Ｍ：代謝量（ｋｃａｌ／ｍ2 ・ｈ） Ｌ：人体熱負荷（ｋｃａｌ／ｍ2 ・ｈ） 図７にＰＭＶの数値例を示す。また、ファンガーの方程
式とＰＭＶの概念を図８に示す。
式とＰＭＶの概念を図８に示す。
【００１２】
【発明が解決しようとする課題】しかしながら、人間が
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。
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。
【００１３】また、ＰＭＶの値を０（快適）とする室温
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。
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。
【００１４】本発明は上記の事情に鑑みてなされたもの
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。
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。
【００１５】
【課題を解決するための手段】上記の目的を達成するた
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。
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。
【００１６】また、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。
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。
【００１７】
【作用】前述したように、従来におけＰＭＶは、被験者
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。
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。
【００１８】そこで、本発明では、ニューラルネットワ
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。
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。
【００１９】また、従来技術のＰＭＶの値を０（快適）
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。
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。
【００２０】さらに、ファジィ推論に用いられるメンバ
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。
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。
【００２１】
【実施例】図１は、本発明に係る空調制御装置が適用さ
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。
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。
【００２２】同図に示すように、この空調制御システム
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。
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。
【００２３】空調制御装置１は、ニューラルネットワー
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。
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。
【００２４】前記ニューロＰＭＶ演算部１１は、ニュー
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。
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。
【００２５】変化量演算部１３は、ニューロＰＭＶを入
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。
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。
【００２６】ファジィ演算部１４には、後述する表１に
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。
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。
【００２７】加算部１５は、室温設定値の変化量を加算
して室温設定値を求め、ＤＤＣ２Ａに供給する。
して室温設定値を求め、ＤＤＣ２Ａに供給する。
【００２８】前記空調機３は、エアフィルタ、空気冷却
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。
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。
【００２９】次に本実施例の作用を説明する。
【００３０】ニューラルネットワークＮＮは、周知のよ
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。
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。
【００３１】このため、ニューロＰＭＶ演算部１１のニ
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。
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。
【００３２】また、このニューロＰＭＶ演算部１１にお
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。
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。
【００３３】Ｗ1 = 3/7 ，Ｗ2 = 2/7 ，Ｗ3 = 1/7 ，Ｗ
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。
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。
【００３４】ニューロＰＭＶ＝（３＊Ｏ1 ＋２＊Ｏ2 ＋
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。
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。
【００３５】このようにして求められたニューロＰＭＶ
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。
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。
【００３６】ファジィ演算部１４は、入力したニューロ
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。
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。
【００３７】
【表１】
【００３８】ただし、 ＮＢ：Negative Big；負で大きい。
【００３９】ＮＭ：Negative Medium ；負で中くらい。
【００４０】ＮＳ：Negative Small；負で小さい。
【００４１】ＺＯ：Zero：中くらい、。
【００４２】ＰＳ：Positive Small；正で小さい。
【００４３】ＰＭ：Positive Medium ；正で中くらい。
【００４４】ＰＢ：Positive Big；正で大きい。
【００４５】また、表１におけるＮＢ、ＮＭ、ＮＳ、Ｚ
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。
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。
【００４６】このようにして求められた室温設定値の変
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。
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。
【００４７】このように本実施例によれば、ニューラル
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。
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。
【００４８】図６は、本発明に係る空調制御装置が適用
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。
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。
【００４９】図１の実施例では、ニューロＰＭＶの値を
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。
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。
【００５０】なお、本発明は上記各実施例に限定される
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。
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。
【００５１】また、本実施例では、ニューラルネットワ
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。
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。
【００５２】
【発明の効果】以上説明したように本発明によれば、人
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。
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。
【図１】本発明に係る空調制御装置が適用された空調制
御システムの一実施例構成を示すブロック図である。
御システムの一実施例構成を示すブロック図である。
【図２】ニューラルネットワークの作用を説明するネッ
トワーク図である。
トワーク図である。
【図３】冷房時におけるＰＭＶを求めるファジィ推論条
件部のメンバーシップ関数を示す説明図である。
件部のメンバーシップ関数を示す説明図である。
【図４】冷房時におけるΔＰＭＶを求めるファジィ推論
条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。
【図５】冷房時における室温設定変更幅を求めるファジ
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。
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。
【図６】本発明に係る空調制御装置が適用された空調制
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。
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。
【図７】ＰＭＶの具体的な数値を示す表図である。
【図８】従来におけるファンガー方程式からＰＭＶを演
算する概念を示す説明図である。
算する概念を示す説明図である。
１ 空調制御装置 ２Ａ，２Ｂ ＤＤＣ ３ 空調機 ４ 室内 １１ ニューロＰＭＶ演算部 １１Ａ ＰＭＶ演算部 １１Ｂ 逆伝搬学習部 １１Ｃ 切り替えスイッチ １２ 設定部 １３ 変化量演算部 １４ ファジィ演算部 １５，１６，１７ 加算部 ４１ 温度計 ４２ 平均輻射温度計 ４３ 気流速度計 ４４ 湿度計 ＮＮ ニューラルネットワーク
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 |