JPH05149599A - 空気調和機制御装置 - Google Patents
空気調和機制御装置Info
- Publication number
- JPH05149599A JPH05149599A JP3316708A JP31670891A JPH05149599A JP H05149599 A JPH05149599 A JP H05149599A JP 3316708 A JP3316708 A JP 3316708A JP 31670891 A JP31670891 A JP 31670891A JP H05149599 A JPH05149599 A JP H05149599A
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- indoor
- user
- learning
- control device
- 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】 部屋の環境や個人の好みおよび運転開始から
の時間、時刻や季節等にあった自動モード運転の空調を
実現すること。 【構成】 センサ手段１からの出力を記憶する記憶手段
２からの室内外の環境条件と、画像入力手段３から出力
された画像データを特徴抽出手段４に入力し、そこで得
られた特徴量と、操作手段５から入力された操作内容お
よび運転時間検出手段６から出力された運転開始からの
経過時間とを入力とし、操作内容推測手段８により使用
者の操作内容を推測するとともに、操作手段５から入力
された使用者の現在の空調における意思表示を教師信号
として学習手段７により学習を行ない、学習終了後、ニ
ューラルネット内の参照情報を操作内容推測手段８に出
力し、内部の参照情報を更新する。
の時間、時刻や季節等にあった自動モード運転の空調を
実現すること。 【構成】 センサ手段１からの出力を記憶する記憶手段
２からの室内外の環境条件と、画像入力手段３から出力
された画像データを特徴抽出手段４に入力し、そこで得
られた特徴量と、操作手段５から入力された操作内容お
よび運転時間検出手段６から出力された運転開始からの
経過時間とを入力とし、操作内容推測手段８により使用
者の操作内容を推測するとともに、操作手段５から入力
された使用者の現在の空調における意思表示を教師信号
として学習手段７により学習を行ない、学習終了後、ニ
ューラルネット内の参照情報を操作内容推測手段８に出
力し、内部の参照情報を更新する。
Description
【０００１】
【産業上の利用分野】本発明は、室内の温度、風量およ
び風向の制御を行なうことにより、室内の人間の快適性
を高めるための空気調和機制御装置に関するものであ
り、例えばマイクロコンピュータ搭載の空気調和機にお
いて、快適な空調運転を自動的に行なわせるようにした
空気調和機制御装置に関するものである。
び風向の制御を行なうことにより、室内の人間の快適性
を高めるための空気調和機制御装置に関するものであ
り、例えばマイクロコンピュータ搭載の空気調和機にお
いて、快適な空調運転を自動的に行なわせるようにした
空気調和機制御装置に関するものである。
【０００２】
【従来の技術】空調調和機制御装置は、例えば特開昭６
３−１０８１４５号公報に記載された例が一般的に知ら
れている。以下、図７を参照して従来の空気調和機制御
装置について説明する。
３−１０８１４５号公報に記載された例が一般的に知ら
れている。以下、図７を参照して従来の空気調和機制御
装置について説明する。
【０００３】図７は従来の空気調和機制御装置における
推論制御ソフトウェアの構成を示すブロック図である。
図７において、６１は温度、湿度、外光などの空調環境
をそれぞれのセンサー（図示せず）より感知し、データ
を蓄積する環境検知プログラムであり、６２は上記デー
タから特定の事実を導き出すための条件を設定する条件
設定プログラムであり、６３は上記条件と蓄積された空
調のための知識データベースを要素構文的意味記号化処
理する処理プログラムであり、６４は上記意味記号化さ
れた知識を述語論理型プログラム言語により推論して最
適解を取り出そうとする推論プログラムであり、６５は
上記最適解のデジタル信号を制御出力表示、アクチュェ
ータ、モータなどに分配して出力する駆動インターフェ
イス制御プログラムであり、６６は空気調和機である。
推論制御ソフトウェアの構成を示すブロック図である。
図７において、６１は温度、湿度、外光などの空調環境
をそれぞれのセンサー（図示せず）より感知し、データ
を蓄積する環境検知プログラムであり、６２は上記デー
タから特定の事実を導き出すための条件を設定する条件
設定プログラムであり、６３は上記条件と蓄積された空
調のための知識データベースを要素構文的意味記号化処
理する処理プログラムであり、６４は上記意味記号化さ
れた知識を述語論理型プログラム言語により推論して最
適解を取り出そうとする推論プログラムであり、６５は
上記最適解のデジタル信号を制御出力表示、アクチュェ
ータ、モータなどに分配して出力する駆動インターフェ
イス制御プログラムであり、６６は空気調和機である。
【０００４】次に、図８を参照して上記従来装置の動作
について説明する。まずステップ７１では、センサー群
からの入力である環境からの事実をデータとして蓄積す
る。次にステップ７２では、上記データから条件などに
よる制御知識ルール、例えばＩＦ〜ＴＨＥＮ形式を用い
て新たな意味を持つ知識を作る。例えば、２４時間の時
計装置を電子的に有し、特定時刻に２５度を越えた日が
５日間続けば、いまは「夏」というなどという判定条件
の知識ルールをデジタル記号化して、マイクロコンピュ
ータのメモリに保有させる。
について説明する。まずステップ７１では、センサー群
からの入力である環境からの事実をデータとして蓄積す
る。次にステップ７２では、上記データから条件などに
よる制御知識ルール、例えばＩＦ〜ＴＨＥＮ形式を用い
て新たな意味を持つ知識を作る。例えば、２４時間の時
計装置を電子的に有し、特定時刻に２５度を越えた日が
５日間続けば、いまは「夏」というなどという判定条件
の知識ルールをデジタル記号化して、マイクロコンピュ
ータのメモリに保有させる。
【０００５】次にステップ７３では、上記の条件などに
よる制御知識ルールによって生成された知識により、例
えば夏であれば、人は薄着でいるから、短時間低い方向
に冷気を吹き出し、その後、人に直接当たらないように
方向を上向きに変えるパターンが良いと推論し、風向き
切り替え手段で制御する。その他、運転開始時刻、運転
モード切り替え、風速風向切り替え、温度設定などの制
御出力を出力する。
よる制御知識ルールによって生成された知識により、例
えば夏であれば、人は薄着でいるから、短時間低い方向
に冷気を吹き出し、その後、人に直接当たらないように
方向を上向きに変えるパターンが良いと推論し、風向き
切り替え手段で制御する。その他、運転開始時刻、運転
モード切り替え、風速風向切り替え、温度設定などの制
御出力を出力する。
【０００６】次にステップ７４では、上記の推論された
出力に対し、使用者が例えば風向を変える操作入力を行
なったとき、その情報を蓄積する。そして次のステップ
７５でその蓄積データを分析し、使用者の習慣や好みを
判定し、その結果をステップ７２にフィードバックし、
推論の前提を変更できる構成としている。
出力に対し、使用者が例えば風向を変える操作入力を行
なったとき、その情報を蓄積する。そして次のステップ
７５でその蓄積データを分析し、使用者の習慣や好みを
判定し、その結果をステップ７２にフィードバックし、
推論の前提を変更できる構成としている。
【０００７】
【発明の解決しようとする課題】しかしながら、上記従
来の装置では、センサ群の入力から知識を検知したり、
検知された知識から新たな知識を生成し推論するため
に、予め熟練者により既に得られた経験に基づいて制御
知識ルールを生成しなければならず、制御知識ルールの
作成に多くの時間と手間がかかるという問題を有してい
た。
来の装置では、センサ群の入力から知識を検知したり、
検知された知識から新たな知識を生成し推論するため
に、予め熟練者により既に得られた経験に基づいて制御
知識ルールを生成しなければならず、制御知識ルールの
作成に多くの時間と手間がかかるという問題を有してい
た。
【０００８】また、センサ群も空調環境のみを検出する
ために、室内の人間情報や室内の熱分布を直接検出する
ことができず、快適な空調を行なうために必要な情報が
欠如するという問題を有していた。
ために、室内の人間情報や室内の熱分布を直接検出する
ことができず、快適な空調を行なうために必要な情報が
欠如するという問題を有していた。
【０００９】本発明は、このような従来の問題を解決す
るものであり、部屋の環境や使用者の人間情報を加味し
て快適な空調運転を自動的にかつ容易に行なうことので
きる空気調和機制御装置を提供することを目的とする。
るものであり、部屋の環境や使用者の人間情報を加味し
て快適な空調運転を自動的にかつ容易に行なうことので
きる空気調和機制御装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】本発明は、上記目的を達
成するために、センサ手段から得られる室内外の環境条
件と、画像入力手段から出力された室内の２次元の画像
情報から得られる室内の特徴量と、操作手段から得られ
る使用者の意思情報とから使用者の操作内容を推測して
学習する手段を備えたものである。
成するために、センサ手段から得られる室内外の環境条
件と、画像入力手段から出力された室内の２次元の画像
情報から得られる室内の特徴量と、操作手段から得られ
る使用者の意思情報とから使用者の操作内容を推測して
学習する手段を備えたものである。
【００１１】本発明はまた、室内外の環境条件を検知す
る複数のセンサ手段と、センサ手段の前状態を保持する
記憶手段と、室内の２次元の画像情報を検知する画像入
力手段と、画像入力手段から得られた画像データから室
内の特徴量を抽出する特徴抽出手段と、使用者の意思表
示を入力する操作手段と、空気調和機の運転開始からの
経過時間を検出する運転時間検出手段と、センサ手段お
よび記憶手段からの出力値である室内外の環境条件と特
徴抽出手段および操作手段ならびに運転時間検出手段か
らの情報により使用者の操作内容を推測する操作内容推
測手段と、これらの各手段から得られた結果を参照して
操作内容を学習する学習手段と、操作内容推測手段から
出力された信号をもとに空気調和機を制御する制御信号
生成手段とを備えたものである。
る複数のセンサ手段と、センサ手段の前状態を保持する
記憶手段と、室内の２次元の画像情報を検知する画像入
力手段と、画像入力手段から得られた画像データから室
内の特徴量を抽出する特徴抽出手段と、使用者の意思表
示を入力する操作手段と、空気調和機の運転開始からの
経過時間を検出する運転時間検出手段と、センサ手段お
よび記憶手段からの出力値である室内外の環境条件と特
徴抽出手段および操作手段ならびに運転時間検出手段か
らの情報により使用者の操作内容を推測する操作内容推
測手段と、これらの各手段から得られた結果を参照して
操作内容を学習する学習手段と、操作内容推測手段から
出力された信号をもとに空気調和機を制御する制御信号
生成手段とを備えたものである。
【００１２】
【作用】本発明は、上記構成により、例えば操作内容を
推測して学習する手段としてニューラルネットワークを
用いることにより、センサ群からの入力と出力を関係づ
けるルールを必要とせず、使用者の環境における暑い、
寒いの２通りの意思表示を行なう操作手段からの操作を
学習して操作の先取り予測を行なう。また、部屋の環境
や個人の好みおよび運転開始からの時間、時刻や季節に
あった自動モード運転の空調を行なって、学習により使
用者をリモコン設定の煩わしさから解放するとともに、
室内の人間情報や室内の熱分布を用いることにより、使
用者の快適性の向上を図ることができる。
推測して学習する手段としてニューラルネットワークを
用いることにより、センサ群からの入力と出力を関係づ
けるルールを必要とせず、使用者の環境における暑い、
寒いの２通りの意思表示を行なう操作手段からの操作を
学習して操作の先取り予測を行なう。また、部屋の環境
や個人の好みおよび運転開始からの時間、時刻や季節に
あった自動モード運転の空調を行なって、学習により使
用者をリモコン設定の煩わしさから解放するとともに、
室内の人間情報や室内の熱分布を用いることにより、使
用者の快適性の向上を図ることができる。
【００１３】
【実施例】以下、本発明の一実施例について図面を参照
して説明する。図１は本発明の一実施例における空気調
和機制御装置の概略ブロック図である。図１において、
１はセンサ手段、１０１はセンサ信号、２はセンサ手段
１からのセンサ値を記憶する記憶手段、１０２は記憶さ
れたセンサ値、３は画像入力手段、１０３は画像デー
タ、４は特徴抽出手段、１０４は特徴抽出された情報信
号、５はリモコンまたは操作パネルである操作手段、１
０５は使用者の操作内容を示す信号、１０５ａは空気調
和機１０の運転開始を示す信号、６は運転開始からの経
過時間を検出する運転時間検出手段、１０６は運転開始
からの時間信号、７は学習手段、１０７は学習結果信
号、８は操作内容推測手段、１０８は操作内容推測信
号、９は制御信号生成手段、１０９は制御信号、１０は
空気調和機である。
して説明する。図１は本発明の一実施例における空気調
和機制御装置の概略ブロック図である。図１において、
１はセンサ手段、１０１はセンサ信号、２はセンサ手段
１からのセンサ値を記憶する記憶手段、１０２は記憶さ
れたセンサ値、３は画像入力手段、１０３は画像デー
タ、４は特徴抽出手段、１０４は特徴抽出された情報信
号、５はリモコンまたは操作パネルである操作手段、１
０５は使用者の操作内容を示す信号、１０５ａは空気調
和機１０の運転開始を示す信号、６は運転開始からの経
過時間を検出する運転時間検出手段、１０６は運転開始
からの時間信号、７は学習手段、１０７は学習結果信
号、８は操作内容推測手段、１０８は操作内容推測信
号、９は制御信号生成手段、１０９は制御信号、１０は
空気調和機である。
【００１４】以上のような構成において、以下その動作
について説明する。多数のセンサ手段１、例えば外気温
センサ、吸い込み温度（室温）センサ、湿度センサ等は
空気調和機１０に設けられている。センサ手段１からセ
ンサ信号１０１が出力されると、その内容である室外温
度、吸い込み温度、湿度などが、学習手段７、操作内容
推測手段８および記憶手段２へ出力される。記憶手段２
は、入力されたセンサ信号１０１について過去Ｎ秒間
（Ｎは正の実数）の履歴を記憶するとともに、記憶され
たセンサ値の前の状態、例えば室内温度のＮ秒間隔の傾
斜センサ値１０２を学習手段７および操作内容推測手段
８へ出力する。
について説明する。多数のセンサ手段１、例えば外気温
センサ、吸い込み温度（室温）センサ、湿度センサ等は
空気調和機１０に設けられている。センサ手段１からセ
ンサ信号１０１が出力されると、その内容である室外温
度、吸い込み温度、湿度などが、学習手段７、操作内容
推測手段８および記憶手段２へ出力される。記憶手段２
は、入力されたセンサ信号１０１について過去Ｎ秒間
（Ｎは正の実数）の履歴を記憶するとともに、記憶され
たセンサ値の前の状態、例えば室内温度のＮ秒間隔の傾
斜センサ値１０２を学習手段７および操作内容推測手段
８へ出力する。
【００１５】画像入力手段３は、画像データ１０３を特
徴抽出手段４へ出力し、特徴抽出手段４は画像データ１
０３から得られた特徴量１０４を学習手段７および操作
内容推測手段８へ出力する。ここで、画像入力手段３は
室内の２次元画像入力装置であり、画像データ１０３は
室内の２次元画像データとなる。この画像データ１０３
は、画像入力手段３が可視画像入力装置の場合は輝度値
が出力され、画像入力手段３が焦電型赤外線センサの場
合は熱の温度値が出力される。
徴抽出手段４へ出力し、特徴抽出手段４は画像データ１
０３から得られた特徴量１０４を学習手段７および操作
内容推測手段８へ出力する。ここで、画像入力手段３は
室内の２次元画像入力装置であり、画像データ１０３は
室内の２次元画像データとなる。この画像データ１０３
は、画像入力手段３が可視画像入力装置の場合は輝度値
が出力され、画像入力手段３が焦電型赤外線センサの場
合は熱の温度値が出力される。
【００１６】リモコンまたは操作パネルである操作手段
５からは、使用者の現在の空調における意思表示である
例えば「暑い」、「寒い」の相反する２種類の信号が出
力されるとともに、温度、風量、風向等の設定または変
更を示す信号１０５が学習手段７および操作内容推測手
段８へ出力される。また操作手段５からは、運転開始信
号１０５ａが運転時間検出手段６へ出力される。運転時
間検出手段６では、空気調和機１０の運転開始から現在
までの時間ｔ１を計算し、学習手段７および操作内容推
測手段８へ出力する。
５からは、使用者の現在の空調における意思表示である
例えば「暑い」、「寒い」の相反する２種類の信号が出
力されるとともに、温度、風量、風向等の設定または変
更を示す信号１０５が学習手段７および操作内容推測手
段８へ出力される。また操作手段５からは、運転開始信
号１０５ａが運転時間検出手段６へ出力される。運転時
間検出手段６では、空気調和機１０の運転開始から現在
までの時間ｔ１を計算し、学習手段７および操作内容推
測手段８へ出力する。
【００１７】 ｔ１＝ｔｎ−ｔ０ ・・・（１） ｔｎ：現在時刻 ｔ０：運転開始時刻 ただし、絶対時刻ｔｎ、月ｍ、日ｄを用いる場合は、運
転時間検出手段６に設定されているｔｎ、ｍ、ｄを学習
手段７および操作内容推測手段８へ出力する。
転時間検出手段６に設定されているｔｎ、ｍ、ｄを学習
手段７および操作内容推測手段８へ出力する。
【００１８】各手段１、２、４、５から出力された信号
１０１，１０２，１０４，１０５と、運転時間検出手段
６から出力された上記式（１）に基づく時間ｔ１を示す
信号１０６（絶対時刻ｔｎ、月ｍ、日ｄを使う場合も含
む。）とを入力された操作内容推測手段８は、ニューラ
ルネットを用いて、例えば「暑い」、「寒い」などの操
作手段５の操作内容を推測する。操作内容推測手段８か
ら出力された操作内容推測信号１０８は制御信号生成手
段９に入力し、制御信号１０９を生成して空気調和機１
０を制御する。
１０１，１０２，１０４，１０５と、運転時間検出手段
６から出力された上記式（１）に基づく時間ｔ１を示す
信号１０６（絶対時刻ｔｎ、月ｍ、日ｄを使う場合も含
む。）とを入力された操作内容推測手段８は、ニューラ
ルネットを用いて、例えば「暑い」、「寒い」などの操
作手段５の操作内容を推測する。操作内容推測手段８か
ら出力された操作内容推測信号１０８は制御信号生成手
段９に入力し、制御信号１０９を生成して空気調和機１
０を制御する。
【００１９】一方、同様に各手段１、２、４、５、６か
ら出力された信号１０１，１０２，１０４，１０５，１
０６は学習手段７にも入力される。学習手段７は、各手
段の入力値と、実際の操作手段５における操作内容を教
師信号として、ニューラルネットの学習を行なう。学習
終了後、ニューラルネット内の学習結果信号（参照情
報）１０７を操作内容推測手段８に出力し、操作内容推
測手段８は、内部に持っている参照情報を更新する。
ら出力された信号１０１，１０２，１０４，１０５，１
０６は学習手段７にも入力される。学習手段７は、各手
段の入力値と、実際の操作手段５における操作内容を教
師信号として、ニューラルネットの学習を行なう。学習
終了後、ニューラルネット内の学習結果信号（参照情
報）１０７を操作内容推測手段８に出力し、操作内容推
測手段８は、内部に持っている参照情報を更新する。
【００２０】次に、図２を参照して特徴抽出手段４の動
作について説明する。画像入力手段３から出力された画
像データ１０１は、特徴抽出手段４に引き渡される。特
徴抽出手段４は、画像データ１０１を記憶するメモリ１
１と、画像処理部１２と、特徴量抽出部１３とから構成
される。メモリ１１に一時的に格納された画像データ１
０１は、画像処理部１２に呼び出され、ノイズ除去やエ
ッジ検出等の処理が行なわれた後、特徴量抽出部１３で
人間の員数１４、人間の位置１５、人間の姿勢１６、動
き物体数１７、動きの度合い１８、床、壁面の温度１９
等の情報を引き出す。１４から１８までは、室内の人間
情報２０として一括して室内の生活シーンを示す情報と
して利用することができる。生活シーンを示す情報とし
ては、例えば団らん、就寝、家事、食事、勉強、帰宅、
退室等である。生活シーンを抽出することに関しては、
本願出願人が先に出願した特願平３−２８５１０６、３
−２８５１０７号明細書に詳しく述べられており、これ
らの明細書に開示された技術は、そのまままたは若干の
変更を伴って本発明の実施に適用されるものである。
作について説明する。画像入力手段３から出力された画
像データ１０１は、特徴抽出手段４に引き渡される。特
徴抽出手段４は、画像データ１０１を記憶するメモリ１
１と、画像処理部１２と、特徴量抽出部１３とから構成
される。メモリ１１に一時的に格納された画像データ１
０１は、画像処理部１２に呼び出され、ノイズ除去やエ
ッジ検出等の処理が行なわれた後、特徴量抽出部１３で
人間の員数１４、人間の位置１５、人間の姿勢１６、動
き物体数１７、動きの度合い１８、床、壁面の温度１９
等の情報を引き出す。１４から１８までは、室内の人間
情報２０として一括して室内の生活シーンを示す情報と
して利用することができる。生活シーンを示す情報とし
ては、例えば団らん、就寝、家事、食事、勉強、帰宅、
退室等である。生活シーンを抽出することに関しては、
本願出願人が先に出願した特願平３−２８５１０６、３
−２８５１０７号明細書に詳しく述べられており、これ
らの明細書に開示された技術は、そのまままたは若干の
変更を伴って本発明の実施に適用されるものである。
【００２１】次に、図３を参照して操作内容推測手段８
の詳細について説明する。図３はニューラルネットの構
成を示しており、本発明におけるニューラルネットは、
パターン分類型の各種のモデルが使えるが、本実施例で
は、ＬＶＱ（Learning Vector Quantum ：参考文献、T.
Kohonen,"Self-Organization and Associative Memor
y",2nd,Springer-Verlag,1988 ）を例に示す。図３にお
いて、２１は入力信号正規化部であり、２２は参照情報
部であり、人間の意思に合わせた「暑い」、「寒い」、
「満足」の３個のカテゴリ（事象）とそれぞれについて
ｍ個の参照情報を有する。２３は距離算出部であり、２
４はカテゴリ算出部である。
の詳細について説明する。図３はニューラルネットの構
成を示しており、本発明におけるニューラルネットは、
パターン分類型の各種のモデルが使えるが、本実施例で
は、ＬＶＱ（Learning Vector Quantum ：参考文献、T.
Kohonen,"Self-Organization and Associative Memor
y",2nd,Springer-Verlag,1988 ）を例に示す。図３にお
いて、２１は入力信号正規化部であり、２２は参照情報
部であり、人間の意思に合わせた「暑い」、「寒い」、
「満足」の３個のカテゴリ（事象）とそれぞれについて
ｍ個の参照情報を有する。２３は距離算出部であり、２
４はカテゴリ算出部である。
【００２２】以上のような構成において、以下その動作
について説明する。入力信号２１０は、入力信号正規化
部２１において正規化される。すなわち、全ての入力信
号ｘ１は、次式のように処理される。
について説明する。入力信号２１０は、入力信号正規化
部２１において正規化される。すなわち、全ての入力信
号ｘ１は、次式のように処理される。
【００２３】 Ｓｘ１＝（ｘmax −ｘ１）／（ｘmax −ｘmin ） ・・・（２） Ｓｘ１：正規化された信号値 ｘmax ：入力信号がとる最大値 ｘmin ：入力信号がとる最小値
【００２４】入力信号２１０は、外気温、吸い込み温
度、吸い込み温度の傾斜（Ｎ秒前の吸い込み温度）、風
量、設定温度、運転時間、人数、人間の位置、人間の姿
勢、動き物体数、動きの度合い、壁面の温度等である。
入力信号正規化部２１により正規化された信号は、入力
ベクトル２１１として距離算出部２３に出力される。距
離算出部２３では、入力ベクトルと参照情報部２２の人
間の意思を表わす「暑い」、「寒い」、「満足」の各カ
テゴリにおける参照情報との距離を算出する。すなわ
ち、例えば「暑い」カテゴリの参照情報との距離ｄＡj
は次式（３）から求められ、次いで参照情報部２２のデ
ィレクトリ２２１を参照し、カテゴリ数３と各カテゴリ
の参照情報数を算出する。なお、参照情報部２２のディ
レクトリ２２１の内容を図４に示す。
度、吸い込み温度の傾斜（Ｎ秒前の吸い込み温度）、風
量、設定温度、運転時間、人数、人間の位置、人間の姿
勢、動き物体数、動きの度合い、壁面の温度等である。
入力信号正規化部２１により正規化された信号は、入力
ベクトル２１１として距離算出部２３に出力される。距
離算出部２３では、入力ベクトルと参照情報部２２の人
間の意思を表わす「暑い」、「寒い」、「満足」の各カ
テゴリにおける参照情報との距離を算出する。すなわ
ち、例えば「暑い」カテゴリの参照情報との距離ｄＡj
は次式（３）から求められ、次いで参照情報部２２のデ
ィレクトリ２２１を参照し、カテゴリ数３と各カテゴリ
の参照情報数を算出する。なお、参照情報部２２のディ
レクトリ２２１の内容を図４に示す。
【００２５】 ｄＡj ＝ Σ（ｘi ー Ｒａji）2 ・・・（３） ｄＡj ：ｊ番目の参照情報との距離 ｘi ：ｉ番目の入力ベクトル値 Ｒａji：ｊ番目の参照情報のｉ番目のベクトル値
【００２６】次に、各カテゴリに対し参照情報と入力ベ
クトルとの距離を算出し、さらに全てのカテゴリに対し
ても同様の処理を行なって距離を算出する。距離算出部
２３で求める距離の総数ｄnum は、次式（４）のように
なる。
クトルとの距離を算出し、さらに全てのカテゴリに対し
ても同様の処理を行なって距離を算出する。距離算出部
２３で求める距離の総数ｄnum は、次式（４）のように
なる。
【００２７】 ｄnum ＝ｍ１＋ｍ２・・・＋ｍ３ ・・・（４）
【００２８】次に、距離算出部２３で求めた距離ｄnum
は、カテゴリ算出部２４に出力される。カテゴリ算出部
２４では、ｄnum 個の距離の中で最も短い距離ｄmin を
算出し、さらに該当参照情報が属するカテゴリを算出す
る。なお、最短距離を出力する一般的なアルゴリズムを
図５に示す。入力ベクトルと最短距離にある参照情報が
属するカテゴリを算出したカテゴリ算出部２４の出力
は、図１の操作内容推測手段８の出力となる。たとえ
ば、「寒い」カテゴリに対し「設定温度を１度上げる」
とか、「暑い」カテゴリに対して「設定温度を１度下げ
る」とか、「満足」カテゴリに対して「設定温度を変更
しない」などと対応させる。
は、カテゴリ算出部２４に出力される。カテゴリ算出部
２４では、ｄnum 個の距離の中で最も短い距離ｄmin を
算出し、さらに該当参照情報が属するカテゴリを算出す
る。なお、最短距離を出力する一般的なアルゴリズムを
図５に示す。入力ベクトルと最短距離にある参照情報が
属するカテゴリを算出したカテゴリ算出部２４の出力
は、図１の操作内容推測手段８の出力となる。たとえ
ば、「寒い」カテゴリに対し「設定温度を１度上げる」
とか、「暑い」カテゴリに対して「設定温度を１度下げ
る」とか、「満足」カテゴリに対して「設定温度を変更
しない」などと対応させる。
【００２９】次に、図６を用いて学習手段７の詳細につ
いて説明する。図６において、５１は図２の入力信号正
規化部２１と共通の入力信号を正規化し、入力ベクトル
に変換する。５２も図２と共通の参照情報部である。５
３は参照情報検索部、５４は参照情報生成部、５５は参
照情報学習部である。
いて説明する。図６において、５１は図２の入力信号正
規化部２１と共通の入力信号を正規化し、入力ベクトル
に変換する。５２も図２と共通の参照情報部である。５
３は参照情報検索部、５４は参照情報生成部、５５は参
照情報学習部である。
【００３０】以上のような構成において、以下その動作
について説明する。入力信号正規化部５１で正規化され
た入力信号は、入力ベクトルとして参照情報検索部５３
に入力される。さらに入力ベクトルの正しいカテゴリＴ
Ｃ（教師データ）も同時に参照情報検索部５３に入力さ
れる。参照情報検索部５３では、参照情報部５２のディ
レクトリを参照し、入力ベクトルの正しいカテゴリＴＣ
が例えば「暑い」カテゴリの場合、「暑い」カテゴリの
参照情報数が以下のような関係にある時、次のような処
理を行なう。
について説明する。入力信号正規化部５１で正規化され
た入力信号は、入力ベクトルとして参照情報検索部５３
に入力される。さらに入力ベクトルの正しいカテゴリＴ
Ｃ（教師データ）も同時に参照情報検索部５３に入力さ
れる。参照情報検索部５３では、参照情報部５２のディ
レクトリを参照し、入力ベクトルの正しいカテゴリＴＣ
が例えば「暑い」カテゴリの場合、「暑い」カテゴリの
参照情報数が以下のような関係にある時、次のような処
理を行なう。
【００３１】ＡＲnum ＜ＡＲnummax ならば、参照情
報生成部５４の処理を行なう。 ＡＲnum ≧ＡＲnummax ならば、参照情報学習部５５
の処理を行なう。 ＡＲnum ：「暑い」カテゴリの参照情報数 ＡＲnummax：「暑い」カテゴリの参照情報最大数
報生成部５４の処理を行なう。 ＡＲnum ≧ＡＲnummax ならば、参照情報学習部５５
の処理を行なう。 ＡＲnum ：「暑い」カテゴリの参照情報数 ＡＲnummax：「暑い」カテゴリの参照情報最大数
【００３２】参照情報生成部５４では、入力ベクトルを
正しいカテゴリＴＣの参照情報として生成する。ここで
は、「暑い」カテゴリの参照情報を生成し、ＡＲnum を
１増やす。
正しいカテゴリＴＣの参照情報として生成する。ここで
は、「暑い」カテゴリの参照情報を生成し、ＡＲnum を
１増やす。
【００３３】参照情報学習部５５では、操作手段５の出
力値と入力ベクトルの正しいカテゴリＴＣとを比較し、
一致している場合は、一番距離の短い参照情報を近づけ
る。また，操作手段５の出力値と入力ベクトルの正しい
カテゴリＴＣとが一致していない場合は、一番距離の短
い参照情報を遠ざける。すなわち、 ＯＣ＝ＴＣ ならば、 ＲＶ＝ＲＶ＋α（ＲＶ−Ｓｘ） ＯＣ≠ＴＣ ならば、 ＲＶ＝ＲＶ−α（ＲＶ−Ｓｘ） ＲＶ：入力ベクトルと一番距離の短い参照情報 ＯＣ：出力カテゴリ（ＲＶのカテゴリ） ＴＣ：入力ベクトルの正しいカテゴリ Ｓｘ：入力ベクトル α ：学習レート
力値と入力ベクトルの正しいカテゴリＴＣとを比較し、
一致している場合は、一番距離の短い参照情報を近づけ
る。また，操作手段５の出力値と入力ベクトルの正しい
カテゴリＴＣとが一致していない場合は、一番距離の短
い参照情報を遠ざける。すなわち、 ＯＣ＝ＴＣ ならば、 ＲＶ＝ＲＶ＋α（ＲＶ−Ｓｘ） ＯＣ≠ＴＣ ならば、 ＲＶ＝ＲＶ−α（ＲＶ−Ｓｘ） ＲＶ：入力ベクトルと一番距離の短い参照情報 ＯＣ：出力カテゴリ（ＲＶのカテゴリ） ＴＣ：入力ベクトルの正しいカテゴリ Ｓｘ：入力ベクトル α ：学習レート
【００３４】従って、参照情報学習部５５では、参照情
報数が参照情報の最大値を超えるまでは、入力ベクトル
を入力ベクトルの正しいカテゴリＴＣの参照情報として
生成する。また、最大値を超えてからは、出力カテゴリ
と入力カテゴリが一致した場合は、参照情報を入力ベク
トルの方向へ少し近づけ、一致しない場合は、参照情報
を入力ベクトルから少し遠ざける。近づけたり、遠ざけ
たりする距離はαで設定する。
報数が参照情報の最大値を超えるまでは、入力ベクトル
を入力ベクトルの正しいカテゴリＴＣの参照情報として
生成する。また、最大値を超えてからは、出力カテゴリ
と入力カテゴリが一致した場合は、参照情報を入力ベク
トルの方向へ少し近づけ、一致しない場合は、参照情報
を入力ベクトルから少し遠ざける。近づけたり、遠ざけ
たりする距離はαで設定する。
【００３５】このように、上記実施例によれば、操作内
容を推測して学習する手段としてニューラルネットワー
クを用いることにより、センサ群からの入力と出力とを
関係づけるルールを必要とせず、使用者の環境における
暑い、寒いの２通りの意思表示を行なう操作手段からの
操作を学習して操作の先取り予測を行なうとともに、部
屋の環境や個人の好みおよび運転開始からの時間、時刻
や季節にあった自動モード運転の空調を行なうことがで
き、学習により使用者をリモコン設定の煩わしさから解
放するとともに、室内の人間情報や室内の熱分布を用い
ることにより、使用者の快適性の向上を図ることができ
る。
容を推測して学習する手段としてニューラルネットワー
クを用いることにより、センサ群からの入力と出力とを
関係づけるルールを必要とせず、使用者の環境における
暑い、寒いの２通りの意思表示を行なう操作手段からの
操作を学習して操作の先取り予測を行なうとともに、部
屋の環境や個人の好みおよび運転開始からの時間、時刻
や季節にあった自動モード運転の空調を行なうことがで
き、学習により使用者をリモコン設定の煩わしさから解
放するとともに、室内の人間情報や室内の熱分布を用い
ることにより、使用者の快適性の向上を図ることができ
る。
【００３６】
【発明の効果】本発明は、上記実施例から明らかなよう
に、センサ手段から得られる室内外の環境条件と、画像
入力手段から出力された室内の２次元の画像情報から得
られる室内の特徴量と、操作手段から得られる使用者の
意思情報とから使用者の操作内容を推測して学習する手
段を備えているので、部屋の環境、室内の生活シーンや
個人の好み、および時間、季節に合った空調運転を自動
的にかつ容易に行なうことができる。
に、センサ手段から得られる室内外の環境条件と、画像
入力手段から出力された室内の２次元の画像情報から得
られる室内の特徴量と、操作手段から得られる使用者の
意思情報とから使用者の操作内容を推測して学習する手
段を備えているので、部屋の環境、室内の生活シーンや
個人の好み、および時間、季節に合った空調運転を自動
的にかつ容易に行なうことができる。
【図１】本発明の一実施例における空気調和機制御装置
の概略ブロック図
の概略ブロック図
【図２】同装置における特徴抽出手段の概略ブロック図
【図３】同装置における操作内容推測手段の概略ブロッ
ク図
ク図
【図４】同操作内容推測手段における参照情報部のディ
レクトリの内容を示す模式図
レクトリの内容を示す模式図
【図５】同操作内容推測手段における最短距離を出力す
るアルゴリズム例を示すフローチャート
るアルゴリズム例を示すフローチャート
【図６】本発明の一実施例における学習手段の概略ブロ
ック図
ック図
【図７】従来の空気調和機制御装置における推論制御ソ
フトウェア構成を示す概略ブロック図
フトウェア構成を示す概略ブロック図
【図８】同従来装置における推論制御ソフトウェアにお
ける動作を示す概略ブロック図
ける動作を示す概略ブロック図
１ センサ手段 ２ 記憶手段 ３ 画像入力手段 ４ 特徴抽出手段 ５ 操作手段 ６ 運転時間検出手段 ７ 学習手段 ８ 操作内容推測手段 ９ 制御信号生成手段 １０ 空気調和機
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ▲吉▼田 邦 夫 神奈川県川崎市多摩区東三田３丁目10番１ 号 松下技研株式会社内 (72)発明者 赤 嶺 育 雄 大阪府門真市大字門真1006番地 松下電器 産業株式会社内 (72)発明者 清 水 真 大阪府門真市大字門真1006番地 松下電器 産業株式会社内 (72)発明者 藤 原 克 彦 大阪府門真市大字門真1006番地 松下電器 産業株式会社内
Claims (10)
- 【請求項１】 センサ手段から得られる室内外の環境条
件と、画像入力手段から出力された室内の２次元の画像
情報から得られる室内の特徴量と、操作手段から得られ
る使用者の意思情報とから使用者の操作内容を推測して
学習する手段を備えた空気調和機制御装置。 - 【請求項２】 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、室内の２次元の画像情報を検知する画像入力手段
と、前記画像入力手段から得られた画像データから室内
の特徴量を抽出する特徴抽出手段と、使用者の意思表示
を入力する操作手段と、空気調和機の運転開始からの経
過時間を検出する運転時間検出手段と、前記センサ手段
および前記記憶手段からの出力値である室内外の環境条
件と前記特徴抽出手段および操作手段ならびに運転時間
検出手段からの情報により使用者の操作内容を推測する
操作内容推測手段と、前記各手段から得られた結果を参
照して操作内容を学習する学習手段と、前記操作内容推
測手段から出力された信号をもとに空気調和機を制御す
る制御信号生成手段とを備えた空気調和機制御装置。 - 【請求項３】 室内外の環境条件を検知するセンサ手段
が、室内外の温度、空気調和機の風量、風向、湿度を検
出する手段を含む請求項２記載の空気調和機制御装置。 - 【請求項４】 センサの前状態を保持する記憶手段が、
Ｎ秒（Ｎは正の実数値）間隔の空気調和機の吸込空気温
度勾配を記憶する請求項２または３記載の空気調和機制
御装置。 - 【請求項５】 使用者の意思表示を入力する操作手段
が、学習に際して使用者が室内環境における体感を暑
い、寒いの２つの分類で意思表示するようにした請求項
２から４のいずれかに記載の空気調和機制御装置。 - 【請求項６】 運転時間検出手段が、月、日、時間につ
いての信号を出力するカレンダー機能を備えた請求項２
から５のいずれかに記載の空気調和機制御装置。 - 【請求項７】 操作内容を推測し、学習する手段が、ニ
ューラルネットワークを用いた請求項２から６のいずれ
かに記載の空気調和機制御装置。 - 【請求項８】 画像入力手段が、室内の熱エネルギーの
分布を検知する手段である請求項２から７のいずれかに
記載の空気調和機制御装置。 - 【請求項９】 特徴抽出手段が、室内の人数、人間の位
置、姿勢、動き物体の数、動きの度合い、床および壁面
の温度を抽出する手段である請求項２から８のいずれか
に記載の空気調和機制御装置。 - 【請求項１０】 特徴抽出手段が、室内で行なわれてい
る生活シーンを示す情報を抽出する手段である請求項２
から９のいずれかに記載の空気調和機制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03316708A JP3128156B2 (ja) | 1991-11-29 | 1991-11-29 | 空気調和機制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03316708A JP3128156B2 (ja) | 1991-11-29 | 1991-11-29 | 空気調和機制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05149599A true JPH05149599A (ja) | 1993-06-15 |
| JP3128156B2 JP3128156B2 (ja) | 2001-01-29 |
Family
ID=18080019
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03316708A Expired - Fee Related JP3128156B2 (ja) | 1991-11-29 | 1991-11-29 | 空気調和機制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3128156B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001352589A (ja) * | 2000-06-07 | 2001-12-21 | Sanyo Electric Co Ltd | 複数機器制御システム |
| KR100388666B1 (ko) * | 2000-12-18 | 2003-06-25 | 삼성전자주식회사 | 공기조화기의 온도 제어방법 |
| JP2010091228A (ja) * | 2008-10-10 | 2010-04-22 | Panasonic Corp | 空気調和機 |
| JP2011137589A (ja) * | 2009-12-28 | 2011-07-14 | Mitsubishi Electric Corp | 空気調和機、空気調和機の制御装置 |
| WO2014017820A1 (en) * | 2012-07-25 | 2014-01-30 | Lg Electronics Inc. | Air conditioner management system and method for controlling air conditioner |
| JP2014214975A (ja) * | 2013-04-25 | 2014-11-17 | 大成建設株式会社 | 快適環境選択支援装置および快適環境選択支援方法 |
| CN110736221A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调的控制方法、装置和系统 |
-
1991
- 1991-11-29 JP JP03316708A patent/JP3128156B2/ja not_active Expired - Fee Related
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001352589A (ja) * | 2000-06-07 | 2001-12-21 | Sanyo Electric Co Ltd | 複数機器制御システム |
| KR100388666B1 (ko) * | 2000-12-18 | 2003-06-25 | 삼성전자주식회사 | 공기조화기의 온도 제어방법 |
| JP2010091228A (ja) * | 2008-10-10 | 2010-04-22 | Panasonic Corp | 空気調和機 |
| JP2011137589A (ja) * | 2009-12-28 | 2011-07-14 | Mitsubishi Electric Corp | 空気調和機、空気調和機の制御装置 |
| WO2014017820A1 (en) * | 2012-07-25 | 2014-01-30 | Lg Electronics Inc. | Air conditioner management system and method for controlling air conditioner |
| US9971365B2 (en) | 2012-07-25 | 2018-05-15 | Lg Electronics Inc. | Air conditioner management system comprising a user interface device and a central management device and method for controlling air conditioner by the air conditioner management system |
| JP2014214975A (ja) * | 2013-04-25 | 2014-11-17 | 大成建設株式会社 | 快適環境選択支援装置および快適環境選択支援方法 |
| CN110736221A (zh) * | 2019-10-29 | 2020-01-31 | 珠海格力电器股份有限公司 | 空调的控制方法、装置和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3128156B2 (ja) | 2001-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11598548B2 (en) | Device for estimating drowsiness of a user based on image and environment information | |
| CN110671798A (zh) | 一种基于人工智能技术预测热感觉的室内热环境控制系统 | |
| JPH05149599A (ja) | 空気調和機制御装置 | |
| JPH08313028A (ja) | 空気調和機の制御装置 | |
| JP3564583B2 (ja) | 空気調和機の制御装置 | |
| JP2673394B2 (ja) | 空気調和機制御装置 | |
| JPH05149725A (ja) | 姿勢判別装置とその応用機器 | |
| JP3314137B2 (ja) | 空気調和機の制御装置 | |
| JP3198523B2 (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 | |
| JP2563655B2 (ja) | 空気調和機の制御方法 | |
| JP2899484B2 (ja) | パターン分類装置と環境認識装置と空調機 | |
| JPH05118613A (ja) | 生活シーン推定装置および空気調和機 | |
| JPH08189684A (ja) | 空気調和機の制御装置 | |
| JPH0783479A (ja) | 空気調和機 | |
| JPH05223323A (ja) | 空気調和機の制御装置 | |
| JPH05306827A (ja) | 空気調和機 | |
| JP3094590B2 (ja) | 空気調和機の制御装置 | |
| JP2897395B2 (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 | |
| JP2517164B2 (ja) | 空気調和機の制御装置 | |
| JPH04155136A (ja) | 空気調和機の制御装置 | |
| JP2707890B2 (ja) | 空気調和機の制御装置 | |
| US20220176778A1 (en) | Adaptive and predictive climate control system using infrared image-based imaging |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |