JPH06193899A - 給湯器 - Google Patents

給湯器

Info

Publication number
JPH06193899A
JPH06193899A JP4358481A JP35848192A JPH06193899A JP H06193899 A JPH06193899 A JP H06193899A JP 4358481 A JP4358481 A JP 4358481A JP 35848192 A JP35848192 A JP 35848192A JP H06193899 A JPH06193899 A JP H06193899A
Authority
JP
Japan
Prior art keywords
hot water
water supply
temperature
inference
situation
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
Application number
JP4358481A
Other languages
English (en)
Other versions
JP3356812B2 (ja
Inventor
Tetsuya Nakamura
哲也 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Noritz Corp
Original Assignee
Noritz Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Noritz Corp filed Critical Noritz Corp
Priority to JP35848192A priority Critical patent/JP3356812B2/ja
Publication of JPH06193899A publication Critical patent/JPH06193899A/ja
Application granted granted Critical
Publication of JP3356812B2 publication Critical patent/JP3356812B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Landscapes

  • Feedback Control In General (AREA)
  • Control Of Temperature (AREA)
  • Selective Calling Equipment (AREA)
  • Domestic Hot-Water Supply Systems And Details Of Heating Systems (AREA)

Abstract

(57)【要約】 【目的】 ニューラルネットワークでなる推論手段32
によって、給湯の状況データに基づいて最適温度を推論
し、その最適温度で湯を供給する給湯器を提供すること
を目的とする。 【構成】 最適温度を推論する推論手段32は、入力層
41、中間層42、及び出力層43からなるニューラル
ネットワークでなり、その入力層41には給湯に関する
状況データが入力され、それにより最適温度が推論され
る。また、給湯が推論された温度によらず、湯温指定手
段9によって温度が指定されたときには、その指定温度
と指定されたときの状況データを教示データ51、52
として記憶しておき、例えば電源オフのタイミングによ
り推論手段32の重みの学習を行う。 【効果】 給湯器による湯の給湯の際に、最適温度で給
湯できる効果がある。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】本発明は、給湯器を取り巻く状況
を検出し、その状況から最適な湯温を推論してその温度
で湯を提供する給湯器に関する。
【0002】
【従来の技術】従来、この種の発明としては予め給湯器
が提供する湯の温度を決めておき、給湯の際にはその温
度で湯を提供するものが知られている。
【0003】また、シャワーについては、特開平4−1
48118号公報に記載された発明が存在する。この発
明はシャワ−の給湯器であって、シャワーを提供する環
境温度と、現在の日付及び時間帯から暦信号を生成する
タイマ手段と、これらの関係を記憶する制御規則記憶手
段とを有しており、この規則を基に制御推論して湯温を
設定使用とするものである。この発明によれば、利用者
が季節にかかわりなく快適を感じる温度の湯を提供でき
非常に便利である。
【0004】
【発明が解決しようとする課題】しかしながら、従来こ
のような便利なシャワーの給湯装置が存在するものの、
従来のものでは環境温度と現在の月日、時間帯の暦信号
との関係を予め所定の規則で作成しておかなければなら
ず、その規則を作成するのは非常に手間であった。
【0005】また、このような規則の作成により湯温の
最適化を図るものでは、更に考慮すべき要素が増えたと
きにはその負担は指数関数的に増大し、湯温を決定する
ための演算時間も非常に増大する。実際、給湯器の利用
者が望むであろう温度を決定するための条件は更に多く
の状況が関与している。
【0006】更に、従来のように予め規則を作成するも
のでは利用者の個別の好みに合わせて自動的に温度を設
定することはできず、利用者の好みにかかわりなく画一
的に行うしかできなかった。また、利用者の好みが変化
したときでも、それに応じて自動的に最適温度を変化さ
せることができなかった。
【0007】そこで、本発明はこのような事情に鑑みて
なされたものであって、まず推論手段をニューラルネッ
トワークを用いて構成し、考慮すべき要素の数を不必要
に限定する必要もなく、給湯器を取り巻く状況に合致し
た条件を基に最適な湯温の推論を可能とし、確実に最適
な温度での湯の提供を可能とする給湯器の提供を目的と
する。
【0008】また、本発明では、給湯器の利用者が給湯
器で提供する温度を指定した際には、その指定温度とそ
の時の状況要素の状態とを教示データとしてニューラル
ネットワークの学習を行うので、利用者の個別の好みに
対応した最適な温度での推論が可能であり、更に、利用
者の好みが徐々に変わったときでも、それに応じて学習
により最適温度の推論も自動的に推移するので、利用者
の個別の好み、好みの変化に応じた最適温度での湯の給
湯を行う給湯器の提供を目的とする。
【0009】また、本発明では、例えば風呂、シャワ
ー、台所、洗面所というように複数の箇所に対応して、
各々の最適温度を推定可能とするとともに、予め、使用
可能性の高い箇所に対応した推論手段の重み係数が設定
してあるので、給湯の際に、即時に給湯箇所に対応した
最適温度の推論及びその最適温度での湯の給湯ができる
給湯器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】上記目的を達成するため
に、請求項1記載の発明は、給湯すべき状況を検出する
状況検出手段と、前記状況検出手段で検出した状況を入
力データとして、給湯器の利用者が望むであろう温度に
関する情報を推論して出力するニューラルネットワーク
でなる推論手段と、前記推論手段にて推論された内容に
基づいて湯を供給する給湯制御手段とを具備したことを
特徴とする。
【0011】請求項2記載の発明は、湯温を指定する湯
温指定手段により指定された温度で湯を給湯し、もしく
は湯温指定手段によらずに温度を自動的に設定して湯を
給湯する給湯器であって、給湯するときの状況を検出す
る状況検出手段と、前記状況検出手段が検出した状況を
入力データとして給湯器の利用者が望であろう温度に関
する情報を推論する推論手段と、前記推論手段で推論し
た内容に基づいて湯を供給する給湯制御手段と、給湯器
の利用者が前記湯温指定手段にて指定したときの温度
と、そのときの前記状況検出手段が検出した状況とを教
示信号として、前記推論手段の学習を行う学習手段とを
具備したことを特徴とする。
【0012】請求項3記載の発明は、前記給湯器は、台
所に湯を提供する給湯器、浴室に湯を提供する給湯器も
しくは洗面所に湯を提供する給湯器のいずれかの給湯器
であることを特徴とする。
【0013】請求項4記載の発明は、湯を給湯する第1
の給湯箇所と、湯を給湯する第2の給湯箇所の少なくと
も2箇所以上の給湯箇所がある給湯器であって、給湯す
べき状況を検出する状況検出手段と、入力層のニューロ
ンユニットと出力層のニューロンユニットとの間に更に
複数のニューロンユニットを有して、重み係数を有する
シナプスがニューロンユニット間を結合し、入力層に前
記状況検出手段の検出データを入力して、給湯器の利用
者が望であろう給湯温度に関する情報を出力層から出力
するニューラルネットワークでなる推論手段と、前記推
論手段のシナプスの重み係数を前記各々の給湯箇所に対
応して記憶するデータ記憶手段と、前記いずれの給湯箇
所に給湯するかの可能性を判別する給湯可能性判別手段
と、前記給湯可能性判別手段で判別したうち、最も可能
性の高い箇所の前記データ記憶手段に記憶されている重
み係数を前記推論手段に設定する第一の重み係数設定手
段と、給湯の際に、前記給湯可能性判別手段にて判別さ
れた給湯箇所と実際の給湯箇所との一致、又は不一致を
判断し、不一致のときは実際の給湯箇所に対応する重み
係数に前記推論手段の重み係数を再設定する第二の重み
係数設定手段と、前記推論手段にて推論された情報によ
る温度で湯を供給する給湯制御手段と、を具備したこと
を特徴とする。
【0014】請求項5記載の発明は、湯を給湯する第1
の給湯箇所と、湯を給湯する第2の給湯箇所の少なくと
も2箇所以上の給湯箇所のある給湯器であって、給湯す
べき状況を検出する状況検出手段と、入力層のニューロ
ンユニットと出力層のニューロンユニットとの間に更に
複数のニューロンユニットを有して、重み係数を有する
シナプスがそのニューロンユニット間を結合して、入力
層に前記状況検出手段の検出データを入力して、給湯器
の利用者が望であろう給湯温度に関する情報を出力層か
ら出力するニューラルネットワークでなる推論手段と、
前記推論手段のシナプスの重み係数を前記各々の給湯箇
所に対応して記憶するデータ記憶手段と、前記データ記
憶手段に記憶された重み係数を前記推論手段に設定する
重み係数設定手段と、前記重み係数設定手段によって、
前記データ記憶手段に記憶された各給湯箇所の重み係数
を前記推論手段に順次設定することにより、各々の給湯
箇所に対応する給湯器の利用者が望であろう給湯温度に
関する情報を予め推論しておき、給湯の際にはその給湯
箇所に対応する前記推論された内容に基づいて湯を供給
する給湯制御手段とを具備したことを特徴とする。
【0015】
【作用】最適温度を推論する推論手段32は、ニューラ
ルネットワークを用いてなり、その入力層41には給湯
器の利用者情報、給湯箇所の状況を検出するセンサの検
出データ等の状況データを入力し、最適温度を推論す
る。
【0016】また、推論された最適温度の自動設定によ
らずに、湯温指定手段9により温度が指定されたときに
は、その時の指定温度、状況データ等を記憶しておき、
例えば、電源オフのタイミングにより推論手段32の重
みの学習を行う。
【0017】また、複数の箇所に湯を提供する給湯器で
あって、各給湯箇所ごとに推論する温度範囲が異なるよ
うなときには、給湯箇所に対応した推論手段32の重み
を記憶しておき、使用可能性判別手段27にて最も使用
可能性の高い給湯箇所に対応した重みを推論手段32に
設定しておく。もしくは、所定の周期、または、所定の
タイミングで各給湯箇所に対応した最適温度を予め推論
して設定しておく。
【0018】
【実施例】以下、本発明の実施例を図面を参照して説明
する。まず、図1が本発明が適用された給湯器の使用例
である。
【0019】給湯器1は、台所、洗面所、シャワールー
ム、浴室、居間、または寝室等に湯を提供できるように
なっている。そして、湯の温度等の給湯に関する指示
は、台所ではメーンリモコン2、浴室ではフロリモコン
3、その他の箇所ではサブリモコン4、5より指示でき
るようになっている。
【0020】次に、本発明の構成を図2のブロック図を
用いて説明する。給湯器1の制御等を行う制御装置21
があり、制御装置21には伝送ラインを通じてメーンリ
モコン2、フロリモコン3、及び、サブリモコン4、5
が接続されてあり、給湯器1を遠隔操作可能としてい
る。そして、その操作指示に従って制御装置21が給湯
器1を制御して、浴室等の給湯箇所18に湯を提供す
る。
【0021】各々の給湯箇所には、その箇所の状況を検
出する検出センサ19が設けられている。また、制御装
置21には推論手段32が接続されていて、推論手段3
2にて推論した最適温度を制御装置21に指示するよう
になっている。更に、推論手段32には確実に最適温度
を推論するための学習手段34、教示手段35、データ
記憶手段33が設けられている。
【0022】次に、各構成部分について詳述する。ま
ず、リモコンについて説明すると、メーンリモコン2、
フロリモコン3、サブリモコン4、5は、制御装置2
1、推論手段32とデータ記憶手段33に接続されてい
て、制御装置21に制御指示を行うと共にその指示内容
を推論手段32の学習を行うための教示データとしてデ
ータ記憶手段33に伝送記憶する。また、推論手段32
へは必要に応じて推論に必要な情報を指示している。
【0023】台所に設けられたメーンリモコン2の外観
図を示したものが図3である。メーンリモコン2の上方
には表示手段6があり、給湯器1の給湯する湯温等の制
御内容を表示している。その下側には操作部7があり、
操作部7の操作により給湯器1の指示操作を行う。操作
部7には、電源スイッチ8、湯温指定手段9、自動指定
手段10、モード指定手段11、12、その他予約等の
設定をする手段を有している。
【0024】湯温指定手段9は給湯器1から提供する湯
の温度を利用者が調節するものである。自動指定手段1
0は推論手段32により推論された最適温度を自動設定
することを指示するものである。
【0025】モード指定手段11、12は推論手段32
により推論する際に、または学習手段34により学習す
る際に、個別のモードで行うものである。モードとして
は、A〜DとSPの二種類あり、A〜Dは給湯器1の利
用者が個人情報として指定するものである。風呂の温
度、シャワーの温度等については、利用者個別の好みが
あるため、誰が使用するかを指定する。
【0026】例えば、父、母、長男、長女の四人家族の
場合、父はA、母はB,長男はC,長女はDというよう
に予め決めておき、A〜D釦の押下、A〜D釦の押下無
しは、状況データとして推論手段32に入力されている
ので、例えば父が使用するときにはA釦を押せば、A釦
の人に対応した個別の好みに対応した最適温度の推論が
できるようになっている。
【0027】一方、SPのモードは異なる温度範囲を指
定するものである。通常、推論手段32が推論する温度
範囲は、30℃〜50℃辺りの範囲である。それ以外の
高温や低温のときには、湯温指定手段9またはSPのモ
ードを用いる。
【0028】SPモードは予め図外の指定手段から温度
範囲を指定しておき、その範囲での使用状況を教示デー
タとして学習手段34が学習した内容により最適温度を
推論するものである。例えば、シャワーでよく使用する
低めの冷水の温度において利用したいときには、SPモ
ードの温度範囲を15℃〜35℃に設定しておけば、S
Pモードを指定すればその範囲での使用状況を教示デー
タとして15℃〜35℃の範囲で最適温度を推論する。
【0029】次に、風呂に設けられたフロリモコン3の
外観図をしめしたものが図4である。フロリモコン3に
は、浴室から給湯器1への指示を行うと共に、その内容
を表示できるようになっている。
【0030】その他、シャワールーム等の他の給湯箇所
に設けられたサブリモコン4、5は、図示はしないがそ
の給湯箇所に応じた操作指示及びその表示が行えるよう
になっている。
【0031】次に、制御装置21について説明する。制
御装置21には記憶手段22と制御部23とを有し、制
御部23には操作制御手段24、給湯制御手段25、時
計手段26、使用可能性判別手段27、重み係数設定手
段28、遅延手段29、その他の制御手段30を有して
いる。
【0032】記憶手段22は、制御手順、動作手順を記
憶したり、伝送データの一時記憶などの給湯器1の制御
に必要な内容を記憶しているものである。操作制御手段
24は、リモコン2〜5の操作部との信号を制御するも
のである。給湯制御手段25は操作指示の内容等に従っ
て、給湯器1のバーナ、弁等を制御するものである。
【0033】時計手段26は、月日、時間の暦と時計の
機能である。使用可能性判別手段27は、いままでの使
用状況から、現在、給湯器1が台所、洗面所、浴室等の
どの給湯箇所において使用される可能性が最も高いか判
別するものである。
【0034】重み係数設定手段28は、データ記憶手段
33に記憶されている給湯箇所に対応した推論手段32
の重み係数を推論手段32に設定するものである。この
重み係数設定手段28が、第一及び第二の重み係数設定
手段をなしている。
【0035】遅延手段29は、例えば電源スイッチがオ
フされたとき等の所定のタイミングで一定時間遅延する
ものであり、電源オフのときに学習手段34が学習を行
うのを確保するためのものである。その他の制御手段3
0は、それ以外の制御を行うものであり、例えば記憶手
段22とデータ記憶手段33とのデータのやり取りを制
御するものである。
【0036】次に、推論手段32について説明する。推
論手段32は、給湯箇所の状況を検出するセンサ19の
検出データ、時計手段26の内容、給湯器1の利用者情
報等によって、給湯の最適温度を推論するものであり、
具体的内容を図5に示す。
【0037】図5に示すように、推論手段32は入力層
41、中間層42、出力層43からなり、入力層41は
複数のニューロンユニットI1〜Iiを有し、中間層4
2はニューロンユニットM1〜Mjを有し、出力層43
は複数のニューロンユニットO1〜Okを有している。
【0038】そして、入力層のニューロンユニットI1
〜Iiと中間層のニューロンユニットM1〜Mjの各ニ
ューロンユニットの間は重み係数を有するシナプスA1
1〜Aijで連結されてあり、中間層のニューロンユニ
ットM1〜Mjと出力層のニューロンユニットO1〜O
kの間は重み係数を有するシナプスB11〜Bjkで連
結されている。なお、ニューロンユニット、及びシナプ
ス自体についてはすでに知られているので詳述は省略す
る。
【0039】入力層41の各ニューロンユニットI1〜
Iiには推論を行うための情報が入力されており、ユニ
ットI1には利用者情報(指定無しまたはA〜D)、ユ
ニットI2には月日情報、ユニットI3には時間情報、
ユニットI4には給湯箇所の気温情報、ユニットI5に
は外気温度、ユニットI6には給湯箇所の湿度、ユニッ
トI7〜Iiにはその他の環境情報が入力されている。
これらが推論を行う状況データをなしている。
【0040】入力層41のユニットにこれらの情報が入
力されると、入力層41と中間層42の間のシナプス、
中間層42のユニットM1〜Mj、及び中間層42と出
力層43との間のシナプスを通して、出力層43のユニ
ットに信号が伝達され、出力層43のユニットO1〜O
kから信号が推論温度判別手段44に出力する。出力層
43のユニットO1〜Okは、各温度に対応している。
推論手段32が推論する温度範囲は、例えば風呂の場合
36℃〜45℃であり、出力層43のユニットO1が4
5℃、ユニットO2が44℃、ユニットO3が43℃と
いうように、以下ユニットO10が36℃となるように
各ユニットごとに1℃づつずれて対応している。
【0041】その他、シャワールームの場合は推論する
温度範囲は30℃〜45℃であり、台所では20℃〜6
0℃であり、洗面所では25℃〜50℃、SPモードで
は図外の入力手段で指定された範囲であり、これらの場
合では出力層43のユニットが10個あるので、各給湯
箇所の温度範囲を10等分して高い温度から低い温度
へ、ユニットO1からユニットO10までが対応してい
る。この温度範囲の切り換えは制御部23からの信号に
基づいて行う。これにより給湯箇所に対応して必要な温
度範囲で確実に推論することができる。
【0042】推論温度判別手段44は、出力層43のユ
ニットO1〜O10までの出力状態から、通常は最も出
力レベルの高いユニットが対応する温度を最適な温度で
あると推論する。
【0043】次に、データ記憶手段33について図6を
用いて説明する。データ記憶手段33に記憶されている
内容としては、シナプスの重み係数データ50、台所、
浴室等の給湯箇所に対応した教示データ51、SPスイ
ッチの指定時の教示データ52である。シナプスの重み
係数データ50はニューロンユニット間を結合する重み
係数(A11〜Aij、B11〜Bjk)を各給湯箇
所、SPモードに対応して記憶している。
【0044】従って、推論手段32で推論する際には、
給湯箇所又はSPモードに対応した重み係数を用いて推
論することができる。
【0045】給湯箇所に対応した教示データ51は、学
習手段34にて学習するときの教示データであり、リモ
コン2〜5の湯温指定手段9にて給湯する湯の温度が指
定されたときの指定温度に対応する時計手段26の内
容、センサ19の検出状況等の状況データを記憶したも
のである。SPの教示データ52は、SPスイッチでの
このモードが指定されたときの湯温指定手段9にて指定
された指定温度に対応する状況データを記憶したもので
ある。
【0046】次に、学習手段34は、教示手段35によ
る教示信号に基づいて学習を行い、推論手段32の重み
係数を決定するものである。教示手段35は、各給湯箇
所に対応した教示データとして状況データと指定温度と
に関する信号を供給する。
【0047】そして、学習手段34は、バックプロパゲ
ーション法により学習を行う。すなわち、まず教示手段
35によりデータを入力し結果を出力し、その結果のエ
ラーを減ずるようにニューロンユニット間の重み係数の
結合度合いをを変える。そして、再び入力データを入力
して、同じ動作を収束するまで繰り返す。このバックプ
ロパゲーション法による学習自体はすでに知られている
ので、詳述は省略する。
【0048】次に、本発明による給湯箇所に対応した最
適温度を推論する動作を図7を用いて説明する。これは
自動指定手段10が指定されているときに行う動作であ
り、指定されていないときは推論は行わず湯温指定手段
9による温度指定のみ受け付ける。
【0049】まず、給湯に備えるために、使用可能性判
別手段27が台所、浴室、シャワールーム、居間等のど
の箇所の使用可能性が高いかを判別する(S1)。これ
は、今までの時間帯による使用確率や、浴室、台所等で
の照明スイッチのオン・オフなどの各動作の検出による
使用確率等の総合評価により行う。
【0050】そして、最も使用可能性の高い給湯箇所に
対応した、データ記憶手段33の重みデータ50に記憶
されている重み係数を推論手段32に予め設定しておく
(S2)。そして、次にリモコン2〜5にて湯温指定手
段により湯温が指定されたか否かを判断し(S3)、指
定されていなければ給湯開始の指示があるか否かを判断
する(S4)。いずれもなければステップS1〜S4を
繰り返す。
【0051】ここで、ステップS4にて給湯開始の指示
があると、SPスイッチ12が押されてSPモードが指
定されたか否かを判断する(S5)。指定されていなけ
れば推論手段32に設定されている重みの種類と給湯箇
所とが一致しているかを判別し(S6、S7)、一致し
ていればその時のセンサ19等から検出される状況デー
タから推論手段32が最適温度を推論する(S9)。
【0052】もし、ステップS7において一致していな
ければ、給湯箇所に対応する重み係数に変更設定を行い
(S8)、その時のセンサ19等から検出される状況デ
ータから推論手段32が最適温度を推論する(S9)。
なお、ステップS5においてSPスイッチ12が押され
ていれば、データ記憶手段33の重み係数データに記憶
された重み係数に変更設定を行い(S8)、最適温度を
推論する(S9)。
【0053】そして、推論手段32で推論した最適温度
を給湯温度として設定し(S10)、対応する給湯箇所
に給湯する(S15)。
【0054】一方、ステップS3においてリモコン2〜
5にて湯温の指定があれば、指定された指定温度とその
ときの推論するときに必要なデータに対応するセンサ1
9等の状況データを取得する(S11)。そして、指定
された温度に対応する給湯箇所を判別し(S12)、そ
れらのデータをデータ記憶手段33に教示データとして
記憶し(S13)、学習のときのデータとして蓄積して
おく。そして、その指定温度を給湯温度に設定し(S1
4)、その温度で対応する箇所に給湯する(S15)。
給湯が終了すれば(S16)、ステップS1に戻り、同
じ動作を繰り返す。
【0055】次に、重み係数を学習する動作について図
8を用いて説明する。学習は給湯が終了し電源がオフさ
れたときに行うため、まず、電源スイッチ8がオフされ
たか否かを判断する(S31)。オフされると遅延手段
29が作動し(S32)、学習に必要な時間、制御装置
21、推論手段32、データ記憶手段33、学習手段3
4、教示手段35には電源を供給している。そして、次
にデータ記憶手段33に新しい教示データがあるか否か
を判断する(S33)。新しい教示データがなければ学
習の必要がなく、全ての電源をオフし終了する(S4
9)。
【0056】新しい教示データがあれば、台所用の重み
係数、浴室用の重み係数、シャワールーム用の重み係
数、洗面、居間等の重み係数、SPモード用の重み係数
の順に学習を行う。
【0057】まず、教示データ51の中に使用箇所が台
所のものがあるか否かの判断を行い(S34)、あれ
ば、そのときの状況データから推論手段32で最適温度
を推論し、一致するか否かの判断を行う(S35)。一
つでも不一致のものがあれば、台所用の重みの学習を行
い、その学習結果の重み係数により重み係数データ50
に変更設定する(S36)。学習についてはすでに説明
したバックプロパゲーション法で行う。ステップS34
において台所についての教示データがないとき、また
は、ステップS35において指定温度と推論した温度と
が全て一致しているときは、学習の必要がないので次の
浴室用の重み係数の学習に移る。
【0058】以下、浴室用の重み係数の学習(S37〜
S39)、シャワールーム用の重み係数の学習(S40
〜S42)、洗面、居間等の重み係数の学習(S43〜
S45)、SPモード用の重み係数の学習(S46〜S
48)も、上述の台所用の重み係数の学習の場合と同様
の動作で行い、全て終了すれば電源を全てオフして終了
する(S49)。
【0059】次に、他の実施例について図9を用いて説
明する。図9に示すように推論手段32は入力層61、
中間層62、出力層63からなり、入力層のニューロン
ユニットと中間層のニューロンユニットの間、及び中間
層のニューロンユニットと出力層のニューロンユニット
の間には重み係数を有するシナプスで連結されている。
【0060】そして、入力層61に入力する入力情報自
体に給湯箇所情報を追加している。従って、前記実施例
に必要であった各給湯箇所ごとに対応する重み係数を記
憶するシナプスの重み係数データ50が不要となり、併
せて、使用可能性判別手段27、重み係数設定手段28
を設けることなく、給湯箇所に対応した最適温度を推論
することができ、構成が簡略化できる。但し、この場合
には推論手段32の出力層63の温度範囲を共通にする
ことが望ましい。
【0061】なお、上記実施例では給湯開始時に推論手
段32によって最適温度を推論するようにしている。こ
れは確実な状況データによって推論するためであるが、
一定の周期で各給湯箇所の最適温度を推論手段32で推
論するようにして、給湯時、給湯中にはその予め推論し
た温度で湯を提供するようにしても良い。
【0062】また、別の何らかのタイミング、例えばそ
の箇所の照明スイッチがオンしたタイミングで推論手段
32で予め推論しておき、給湯時にはその予め推論した
温度で湯を提供するようにしても良い。この場合には、
給湯時と推論時とに時間的ずれがあるため、その間に状
況データが変化しているような場合には、確実に最適温
度を推論できない恐れはあるが、より即時に給湯できる
点では優れている。
【0063】また、上記実施例では、中間層42、62
を1つのものを示したが、二以上の中間層を設けても良
いのはもちろんのことである。
【0064】また、上記実施例では、状況データを全て
入力層41、61に入力しているが、状況データの一部
を直接に中間層42、62にまたは出力層43、63に
入力するようにしても良い。
【0065】また、上記実施例では、複数の箇所に同時
に湯を提供する場合があるが、この場合は予め優先順位
を決めておいたり、優先指示手段を各リモコンに設けて
おき、それが指示された箇所の給湯温度を優先するよう
にすれば良い。
【0066】また、上記実施例では、複数の箇所に湯を
提供する給湯器の場合について説明したが、台所、浴
室、シャワールーム等の個別の一箇所において利用する
給湯器の場合にも適用して、最適な温度を推論すること
ができるのはもちろんのことである。この場合にはデー
タ記憶手段33の重み係数データ50、使用可能性判別
手段27等は不要である。
【0067】また、上記実施例では、状況検出手段が検
出する状況データとしていくつかのデータを示したが、
示したデータの一部のデータで構成しても、更にデータ
を追加してもよい。
【0068】
【発明の効果】以上説明したように、本発明では給湯器
にて提供する湯の温度をニューラルネットワークでなる
推論手段によって、湯を提供するときの状況データから
最適な温度を推論することができるので、そのときの状
況に対して自分の好みの温度が何度であるかを覚えてお
く必要もなく、いちいちその温度を設定する必要もな
く、しかも最適温度で湯の提供ができ、非常に便利であ
るという効果がある。
【0069】また、本発明では給湯器が使用されるにつ
れ、温度が指定されたときにその温度とそのときの状況
データとを教示データとして記憶しておき、その教示デ
ータに基づき推論手段の学習を行うことができるので、
給湯器の利用者の好みが変化した場合や、利用者個別の
好みに自動的に学習設定が可能であるという効果があ
る。
【0070】また、台所、風呂等の複数の箇所に湯を提
供する給湯器にあっては、各々の給湯箇所に対応した推
論手段の重みをデータ記憶手段に記憶しているので、給
湯箇所に応じて適切に推論することができると共に、各
給湯箇所ごとに異なる温度範囲で推論することができる
効果がある。
【0071】更に、使用可能性判別手段が給湯に先立っ
て、給湯される可能性の高い給湯箇所を判別し、その箇
所の重みを予め推論手段に設定しているので、給湯の際
にその状況に応じた最適温度を即時に推論することがで
きる。また、所定の周期、タイミングで予め推論手段で
推論しておき、その推論された最適温度を予め設定し
て、給湯時にはその温度で給湯するようにすれば、より
即時給湯ができる効果がある。
【図面の簡単な説明】
【図1】本発明の使用例の一例を説明するための図であ
る。
【図2】本発明を説明するためのブロック図である。
【図3】メーンリモコンの外観図である。
【図4】フロリモコンの外観図である。
【図5】推論手段の説明図である。
【図6】データ記憶手段の説明図である。
【図7】最適温度を推論するときの動作を示すフローチ
ャートである。
【図8】教示データによる学習の動作を示すフローチャ
ートである。
【図9】他の実施例の説明図である。
【符号の説明】
1 給湯器 2 メーンリモコン 3 フロリモコン 9 湯温指定手段 10 自動指定手段 19 センサ 21 制御装置 25 給湯制御手段 26 時計手段 27 使用可能性判別手段 28 重み係数設定手段 32 推論手段 33 データ記憶手段 34 学習手段 35 教示手段 50 重み係数データ 51 台所等の教示データ 52 SPの教示データ

Claims (5)

    【特許請求の範囲】
  1. 【請求項1】 給湯すべき状況を検出する状況検出手段
    と、 前記状況検出手段で検出した状況を入力データとして、
    給湯器の利用者が望むであろう温度に関する情報を推論
    して出力するニューラルネットワークでなる推論手段
    と、 前記推論手段にて推論された内容に基づいて湯を供給す
    る給湯制御手段と、 を具備したことを特徴とする給湯器。
  2. 【請求項2】 湯温を指定する湯温指定手段により指定
    された温度で湯を給湯し、もしくは湯温指定手段によら
    ずに温度を自動的に設定して湯を給湯する給湯器であっ
    て、 給湯するときの状況を検出する状況検出手段と、 前記状況検出手段が検出した状況を入力データとして給
    湯器の利用者が望であろう温度に関する情報を推論する
    推論手段と、 前記推論手段で推論した内容に基づいて湯を供給する給
    湯制御手段と、 給湯器の利用者が前記湯温指定手段にて指定したときの
    温度と、そのときの前記状況検出手段が検出した状況と
    を教示信号として、前記推論手段の学習を行う学習手段
    と、 を具備したことを特徴とする給湯器。
  3. 【請求項3】 前記給湯器は、台所に湯を提供する給湯
    器、浴室に湯を提供する給湯器もしくは洗面所に湯を提
    供する給湯器のいずれかの給湯器であることを特徴とす
    る給湯器。
  4. 【請求項4】 湯を給湯する第1の給湯箇所と、湯を給
    湯する第2の給湯箇所の少なくとも2箇所以上の給湯箇
    所がある給湯器であって、 給湯すべき状況を検出する状況検出手段と、 入力層のニューロンユニットと出力層のニューロンユニ
    ットとの間に更に複数のニューロンユニットを有して、
    重み係数を有するシナプスがニューロンユニット間を結
    合し、入力層に前記状況検出手段の検出データを入力し
    て、給湯器の利用者が望であろう給湯温度に関する情報
    を出力層から出力するニューラルネットワークでなる推
    論手段と、 前記推論手段のシナプスの重み係数を前記各々の給湯箇
    所に対応して記憶するデータ記憶手段と、 前記いずれの給湯箇所に給湯するかの可能性を判別する
    給湯可能性判別手段と、 前記給湯可能性判別手段で判別したうち、最も可能性の
    高い箇所の前記データ記憶手段に記憶されている重み係
    数を前記推論手段に設定する第一の重み係数設定手段
    と、 給湯の際に、前記給湯可能性判別手段にて判別された給
    湯箇所と実際の給湯箇所との一致、又は不一致を判断
    し、不一致のときは実際の給湯箇所に対応する重み係数
    に前記推論手段の重み係数を再設定する第二の重み係数
    設定手段と、 前記推論手段にて推論された情報による温度で湯を供給
    する給湯制御手段と、 を具備したことを特徴とする給湯器。
  5. 【請求項5】 湯を給湯する第1の給湯箇所と、湯を給
    湯する第2の給湯箇所の少なくとも2箇所以上の給湯箇
    所のある給湯器であって、 給湯すべき状況を検出する状況検出手段と、 入力層のニューロンユニットと出力層のニューロンユニ
    ットとの間に更に複数のニューロンユニットを有して、
    重み係数を有するシナプスがそのニューロンユニット間
    を結合して、入力層に前記状況検出手段の検出データを
    入力して、給湯器の利用者が望であろう給湯温度に関す
    る情報を出力層から出力するニューラルネットワークで
    なる推論手段と、前記推論手段のシナプスの重み係数を
    前記各々の給湯箇所に対応して記憶するデータ記憶手段
    と、 前記データ記憶手段に記憶された重み係数を前記推論手
    段に設定する重み係数設定手段と、 前記重み係数設定手段によって、前記データ記憶手段に
    記憶された各給湯箇所の重み係数を前記推論手段に順次
    設定することにより、各々の給湯箇所に対応する給湯器
    の利用者が望であろう給湯温度に関する情報を予め推論
    しておき、給湯の際にはその給湯箇所に対応する前記推
    論された内容に基づいて湯を供給する給湯制御手段と、 を具備したことを特徴とする給湯器。
JP35848192A 1992-12-25 1992-12-25 給湯器 Expired - Fee Related JP3356812B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP35848192A JP3356812B2 (ja) 1992-12-25 1992-12-25 給湯器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP35848192A JP3356812B2 (ja) 1992-12-25 1992-12-25 給湯器

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2001129104A Division JP2002022278A (ja) 2001-04-26 2001-04-26 給湯器

Publications (2)

Publication Number Publication Date
JPH06193899A true JPH06193899A (ja) 1994-07-15
JP3356812B2 JP3356812B2 (ja) 2002-12-16

Family

ID=18459540

Family Applications (1)

Application Number Title Priority Date Filing Date
JP35848192A Expired - Fee Related JP3356812B2 (ja) 1992-12-25 1992-12-25 給湯器

Country Status (1)

Country Link
JP (1) JP3356812B2 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996002469A1 (fr) * 1994-07-19 1996-02-01 Mahrer Francois Regis Appareil de reception et de conditionnement de dechets organiques par bioconversion anaerobie
JP2014230479A (ja) * 2013-05-17 2014-12-08 三菱電機株式会社 エネルギーマネジメントシステム、エネルギーマネジメントコントローラ、エネルギーマネジメント方法、及び、プログラム
CN107062379A (zh) * 2016-12-28 2017-08-18 广东工业大学 一种基于神经网络的智能自适应温控出水方法及装置
CN108444110A (zh) * 2018-04-11 2018-08-24 南通大学 基于bp网络预测的空气源热泵热水系统设计方法
CN111336683B (zh) * 2020-03-10 2021-07-09 南通大学 空气源热泵温度控制系统mpc-pid串级控制方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1996002469A1 (fr) * 1994-07-19 1996-02-01 Mahrer Francois Regis Appareil de reception et de conditionnement de dechets organiques par bioconversion anaerobie
JP2014230479A (ja) * 2013-05-17 2014-12-08 三菱電機株式会社 エネルギーマネジメントシステム、エネルギーマネジメントコントローラ、エネルギーマネジメント方法、及び、プログラム
US10838379B2 (en) 2013-05-17 2020-11-17 Mitsubishi Electric Corporation Home energy management and control system, controller, and method based on user occupancy and non-transitory computer-readable recording medium
CN107062379A (zh) * 2016-12-28 2017-08-18 广东工业大学 一种基于神经网络的智能自适应温控出水方法及装置
CN108444110A (zh) * 2018-04-11 2018-08-24 南通大学 基于bp网络预测的空气源热泵热水系统设计方法
CN108444110B (zh) * 2018-04-11 2019-06-25 南通大学 基于bp网络预测的空气源热泵热水系统设计方法
CN111336683B (zh) * 2020-03-10 2021-07-09 南通大学 空气源热泵温度控制系统mpc-pid串级控制方法

Also Published As

Publication number Publication date
JP3356812B2 (ja) 2002-12-16

Similar Documents

Publication Publication Date Title
CA2818394C (en) Control unit with automatic setback capability
JP3356812B2 (ja) 給湯器
JP2007213152A (ja) スケジュール管理システム
JP2522102B2 (ja) 空気調和装置の運転制御装置
JP7319868B2 (ja) 環境構築サポートシステム
JP2002022278A (ja) 給湯器
JPH04131643A (ja) 総合環境創出システム
JPH06235551A (ja) 風呂制御装置
JPH0814592A (ja) シャワー装置
JP2022063195A (ja) 空気調和機
JPH09229463A (ja) ガイダンス表示システム
JPH07322966A (ja) シャワー装置
JP2948961B2 (ja) 空気調節機
JP2022063138A (ja) 空気調和機
JPH07322967A (ja) シャワー装置
JP2005061781A (ja) システムの運転予約制御方法
JPH0593540A (ja) 快適空間制御システム装置
JPH06265190A (ja) 空気調和機
WO2020235100A1 (ja) 端末装置および温度制御システム
JP2022067513A (ja) ふろシステム、サーバ、ふろ機能装置およびプログラム
JPH0599485A (ja) フアジイ空調制御システム
JP7428108B2 (ja) 空気調和機及び空気調和システム
JP7428109B2 (ja) 空気調和機
JP7359197B2 (ja) 空気調和機
US20040220700A1 (en) Comfort thermostat

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees