JPH08327124A - 空気調和装置の制御方法および空気調和装置 - Google Patents

空気調和装置の制御方法および空気調和装置

Info

Publication number
JPH08327124A
JPH08327124A JP7133604A JP13360495A JPH08327124A JP H08327124 A JPH08327124 A JP H08327124A JP 7133604 A JP7133604 A JP 7133604A JP 13360495 A JP13360495 A JP 13360495A JP H08327124 A JPH08327124 A JP H08327124A
Authority
JP
Japan
Prior art keywords
room temperature
deviation
input
amount
outlet temperature
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
Application number
JP7133604A
Other languages
English (en)
Inventor
Morio Hirahara
茂利夫 平原
Tetsuji Yamashita
哲司 山下
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.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP7133604A priority Critical patent/JPH08327124A/ja
Publication of JPH08327124A publication Critical patent/JPH08327124A/ja
Pending legal-status Critical Current

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/021—Inverters therefor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Air Conditioning Control Device (AREA)

Abstract

(57)【要約】 【目的】 ニューラルネットワークと遺伝的アルゴリズ
ムを用いて、設計者の意図する多変数制御器を導入し、
最適設計された空気調和装置の制御方法および空気調和
装置を提供する。 【構成】 設定室温Ｔasと室温Ｔa との偏差、および設
定吹出温度Ｔcsと吹出温度Ｔc との偏差をそれぞれ減算
器１，５で算出するとともに、各偏差の微分値を微分器
３，７で算出し、これらの各偏差および微分値を遺伝的
アルゴリズムを用いたニューラルネットワーク９に入力
して、圧縮機周波数の増加量および室内ファン回転数の
増加量を出力し、該ニューラルネットワーク９の出力を
積分器１５，１７で積分し、各積分値を用いて室温およ
び吹出温度を制御している。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、ニューラルネットワー
クと遺伝的アルゴリズムを用いて、設計者の意図する多
変数制御器を導入し、最適設計された空気調和装置の制
御方法および空気調和装置に関する。
【０００２】
【従来の技術】空気調和装置の室温制御系において、室
温：Ｔa を設定室温：Ｔasと一致させるためには、制御
量をＴa 、操作量を圧縮機周波数：Ｈｚとするフィード
バック制御器が必要である。また、使用者の快適性を考
慮した室温制御器を構築するためには、直接使用者に風
があたる吹出温度および吹出風速を適切に制御しなけれ
ばならないため、上述したＴa −Ｈｚ系室温制御器の他
に、制御量を吹出温度または室内熱交換器温度：Ｔc 、
操作量を室内ファン回転数：ＲＰＭinとする吹出温度制
御器を追加する必要がある。
【０００３】これらの２つの制御器を同時に実現し、相
互干渉を起こさずに消費電力量も少ない最適な制御性を
得るためには、制御量をＴa ，Ｔc 、操作量をＨｚ、Ｒ
ＰＭinとする２入力−２出力系の制御器を設計する必要
がある。
【０００４】
【発明が解決しようとする課題】しかしながら、空気調
和装置の制御系は非線形性が非常に強く、限られた製品
開発期間の中でこの制御器の最適設計を実機試験によっ
て行うことは非常に困難であるため、Ｔa −Ｈｚ系、Ｔ
c −ＲＰＭin系の制御器、すなわち２つの１入力−１出
力系制御器によってこれらの制御を行っているのが現状
である。
【０００５】更に詳しくは、従来の空気調和装置では、
室温、吹出温度、スーパーヒート量等をそれぞれ個別の
制御器で制御しているが、空気調和装置自身の有する能
力を最大限引き出すためには、それぞれの制御器が互い
に協調して制御を行う必要があり、このために多入力−
多出力系制御器を設計する必要があるけれども、この多
入力−多出力系制御器を設計する従来の状態空間法等で
は制御対象システムの詳細なモデル化が必要である上
に、制御性に設計者の意図を反映しにくいという問題が
ある。
【０００６】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、ニューラルネットワークと遺
伝的アルゴリズムを用いて、設計者の意図する多変数制
御器を導入し、最適設計された空気調和装置の制御方法
および空気調和装置を提供することにある。
【０００７】
【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の本発明は、室温センサと設定室温入
力手段を有する空気調和装置において、前記設定室温入
力手段で入力された設定室温と前記室温センサで検知さ
れた室温との偏差を用いた評価関数を有する遺伝的アル
ゴリズムを用いて予め最適学習され、前記設定室温と前
記室温との偏差および該偏差の微分値を入力され、圧縮
機周波数の増加量を出力する階層型ニューラルネットワ
ークを有し、該ニューラルネットワークの出力の積分値
を用いて室温を制御することを要旨とする。
【０００８】請求項２記載の本発明は、請求項１記載の
発明において、前記評価関数として圧縮機周波数の変動
の積算値を使用することを要旨とする。
【０００９】請求項３記載の本発明は、室温センサ、設
定室温入力手段、吹出温度センサ、および設定吹出温度
入力手段を有する空気調和装置において、前記設定室温
入力手段で入力された設定室温と前記室温センサで検知
された室温との偏差および前記設定吹出温度入力手段で
入力された設定吹出温度と前記吹出温度センサで検知さ
れた吹出温度との偏差を用いた評価関数を有する遺伝的
アルゴリズムを用いて予め最適学習され、前記設定室温
と前記室温との偏差および該偏差の微分値および前記設
定吹出温度と前記吹出温度との偏差および該偏差の微分
値を入力され、圧縮機周波数の増加量および室内ファン
回転数の増加量を出力する階層型ニューラルネットワー
クを有し、該ニューラルネットワークの出力の積分値を
用いて室温および吹出温度を制御することを要旨とす
る。
【００１０】請求項４記載の本発明は、請求項３記載の
発明において、前記評価関数として室内ファン回転数の
変動の積算値を使用することを要旨とする。
【００１１】請求項５記載の本発明は、室温センサ、設
定室温入力手段、吹出温度センサ、設定吹出温度入力手
段、スーパーヒート量センサ、および設定スーパーヒー
ト量入力手段を有する空気調和装置において、前記設定
室温入力手段で入力された設定室温と前記室温センサで
検知された室温との偏差、前記設定吹出温度入力手段で
入力された設定吹出温度と前記吹出温度センサで検知さ
れた吹出温度との偏差、および前記設定スーパーヒート
量入力手段で入力された設定スーパーヒート量と前記ス
ーパーヒート量センサで検知されたスーパーヒート量と
の偏差を用いた評価関数を有する遺伝的アルゴリズムを
用いて予め最適学習され、前記設定室温と前記室温との
偏差、該偏差の微分値、前記設定吹出温度と前記吹出温
度との偏差、該偏差の微分値、前記設定スーパーヒート
量と前記スーパーヒート量との偏差および該偏差の微分
値を入力され、圧縮機周波数の増加量、室内ファン回転
数の増加量、およびメカトロ弁開度を出力する階層型ニ
ューラルネットワークを有し、該ニューラルネットワー
クの出力の積分値を用いて室温、吹出温度およびスーパ
ーヒート量を制御することを要旨とする。
【００１２】請求項６記載の本発明は、請求項５記載の
発明において、前記評価関数としてメカトロ弁開度の変
動幅の積算値を使用することを要旨とする。
【００１３】請求項７記載の本発明は、室温センサ、設
定室温入力手段、吹出温度センサ、設定吹出温度入力手
段、スーパーヒート量センサ、設定スーパーヒート量入
力手段、室外熱交換器温度センサ、および設定室外熱交
換器温度入力手段を有する空気調和装置において、前記
設定室温入力手段で入力された設定室温と前記室温セン
サで検知された室温との偏差、前記設定吹出温度入力手
段で入力された設定吹出温度と前記吹出温度センサで検
知された吹出温度との偏差、前記設定スーパーヒート量
入力手段で入力された設定スーパーヒート量と前記スー
パーヒート量センサで検知されたスーパーヒート量との
偏差、前記設定室外熱交換器温度入力手段で入力された
設定室外熱交換器温度と前記室外熱交換器温度との偏差
を用いた評価関数を有する遺伝的アルゴリズムを用いて
予め最適学習され、前記設定室温と前記室温との偏差、
該偏差の微分値、前記設定吹出温度と前記吹出温度との
偏差、該偏差の微分値、前記設定スーパーヒート量と前
記スーパーヒート量との偏差、該偏差の微分値、前記設
定室外熱交換器温度と前記室外熱交換器温度との偏差、
および該偏差の微分値を入力され、圧縮機周波数の増加
量、室内ファン回転数の増加量、メカトロ弁開度、およ
び室外ファン回転数を出力する階層型ニューラルネット
ワークを有し、該ニューラルネットワークの出力の積分
値を用いて室温、吹出温度、スーパーヒート量、室外熱
交換器温度を制御することを要旨とする。
【００１４】請求項８記載の本発明は、快適感演算手段
と設定快適感入力手段を有する空気調和装置において、
前記設定快適感入力手段で入力された設定快適感と前記
快適感演算手段で演算された快適感との偏差を用いた評
価関数を有する遺伝的アルゴリズムを用いて予め最適学
習され、前記設定快適感と前記演算された快適感との偏
差および該偏差の微分値を入力され、圧縮機周波数の増
加量および室内ファン回転数の増加量を出力する階層型
ニューラルネットワークを有し、該ニューラルネットワ
ークの出力の積分値を用いて空気調和系を制御すること
を要旨とする。
【００１５】請求項９記載の本発明は、室温センサと設
定室温入力手段を有する空気調和装置において、前記設
定室温入力手段で入力された設定室温と前記室温センサ
で検知された室温との偏差を用いた評価関数を有する遺
伝的アルゴリズムを用いて予め最適学習され、前記設定
室温と前記室温との偏差および該偏差の微分値を入力さ
れ、圧縮機周波数の増加量を出力する階層型ニューラル
ネットワークと、該ニューラルネットワークの出力を積
分する積分器と、該積分器の積分値を用いて室温を制御
するエアコン手段とを有することを要旨とする。
【００１６】請求項１０記載の本発明は、室温センサ、
設定室温入力手段、吹出温度センサ、および設定吹出温
度入力手段を有する空気調和装置において、前記設定室
温入力手段で入力された設定室温と前記室温センサで検
知された室温との偏差および前記設定吹出温度入力手段
で入力された設定吹出温度と前記吹出温度センサで検知
された吹出温度との偏差を用いた評価関数を有する遺伝
的アルゴリズムを用いて予め最適学習され、前記設定室
温と前記室温との偏差および該偏差の微分値および前記
設定吹出温度と前記吹出温度との偏差および該偏差の微
分値を入力され、圧縮機周波数の増加量および室内ファ
ン回転数の増加量を出力する階層型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出力を積分する積
分器と、該積分器の積分値を用いて室温および吹出温度
を制御するエアコン手段とを有することを要旨とする。
【００１７】請求項１１記載の本発明は、室温センサ、
設定室温入力手段、吹出温度センサ、設定吹出温度入力
手段、スーパーヒート量センサ、および設定スーパーヒ
ート量入力手段を有する空気調和装置において、前記設
定室温入力手段で入力された設定室温と前記室温センサ
で検知された室温との偏差、前記設定吹出温度入力手段
で入力された設定吹出温度と前記吹出温度センサで検知
された吹出温度との偏差、および前記設定スーパーヒー
ト量入力手段で入力された設定スーパーヒート量と前記
スーパーヒート量センサで検知されたスーパーヒート量
との偏差を用いた評価関数を有する遺伝的アルゴリズム
を用いて予め最適学習され、前記設定室温と前記室温と
の偏差、該偏差の微分値、前記設定吹出温度と前記吹出
温度との偏差、該偏差の微分値、前記設定スーパーヒー
ト量と前記スーパーヒート量との偏差および該偏差の微
分値を入力され、圧縮機周波数の増加量、室内ファン回
転数の増加量、およびメカトロ弁開度を出力する階層型
ニューラルネットワークと、該ニューラルネットワーク
の出力を積分する積分器と、該積分器の積分値を用いて
室温、吹出温度およびスーパーヒート量を制御するエア
コン手段とを有することを要旨とする。
【００１８】請求項１２記載の本発明は、室温センサ、
設定室温入力手段、吹出温度センサ、設定吹出温度入力
手段、スーパーヒート量センサ、設定スーパーヒート量
入力手段、室外熱交換器温度センサ、および設定室外熱
交換器温度入力手段を有する空気調和装置において、前
記設定室温入力手段で入力された設定室温と前記室温セ
ンサで検知された室温との偏差、前記設定吹出温度入力
手段で入力された設定吹出温度と前記吹出温度センサで
検知された吹出温度との偏差、前記設定スーパーヒート
量入力手段で入力された設定スーパーヒート量と前記ス
ーパーヒート量センサで検知されたスーパーヒート量と
の偏差、前記設定室外熱交換器温度入力手段で入力され
た設定室外熱交換器温度と前記室外熱交換器温度との偏
差を用いた評価関数を有する遺伝的アルゴリズムを用い
て予め最適学習され、前記設定室温と前記室温との偏
差、該偏差の微分値、前記設定吹出温度と前記吹出温度
との偏差、該偏差の微分値、前記設定スーパーヒート量
と前記スーパーヒート量との偏差、該偏差の微分値、前
記設定室外熱交換器温度と前記室外熱交換器温度との偏
差、および該偏差の微分値を入力され、圧縮機周波数の
増加量、室内ファン回転数の増加量、メカトロ弁開度、
および室外ファン回転数を出力する階層型ニューラルネ
ットワークと、該ニューラルネットワークの出力を積分
する積分器と、該積分器の積分値を用いて室温、吹出温
度、スーパーヒート量、室外熱交換器温度を制御するエ
アコン手段とを有することを要旨とする。
【００１９】請求項１３記載の本発明は、快適感演算手
段と設定快適感入力手段を有する空気調和装置におい
て、前記設定快適感入力手段で入力された設定快適感と
前記快適感演算手段で演算された快適感との偏差を用い
た評価関数を有する遺伝的アルゴリズムを用いて予め最
適学習され、前記設定快適感と前記演算された快適感と
の偏差および該偏差の微分値を入力され、圧縮機周波数
の増加量および室内ファン回転数の増加量を出力する階
層型ニューラルネットワークと、該ニューラルネットワ
ークの出力を積分する積分器と、該積分器の積分値を用
いて空調制御を行うエアコン手段とを有することを要旨
とする。
【００２０】
【作用】請求項１記載の本発明にあっては、設定室温と
室温との偏差を用いた評価関数を有する遺伝的アルゴリ
ズムを用いて予め最適学習するニューラルネットワーク
において設定室温と室温との偏差、該偏差の微分値を入
力して、圧縮機周波数の増加量を出力し、該ニューラル
ネットワークの出力の積分値を用いて室温を制御してい
る。
【００２１】請求項２記載の本発明にあっては、評価関
数として圧縮機周波数の変動の積算値を使用している。
【００２２】請求項３記載の本発明にあっては、設定室
温と室温との偏差、設定吹出温度と吹出温度との偏差を
用いた評価関数を有する遺伝的アルゴリズムを用いて予
め最適学習するニューラルネットワークにおいて設定室
温と室温との偏差、該偏差の微分値、設定吹出温度と吹
出温度との偏差、該偏差の微分値を入力して、圧縮機周
波数の増加量および室内ファン回転数の増加量を出力
し、該ニューラルネットワークの出力の積分値を用いて
室温および吹出温度を制御している。
【００２３】請求項４記載の本発明にあっては、評価関
数として室内ファン回転数の変動の積算値を使用してい
る。
【００２４】請求項５記載の本発明にあっては、設定室
温と室温との偏差、設定吹出温度と吹出温度との偏差、
設定スーパーヒート量とスーパーヒート量との偏差を用
いた評価関数を有する遺伝的アルゴリズムを用いて予め
最適学習するニューラルネットワークにおいて設定室温
と室温との偏差、該偏差の微分値、設定吹出温度と吹出
温度との偏差、該偏差の微分値、設定スーパーヒート量
とスーパーヒート量との偏差、該偏差の微分値を入力し
て、圧縮機周波数の増加量、室内ファン回転数の増加
量、メカトロ弁開度を出力し、該ニューラルネットワー
クの出力の積分値を用いて室温、吹出温度およびスーパ
ーヒート量を制御している。
【００２５】請求項６記載の本発明にあっては、評価関
数としてメカトロ弁開度の変動幅の積算値を使用してい
る。
【００２６】請求項７記載の本発明にあっては、設定室
温と室温との偏差、設定吹出温度と吹出温度との偏差、
設定スーパーヒート量とスーパーヒート量との偏差、設
定室外熱交換器温度と室外熱交換器温度との偏差を用い
た評価関数を有する遺伝的アルゴリズムを用いて予め最
適学習するニューラルネットワークにおいて設定室温と
室温との偏差、該偏差の微分値、設定吹出温度と吹出温
度との偏差、該偏差の微分値、設定スーパーヒート量と
スーパーヒート量との偏差、該偏差の微分値、設定室外
熱交換器温度と室外熱交換器温度との偏差、該偏差の微
分値を入力して、圧縮機周波数の増加量、室内ファン回
転数の増加量、メカトロ弁開度、室外ファン回転数を出
力し、該ニューラルネットワークの出力の積分値を用い
て室温、吹出温度、スーパーヒート量、室外熱交換器温
度を制御している。
【００２７】請求項８記載の本発明にあっては、設定快
適感と快適感との偏差を用いた評価関数を有する遺伝的
アルゴリズムを用いて予め最適学習するニューラルネッ
トワークにおいて設定快適感と快適感との偏差、該偏差
の微分値を入力し、圧縮機周波数の増加量、室内ファン
回転数の増加量を出力し、該ニューラルネットワークの
出力の積分値を用いて空気調和系を制御している。
【００２８】請求項９記載の本発明にあっては、設定室
温と室温との偏差を用いた評価関数を有する遺伝的アル
ゴリズムを用いて予め最適学習するニューラルネットワ
ークにおいて設定室温と室温との偏差および該偏差の微
分値を入力して、圧縮機周波数の増加量を出力し、該ニ
ューラルネットワークの出力の積分値を用いて室温を制
御している。
【００２９】請求項１０記載の本発明にあっては、設定
室温と前記室温センサで検知された室温との偏差、設定
吹出温度と吹出温度との偏差を用いた評価関数を有する
遺伝的アルゴリズムを用いて予め最適学習するニューラ
ルネットワークにおいて設定室温と室温との偏差、該偏
差の微分値、設定吹出温度と吹出温度との偏差、該偏差
の微分値を入力して、圧縮機周波数の増加量、室内ファ
ン回転数の増加量を出力し、該ニューラルネットワーク
の出力の積分値を用いて室温および吹出温度を制御して
いる。
【００３０】請求項１１記載の本発明にあっては、設定
室温と室温との偏差、設定吹出温度と吹出温度との偏
差、設定スーパーヒート量とスーパーヒート量との偏差
を用いた評価関数を有する遺伝的アルゴリズムを用いて
予め最適学習するニューラルネットワークにおいて設定
室温と室温との偏差、該偏差の微分値、設定吹出温度と
吹出温度との偏差、該偏差の微分値、設定スーパーヒー
ト量とスーパーヒート量との偏差、該偏差の微分値を入
力して、圧縮機周波数の増加量、室内ファン回転数の増
加量、メカトロ弁開度を出力し、該ニューラルネットワ
ークの出力の積分値を用いて室温、吹出温度およびスー
パーヒート量を制御している。
【００３１】請求項１２記載の本発明にあっては、設定
室温と室温との偏差、設定吹出温度と吹出温度との偏
差、設定スーパーヒート量とスーパーヒート量との偏
差、設定室外熱交換器温度と室外熱交換器温度との偏差
を用いた評価関数を有する遺伝的アルゴリズムを用いて
予め最適学習するニューラルネットワークにおいて設定
室温と室温との偏差、該偏差の微分値、設定吹出温度と
吹出温度との偏差、該偏差の微分値、設定スーパーヒー
ト量とスーパーヒート量との偏差、該偏差の微分値、設
定室外熱交換器温度と室外熱交換器温度との偏差、該偏
差の微分値を入力して、圧縮機周波数の増加量、室内フ
ァン回転数の増加量、メカトロ弁開度、室外ファン回転
数を出力し、該ニューラルネットワークの出力の積分値
を用いて室温、吹出温度、スーパーヒート量、室外熱交
換器温度を制御している。
【００３２】請求項１３記載の本発明にあっては、設定
快適感と快適感との偏差を用いた評価関数を有する遺伝
的アルゴリズムを用いて予め最適学習するニューラルネ
ットワークにおいて設定快適感と快適感との偏差、該偏
差の微分値を入力して、圧縮機周波数の増加量および室
内ファン回転数の増加量を出力し、該ニューラルネット
ワークの出力の積分値を用いて空調制御を行っている。
【００３３】
【実施例】以下、図面を用いて本発明の実施例を説明す
る。
【００３４】図１は、本発明の実施例１に係わる空気調
和装置の構成を示す図である。同図に示す空気調和装置
は、ニューラルネットワークおよび遺伝的アルゴリズム
を用いて、室温および吹出温度を制御する２入力−２出
力系フィードバック制御器、すなわち制御量を室温
Ｔa 、吹出温度Ｔc とし、操作量を圧縮機周波数Ｈｚ、
室内ファン回転数ＲＰＭinとして、室温Ｔa および吹出
温度Ｔc をそれぞれ設定室温Ｔasおよび設定吹出温度Ｔ
csに一致させるＴa ，Ｔc −Ｈｚ，ＲＰＭinの２入力−
２出力系制御器を構成するものである。なお、本実施例
および以下に説明する各実施例では、吹出温度Ｔc を使
用して説明するが、この吹出温度の代わりに室内熱交換
器温度Ｔc を使用してもよいものである。
【００３５】更に詳しくは、図１に示す空気調和装置
は、図示しない室温センサ、設定室温入力手段、吹出温
度検知センサ、および設定吹出温度入力手段を有する周
波数可変式の空気調和装置であって、室温センサで検知
された室温Ｔa と設定室温入力手段から入力される設定
室温Ｔasとの偏差を減算器１で算出し、この偏差を微分
器３で時間微分して微分値（ディジタル制御では、差分
値）を算出するとともに、また吹出温度センサで検知さ
れた吹出温度Ｔc と設定吹出温度入力手段で入力された
設定吹出温度Ｔcsとの偏差を減算器５で算出し、この偏
差を微分器７で時間微分して微分値を算出している。
【００３６】このように算出された各偏差値および各微
分値は、階層型ニューラルネットワーク９に入力され、
ニューラルネットワーク９は、これらの各入力からそれ
ぞれの操作量の変化量、すなわち圧縮機周波数Ｈｚおよ
び室内ファン回転数ＲＰＭinの変化量を出力する。これ
らの各出力はそれぞれ比例ゲイン１１，１３を乗算さ
れ、積分器１５，１７で積分されて、圧縮機周波数Ｈｚ
および室内ファン回転数ＲＰＭinとしてエアコン／環境
系１９に入力され、これにより室温Ｔa および吹出温度
Ｔc がそれぞれ設定室温Ｔasおよび設定吹出温度Ｔcsに
一致するように制御されている。
【００３７】上述したニューラルネットワーク５は、特
性関数に、
【数１】 ｆ（ｘ）＝１／｛１＋ｅｘｐ（−ｘ）｝ （１） のシグモイド関数を用いた多入力−１出力のユニット
（ニューロン）を用い、前層のすべてのユニットと結合
しており、層内結合を持たないネットワークである。ユ
ニット結合間には、結合の強さを表す“結合荷重：ｗ”
が存在し、あるユニットの出力は、前層のすべての出力
値にそれぞれの結合荷重を乗じ、その値を入力とする特
性関数値を出力する。すなわち、ｉ層ｊ番目のユニット
の出力値をｙi,j とすると、
【数２】 によって計算され出力される。
【００３８】ニューラルネットワークにおける、学習と
は式（２）におけるユニット間の結合荷重：ｗを、その
問題に即した適切な値に設定することである。一般に階
層型ニューラルネットワークの学習方法として教師信号
を用いた“バックプロパゲーション・アルゴリズム（誤
差逆伝播法）”が用いられることが多いが、本対象の場
合教師信号である、最適制御を行う制御量を他の方法で
算出することが難しいため、これを容易に適用すること
ができない。
【００３９】そこで本発明では、図２に示すように“遺
伝的アルゴリズム（ＧＡ）”を用いて、この多変数制御
器用ニューラルネットワークの学習を行う。
【００４０】まず、ニューラルネットワークの結合荷重
をＧＡの遺伝子としてコーディングする。例えば、結合
荷重を１次元のビット列に置き換えたり、あるいは、階
層構造を持つネットワーク構造の各々の階層ごとに、１
次元のビット列に置き換え、全体として２次元のビット
列にコーディングを行う。
【００４１】そして、学習初期に一様乱数を用いて第一
世代の遺伝子集団を発生させ、これに基づいて制御シミ
ュレーションを行う。次に、この制御シミュレーション
の結果に基づいて、遺伝子としてコーディングされたニ
ューラルネットワーク結合荷重の評価を、次に説明する
空気調和装置特有の評価関数を用いて環境への適合度を
計算し、この適合度を用いて、ＧＡオペレーションであ
る“交叉”、“突然変異”、“淘汰”等を繰り返し、環
境に（評価関数）適合した、最適なニューラルネットワ
ークの結合荷重を生成することができる。
【００４２】図３、図４、図５に本実施例で使用する評
価関数の説明図を示し、その詳細を以下に説明する。
【００４３】
【数３】
【数４】 以上の評価関数に対して以下のように全体の評価関数：
Ｊを統合し、その遺伝子に対する適合度とする。
【００４４】
【数５】 Ｊ＝ｗ1 ・ＪTa＋ｗ2 ・ＪHz＋ｗ3 ・ＪTc＋ｗ4 ・ＪRPMin ＋ｗ5 ・ＪW （８） ただし、ｗ1 〜ｗ5 は評価関数の結合荷重であり、これ
らを調整することにより設計者の意図する制御性を満足
する最適多変数非線形制御器が安価に自動生成すること
ができる。
【００４５】上述した実施例１では、図６に示すよう
に、Ｔa ，Ｔc −−Ｈｚ，ＲＰＭin系の２入力−２出力
非線形制御器が安価に自動生成することができ、相互干
渉の無い室温制御および吹出温度制御が可能である。よ
って、ドラフト感が無く、快適な空調環境を使用者に提
供することができる。また、評価関数に消費電力を考慮
することにより、制御性に関する無駄なエネルギ消費を
防ぐことができ、最低消費電力で目的の室温および吹出
温度を得ることができる。
【００４６】次に、本発明の実施例２について説明す
る。図７は、実施例２の空気調和装置の構成を示す図で
ある。同図に示す空気調和装置は、図１に示した実施例
１の室温Ｔa および吹出温度Ｔc に加えて、スーパーヒ
ート量ＳＨを導入し、制御量を室温Ｔa 、吹出温度
Ｔc 、スーパーヒート量ＳＨとし、操作量を圧縮機周波
数Ｈｚ、室内ファン回転数ＲＰＭin、メカトロ弁開度Ｐ
ulseとして、室温Ｔa 、吹出温度Ｔc 、スーパーヒート
量ＳＨをそれぞれ設定室温Ｔas、設定吹出温度Ｔcs、設
定スーパーヒート量ＳＨに一致させるＴa ，Ｔc ，ＳＨ
−Ｈｚ，ＲＰＭin，Ｐulseの３入力−３出力系制御器を
構成するものであり、スーパーヒート量ＳＨの制御関係
の追加に伴い、減算器２１、微分器２３、比例ゲイン２
５、積分器２７が追加されるとともに、ニューラルネッ
トワーク９１、エアコン／環境系１９１に変更されてい
る。
【００４７】更に具体的に説明すると、空気調和装置の
絞りに電子膨張弁を用いる場合、通常、制御量を ＳＨ＝Ｔs −Ｔev （９） で表されるスーパーヒート量：ＳＨ、操作量をメカトロ
弁開度：Ｐulseとし、ＳＨを設定スーパーヒート量：Ｓ
Ｈs と一致させるようにフィードバック制御を行う。た
だし、Ｔs ：サクションカップ温度、Ｔev：蒸発温度を
表す。
【００４８】しかしながら、冷媒の蒸発温度は冷房時に
おいて、Ｔev＝Ｔc であり、また、メカトロ弁開度によ
り空気調和装置の能力も変化するので、ＳＨ−−Ｐulse
系の制御器と実施例１記載の制御器とを同時に行うと、
明らかに相互干渉を起こし、ハンチング等を引き起こ
し、制御性が悪化する。
【００４９】そこで本実施例では、これらの制御系を１
つにまとめ、Ｔa ，Ｔc ，ＳＨ−−Ｈｚ，ＲＰＭin，Ｐ
ulse系の３入力−３出力制御器として、実施例１と同様
に制御器を構成する。
【００５０】実施例２特有の評価関数を図８に示し、以
下に説明を加える。
【００５１】
【数６】 以上の評価関数と実施例１記載の評価関数をすべて、
【数７】 Ｊ＝ｗ1 ・ＪTa＋ｗ2 ・ＪHz＋ｗ3 ・ＪTc＋ｗ4 ・ＪRPMin ＋ｗ5 ・ＪSH＋ｗ6 ・ＪPulse ＋ｗ7 ・ＪW （１２） のように統合して、各遺伝子の評価関数とする。
【００５２】上述した実施例２では、図９に示すよう
に、Ｔa ，Ｔc ，ＳＨ−−Ｈｚ，ＲＰＭin，Ｐulse系の
３入力−３出力非線形制御器が安価に自動生成すること
ができ、相互干渉の無い室温制御、吹出温度制御および
スーパーヒート制御が可能である。よって、ドラフト感
が無く、快適な空調環境を使用者に提供することができ
る。また、評価関数に消費電力を考慮することにより、
制御性に関する無駄なエネルギ消費を防ぐことができ、
最低消費電力で目的の室温、吹出温度およびスーパーヒ
ート量を得ることができる。
【００５３】次に、本発明の実施例３について説明す
る。図１０は、実施例３の空気調和装置の構成を示す図
である。同図に示す空気調和装置は、図７に示した実施
例２に加えて、室外熱交換器温度Ｔe を導入し、制御量
を室温Ｔa 、吹出温度Ｔc 、スーパーヒート量ＳＨ、室
外熱交換器温度Ｔe とし、操作量を圧縮機周波数Ｈｚ、
室内ファン回転数ＲＰＭin、メカトロ弁開度Ｐulse、室
外ファン回転数ＲＰＭou t として、室温Ｔa 、吹出温度
Ｔc 、スーパーヒート量ＳＨ、室外熱交換器温度Ｔe を
それぞれ設定室温Ｔas、設定吹出温度Ｔcs、設定スーパ
ーヒート量ＳＨs、設定室外熱交換器温度Ｔesに一致さ
せるＴa ，Ｔc ，ＳＨ，Ｔe −Ｈｚ，ＲＰＭin，Ｐuls
e，ＲＰＭout の４入力−４出力系制御器を構成するも
のであり、室外熱交換器温度Ｔe の制御関係の追加伴
い、減算器２９、微分器３１、比例ゲイン３３、積分器
３５が追加されるとともに、ニューラルネットワーク９
２、エアコン／環境系１９２に変更されている。
【００５４】更に具体的に説明すると、空気調和装置の
最適なマッチング（最大をＣＯＰ運転）を実現するため
には、実施例２記載の制御系の他に、制御量を室外熱交
換器温度：Ｔe 、操作量を室外ファン回転数：ＲＰＭ
out とし、Ｔe と設定室外熱交換器温度Ｔesとを一致さ
せるように設計された室外熱交換器温度器を追加する必
要がある。しかし、実施例２記載のＴa ，Ｔc ，ＳＨ−
−Ｈｚ，ＲＰＭin，Ｐulse系制御器と、Ｔe −−ＲＰＭ
out 系制御器を個別に実装すると、それぞれの制御量が
相互干渉を起こし、ハンチングを引き起こし、安定した
制御を実現できない恐れがある。
【００５５】そこで、これらの制御器を図１０に示すよ
うに“Ｔa ，Ｔc ，ＳＨ，Ｔe −−Ｈｚ，ＲＰＭin，Ｐ
ulse，ＲＰＭout ”系の４入力−４出力系として考え、
実施例２と同様な手法により、この制御器の設計を行
う。
【００５６】実施例３特有の評価関数を図１１に示し、
以下に説明を加える。
【００５７】
【数８】 以上の評価関数と実施例２記載の評価関数をすべて、
【数９】 Ｊ＝ｗ1 ・ＪTa＋ｗ2 ・ＪHz＋ｗ3 ・ＪTc＋ｗ4 ・ＪRPMin ＋ｗ5 ・ＪSH＋ｗ6 ・ＪPulse ＋ｗ7 ・ＪTe＋ｗ8 ・ＪRPMout＋ｗ9 ・ＪW （１５） のように統合して、各遺伝子の評価関数とする。
【００５８】上述した実施例３では、図１２に示すよう
に、Ｔa ，Ｔc ，ＳＨ，Ｔe −−Ｈｚ，ＲＰＭin，Ｐul
se，ＲＰＭout 系の４入力−４出力非線形制御器が安価
に自動生成することができ、相互干渉の無い室温制御、
吹出温度制御、スーパーヒート制御および室外熱交換器
温度制御が可能である。よって、ドラフト感が無く、快
適な空調環境を使用者に提供することができる。また、
評価関数に消費電力を考慮することにより、制御性に関
する無駄なエネルギ消費を防ぐことができ、最低消費電
力で目的の室温、吹出温度、スーパーヒート量および室
外熱交換器温度を得ることができ、いかなる環境下にお
いても最大効率（ＣＯＰ）運転を行うことができる。
【００５９】次に、本発明の実施例４について説明す
る。図１３は、実施例４の空気調和装置の構成を示す図
である。同図に示す空気調和装置は、使用者の快適感Ｐ
ＭＶを導入し、制御量を快適感ＰＭＶとし、操作量を圧
縮機周波数Ｈｚ、室内ファン回転数ＲＰＭinとして、快
適感ＰＭＶを設定快適感ＰＭＶs に一致させるＰＭＶ−
Ｈｚ，ＲＰＭinの１入力−２出力系制御器を構成するも
のであり、快適感ＰＭＶと設定快適感ＰＭＶs との偏差
を算出する減算器３９、この偏差の時間微分を演算する
微分器４１、比例ゲイン１１，１３、積分器１５，１
７、エアコン／環境系１９、および快適感ＰＭＶを演算
するＰＭＶ演算手段３７を有する。
【００６０】更に具体的に説明すると、従来の空気調和
装置は一般的に室温を設定室温に保つことによって、使
用者の快適感を満足させようとしてきた。しかし、使用
者の快適感を決定する要素としては室温だけではなく、
湿度、輻射等の要素をも含んでいる。そこで、実施例４
では図１３に示すように、使用者の快適感として、多く
用いられている“ＰＭＶ値”を制御量、空気調和装置に
おいてＰＭＶ値を変化させるために重要な要素である圧
縮機周波数、室内ファン回転数を操作量とした“ＰＭＶ
−−Ｈｚ，ＲＰＭin”系の１入力−２出力系として考
え、実施例１と同様な手法により、この制御器の設計を
行う。
【００６１】本実施例において、ＰＭＶ値の算出には、
例えば図１４に示すように、空気調和装置に具備した、
室温検出手段、室内湿度検出手段、輻射温度検出手段、
気流速度検出手段、着衣量検出手段、活動量検出手段に
より得られた値より、ＰＭＶ演算手段によってリアルタ
イムにＰＭＶ値の演算を行う。あるいは、空気調和装置
に標準的な状態検出手段と、操作量よりＰＭＶ値を推測
し、予め定められたテーブルを参照することによって、
ＰＭＶ値を得てもよい。
【００６２】実施例４特有の評価関数を図１５に示し、
以下に説明を加える。
【００６３】
【数１０】 ただし、ＰＭＶs は設定ＰＭＶ値を表す。この評価関数
と実施例１記載のＪHz，ＪRPMin ，ＪW を、
【数１１】 Ｊ＝ｗ1 ・ＪPMV ＋ｗ2 ・ＪHz＋ｗ3 ＋ＪRPMin ＋ｗ4 ・ＪW （１７） のように統合して、各遺伝子の適合度を計算する。
【００６４】上述した実施例４では、図１６に示すよう
に、ＰＭＶ−−Ｈｚ，ＲＰＭin系の１入力−２出力非線
形制御器を安価に自動生成することができ、相互干渉の
無いＰＭＶ（快適感）制御器が可能である。よって、ド
ラフト感が無く、快適な空調環境を使用者に提供するこ
とができる。また、評価関数に消費電力を考慮すること
により、制御性に関する無駄なエネルギ消費を防ぐこと
ができ、最低消費電力で目的の快適感（ＰＭＶ値）を実
現することができる。
【００６５】次に、本発明の実施例５について説明す
る。図１７は、実施例５の空気調和装置の構成を示す図
である。同図に示す空気調和装置は、図１３に示したＰ
ＭＶを導入した実施例４に対して図１０の実施例３で導
入したスーパーヒート量ＳＨおよび室外熱交換器温度Ｔ
e を追加したものであり、制御量を快適感ＰＭＶ、スー
パーヒート量ＳＨ、室外熱交換器温度Ｔe とし、操作量
を圧縮機周波数Ｈｚ、室内ファン回転数ＲＰＭin、メカ
トロ弁開度Ｐulse、室外ファン回転数ＲＰＭoutとし
て、快適感ＰＭＶ、スーパーヒート量ＳＨ、室外熱交換
器温度Ｔe をそれぞれ設定快適感ＰＭＶs 、設定スーパ
ーヒート量ＳＨs 、設定室外熱交換器温度Ｔesに一致さ
せるＰＭＶ，ＳＨ，Ｔe −Ｈｚ，ＲＰＭin，Ｐulse，Ｒ
ＰＭout の３入力−４出力系制御器を構成するものであ
り、減算器３９，２１，２９、微分器４１，２３，３
１、ニューラルネットワーク９４、比例ゲイン１１，１
３，２５，３３、積分器１５，１７，２７，３５、エア
コン／環境系１９２、ＰＭＶ演算手段３７を有する。
【００６６】すなわち、図１７に示す実施例５は、実施
例４のＰＭＶ制御の構成に、最適冷凍サイクル制御の要
素をつけ加えるために、実施例３の要素を追加して、
“ＰＭＶ，ＳＨ，Ｔe −−Ｈｚ，ＲＰＭin，Ｐulse，Ｒ
ＰＭout 系の３入力−４出力の制御器と考え、実施例１
と同様の手法によりこの制御器の設計を行う。
【００６７】評価関数は、この制御器構成に関係ある前
実施例記載の、ＪPMV ，ＪHz，ＪRP Min ，ＪSH，Ｊ
Pulse ，ＪTe，ＪRPMout，ＪW を、
【数１２】 Ｊ＝ｗ1 ・ＪPMV ＋ｗ2 ・ＪHz＋ｗ3 ・ＪRPMin ＋ｗ4 ・ＪSH＋ｗ5 ・ＪPulse ＋ｗ6 ・ＪTe＋ｗ7 ・ＪRPMout＋ｗ8 ・ＪW （１８） のように統合して、各遺伝子の評価関数とする。
【００６８】上述した実施例５では、図１８に示すよう
に、ＰＭＶ，ＳＨ，Ｔe −−Ｈｚ，ＲＰＭin，Ｐulse，
ＲＰＭout 系の３入力−４出力非線形制御器を安価に自
動生成することができ、相互干渉の無いＰＭＶ（快適
感）制御器が可能である。よって、ドラフト感が無く、
快適な空調環境を使用者に提供することができる。ま
た、評価関数に消費電力を考慮することにより、制御性
に関する無駄なエネルギ消費を防ぐことができ、最低消
費電力で、目的の快適感（ＰＭＶ値）を実現することが
できる。また、いかなる環境下においても最大効率（Ｃ
ＯＰ）で運転することができる。
【００６９】次に、本発明の実施例６について説明す
る。実施例６は、前記実施例１〜実施例５の遺伝的アル
ゴリズム（ＧＡ）によるニューラルネットワークの学習
における図２に示した制御シミュレーションにおいて、
少なくとも、 １．外乱として、途中で設定量を変化させた制御シミュ
レーションによって、遺伝子（ニューラルネットワーク
の統合荷重）を評価する。
【００７０】２．設定温度の異なる複数の条件の制御シ
ミュレーションによって、遺伝子（ニューラルネットワ
ークの統合荷重）を評価する。
【００７１】３．空調負荷条件の異なる複数のモデルを
用いた制御シミュレーションによって、遺伝子（ニュー
ラルネットワークの統合荷重）を評価する。
【００７２】の何れかの評価方法を用いて学習を行う。
【００７３】本発明において、単一の制御シミュレーシ
ョンモデル、シミュレーション条件下のみで適合度を計
算すると、その条件のみ最適化された解を求めることに
なり、非常にピーキーな制御器となってしまう恐れがあ
る。そこで、前述のように制御シミュレーションに外乱
を加えることによって、汎用性のある、すなわちロバス
ト性を有する多入力−多出力非線形制御器を構築するこ
とが可能になる。
【００７４】上述した実施例６では、図１９に示すよう
に、単一の制御シミュレーションを用いて設計した制御
器に比べて、空調負荷変化に対する制御器のロバスト性
を向上させ、如何なる環境下においても安定した制御が
行える。
【００７５】次に、本発明の実施例７について説明す
る。図２０は、実施例７の空気調和装置の構成を示す図
である。同図に示す空気調和装置は、石油またはガスを
燃料として燃焼させて、室内空気を加熱し、ファンによ
って加熱空気を室内に供給する暖房装置によって使用者
の快適性を考慮した室温制御を行うものであり、制御量
を室温Ｔa 、吹出温度Ｔc とし、操作量を燃料流量ｑ、
ファン回転数ＲＰＭとして、室温Ｔa および吹出温度Ｔ
c をそれぞれ設定室温Ｔasおよび設定吹出温度Ｔcsに一
致させるＴa ，Ｔc −ｑ，ＲＰＭの２入力−２出力系制
御器を構成するものであり、減算器１，５、微分器３，
７、ニューラルネットワーク９５、比例ゲイン３７，１
３、積分器３９，１７、ファンヒータ／環境系４１を有
する。この系も実施例１−５と同様に干渉系であるの
で、実施例１と同様の手法により室温制御を行う。
【００７６】図２１、図２２に本実施例の評価関数の模
式図を示し、以下にその詳細について説明する。
【００７７】
【数１３】 以上の評価関数と、実施例１で説明した消費電力に関す
る評価関数：ＪW に対して以下のように全体の評価関
数：Ｊを統合し、その遺伝子に対する適合度とする。
【００７８】
【数１４】 Ｊ＝ｗ1 ・ＪTa＋ｗ2 ・Ｊq ＋ｗ3 ・ＪTc＋ｗ4 ・ＪRPM ＋ｗ5 ・ＪQ ＋ｗ6 ・ＪW （２４） ただし、ｗ1 〜ｗ6 は評価関数の統合荷重であり、これ
らを調整することにより設計者の意図する制御性を満足
する最適多変数非線形制御器が安価に自動生成すること
ができる。
【００７９】上述した実施例７では、図２３に示すよう
に、Ｔa ，Ｔc −−ｑ，ＲＰＭ系の２入力−２出力非線
形制御器が安価に自動生成することができ、相互干渉の
無い室温制御および吹出温度制御が可能である。よっ
て、ドラフト感が無く、快適な空調環境を使用者に提供
することができる。また、評価関数に燃料消費量および
消費電力を考慮することにより、制御性に関する無駄な
エネルギ消費を防ぐことができ、最低消費電力で、目的
の室温および吹出温度を得ることができる。
【００８０】次に、本発明の実施例８について説明す
る。図２４は、実施例８の空気調和装置の構成を示す図
である。同図に示す空気調和装置は、図２０の実施例７
において図１３の実施例４と同様に使用者の快適感ＰＭ
Ｖを導入し、制御量を快適感ＰＭＶとし、操作量を燃料
流量ｑ、ファン回転数ＲＰＭとして、快適感ＰＭＶを設
定快適感ＰＭＶs に一致させるＰＶＭ−ｑ，ＲＰＭの１
入力−２出力系制御器を構成するものであり、快適感Ｐ
ＭＶと設定快適感ＰＭＶs との偏差を算出する減算器３
９、この偏差の時間微分を演算する微分器４１、比例ゲ
イン３７，１３、積分器３９，１７、ファンヒータ／環
境系４１、および快適感ＰＭＶを演算するＰＭＶ演算手
段４３を有する。
【００８１】更に具体的に説明すると、暖房装置におい
ても一般的に室温を設定室温に保つことによって、使用
者の快適感を満足させようとしてきた。しかし、使用者
の快適感を決定する要素としては室温だけではなく、湿
度、輻射等の要素をも含んでいる。そこで、実施例８で
は図２４に示すように、使用者の快適感として、多く用
いられている“ＰＭＶ値”を制御量、暖房装置において
ＰＭＶ値を変化させるために重要な要素である燃料流
量、ファン回転数を操作量とした“ＰＭＶ−−ｑ，ＲＰ
Ｍ”系の１入力−２出力系として考え、実施例１と同様
な手法により、この制御器の設計を行う。
【００８２】本実施例において、ＰＭＶ値の算出には、
例えば実施例４の図１４に示すように、暖房装置に具備
した室温検出手段、室内湿度検出手段、輻射温度検出手
段、気流速度検出手段、着衣量検出手段、活動量検出手
段により得られた値より、ＰＭＶ演算手段によってリア
ルタイムにＰＭＶ値の演算を行う。あるいは、空気調和
装置に標準的な状態検出手段と、操作量よりＰＭＶ値を
推測し、予め定められたテーブルを参照することによっ
て、ＰＭＶ値を得てもよい。
【００８３】実施例８特有の評価関数を図２５に示し、
以下に説明を加える。
【００８４】
【数１５】 ただし、ＰＭＶs は設定ＰＭＶ値を表す。この評価関数
と実施例７記載のＪq ，ＪRPM ，ＪQ と、実施例１記載
のＪW を、
【数１６】 Ｊ＝ｗ1 ・ＪPMV ＋ｗ2 ・Ｊq ＋ｗ3 ・ＪRPM ＋ｗ4 ・ＪQ ＋ｗ5 ・ＪW （２６） のように統合して、各遺伝子の適合度を計算する。
【００８５】上述した実施例８では、図２６に示すよう
に、ＰＭＶ−−ｑ，ＲＰＭin系の１入力−２出力非線形
制御器を安価に自動生成することができ、相互干渉の無
いＰＭＶ（快適感）制御器が可能である。よって、ドラ
フト感が無く、快適な空調環境を使用者に提供すること
ができる。また、評価関数に消費燃料、消費電力を考慮
することにより、制御性に関する無駄なエネルギ消費を
防ぐことができ、最低消費電力で、目的の快適感（ＰＭ
Ｖ値）を実現することができる。
【００８６】
【発明の効果】以上説明したように、本発明によれば、
設定室温と室温との偏差を用いた評価関数を有する遺伝
的アルゴリズムを用いて予め最適学習するニューラルネ
ットワークにおいて設定室温と室温との偏差、該偏差の
微分値を入力して、圧縮機周波数の増加量を出力し、該
ニューラルネットワークの出力の積分値を用いて室温を
制御しているので、ドラフト感が無く、快適な空調環境
を提供できる。
【００８７】また、本発明によれば、設定室温と室温と
の偏差、設定吹出温度と吹出温度との偏差を用いた評価
関数を有する遺伝的アルゴリズムを用いて予め最適学習
するニューラルネットワークにおいて設定室温と室温と
の偏差、該偏差の微分値、設定吹出温度と吹出温度との
偏差、該偏差の微分値を入力して、圧縮機周波数の増加
量および室内ファン回転数の増加量を出力し、該ニュー
ラルネットワークの出力の積分値を用いて室温および吹
出温度を制御しているので、ドラフト感が無く、快適な
空調環境を提供できる。
【００８８】更に、本発明によれば、設定室温と室温と
の偏差、設定吹出温度と吹出温度との偏差、設定スーパ
ーヒート量とスーパーヒート量との偏差を用いた評価関
数を有する遺伝的アルゴリズムを用いて予め最適学習す
るニューラルネットワークにおいて設定室温と室温との
偏差、該偏差の微分値、設定吹出温度と吹出温度との偏
差、該偏差の微分値、設定スーパーヒート量とスーパー
ヒート量との偏差、該偏差の微分値を入力して、圧縮機
周波数の増加量、室内ファン回転数の増加量、メカトロ
弁開度を出力し、該ニューラルネットワークの出力の積
分値を用いて室温、吹出温度およびスーパーヒート量を
制御しているので、ドラフト感が無く、快適な空調環境
を提供できる。
【００８９】本発明によれば、設定室温と室温との偏
差、設定吹出温度と吹出温度との偏差、設定スーパーヒ
ート量とスーパーヒート量との偏差、設定室外熱交換器
温度と室外熱交換器温度との偏差を用いた評価関数を有
する遺伝的アルゴリズムを用いて予め最適学習するニュ
ーラルネットワークにおいて設定室温と室温との偏差、
該偏差の微分値、設定吹出温度と吹出温度との偏差、該
偏差の微分値、設定スーパーヒート量とスーパーヒート
量との偏差、該偏差の微分値、設定室外熱交換器温度と
室外熱交換器温度との偏差、該偏差の微分値を入力し
て、圧縮機周波数の増加量、室内ファン回転数の増加
量、メカトロ弁開度、室外ファン回転数を出力し、該ニ
ューラルネットワークの出力の積分値を用いて室温、吹
出温度、スーパーヒート量、室外熱交換器温度を制御し
ているので、ドラフト感が無く、快適な空調環境を提供
できる。
【００９０】本発明によれば、設定快適感と快適感との
偏差を用いた評価関数を有する遺伝的アルゴリズムを用
いて予め最適学習するニューラルネットワークにおいて
設定快適感と快適感との偏差、該偏差の微分値を入力
し、圧縮機周波数の増加量、室内ファン回転数の増加量
を出力し、該ニューラルネットワークの出力の積分値を
用いて空気調和系を制御しているので、ドラフト感が無
く、快適な空調環境を提供できる。
【図面の簡単な説明】
【図１】本発明の実施例１に係わる空気調和装置の構成
を示す図である。
【図２】実施例１に使用される遺伝的アルゴリズムによ
るニューラルネットワークの学習を示す図である。
【図３】実施例１の室温制御性に関する評価関数を示す
図である。
【図４】実施例１の吹出温度制御性に関する評価関数を
示す図である。
【図５】実施例１の消費電力制御性に関する評価関数を
示す図である。
【図６】実施例１の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×２の効果を示
し、（ｂ）は実施例１の効果を示している。
【図７】実施例２の構成を示す図である。
【図８】実施例２のスーパーヒート制御に関する評価関
数を示す図である。
【図９】実施例２の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×３の効果を示
し、（ｂ）は実施例２の効果を示している。
【図１０】実施例３の構成を示す図である。
【図１１】実施例３の室外熱交換器温度制御に関する評
価関数を示す図である。
【図１２】実施例３の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×４の効果を示
し、（ｂ）は実施例３の効果を示している。
【図１３】実施例４の構成を示す図である。
【図１４】実施例４に使用されるＰＭＶ演算手段の構成
を示す図である。
【図１５】実施例４のＰＭＶ制御に関する評価関数を示
す図である。
【図１６】実施例４の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×２の効果を示
し、（ｂ）は実施例４の効果を示している。
【図１７】実施例５の構成を示す図である。
【図１８】実施例５の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×４の効果を示
し、（ｂ）は実施例５の効果を示している。
【図１９】実施例６の効果を示す図であり、（ａ）はロ
バスト性を考慮しない（実施例１）の場合の効果を示
し、（ｂ）はロバスト性を考慮した（実施例１＋６）の
効果を示している。
【図２０】実施例７の構成を示す図である。
【図２１】実施例７の室温制御性に関する評価関数を示
す図である。
【図２２】実施例７の吹出温度制御性に関する評価関数
を示す図である。
【図２３】実施例７の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×２の効果を示
し、（ｂ）は実施例７の効果を示している。
【図２４】実施例８の構成を示す図である。
【図２５】実施例８のＰＭＶ制御に関する評価関数を示
す図である。
【図２６】実施例８の効果を従来と比較した図であり、
（ａ）は従来の１入力−１出力制御器×２の効果を示
し、（ｂ）は実施例８の効果を示している。
【符号の説明】
１，５ 減算器 ３，７ 微分器 ９ ニューラルネットワーク １１，１３ 比例ゲイン １５，１７ 積分器 １９ エアコン／環境系

Claims (13)

    【特許請求の範囲】
  1. 【請求項１】 室温センサと設定室温入力手段を有する
    空気調和装置において、前記設定室温入力手段で入力さ
    れた設定室温と前記室温センサで検知された室温との偏
    差を用いた評価関数を有する遺伝的アルゴリズムを用い
    て予め最適学習され、前記設定室温と前記室温との偏差
    および該偏差の微分値を入力され、圧縮機周波数の増加
    量を出力する階層型ニューラルネットワークを有し、該
    ニューラルネットワークの出力の積分値を用いて室温を
    制御することを特徴とする空気調和装置の制御方法。
  2. 【請求項２】 前記評価関数として圧縮機周波数の変動
    の積算値を使用することを特徴とする請求項１記載の空
    気調和装置の制御方法。
  3. 【請求項３】 室温センサ、設定室温入力手段、吹出温
    度センサ、および設定吹出温度入力手段を有する空気調
    和装置において、前記設定室温入力手段で入力された設
    定室温と前記室温センサで検知された室温との偏差およ
    び前記設定吹出温度入力手段で入力された設定吹出温度
    と前記吹出温度センサで検知された吹出温度との偏差を
    用いた評価関数を有する遺伝的アルゴリズムを用いて予
    め最適学習され、前記設定室温と前記室温との偏差およ
    び該偏差の微分値および前記設定吹出温度と前記吹出温
    度との偏差および該偏差の微分値を入力され、圧縮機周
    波数の増加量および室内ファン回転数の増加量を出力す
    る階層型ニューラルネットワークを有し、該ニューラル
    ネットワークの出力の積分値を用いて室温および吹出温
    度を制御することを特徴とする空気調和装置の制御方
    法。
  4. 【請求項４】 前記評価関数として室内ファン回転数の
    変動の積算値を使用することを特徴とする請求項３記載
    の空気調和装置の制御方法。
  5. 【請求項５】 室温センサ、設定室温入力手段、吹出温
    度センサ、設定吹出温度入力手段、スーパーヒート量セ
    ンサ、および設定スーパーヒート量入力手段を有する空
    気調和装置において、前記設定室温入力手段で入力され
    た設定室温と前記室温センサで検知された室温との偏
    差、前記設定吹出温度入力手段で入力された設定吹出温
    度と前記吹出温度センサで検知された吹出温度との偏
    差、および前記設定スーパーヒート量入力手段で入力さ
    れた設定スーパーヒート量と前記スーパーヒート量セン
    サで検知されたスーパーヒート量との偏差を用いた評価
    関数を有する遺伝的アルゴリズムを用いて予め最適学習
    され、前記設定室温と前記室温との偏差、該偏差の微分
    値、前記設定吹出温度と前記吹出温度との偏差、該偏差
    の微分値、前記設定スーパーヒート量と前記スーパーヒ
    ート量との偏差および該偏差の微分値を入力され、圧縮
    機周波数の増加量、室内ファン回転数の増加量、および
    メカトロ弁開度を出力する階層型ニューラルネットワー
    クを有し、該ニューラルネットワークの出力の積分値を
    用いて室温、吹出温度およびスーパーヒート量を制御す
    ることを特徴とする空気調和装置の制御方法。
  6. 【請求項６】 前記評価関数としてメカトロ弁開度の変
    動幅の積算値を使用することを特徴とする請求項５記載
    の空気調和装置の制御方法。
  7. 【請求項７】 室温センサ、設定室温入力手段、吹出温
    度センサ、設定吹出温度入力手段、スーパーヒート量セ
    ンサ、設定スーパーヒート量入力手段、室外熱交換器温
    度センサ、および設定室外熱交換器温度入力手段を有す
    る空気調和装置において、前記設定室温入力手段で入力
    された設定室温と前記室温センサで検知された室温との
    偏差、前記設定吹出温度入力手段で入力された設定吹出
    温度と前記吹出温度センサで検知された吹出温度との偏
    差、前記設定スーパーヒート量入力手段で入力された設
    定スーパーヒート量と前記スーパーヒート量センサで検
    知されたスーパーヒート量との偏差、前記設定室外熱交
    換器温度入力手段で入力された設定室外熱交換器温度と
    前記室外熱交換器温度との偏差を用いた評価関数を有す
    る遺伝的アルゴリズムを用いて予め最適学習され、前記
    設定室温と前記室温との偏差、該偏差の微分値、前記設
    定吹出温度と前記吹出温度との偏差、該偏差の微分値、
    前記設定スーパーヒート量と前記スーパーヒート量との
    偏差、該偏差の微分値、前記設定室外熱交換器温度と前
    記室外熱交換器温度との偏差、および該偏差の微分値を
    入力され、圧縮機周波数の増加量、室内ファン回転数の
    増加量、メカトロ弁開度、および室外ファン回転数を出
    力する階層型ニューラルネットワークを有し、該ニュー
    ラルネットワークの出力の積分値を用いて室温、吹出温
    度、スーパーヒート量、室外熱交換器温度を制御するこ
    とを特徴とする空気調和装置の制御方法。
  8. 【請求項８】 快適感演算手段と設定快適感入力手段を
    有する空気調和装置において、前記設定快適感入力手段
    で入力された設定快適感と前記快適感演算手段で演算さ
    れた快適感との偏差を用いた評価関数を有する遺伝的ア
    ルゴリズムを用いて予め最適学習され、前記設定快適感
    と前記演算された快適感との偏差および該偏差の微分値
    を入力され、圧縮機周波数の増加量および室内ファン回
    転数の増加量を出力する階層型ニューラルネットワーク
    を有し、該ニューラルネットワークの出力の積分値を用
    いて空気調和系を制御することを特徴とする空気調和装
    置の制御方法。
  9. 【請求項９】 室温センサと設定室温入力手段を有する
    空気調和装置において、前記設定室温入力手段で入力さ
    れた設定室温と前記室温センサで検知された室温との偏
    差を用いた評価関数を有する遺伝的アルゴリズムを用い
    て予め最適学習され、前記設定室温と前記室温との偏差
    および該偏差の微分値を入力され、圧縮機周波数の増加
    量を出力する階層型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出力を積分する積分器と、該積分
    器の積分値を用いて室温を制御するエアコン手段とを有
    することを特徴とする空気調和装置。
  10. 【請求項１０】 室温センサ、設定室温入力手段、吹出
    温度センサ、および設定吹出温度入力手段を有する空気
    調和装置において、前記設定室温入力手段で入力された
    設定室温と前記室温センサで検知された室温との偏差お
    よび前記設定吹出温度入力手段で入力された設定吹出温
    度と前記吹出温度センサで検知された吹出温度との偏差
    を用いた評価関数を有する遺伝的アルゴリズムを用いて
    予め最適学習され、前記設定室温と前記室温との偏差お
    よび該偏差の微分値および前記設定吹出温度と前記吹出
    温度との偏差および該偏差の微分値を入力され、圧縮機
    周波数の増加量および室内ファン回転数の増加量を出力
    する階層型ニューラルネットワークと、該ニューラルネ
    ットワークの出力を積分する積分器と、該積分器の積分
    値を用いて室温および吹出温度を制御するエアコン手段
    とを有することを特徴とする空気調和装置。
  11. 【請求項１１】 室温センサ、設定室温入力手段、吹出
    温度センサ、設定吹出温度入力手段、スーパーヒート量
    センサ、および設定スーパーヒート量入力手段を有する
    空気調和装置において、前記設定室温入力手段で入力さ
    れた設定室温と前記室温センサで検知された室温との偏
    差、前記設定吹出温度入力手段で入力された設定吹出温
    度と前記吹出温度センサで検知された吹出温度との偏
    差、および前記設定スーパーヒート量入力手段で入力さ
    れた設定スーパーヒート量と前記スーパーヒート量セン
    サで検知されたスーパーヒート量との偏差を用いた評価
    関数を有する遺伝的アルゴリズムを用いて予め最適学習
    され、前記設定室温と前記室温との偏差、該偏差の微分
    値、前記設定吹出温度と前記吹出温度との偏差、該偏差
    の微分値、前記設定スーパーヒート量と前記スーパーヒ
    ート量との偏差および該偏差の微分値を入力され、圧縮
    機周波数の増加量、室内ファン回転数の増加量、および
    メカトロ弁開度を出力する階層型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出力を積分する積分
    器と、該積分器の積分値を用いて室温、吹出温度および
    スーパーヒート量を制御するエアコン手段とを有するこ
    とを特徴とする空気調和装置。
  12. 【請求項１２】 室温センサ、設定室温入力手段、吹出
    温度センサ、設定吹出温度入力手段、スーパーヒート量
    センサ、設定スーパーヒート量入力手段、室外熱交換器
    温度センサ、および設定室外熱交換器温度入力手段を有
    する空気調和装置において、前記設定室温入力手段で入
    力された設定室温と前記室温センサで検知された室温と
    の偏差、前記設定吹出温度入力手段で入力された設定吹
    出温度と前記吹出温度センサで検知された吹出温度との
    偏差、前記設定スーパーヒート量入力手段で入力された
    設定スーパーヒート量と前記スーパーヒート量センサで
    検知されたスーパーヒート量との偏差、前記設定室外熱
    交換器温度入力手段で入力された設定室外熱交換器温度
    と前記室外熱交換器温度との偏差を用いた評価関数を有
    する遺伝的アルゴリズムを用いて予め最適学習され、前
    記設定室温と前記室温との偏差、該偏差の微分値、前記
    設定吹出温度と前記吹出温度との偏差、該偏差の微分
    値、前記設定スーパーヒート量と前記スーパーヒート量
    との偏差、該偏差の微分値、前記設定室外熱交換器温度
    と前記室外熱交換器温度との偏差、および該偏差の微分
    値を入力され、圧縮機周波数の増加量、室内ファン回転
    数の増加量、メカトロ弁開度、および室外ファン回転数
    を出力する階層型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出力を積分する積分器と、該積分器
    の積分値を用いて室温、吹出温度、スーパーヒート量、
    室外熱交換器温度を制御するエアコン手段とを有するこ
    とを特徴とする空気調和装置。
  13. 【請求項１３】 快適感演算手段と設定快適感入力手段
    を有する空気調和装置において、前記設定快適感入力手
    段で入力された設定快適感と前記快適感演算手段で演算
    された快適感との偏差を用いた評価関数を有する遺伝的
    アルゴリズムを用いて予め最適学習され、前記設定快適
    感と前記演算された快適感との偏差および該偏差の微分
    値を入力され、圧縮機周波数の増加量および室内ファン
    回転数の増加量を出力する階層型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出力を積分する積分
    器と、該積分器の積分値を用いて空調制御を行うエアコ
    ン手段とを有することを特徴とする空気調和装置。
JP7133604A 1995-05-31 1995-05-31 空気調和装置の制御方法および空気調和装置 Pending JPH08327124A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP7133604A JPH08327124A (ja) 1995-05-31 1995-05-31 空気調和装置の制御方法および空気調和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP7133604A JPH08327124A (ja) 1995-05-31 1995-05-31 空気調和装置の制御方法および空気調和装置

Publications (1)

Publication Number Publication Date
JPH08327124A true JPH08327124A (ja) 1996-12-13

Family

ID=15108692

Family Applications (1)

Application Number Title Priority Date Filing Date
JP7133604A Pending JPH08327124A (ja) 1995-05-31 1995-05-31 空気調和装置の制御方法および空気調和装置

Country Status (1)

Country Link
JP (1) JPH08327124A (ja)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009014210A (ja) * 2007-06-29 2009-01-22 Daikin Ind Ltd 冷凍装置
JP2018106561A (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
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
EP3489591A1 (en) * 2017-11-24 2019-05-29 Siemens Schweiz AG Smart thermal energy exchanger
JP2020123312A (ja) * 2019-01-30 2020-08-13 廣達電腦股▲ふん▼有限公司Ｑｕａｎｔａ Ｃｏｍｐｕｔｅｒ Ｉｎｃ． 温度上昇の影響を補償する方法およびシステム
JP2020528175A (ja) * 2017-06-28 2020-09-17 リキッド バイオサイエンシズ，インコーポレイテッド 反復特徴選択方法
JP2020153572A (ja) * 2019-03-19 2020-09-24 ダイキン工業株式会社 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム
JP2021014205A (ja) * 2019-07-12 2021-02-12 株式会社シマノ 出力装置、学習モデルの生成方法、およびコンピュータプログラム
KR102227514B1 (ko) * 2020-08-25 2021-03-12 한국산업기술시험원 심층 강화학습 알고리즘을 활용한 공기조화기 컴포넌트 운전포인트 서치 시스템

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009014210A (ja) * 2007-06-29 2009-01-22 Daikin Ind Ltd 冷凍装置
JP2018106561A (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
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
JP2020528175A (ja) * 2017-06-28 2020-09-17 リキッド バイオサイエンシズ，インコーポレイテッド 反復特徴選択方法
EP3489591A1 (en) * 2017-11-24 2019-05-29 Siemens Schweiz AG Smart thermal energy exchanger
JP2020123312A (ja) * 2019-01-30 2020-08-13 廣達電腦股▲ふん▼有限公司Ｑｕａｎｔａ Ｃｏｍｐｕｔｅｒ Ｉｎｃ． 温度上昇の影響を補償する方法およびシステム
JP2020153572A (ja) * 2019-03-19 2020-09-24 ダイキン工業株式会社 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム
JP2021014205A (ja) * 2019-07-12 2021-02-12 株式会社シマノ 出力装置、学習モデルの生成方法、およびコンピュータプログラム
US11718359B2 (en) 2019-07-12 2023-08-08 Shimano Inc. Output device, method for generating a machine learning model, and computer program
KR102227514B1 (ko) * 2020-08-25 2021-03-12 한국산업기술시험원 심층 강화학습 알고리즘을 활용한 공기조화기 컴포넌트 운전포인트 서치 시스템

Similar Documents

Publication Publication Date Title
Okochi et al. A review of recent developments and technological advancements of variable-air-volume (VAV) air-conditioning systems
JP4134781B2 (ja) 空調設備
US11416739B2 (en) Optimization control technology for building energy conservation
CA2159774C (en) Hvac distribution system identification
JP2884249B2 (ja) 可変速ヒートポンプ及び空調機の快感と効率との最適制御法
Soyguder et al. Predicting of fan speed for energy saving in HVAC system based on adaptive network based fuzzy inference system
CN112567182B (zh) 具有从神经网络导出的自动流量平衡的通风系统
Guo et al. A neural network assisted cascade control system for air handling unit
Soyguder et al. Fuzzy adaptive control for the actuators position control and modeling of an expert system
US20080294291A1 (en) Building automation systems and methods for controlling interacting control loops
JPH0628332A (ja) 制御される装置の構造を識別し、パラメータを評価する装置および２変数関数の非線形最適化問題を効率的に解く方法
CN104214891B (zh) 控制装置以及控制方法
Singh et al. Fuzzy modeling and control of HVAC systems–A review
Ambroziak et al. The PID controller optimisation module using Fuzzy Self-Tuning PSO for Air Handling Unit in continuous operation
JPH08327124A (ja) 空気調和装置の制御方法および空気調和装置
JP2014206304A (ja) 空気調和機
CN111288610A (zh) 一种变风量空调系统变静压自适应模糊控制方法
CN114660928A (zh) 一种bp神经网络与模糊自适耦合的pid温度调节系统及方法
JP2633415B2 (ja) 空気調和機の制御装置
Imal A new system design for energy management in HVAC control systems for textile plants
CN115935604A (zh) 一种换流站暖通系统节能控制方法及终端
So et al. Fuzzy air handling system controller
Al-Ghasem et al. Air conditioner control using neural network and PID controller
JPH0886489A (ja) 空気調和装置
Liavoli et al. Multivariable nonlinear model predictive controller design for air-handling unit with single zone in variable air volume