JPH11108415A - 空気調和機用制御装置 - Google Patents
空気調和機用制御装置Info
- Publication number
- JPH11108415A JPH11108415A JP9274381A JP27438197A JPH11108415A JP H11108415 A JPH11108415 A JP H11108415A JP 9274381 A JP9274381 A JP 9274381A JP 27438197 A JP27438197 A JP 27438197A JP H11108415 A JPH11108415 A JP H11108415A
- Authority
- JP
- Japan
- Prior art keywords
- information
- air conditioner
- control device
- control output
- target
- 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
Links
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
(57)【要約】
【課題】 遺伝的アルゴリズムを利用したうえで使用者
にとっての快適性を容易に実現し得る構成とされた空気
調和機用制御装置を提供する。 【解決手段】 本発明にかかる制御装置は、目標設定手
段１と、第１の検出手段２と、第２の検出手段３と、目
標情報と実際情報と運転情報及び環境情報と快適性指数
の最適値が得られる制御出力パラメータとを記憶する記
憶手段４と、目標情報と実際情報と運転情報及び環境情
報と制御出力パラメータの候補情報とを入力層とし、設
定済みの重み係数及び敷居値を用いて算出される快適性
指数を出力層とするニューラルネットワーク演算手段５
と、制御出力パラメータを構成するパラメータを遺伝子
型で表現した複数の個体を形成し、かつ、これら個体の
遺伝子操作を繰り返して制御出力パラメータの候補情報
を算出してニューラルネットワーク演算手段５に入力す
る遺伝子アルゴリズム処理手段６とを備えている。
にとっての快適性を容易に実現し得る構成とされた空気
調和機用制御装置を提供する。 【解決手段】 本発明にかかる制御装置は、目標設定手
段１と、第１の検出手段２と、第２の検出手段３と、目
標情報と実際情報と運転情報及び環境情報と快適性指数
の最適値が得られる制御出力パラメータとを記憶する記
憶手段４と、目標情報と実際情報と運転情報及び環境情
報と制御出力パラメータの候補情報とを入力層とし、設
定済みの重み係数及び敷居値を用いて算出される快適性
指数を出力層とするニューラルネットワーク演算手段５
と、制御出力パラメータを構成するパラメータを遺伝子
型で表現した複数の個体を形成し、かつ、これら個体の
遺伝子操作を繰り返して制御出力パラメータの候補情報
を算出してニューラルネットワーク演算手段５に入力す
る遺伝子アルゴリズム処理手段６とを備えている。
Description
【０００１】
【発明の属する技術分野】本発明は空気調和機用制御装
置（以下、制御装置という）にかかり、特には、加湿機
能や換気機能、空気清浄機能などを具備して構成された
空気調和機に組み込んで使用される制御装置に関する。
置（以下、制御装置という）にかかり、特には、加湿機
能や換気機能、空気清浄機能などを具備して構成された
空気調和機に組み込んで使用される制御装置に関する。
【０００２】
【従来の技術】近年、冷暖房可能なセパレート型などの
空気調和機としては、使用者にとって快適な室内空調を
実現する必要がある都合上、加湿機能や換気機能、空気
清浄機能などを具備して構成されたものが開発されてい
る。そして、この種の空気調和機に対しては、空調負荷
パラメータの組み合わせと多岐にわたる制御方法とを採
用して使用状況の多様性に対応しながら使用者の快適性
を確保し得るよう空気調和機の出力を制御する制御装置
を組み込んでおくことが要望されている。
空気調和機としては、使用者にとって快適な室内空調を
実現する必要がある都合上、加湿機能や換気機能、空気
清浄機能などを具備して構成されたものが開発されてい
る。そして、この種の空気調和機に対しては、空調負荷
パラメータの組み合わせと多岐にわたる制御方法とを採
用して使用状況の多様性に対応しながら使用者の快適性
を確保し得るよう空気調和機の出力を制御する制御装置
を組み込んでおくことが要望されている。
【０００３】一方、最近においては、各種情報の組み合
わせ問題や探索問題、計画問題などのような計算量の多
い問題を解決するための手法であるところの遺伝的アル
ゴリズムといわれる確率的探索法が注目されており、遺
伝的アルゴリズムを利用した場合には従来の解法と比べ
て良好な解が短時間で得られることが知られている。な
お、このような遺伝的アルゴリズムを利用してなる空気
調和機の一例としては特開平７−２５３２３６号公報で
開示されたものがあり、この空気調和機では、室外温度
をパラメータとして室内温度及び圧縮機インバータ周波
数の動特性を学習しながら最も適合した周波数制御テー
ブルを遺伝的アルゴリズムでもって選択したうえで省エ
ネルギー化を図ることが行われている。
わせ問題や探索問題、計画問題などのような計算量の多
い問題を解決するための手法であるところの遺伝的アル
ゴリズムといわれる確率的探索法が注目されており、遺
伝的アルゴリズムを利用した場合には従来の解法と比べ
て良好な解が短時間で得られることが知られている。な
お、このような遺伝的アルゴリズムを利用してなる空気
調和機の一例としては特開平７−２５３２３６号公報で
開示されたものがあり、この空気調和機では、室外温度
をパラメータとして室内温度及び圧縮機インバータ周波
数の動特性を学習しながら最も適合した周波数制御テー
ブルを遺伝的アルゴリズムでもって選択したうえで省エ
ネルギー化を図ることが行われている。
【０００４】
【発明が解決しようとする課題】ところで、先願発明の
空気調和機は、圧縮機インバータ周波数の最適制御値を
決定するために室外温度及び室内温度の動特性を利用し
ているに過ぎないものであり、快適性を確保するために
は、室内空調の目標状態を示す温度や湿度、室内空調の
実際状態を示す温度や湿度は勿論のこと、空気調和機か
ら吹き出される室内吹出空気の温度や湿度、室外空気の
温度や湿度、室外熱交換器の温度などと関連付けられた
空調負荷パラメータに基づく制御を行うことが重要とな
る。あるいはまた、圧縮機インバータ周波数や送風機回
転数、加湿運転もしくは換気運転の有無、空気清浄運転
の有無などの制御出力パラメータも快適性を確保するう
えでの重要な要素となり、これらの要素をも考慮したう
えでの制御を実行する必要がある。
空気調和機は、圧縮機インバータ周波数の最適制御値を
決定するために室外温度及び室内温度の動特性を利用し
ているに過ぎないものであり、快適性を確保するために
は、室内空調の目標状態を示す温度や湿度、室内空調の
実際状態を示す温度や湿度は勿論のこと、空気調和機か
ら吹き出される室内吹出空気の温度や湿度、室外空気の
温度や湿度、室外熱交換器の温度などと関連付けられた
空調負荷パラメータに基づく制御を行うことが重要とな
る。あるいはまた、圧縮機インバータ周波数や送風機回
転数、加湿運転もしくは換気運転の有無、空気清浄運転
の有無などの制御出力パラメータも快適性を確保するう
えでの重要な要素となり、これらの要素をも考慮したう
えでの制御を実行する必要がある。
【０００５】本発明は、このような観点に基づいて創案
されたものであり、遺伝的アルゴリズムを利用したうえ
で使用者にとっての快適性を容易に実現し得る構成とさ
れた制御装置を提供しようとするものである。
されたものであり、遺伝的アルゴリズムを利用したうえ
で使用者にとっての快適性を容易に実現し得る構成とさ
れた制御装置を提供しようとするものである。
【０００６】
【課題を解決するための手段】本発明の請求項１にかか
る制御装置は、室内空調の目標状態を設定する目標設定
手段と、室内空調の実際状態を検出する第１の検出手段
と、空気調和機の運転状態及び環境状態を検出する第２
の検出手段と、目標設定手段で設定された目標情報と第
１の検出手段で検出された実際情報と第２の検出手段で
検出された運転情報及び環境情報と快適性指数の最適値
が得られる空気調和機の制御出力パラメータとを時系列
的に記憶する記憶手段と、目標情報と実際情報と運転情
報及び環境情報と制御出力パラメータの候補情報とを入
力層とし、これらの情報に基づいたうえで快適性指数の
最適値が得られるよう予め設定済みの重み係数及び敷居
値を用いて算出される快適性指数を出力層とするニュー
ラルネットワーク演算手段と、制御出力パラメータを構
成する各種のパラメータを遺伝子型で表現した複数の個
体を形成し、かつ、これら個体の遺伝子操作を繰り返し
て制御出力パラメータの候補情報を算出したうえでニュ
ーラルネットワーク演算手段に入力する遺伝子アルゴリ
ズム処理手段（以下、ＧＡ処理手段という）とを備えて
いることを特徴とする。
る制御装置は、室内空調の目標状態を設定する目標設定
手段と、室内空調の実際状態を検出する第１の検出手段
と、空気調和機の運転状態及び環境状態を検出する第２
の検出手段と、目標設定手段で設定された目標情報と第
１の検出手段で検出された実際情報と第２の検出手段で
検出された運転情報及び環境情報と快適性指数の最適値
が得られる空気調和機の制御出力パラメータとを時系列
的に記憶する記憶手段と、目標情報と実際情報と運転情
報及び環境情報と制御出力パラメータの候補情報とを入
力層とし、これらの情報に基づいたうえで快適性指数の
最適値が得られるよう予め設定済みの重み係数及び敷居
値を用いて算出される快適性指数を出力層とするニュー
ラルネットワーク演算手段と、制御出力パラメータを構
成する各種のパラメータを遺伝子型で表現した複数の個
体を形成し、かつ、これら個体の遺伝子操作を繰り返し
て制御出力パラメータの候補情報を算出したうえでニュ
ーラルネットワーク演算手段に入力する遺伝子アルゴリ
ズム処理手段（以下、ＧＡ処理手段という）とを備えて
いることを特徴とする。
【０００７】上記構成によれば、目標設定手段で設定さ
れた目標情報と第１の検出手段で検出された実際情報と
第２の検出手段で検出された運転情報及び環境情報とＧ
Ａ処理手段で算出される制御出力パラメータの候補情報
とに基づき、ニューラルネットワーク演算手段では予め
設定済みの重み係数及び敷居値を用いたうえで数多くの
快適性指数が算出される。そして、目標情報と実際情報
と運転情報及び環境情報とに最も良く適応した快適性指
数の最適値がニューラルネットワーク演算手段で算出さ
れた快適性指数のうちから選択されることになり、快適
性指数の最適値を示す制御出力パラメータの候補情報が
制御出力パラメータと決定されたうえで記憶手段によっ
て記憶され、かつ、決定された制御出力パラメータが空
気調和機に対して与えられる。
れた目標情報と第１の検出手段で検出された実際情報と
第２の検出手段で検出された運転情報及び環境情報とＧ
Ａ処理手段で算出される制御出力パラメータの候補情報
とに基づき、ニューラルネットワーク演算手段では予め
設定済みの重み係数及び敷居値を用いたうえで数多くの
快適性指数が算出される。そして、目標情報と実際情報
と運転情報及び環境情報とに最も良く適応した快適性指
数の最適値がニューラルネットワーク演算手段で算出さ
れた快適性指数のうちから選択されることになり、快適
性指数の最適値を示す制御出力パラメータの候補情報が
制御出力パラメータと決定されたうえで記憶手段によっ
て記憶され、かつ、決定された制御出力パラメータが空
気調和機に対して与えられる。
【０００８】本発明の請求項２にかかる制御装置は、請
求項１に記載の目標情報が、室内空調の目標状態を示す
温度や湿度、使用者の好みとともに、季節や時刻などの
情報を含んでいることを特徴とする。請求項３にかかる
制御装置は、請求項１もしくは請求項２に記載の実際情
報が、室内空調の実際状態を示す温度や湿度、空気清浄
度などの情報を含んでいることを特徴とする。請求項４
にかかる制御装置は、請求項１ないし請求項３のいずれ
かに記載の運転情報及び環境情報が、空気調和機から吹
き出される室内吹出空気の温度や湿度、室外空気の温度
や湿度、室外熱交換器の温度などの情報を含んでいるこ
とを特徴とする。請求項５にかかる制御装置は、請求項
１ないし請求項４のいずれかに記載の制御出力パラメー
タ及びその候補情報が、圧縮機インバータ周波数や送風
機回転数、加湿運転もしくは換気運転の有無、空気清浄
運転の有無などの情報を含んでいることを特徴とする。
求項１に記載の目標情報が、室内空調の目標状態を示す
温度や湿度、使用者の好みとともに、季節や時刻などの
情報を含んでいることを特徴とする。請求項３にかかる
制御装置は、請求項１もしくは請求項２に記載の実際情
報が、室内空調の実際状態を示す温度や湿度、空気清浄
度などの情報を含んでいることを特徴とする。請求項４
にかかる制御装置は、請求項１ないし請求項３のいずれ
かに記載の運転情報及び環境情報が、空気調和機から吹
き出される室内吹出空気の温度や湿度、室外空気の温度
や湿度、室外熱交換器の温度などの情報を含んでいるこ
とを特徴とする。請求項５にかかる制御装置は、請求項
１ないし請求項４のいずれかに記載の制御出力パラメー
タ及びその候補情報が、圧縮機インバータ周波数や送風
機回転数、加湿運転もしくは換気運転の有無、空気清浄
運転の有無などの情報を含んでいることを特徴とする。
【０００９】
【発明の実施の形態】以下、本発明の実施の形態を図面
に基づいて説明する。
に基づいて説明する。
【００１０】図１は本実施の形態にかかる制御装置の構
成を模式化して示す説明図、図２はニューラルネットワ
ーク演算手段の構成を模式化して示す説明図であり、図
３はＧＡ処理手段で取り扱われる遺伝子型データの構成
例を示す説明図である。
成を模式化して示す説明図、図２はニューラルネットワ
ーク演算手段の構成を模式化して示す説明図であり、図
３はＧＡ処理手段で取り扱われる遺伝子型データの構成
例を示す説明図である。
【００１１】本実施の形態にかかる制御装置は、室内空
調の目標状態を設定するために使用されるリモートコン
トローラや設定スイッチなどのような目標設定手段１
と、室内空調の実際状態を検出する第１の検出手段２
と、空気調和機の運転状態及び環境状態を検出する第２
の検出手段３と、目標設定手段１で設定された目標情報
と第１の検出手段２で検出された実際情報と第２の検出
手段３で検出された運転情報及び環境情報とのそれぞ
れ、並びに、快適性指数の最適値が得られる空気調和機
の制御出力パラメータとを時系列的に記憶する記憶手段
４とを備えている。そして、この際における目標設定手
段１からは室内空調の目標状態を示す温度や湿度、「暑
いめ」や「寒いめ」などといった使用者の好みととも
に、季節や時刻などの情報を含んだ目標情報が、第１の
検出手段２からは室内空調の実際状態を示す温度や湿
度、空気清浄度などの情報を含んだ実際情報が、また、
第２の検出手段３からは空気調和機から吹き出される室
内吹出空気の温度や湿度、室外空気の温度や湿度、室外
熱交換器の温度などの情報を含んだ空気調和機の運転情
報及び環境情報が出力されてくることになり、これらの
情報は記憶手段４でもって記憶される。
調の目標状態を設定するために使用されるリモートコン
トローラや設定スイッチなどのような目標設定手段１
と、室内空調の実際状態を検出する第１の検出手段２
と、空気調和機の運転状態及び環境状態を検出する第２
の検出手段３と、目標設定手段１で設定された目標情報
と第１の検出手段２で検出された実際情報と第２の検出
手段３で検出された運転情報及び環境情報とのそれぞ
れ、並びに、快適性指数の最適値が得られる空気調和機
の制御出力パラメータとを時系列的に記憶する記憶手段
４とを備えている。そして、この際における目標設定手
段１からは室内空調の目標状態を示す温度や湿度、「暑
いめ」や「寒いめ」などといった使用者の好みととも
に、季節や時刻などの情報を含んだ目標情報が、第１の
検出手段２からは室内空調の実際状態を示す温度や湿
度、空気清浄度などの情報を含んだ実際情報が、また、
第２の検出手段３からは空気調和機から吹き出される室
内吹出空気の温度や湿度、室外空気の温度や湿度、室外
熱交換器の温度などの情報を含んだ空気調和機の運転情
報及び環境情報が出力されてくることになり、これらの
情報は記憶手段４でもって記憶される。
【００１２】さらにまた、この際における制御装置は、
目標情報と実際情報と運転情報及び環境情報と制御出力
パラメータの候補情報とを入力層とし、これらの各種情
報に基づいたうえで快適性指数の最適値が得られるよう
予め設定済みの重み係数及び敷居値を用いて算出される
快適性指数を出力層とするニューラルネットワーク演算
手段５と、制御出力パラメータを構成する各種のパラメ
ータ、つまり、圧縮機インバータ周波数や送風機回転数
などのパラメータを遺伝子型で表現した複数の個体を形
成し、かつ、これら個体の遺伝子操作を繰り返して制御
出力パラメータの候補情報を算出したうえでニューラル
ネットワーク演算手段５に入力するＧＡ処理手段６とを
備えており、目標情報と実際情報と運転情報及び環境情
報とは記憶手段４を介したうえでニューラルネットワー
ク演算手段５の入力層へと入力されている。すなわち、
ここでの制御出力パラメータ及びその候補情報は、圧縮
機インバータ周波数や送風機回転数、風向ルーバ角度、
加湿運転もしくは換気運転の有無、空気清浄運転の有無
などの情報を含んだものであり、ＧＡ処理手段６におい
ては、制御開始時の空気調和機から出力されてきた制御
出力パラメータに基づいたうえでの遺伝子操作が繰り返
し実行されることに伴って制御出力パラメータの候補情
報が数多く算出される。
目標情報と実際情報と運転情報及び環境情報と制御出力
パラメータの候補情報とを入力層とし、これらの各種情
報に基づいたうえで快適性指数の最適値が得られるよう
予め設定済みの重み係数及び敷居値を用いて算出される
快適性指数を出力層とするニューラルネットワーク演算
手段５と、制御出力パラメータを構成する各種のパラメ
ータ、つまり、圧縮機インバータ周波数や送風機回転数
などのパラメータを遺伝子型で表現した複数の個体を形
成し、かつ、これら個体の遺伝子操作を繰り返して制御
出力パラメータの候補情報を算出したうえでニューラル
ネットワーク演算手段５に入力するＧＡ処理手段６とを
備えており、目標情報と実際情報と運転情報及び環境情
報とは記憶手段４を介したうえでニューラルネットワー
ク演算手段５の入力層へと入力されている。すなわち、
ここでの制御出力パラメータ及びその候補情報は、圧縮
機インバータ周波数や送風機回転数、風向ルーバ角度、
加湿運転もしくは換気運転の有無、空気清浄運転の有無
などの情報を含んだものであり、ＧＡ処理手段６におい
ては、制御開始時の空気調和機から出力されてきた制御
出力パラメータに基づいたうえでの遺伝子操作が繰り返
し実行されることに伴って制御出力パラメータの候補情
報が数多く算出される。
【００１３】そして、ＧＡ処理手段６でもって算出され
た制御出力パラメータの候補情報はニューラルネットワ
ーク演算手段５の入力層へと入力され、かつ、ニューラ
ルネットワーク演算手段５の出力層からは制御出力パラ
メータの候補情報それぞれをも考慮して算出された多数
の快適性指数が出力されてくることになり、その時点に
おける目標情報と実際情報と運転情報及び環境情報とに
最も良く適応している快適性指数の最適値が出力されて
きた多数の快適性指数のうちから選択される。なお、快
適性指数の最適値を選択するための基準は、予め多数の
供試データを利用したうえで定められている。さらに、
このようにして選択された快適性指数の最適値を算出す
る際に使用された制御出力パラメータの候補情報が空気
調和機における制御パラメータとして決定されることに
なり、決定された制御出力パラメータは記憶手段４によ
って記憶されたうえで空気調和機に対して与えられる。
したがって、この空気調和機は、その時点における目標
情報と実際情報と運転情報及び環境情報とに最も良く適
応した制御出力パラメータでもって運転されていること
になり、使用者にとっての快適性が実現される。
た制御出力パラメータの候補情報はニューラルネットワ
ーク演算手段５の入力層へと入力され、かつ、ニューラ
ルネットワーク演算手段５の出力層からは制御出力パラ
メータの候補情報それぞれをも考慮して算出された多数
の快適性指数が出力されてくることになり、その時点に
おける目標情報と実際情報と運転情報及び環境情報とに
最も良く適応している快適性指数の最適値が出力されて
きた多数の快適性指数のうちから選択される。なお、快
適性指数の最適値を選択するための基準は、予め多数の
供試データを利用したうえで定められている。さらに、
このようにして選択された快適性指数の最適値を算出す
る際に使用された制御出力パラメータの候補情報が空気
調和機における制御パラメータとして決定されることに
なり、決定された制御出力パラメータは記憶手段４によ
って記憶されたうえで空気調和機に対して与えられる。
したがって、この空気調和機は、その時点における目標
情報と実際情報と運転情報及び環境情報とに最も良く適
応した制御出力パラメータでもって運転されていること
になり、使用者にとっての快適性が実現される。
【００１４】次に、本実施の形態にかかる空気調和機が
備えるニューラルネットワーク演算手段５及びＧＡ処理
手段６それぞれの実行する処理動作を、図２及び図３に
基づいて説明する。
備えるニューラルネットワーク演算手段５及びＧＡ処理
手段６それぞれの実行する処理動作を、図２及び図３に
基づいて説明する。
【００１５】まず、ニューラルネットワーク演算手段５
は、図２で示すような複数の階層構造とされた階層型ニ
ューラルネットワークであり、目標情報と実際情報と運
転情報及び環境情報と制御出力パラメータの候補情報と
を入力層とし、これらの各種情報に基づいたうえで快適
性指数の最適値が得られるよう予め設定済みの重み係数
及び敷居値を用いて算出される快適性指数を出力層とし
た構成を有している。なお、図２中の記号◎はユニット
を表しており、これらユニット間の接続は各層間の接続
とされていて同一層内での接続は存在せず、また、情報
は入力層から出力層への一方向にしか伝わらないことに
なっている。そこで、入力層Ｌ１におけるユニットの各
々に対する情報の入力値をＡｊ（ｊ：ユニット番号）と
し、中間層Ｌ２のユニットｉ（ｉ番目のユニット）から
入力層Ｌ１のユニットｊ（ｊ番目のユニット）につなが
る重み係数をＷij、かつ、敷居値をθｉとすると、中間
層Ｌ２のユニットそれぞれに対する情報の入力値Ｕｉは
数１で表される。
は、図２で示すような複数の階層構造とされた階層型ニ
ューラルネットワークであり、目標情報と実際情報と運
転情報及び環境情報と制御出力パラメータの候補情報と
を入力層とし、これらの各種情報に基づいたうえで快適
性指数の最適値が得られるよう予め設定済みの重み係数
及び敷居値を用いて算出される快適性指数を出力層とし
た構成を有している。なお、図２中の記号◎はユニット
を表しており、これらユニット間の接続は各層間の接続
とされていて同一層内での接続は存在せず、また、情報
は入力層から出力層への一方向にしか伝わらないことに
なっている。そこで、入力層Ｌ１におけるユニットの各
々に対する情報の入力値をＡｊ（ｊ：ユニット番号）と
し、中間層Ｌ２のユニットｉ（ｉ番目のユニット）から
入力層Ｌ１のユニットｊ（ｊ番目のユニット）につなが
る重み係数をＷij、かつ、敷居値をθｉとすると、中間
層Ｌ２のユニットそれぞれに対する情報の入力値Ｕｉは
数１で表される。
【００１６】
【数１】
【００１７】一方、中間層Ｌ２のユニットそれぞれに対
する情報の入力値は数２で示すシグモイド関数を通した
うえで出力されることになり、その結果として中間層Ｌ
２のユニットの各々に対する情報の出力値ｈｉは数３で
表されることになる。
する情報の入力値は数２で示すシグモイド関数を通した
うえで出力されることになり、その結果として中間層Ｌ
２のユニットの各々に対する情報の出力値ｈｉは数３で
表されることになる。
【００１８】
【数２】
【００１９】
【数３】
【００２０】したがって、出力層Ｌ３におけるユニット
の各々から中間層Ｌ２のユニットｉにつながる重み係数
をＶｉ、かつ、敷居値をδとした場合には、出力層Ｌ３
の各ユニットから快適性指数として出力される情報の出
力値Ｐが数４で表されることになる。
の各々から中間層Ｌ２のユニットｉにつながる重み係数
をＶｉ、かつ、敷居値をδとした場合には、出力層Ｌ３
の各ユニットから快適性指数として出力される情報の出
力値Ｐが数４で表されることになる。
【００２１】
【数４】
【００２２】なお、この際における重み係数Ｗij，Ｖｉ
及び敷居値θｉ，δのそれぞれは、多数の供試データ、
つまり、設計段階での実験データに基づいて想定される
室内空気及び室外空気の温度や湿度、空気清浄度、室内
吹出空気の温度や湿度などのような空調負荷パラメータ
と、これらに対応する快適性指数で表される供試データ
を用いてバックプロパゲーション法などの学習アルゴリ
ズムで予め学習されたうえで設定されたものとなってい
る。なお、ここでの快適性指数は、その値が小さいほど
快適性が高いことを示す指数とされる。
及び敷居値θｉ，δのそれぞれは、多数の供試データ、
つまり、設計段階での実験データに基づいて想定される
室内空気及び室外空気の温度や湿度、空気清浄度、室内
吹出空気の温度や湿度などのような空調負荷パラメータ
と、これらに対応する快適性指数で表される供試データ
を用いてバックプロパゲーション法などの学習アルゴリ
ズムで予め学習されたうえで設定されたものとなってい
る。なお、ここでの快適性指数は、その値が小さいほど
快適性が高いことを示す指数とされる。
【００２３】一方、ＧＡ処理手段６は、制御開始時の空
気調和機から出力されてきた制御出力パラメータに基づ
く遺伝子操作を繰り返して実行し、制御出力パラメータ
の候補情報を数多く算出したうえでニューラルネットワ
ーク演算手段５に対して入力するものであり、このＧＡ
処理手段６においては、制御出力パラメータを図３で例
示する１８ビットのバイナリーデータ列のような遺伝子
型のデータ列表現などとしたうえ、制御出力パラメータ
を構成する各種のパラメータを遺伝子型で表現した複数
の個体、例えば、初期候補群として２０個の個体を形成
することが実行される。つまり、具体的には、記憶手段
４に記憶されている前回の制御出力パラメータと、ラン
ダムに発生して作成された１９個の個体とからなる合計
２０個である。なお、メーカから出荷される時点での記
憶手段４に対しては、標準的な１個の制御出力パラメー
タを示すデータが記憶させられている。
気調和機から出力されてきた制御出力パラメータに基づ
く遺伝子操作を繰り返して実行し、制御出力パラメータ
の候補情報を数多く算出したうえでニューラルネットワ
ーク演算手段５に対して入力するものであり、このＧＡ
処理手段６においては、制御出力パラメータを図３で例
示する１８ビットのバイナリーデータ列のような遺伝子
型のデータ列表現などとしたうえ、制御出力パラメータ
を構成する各種のパラメータを遺伝子型で表現した複数
の個体、例えば、初期候補群として２０個の個体を形成
することが実行される。つまり、具体的には、記憶手段
４に記憶されている前回の制御出力パラメータと、ラン
ダムに発生して作成された１９個の個体とからなる合計
２０個である。なお、メーカから出荷される時点での記
憶手段４に対しては、標準的な１個の制御出力パラメー
タを示すデータが記憶させられている。
【００２４】そして、引き続き、ＧＡ処理手段６では、
ニューラルネットワーク演算手段５からの出力値を参照
しながら２０個の個体を互いに掛け合わせて例えば交叉
率が２００％、つまり、元の個体数２０に対して２倍の
４０個の個体からなる候補群を新たに作製することが行
われる。なお、この際の交叉処理は、具体的には２個の
個体を選択し、かつ、データ列の１部分を無作為に特定
したうえ、特定した部分を２個の個体間で入れ換える遺
伝子操作である。その結果、交叉処理の実行によって
は、元の２０個と新たな４０個と合算して計６０個の個
体からなる候補群が得られたことになる。
ニューラルネットワーク演算手段５からの出力値を参照
しながら２０個の個体を互いに掛け合わせて例えば交叉
率が２００％、つまり、元の個体数２０に対して２倍の
４０個の個体からなる候補群を新たに作製することが行
われる。なお、この際の交叉処理は、具体的には２個の
個体を選択し、かつ、データ列の１部分を無作為に特定
したうえ、特定した部分を２個の個体間で入れ換える遺
伝子操作である。その結果、交叉処理の実行によって
は、元の２０個と新たな４０個と合算して計６０個の個
体からなる候補群が得られたことになる。
【００２５】次に、ＧＡ処理手段６は、突然変異率を例
えば５０％としたうえで計６０個のうちの３０個の個体
に対して突然変異を発生させることになり、突然変異が
発生した３０個と残りの３０個とが互いに組み合わされ
てなる制御出力パラメータの候補情報を算出したうえで
順次ニューラルネットワーク演算手段５に入力する。そ
こで、ＧＡ処理手段６から制御出力パラメータの候補情
報が入力してきたニューラルネットワーク演算手段５に
おいては、目標情報と実際情報と運転情報及び環境情報
と制御出力パラメータの候補情報それぞれとに基づきな
がら、快適性指数の最適値が得られるよう予め設定済み
の重み係数及び敷居値を用いたうえで快適性指数を算出
するためのシュミレーションが実行される。
えば５０％としたうえで計６０個のうちの３０個の個体
に対して突然変異を発生させることになり、突然変異が
発生した３０個と残りの３０個とが互いに組み合わされ
てなる制御出力パラメータの候補情報を算出したうえで
順次ニューラルネットワーク演算手段５に入力する。そ
こで、ＧＡ処理手段６から制御出力パラメータの候補情
報が入力してきたニューラルネットワーク演算手段５に
おいては、目標情報と実際情報と運転情報及び環境情報
と制御出力パラメータの候補情報それぞれとに基づきな
がら、快適性指数の最適値が得られるよう予め設定済み
の重み係数及び敷居値を用いたうえで快適性指数を算出
するためのシュミレーションが実行される。
【００２６】引き続き、このＧＡ処理手段６では、ニュ
ーラルネットワーク演算手段５から出力されてきた出力
値の小さいものから順に上位１０個の個体を抽出するこ
とが行われる。なお、これらの１０個は当初の個体数２
０個の５０％にあたり、エリート率は５０％である。そ
して、個体数を当初の２０個に合わせるため、残り５０
個の候補群に対してルーレット選択と呼ばれる処理を実
行し、制御適合度が高いものが選ばれる確率が高くなる
ようにしながら１０個の個体が抽出される（淘汰）。そ
して、ＧＡ処理手段６は、このような一連の世代交代処
理操作を例えば１００回繰り返して実行し、１００回の
操作終了時点における２０個の個体のうちでニューラル
ネットワークの出力値の最も小さいものを、その時点で
の制御出力パラメータ列と決定する。なお、これらの操
作における突然変異率は５０％から０．２％ずつ順次減
少させられることになり、１００回目の突然変異率は０
％となっている。
ーラルネットワーク演算手段５から出力されてきた出力
値の小さいものから順に上位１０個の個体を抽出するこ
とが行われる。なお、これらの１０個は当初の個体数２
０個の５０％にあたり、エリート率は５０％である。そ
して、個体数を当初の２０個に合わせるため、残り５０
個の候補群に対してルーレット選択と呼ばれる処理を実
行し、制御適合度が高いものが選ばれる確率が高くなる
ようにしながら１０個の個体が抽出される（淘汰）。そ
して、ＧＡ処理手段６は、このような一連の世代交代処
理操作を例えば１００回繰り返して実行し、１００回の
操作終了時点における２０個の個体のうちでニューラル
ネットワークの出力値の最も小さいものを、その時点で
の制御出力パラメータ列と決定する。なお、これらの操
作における突然変異率は５０％から０．２％ずつ順次減
少させられることになり、１００回目の突然変異率は０
％となっている。
【００２７】
【発明の効果】以上説明したように、本発明にかかる制
御装置においては、目標情報と実際情報と運転情報及び
環境情報とＧＡ処理手段で算出される制御出力パラメー
タの候補情報とに基づき、ニューラルネットワーク演算
手段では予め設定済みの重み係数及び敷居値を用いたう
えで数多くの快適性指数が算出される。そして、目標情
報と実際情報と運転情報及び環境情報とに最も良く適応
した快適性指数の最適値がニューラルネットワーク演算
手段で算出された快適性指数のうちから選択されること
になり、快適性指数の最適値を示す制御出力パラメータ
の候補情報が制御出力パラメータと決定されたうえで記
憶手段によって記憶され、かつ、決定された制御出力パ
ラメータが空気調和機に対して与えられる。その結果、
本発明にかかる制御装置によれば、遺伝的アルゴリズム
を利用したうえで使用者にとっての快適性を容易に実現
することができるという効果が得られる。
御装置においては、目標情報と実際情報と運転情報及び
環境情報とＧＡ処理手段で算出される制御出力パラメー
タの候補情報とに基づき、ニューラルネットワーク演算
手段では予め設定済みの重み係数及び敷居値を用いたう
えで数多くの快適性指数が算出される。そして、目標情
報と実際情報と運転情報及び環境情報とに最も良く適応
した快適性指数の最適値がニューラルネットワーク演算
手段で算出された快適性指数のうちから選択されること
になり、快適性指数の最適値を示す制御出力パラメータ
の候補情報が制御出力パラメータと決定されたうえで記
憶手段によって記憶され、かつ、決定された制御出力パ
ラメータが空気調和機に対して与えられる。その結果、
本発明にかかる制御装置によれば、遺伝的アルゴリズム
を利用したうえで使用者にとっての快適性を容易に実現
することができるという効果が得られる。
【００２８】そして、この際における目標情報が、室内
空調の目標状態を示す温度や湿度、使用者の好みととも
に、季節や時刻などの情報を含んでいる場合や、室内空
調の実際状態を示す温度や湿度、空気清浄度などの情報
を含んでいる場合には、これらの情報をも考慮したきめ
細かな制御出力パラメータが選択して実行される結果と
して満足度の高い空調制御を実現し得ることになる。ま
た、運転情報及び環境情報が、使用者の体感に多大の影
響を及ぼす室内吹出空気の温度や湿度、あるいは、隙間
風の侵入や換気に伴う室外空気の温度や湿度、室外熱交
換器の温度などの情報を含んでいる場合や、制御出力パ
ラメータ及びその候補情報が、圧縮機インバータ周波数
や送風機回転数、加湿運転もしくは換気運転の有無、空
気清浄運転の有無などの情報を含んでいる場合には、使
用者の体感を重視した空調制御を実現し得ることになる
ばかりか、これらの情報をも考慮したきめ細かな制御出
力パラメータの制御が行われるため、より満足度の高い
快適性が得られる。
空調の目標状態を示す温度や湿度、使用者の好みととも
に、季節や時刻などの情報を含んでいる場合や、室内空
調の実際状態を示す温度や湿度、空気清浄度などの情報
を含んでいる場合には、これらの情報をも考慮したきめ
細かな制御出力パラメータが選択して実行される結果と
して満足度の高い空調制御を実現し得ることになる。ま
た、運転情報及び環境情報が、使用者の体感に多大の影
響を及ぼす室内吹出空気の温度や湿度、あるいは、隙間
風の侵入や換気に伴う室外空気の温度や湿度、室外熱交
換器の温度などの情報を含んでいる場合や、制御出力パ
ラメータ及びその候補情報が、圧縮機インバータ周波数
や送風機回転数、加湿運転もしくは換気運転の有無、空
気清浄運転の有無などの情報を含んでいる場合には、使
用者の体感を重視した空調制御を実現し得ることになる
ばかりか、これらの情報をも考慮したきめ細かな制御出
力パラメータの制御が行われるため、より満足度の高い
快適性が得られる。
【図１】本実施の形態にかかる制御装置の構成を模式化
して示す説明図である。
して示す説明図である。
【図２】ニューラルネットワーク演算手段の構成を模式
化して示す説明図である。
化して示す説明図である。
【図３】ＧＡ処理手段で取り扱われる遺伝子型データの
構成例を示す説明図である。
構成例を示す説明図である。
１ 目標設定手段 ２ 第１の検出手段 ３ 第２の検出手段 ４ 記憶手段 ５ ニューラルネットワーク演算手段 ６ ＧＡ処理手段（遺伝子アルゴリズム処理手段）
Claims (5)
- 【請求項１】 室内空調の目標状態を設定する目標設定
手段と、 室内空調の実際状態を検出する第１の検出手段と、 空気調和機の運転状態及び環境状態を検出する第２の検
出手段と、 目標設定手段で設定された目標情報と第１の検出手段で
検出された実際情報と第２の検出手段で検出された運転
情報及び環境情報と快適性指数の最適値が得られる空気
調和機の制御出力パラメータとを時系列的に記憶する記
憶手段と、 目標情報と実際情報と運転情報及び環境情報と制御出力
パラメータの候補情報とを入力層とし、これらの情報に
基づいたうえで快適性指数の最適値が得られるよう予め
設定済みの重み係数及び敷居値を用いて算出される快適
性指数を出力層とするニューラルネットワーク演算手段
と、 制御出力パラメータを構成する各種のパラメータを遺伝
子型で表現した複数の個体を形成し、かつ、これら個体
の遺伝子操作を繰り返して制御出力パラメータの候補情
報を算出したうえでニューラルネットワーク演算手段に
入力する遺伝子アルゴリズム処理手段とを備えているこ
とを特徴とする空気調和機用制御装置。 - 【請求項２】 請求項１に記載した空気調和機用制御装
置であって、 目標情報は、室内空調の目標状態を示す温度や湿度、使
用者の好みとともに、 季節や時刻などの情報を含んでいることを特徴とする空
気調和機用制御装置。 - 【請求項３】 請求項１もしくは請求項２に記載した空
気調和機用制御装置であって、 実際情報は、室内空調の実際状態を示す温度や湿度、空
気清浄度などの情報を含んでいることを特徴とする空気
調和機用制御装置。 - 【請求項４】 請求項１ないし請求項３のいずれかに記
載した空気調和機用制御装置であって、 運転情報及び環境情報は、空気調和機から吹き出される
室内吹出空気の温度や湿度、室外空気の温度や湿度、室
外熱交換器の温度などの情報を含んでいることを特徴と
する空気調和機用制御装置。 - 【請求項５】 請求項１ないし請求項４のいずれかに記
載した空気調和機用制御装置であって、 制御出力パラメータ及びその候補情報は、圧縮機インバ
ータ周波数や送風機回転数、加湿運転もしくは換気運転
の有無、空気清浄運転の有無などの情報を含んでいるこ
とを特徴とする空気調和機用制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9274381A JPH11108415A (ja) | 1997-10-07 | 1997-10-07 | 空気調和機用制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9274381A JPH11108415A (ja) | 1997-10-07 | 1997-10-07 | 空気調和機用制御装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11108415A true JPH11108415A (ja) | 1999-04-23 |
Family
ID=17540880
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9274381A Pending JPH11108415A (ja) | 1997-10-07 | 1997-10-07 | 空気調和機用制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH11108415A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008224132A (ja) * | 2007-03-13 | 2008-09-25 | Matsushita Electric Ind Co Ltd | 空気調和機 |
| JP2008224133A (ja) * | 2007-03-13 | 2008-09-25 | Matsushita Electric Ind Co Ltd | 空気調和機 |
| CN106765959A (zh) * | 2016-12-27 | 2017-05-31 | 武汉虹信技术服务有限责任公司 | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 |
| CN107401784A (zh) * | 2017-06-30 | 2017-11-28 | 河海大学常州校区 | 基于遗传算法的变风量空调系统及设计方法 |
| CN110726220A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调的控制方法和装置 |
| CN110805997A (zh) * | 2019-11-14 | 2020-02-18 | 中金新源（天津）科技有限公司 | 中央空调系统节能控制方法 |
| CN112503725A (zh) * | 2020-12-08 | 2021-03-16 | 珠海格力电器股份有限公司 | 空调自清洁控制方法、装置和空调 |
| CN113757937A (zh) * | 2021-09-14 | 2021-12-07 | 四川长虹空调有限公司 | 空调控制方法、系统、计算机设备和存储介质 |
| WO2024093356A1 (zh) * | 2022-10-31 | 2024-05-10 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、设备及存储介质 |
-
1997
- 1997-10-07 JP JP9274381A patent/JPH11108415A/ja active Pending
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008224132A (ja) * | 2007-03-13 | 2008-09-25 | Matsushita Electric Ind Co Ltd | 空気調和機 |
| JP2008224133A (ja) * | 2007-03-13 | 2008-09-25 | Matsushita Electric Ind Co Ltd | 空気調和機 |
| CN106765959A (zh) * | 2016-12-27 | 2017-05-31 | 武汉虹信技术服务有限责任公司 | 基于遗传算法和深度bp神经网络算法的暖通空调节能控制方法 |
| CN107401784A (zh) * | 2017-06-30 | 2017-11-28 | 河海大学常州校区 | 基于遗传算法的变风量空调系统及设计方法 |
| CN110726220A (zh) * | 2019-10-29 | 2020-01-24 | 珠海格力电器股份有限公司 | 空调的控制方法和装置 |
| CN110805997A (zh) * | 2019-11-14 | 2020-02-18 | 中金新源（天津）科技有限公司 | 中央空调系统节能控制方法 |
| CN112503725A (zh) * | 2020-12-08 | 2021-03-16 | 珠海格力电器股份有限公司 | 空调自清洁控制方法、装置和空调 |
| CN113757937A (zh) * | 2021-09-14 | 2021-12-07 | 四川长虹空调有限公司 | 空调控制方法、系统、计算机设备和存储介质 |
| WO2024093356A1 (zh) * | 2022-10-31 | 2024-05-10 | 广东美的制冷设备有限公司 | 空气调节设备的控制方法、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105378391B (zh) | 针对hvac需求响应的在线优化方案 | |
| Alcalá et al. | Fuzzy control of HVAC systems optimized by genetic algorithms | |
| Lu et al. | HVAC system optimization—in-building section | |
| US20060229739A1 (en) | Device control method and device control system | |
| WO2022218014A1 (zh) | 用于家电控制的方法、装置和家电 | |
| JP6280733B2 (ja) | 空調制御システム及び空調制御方法 | |
| CN110736225B (zh) | 空调的控制方法和装置 | |
| JP6645650B1 (ja) | 制御装置、空調制御システム、制御方法及びプログラム | |
| JP2007155173A (ja) | 冷暖房機器制御システム | |
| JPH11108415A (ja) | 空気調和機用制御装置 | |
| JP6109555B2 (ja) | エネルギー管理サーバ、エネルギー管理方法およびプログラム | |
| Lin et al. | Balancing thermal comfort and energy conservation–A multi-objective optimization model for controlling air-condition and mechanical ventilation systems | |
| Li et al. | Multi-objective optimization of HVAC system using NSPSO and Kriging algorithms—A case study | |
| KR100894131B1 (ko) | 실내 환경제어 시스템 및 방법 | |
| WO2020179686A1 (ja) | 設備機器の制御システム | |
| Deng et al. | Room match: Achieving thermal comfort through smart space allocation and environmental control in buildings | |
| CN114556027B (zh) | 空调控制装置、空调系统、空调控制方法和记录介质 | |
| WO2023141766A1 (en) | Method and apparatus for optimizing control parameters, storage medium, and electronic device | |
| Tennakoon et al. | A fuzzy inference system prototype for indoor air and temperature quality monitoring and hazard detection | |
| CN113310176B (zh) | 信息处理装置 | |
| WO2021229768A1 (ja) | 空調機器のメンテナンスの学習装置および推論装置 | |
| WO2021038775A1 (ja) | 制御方法、制御プログラムおよび空調制御装置 | |
| Xu | HVAC system study: a data-driven approach | |
| Wani et al. | Intelligent Controller for Thermal Comfort Management in Buildings | |
| JP7345687B2 (ja) | 空気調和システム |