JP2673394B2 - 空気調和機制御装置 - Google Patents
空気調和機制御装置Info
- Publication number
- JP2673394B2 JP2673394B2 JP3200863A JP20086391A JP2673394B2 JP 2673394 B2 JP2673394 B2 JP 2673394B2 JP 3200863 A JP3200863 A JP 3200863A JP 20086391 A JP20086391 A JP 20086391A JP 2673394 B2 JP2673394 B2 JP 2673394B2
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- operation content
- sensor
- signal
- category
- 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.)
- Expired - Fee Related
Links
Landscapes
- Air Conditioning Control Device (AREA)
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利用するものである。
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利用するものである。
【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、図面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、図面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６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６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）から感知し、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、制御出力を出力する駆動イ
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６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）から感知し、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、制御出力を出力する駆動イ
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７を参照して上記従来例の動作に
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つくる。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」というような判定条件の
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。
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つくる。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」というような判定条件の
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、た
と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、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、た
と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、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】
【発明が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た制御
知識ルールを生成しなければならず、制御知識ルールの
作成に多くの手間と時間がかかるという問題があった。
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た制御
知識ルールを生成しなければならず、制御知識ルールの
作成に多くの手間と時間がかかるという問題があった。
【０００８】本発明は、このような従来の問題を解決す
るものであり、部屋の環境や個人の好みにあった快適な
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、部屋の環境や個人の好みにあった快適な
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。
【０００９】
【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、室内外の環境条件を検知する複数のセンサ
手段と、これらセンサ手段の前状態を保持する記憶手段
と、設定温度を変更する操作手段と、設定温度の変更時
刻を知る時刻検知手段と、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時刻および使用者
の設定した温度値から使用者の操作内容を推測する手段
と、各手段から得られた結果を参照して操作内容を学習
する手段と、操作内容を推測する手段から出力された信
号により空気調和機を制御するための制御信号を生成す
る手段とを備えたものである。
成するため、室内外の環境条件を検知する複数のセンサ
手段と、これらセンサ手段の前状態を保持する記憶手段
と、設定温度を変更する操作手段と、設定温度の変更時
刻を知る時刻検知手段と、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時刻および使用者
の設定した温度値から使用者の操作内容を推測する手段
と、各手段から得られた結果を参照して操作内容を学習
する手段と、操作内容を推測する手段から出力された信
号により空気調和機を制御するための制御信号を生成す
る手段とを備えたものである。
【００１０】
【作用】本発明は、上記構成により、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時刻お
よび使用者の設定した温度値から使用者の操作内容を推
測するとともに、設定温度を変更する操作手段から得ら
れた結果をもとに操作内容を学習することにより、部屋
の環境や個人の好みにあった空調運転を自動的かつ容易
に行なうことができる。
記憶手段からの出力値である室内外の環境条件と時刻お
よび使用者の設定した温度値から使用者の操作内容を推
測するとともに、設定温度を変更する操作手段から得ら
れた結果をもとに操作内容を学習することにより、部屋
の環境や個人の好みにあった空調運転を自動的かつ容易
に行なうことができる。
【００１１】
【実施例】以下、本発明の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
１はセンサ、１１１はセンサ信号、１２はセンサ信号を
記憶する記憶手段、１２１は記憶されたセンサ値、１３
はリモコンまたは操作パネル等の操作手段、１３１は操
作手段１３の信号値、１３２は操作手段１３において操
作があったか否かを示す操作信号、１４は操作手段１３
によって設定温度、風量、風向等を変更した時刻を検知
する時刻検知手段、１４１は時刻信号、１５は操作内容
推測手段、１５１は操作内容推測値、１５２は操作内容
推測手段１５から出力された重み付けされた操作内容推
測値、１６は学習手段、１６１は学習手段１６で得られ
た重み信号、１７は操作内容作推測値１５２により空気
調和機を制御するための制御信号を生成するための制御
信号生成手段、１７１は制御信号、１８は空気調和機で
ある。
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
１はセンサ、１１１はセンサ信号、１２はセンサ信号を
記憶する記憶手段、１２１は記憶されたセンサ値、１３
はリモコンまたは操作パネル等の操作手段、１３１は操
作手段１３の信号値、１３２は操作手段１３において操
作があったか否かを示す操作信号、１４は操作手段１３
によって設定温度、風量、風向等を変更した時刻を検知
する時刻検知手段、１４１は時刻信号、１５は操作内容
推測手段、１５１は操作内容推測値、１５２は操作内容
推測手段１５から出力された重み付けされた操作内容推
測値、１６は学習手段、１６１は学習手段１６で得られ
た重み信号、１７は操作内容作推測値１５２により空気
調和機を制御するための制御信号を生成するための制御
信号生成手段、１７１は制御信号、１８は空気調和機で
ある。
【００１２】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１１（外気温センサ、
吸い込み温度センサ、湿度センサ等）は空気調和機１８
内に設けられている。センサ１１から信号１１１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、操作内容推測手段１５および記憶手段１２へ
出力される。記憶手段１２は、入力されたセンサ信号１
１１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、記憶されたセンサの前の状態、例えば室
内温度のＮ秒間隔の傾斜センサ値１２１を出力する。一
方、操作手段１３からは、使用者が設定した温度、風
量、風向等の信号値１３１が出力される。また操作手段
１３によって設定温度等が変更されたことを示す操作信
号１３２が時刻検知手段１４へ向けて出力される。信号
１３２が時刻検知手段１４に入力されると、時刻検知手
段１４では、操作手段１３における設定が変更されてか
ら現在までの時間ｔ１を計算し、操作内容推測手段１５
へ出力する。
について説明する。多数のセンサ１１（外気温センサ、
吸い込み温度センサ、湿度センサ等）は空気調和機１８
内に設けられている。センサ１１から信号１１１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、操作内容推測手段１５および記憶手段１２へ
出力される。記憶手段１２は、入力されたセンサ信号１
１１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、記憶されたセンサの前の状態、例えば室
内温度のＮ秒間隔の傾斜センサ値１２１を出力する。一
方、操作手段１３からは、使用者が設定した温度、風
量、風向等の信号値１３１が出力される。また操作手段
１３によって設定温度等が変更されたことを示す操作信
号１３２が時刻検知手段１４へ向けて出力される。信号
１３２が時刻検知手段１４に入力されると、時刻検知手
段１４では、操作手段１３における設定が変更されてか
ら現在までの時間ｔ１を計算し、操作内容推測手段１５
へ出力する。
【００１３】 ｔ１ ＝ ｔｎ ー ｔ０ ・・・（１） ｔｎ：現在時刻 ｔ０：リモコンの変更があった時刻
【００１４】各手段１１、１２、１３、１４から出力さ
れた信号１１１、１２１、１３１、１３２、１４１を入
力された操作内容推測手段１５は、ニューラルネットを
用いて操作手段１３の操作内容を推測して、その結果の
操作内容推測値１５１を学習手段１６へ向けて出力す
る。例えば「設定温度を１度上げる」、「風量を１段強
くする」などである。操作内容推測手段１５から出力さ
れた操作内容推測値１５１は、学習手段１６からの重み
信号１６１により重み付けされた操作内容推測値１５２
として制御信号生成手段１７に入力され、ここで制御信
号１７１を生成して空気調和機１８を制御する。
れた信号１１１、１２１、１３１、１３２、１４１を入
力された操作内容推測手段１５は、ニューラルネットを
用いて操作手段１３の操作内容を推測して、その結果の
操作内容推測値１５１を学習手段１６へ向けて出力す
る。例えば「設定温度を１度上げる」、「風量を１段強
くする」などである。操作内容推測手段１５から出力さ
れた操作内容推測値１５１は、学習手段１６からの重み
信号１６１により重み付けされた操作内容推測値１５２
として制御信号生成手段１７に入力され、ここで制御信
号１７１を生成して空気調和機１８を制御する。
【００１５】一方、各手段１１、１２、１３、１４から
の出力信号１１１、１２１、１３１、１３２、１４１は
学習手段１６にも入力される。学習手段１６は各手段の
入力値と、実際の操作手段１３における操作を教師信号
として、操作内容推測手段１５が出力した操作内容推測
値１５１が正しいか否かをニューラルネットを用いて学
習する。学習終了後、ニューラルネットの重み信号１６
１を操作内容推測手段１５に出力し、操作内容推測手段
１５は重み信号１６を用いて操作内容推測値１５１を更
新し、学習された操作内容推測値１５２として制御信号
生成手段１７へ出力する。
の出力信号１１１、１２１、１３１、１３２、１４１は
学習手段１６にも入力される。学習手段１６は各手段の
入力値と、実際の操作手段１３における操作を教師信号
として、操作内容推測手段１５が出力した操作内容推測
値１５１が正しいか否かをニューラルネットを用いて学
習する。学習終了後、ニューラルネットの重み信号１６
１を操作内容推測手段１５に出力し、操作内容推測手段
１５は重み信号１６を用いて操作内容推測値１５１を更
新し、学習された操作内容推測値１５２として制御信号
生成手段１７へ出力する。
【００１６】次に、図２を参照して操作内容推測手段１
５の詳細について説明する。図２は、ニューラルネット
ワークを用いた場合の構成を示す。本発明におけるニュ
ーラルネットワークは、パターン分類型の各種のモデル
が使えるが、本発明ではＬＶＱ（Learning Vector Quan
tum:参考文献 T.Kohonen,"Self-Organization and Ass
ociative Memory",2ed,Springer Verlag.1988）の例を
示す。図２において、２１は入力信号正規化部であり、
２２はリファレンスベクトル部でありＮ個のカテゴリ
（事象）とそれぞれにｍ個のリファレンスベクトル（図
１に示す重み信号１６１に相当する。）を有する。２３
は距離算出部であり、２４はカテゴリ算出部である。
５の詳細について説明する。図２は、ニューラルネット
ワークを用いた場合の構成を示す。本発明におけるニュ
ーラルネットワークは、パターン分類型の各種のモデル
が使えるが、本発明ではＬＶＱ（Learning Vector Quan
tum:参考文献 T.Kohonen,"Self-Organization and Ass
ociative Memory",2ed,Springer Verlag.1988）の例を
示す。図２において、２１は入力信号正規化部であり、
２２はリファレンスベクトル部でありＮ個のカテゴリ
（事象）とそれぞれにｍ個のリファレンスベクトル（図
１に示す重み信号１６１に相当する。）を有する。２３
は距離算出部であり、２４はカテゴリ算出部である。
【００１７】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。
【００１８】 Ｓｘ１ ＝ （ｘmax ー ｘ１） ／ （ｘmax ー ｘmin ）・・（１） 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
【００１９】入力信号２１０は、外気温、吸い込み温
度、吸い込み温度の傾斜（Ｔ０秒前の吸い込み温度）、
風量、設定温度、時間等である。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
力ベクトルとリファレンスベクトル部２２の各カテゴリ
の全てのリファレンスベクトルとの距離を算出する。例
えば、Ａカテゴリのリファレンスベクトルとの距離（ｄ
Ａj ）は、次式（２）から求められ、次いでリファレン
スベクトル部２２のディレクトリ２２１を参照し、カテ
ゴリ数Ｎと各カテゴリのリファレンスベクトル数を算出
する。なお、リファレンスベクトル部２２のディレクト
リ２２１の内容を図３に示す。
度、吸い込み温度の傾斜（Ｔ０秒前の吸い込み温度）、
風量、設定温度、時間等である。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
力ベクトルとリファレンスベクトル部２２の各カテゴリ
の全てのリファレンスベクトルとの距離を算出する。例
えば、Ａカテゴリのリファレンスベクトルとの距離（ｄ
Ａj ）は、次式（２）から求められ、次いでリファレン
スベクトル部２２のディレクトリ２２１を参照し、カテ
ゴリ数Ｎと各カテゴリのリファレンスベクトル数を算出
する。なお、リファレンスベクトル部２２のディレクト
リ２２１の内容を図３に示す。
【００２０】 ｄＡj ＝ Σ（ｘi ー Ｒａji）2 ・・・（２） ｄＡj ：ｊ番目のリファレンスベクトルとの距離 ｘi ：ｉ番目の入力ベクトル値 Ｒａji：ｊ番目のリファレンスベクトルのｉ番目のベク
トル値
トル値
【００２１】次に、各カテゴリに対しリファレンスベク
トル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（３）のようになる。
トル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（３）のようになる。
【００２２】 ｄnum ＝ ｍ１＋ｍ２・・・＋ｍＮ ・・・（３） ｍ１：Ａカテゴリのリファレンス総数 ｍ２：Ｂカテゴリのリファレンス総数 ｍＮ：Ｎカテゴリのリファレンス総数
【００２３】次に、距離算出部２３で求めた距離ｄＮj
とｄnumはカテゴリ算出部２４に出力される。カテゴリ
算出部では、ｄnum 個の距離で最も短い距離ｄmin を算
出し、さらに該当リファレンスベクトルが属するカテゴ
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４に示す。入力ベクトルと最短距離にある
リファレンスベクトル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１５
の出力となる。そして各カテゴリにエアコンの事象を対
応づける。たとえば、Ａカテゴリに対し「設定温度を１
度上げる」とか、Ｂカテゴリに対し「設定温度を１度下
げる」などと対応させる。
とｄnumはカテゴリ算出部２４に出力される。カテゴリ
算出部では、ｄnum 個の距離で最も短い距離ｄmin を算
出し、さらに該当リファレンスベクトルが属するカテゴ
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４に示す。入力ベクトルと最短距離にある
リファレンスベクトル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１５
の出力となる。そして各カテゴリにエアコンの事象を対
応づける。たとえば、Ａカテゴリに対し「設定温度を１
度上げる」とか、Ｂカテゴリに対し「設定温度を１度下
げる」などと対応させる。
【００２４】次に、図５を用いて学習手段１６の詳細な
説明をする。図５において、５１は入力信号正規化部で
あり、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
のレファレンスベクトル部ある。５３はリファレンスベ
クトル検索手段、５４はリファレンスベクトル生成部、
５５はリファレンスベクトル学習部である。
説明をする。図５において、５１は入力信号正規化部で
あり、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
のレファレンスベクトル部ある。５３はリファレンスベ
クトル検索手段、５４はリファレンスベクトル生成部、
５５はリファレンスベクトル学習部である。
【００２５】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リファレンスベクト
ル検索部５３に入力される。さらに入力ベクトルの正し
いカテゴリ（教師データ）も同時にリファレンスベクト
ル検索部５３に入力される。リファレンスベクトル検索
部５３では、リファレンスベクトル部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Ａカテゴリの場合、Ａカテゴリリファレンス数が
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リファレンスベクト
ル検索部５３に入力される。さらに入力ベクトルの正し
いカテゴリ（教師データ）も同時にリファレンスベクト
ル検索部５３に入力される。リファレンスベクトル検索
部５３では、リファレンスベクトル部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Ａカテゴリの場合、Ａカテゴリリファレンス数が
以下のような関係にある時、次のような処理を行なう。
【００２６】ＡＲNUM ＜ ＡＲNUMmax ならば、 リファレンスベクトル生成部５４の処理を行なう。 ＡＲNUM ≧ ＡＲNUMmax ならば、 リファレンスベクトル学習部５５の処理を行なう。 ＡＲNUM ：Ａカテゴリのリファレンス数 ＡＲNUMmax：Ａカテゴリのリファレンス最大数
【００２７】リファレンスベクトル生成部５４では、入
力ベクトルを正しいカテゴリ（ＴＣ）のリファレンスベ
クトルとして生成する。ここでは、Ａカテゴリのリファ
レンスベクトルを生成し、ＡＲNUM を１増やす。
力ベクトルを正しいカテゴリ（ＴＣ）のリファレンスベ
クトルとして生成する。ここでは、Ａカテゴリのリファ
レンスベクトルを生成し、ＡＲNUM を１増やす。
【００２８】リファレンスベクトル学習部５５では、操
作手段１３の出力値と入力ベクトルの正しいカテゴリを
比較し、一致している場合は、一番距離の短いリファレ
ンスベクトルを近づける。また、操作手段１３の出力値
と入力ベクトルの正しいカテゴリが一致していない場合
は、一番距離の短いリファレンスベクトルを遠ざける。
すなわち、 ＯＣ ＝ ＴＣ ならば ＲＶ ＝ ＲＶ ＋ α（ＲＶ ー Ｓｘ） ＯＣ ≠ ＴＣ ならば ＲＶ ＝ ＲＶ ー α（ＲＶ ー Ｓｘ） ＲＶ：入力ベクトルと一番距離の短いリファレンスベク
トル 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
作手段１３の出力値と入力ベクトルの正しいカテゴリを
比較し、一致している場合は、一番距離の短いリファレ
ンスベクトルを近づける。また、操作手段１３の出力値
と入力ベクトルの正しいカテゴリが一致していない場合
は、一番距離の短いリファレンスベクトルを遠ざける。
すなわち、 ＯＣ ＝ ＴＣ ならば ＲＶ ＝ ＲＶ ＋ α（ＲＶ ー Ｓｘ） ＯＣ ≠ ＴＣ ならば ＲＶ ＝ ＲＶ ー α（ＲＶ ー Ｓｘ） ＲＶ：入力ベクトルと一番距離の短いリファレンスベク
トル 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
【００２９】従って、リファレンスベクトル学習部５５
では、リファレンス数がリファレンスの最大値を超える
までは、入力ベクトルを入力ベクトルの正しいカテゴリ
のリファレンスベクトルとして生成する。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、リファレンスベクトルを入力ベクトルの方向
へ少し近づけ、一致しない場合は、リファレンスベクト
ル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。
では、リファレンス数がリファレンスの最大値を超える
までは、入力ベクトルを入力ベクトルの正しいカテゴリ
のリファレンスベクトルとして生成する。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、リファレンスベクトルを入力ベクトルの方向
へ少し近づけ、一致しない場合は、リファレンスベクト
ル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。
【００３０】このように、利用者の望む標準的な環境を
推定する固定された知識表現は、さまざまな環境におい
て人が快適感をどのように制御するかというデータを収
集し、環境データと人の制御データとの相関をニューラ
ルネットに学習させることによって得ることができる。
推定する固定された知識表現は、さまざまな環境におい
て人が快適感をどのように制御するかというデータを収
集し、環境データと人の制御データとの相関をニューラ
ルネットに学習させることによって得ることができる。
【００３１】以上のように、上記実施例によれば、ニュ
ーラルネット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、使用者の操作
内容を学習し、操作の先取り予測を行なうことにより、
部屋の環境や個人の好みにあった自動モード運転の空調
が実現でき、学習により使用者をリモコン設定等の煩わ
しさから解放することができる。
ーラルネット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、使用者の操作
内容を学習し、操作の先取り予測を行なうことにより、
部屋の環境や個人の好みにあった自動モード運転の空調
が実現でき、学習により使用者をリモコン設定等の煩わ
しさから解放することができる。
【００３２】
【発明の効果】本発明は、上記実施例から明らかなよう
に、各センサ手段および記憶手段からの出力値である室
内外の環境条件と時刻および使用者の操作から、操作内
容推測手段および操作内容学習手段が、使用者の操作し
た内容を推測し、学習するので、部屋の環境や個人の好
みにあ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、各センサ手段および記憶手段からの出力値である室
内外の環境条件と時刻および使用者の操作から、操作内
容推測手段および操作内容学習手段が、使用者の操作し
た内容を推測し、学習するので、部屋の環境や個人の好
みにあ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
の構成を示す概略ブロック図
の構成を示す概略ブロック図
【図２】同装置における操作内容推測手段の詳細なブロ
ック図
ック図
【図３】同装置におけるリファレンスベクトル部のディ
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４】同装置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
ム例を示すフローチャート
【図５】同装置における学習手段の詳細なブロック図
【図６】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
フトウェアの構成を示すブロック図
【図７】同装置における推論制御ソフトウェアの動作を
示すブロック図
示すブロック図
１１ センサ １１１ センサ信号 １２ 記憶手段 １２１ 記憶されたセンサ値 １３ 操作手段 １３１ 操作手段の信号値 １３２ 操作されたか否かを示す操作信号 １４ 時刻検知手段 １４１ 時刻信号 １５ 操作内容推測手段 １５１ 操作内容推測値 １５２ 重みを付けされた操作内容推測値 １６ 学習手段 １６１ 重み信号 １７ 制御信号生成手段 １７１ 制御信号 １８ 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 (72)発明者 横 内 朗 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 (4)
- 【請求項１】 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、設定温度を変更する操作手段と、設定温度の変更時
刻を知る時刻検知手段と、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時刻およ
び使用者の設定した温度値から使用者の操作内容を推測
する手段と、前記各手段から得られた結果を参照して操
作内容を学習する手段と、前記操作内容を推測する手段
から出力された信号をもとに空気調和機を制御するため
の制御信号を生成する手段とを備えた空気調和機制御装
置。 - 【請求項２】 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ている請求項１記載の空気
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、湿度を検出する
手段を含む請求項１または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
勾配を記憶することを含む請求項１から３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 |
|---|---|---|---|
| JP3200863A JP2673394B2 (ja) | 1991-08-09 | 1991-08-09 | 空気調和機制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3200863A JP2673394B2 (ja) | 1991-08-09 | 1991-08-09 | 空気調和機制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0544972A JPH0544972A (ja) | 1993-02-23 |
| JP2673394B2 true JP2673394B2 (ja) | 1997-11-05 |
Family
ID=16431481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3200863A Expired - Fee Related JP2673394B2 (ja) | 1991-08-09 | 1991-08-09 | 空気調和機制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2673394B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4569370B2 (ja) * | 2005-04-28 | 2010-10-27 | 株式会社日立製作所 | 設備制御システム |
| JP4661640B2 (ja) * | 2006-03-09 | 2011-03-30 | 株式会社日立製作所 | 空調制御システム |
| JP4821536B2 (ja) * | 2006-09-26 | 2011-11-24 | 株式会社デンソー | 車両用空調装置及び車両用空調装置の制御方法 |
| JP5616723B2 (ja) * | 2010-09-01 | 2014-10-29 | パナソニック株式会社 | 機器制御システム、コントローラ |
| JP6236061B2 (ja) * | 2013-03-11 | 2017-11-22 | 日立アプライアンス株式会社 | 電気機器制御装置および電気機器制御システム |
| JP2018071853A (ja) * | 2016-10-27 | 2018-05-10 | インフォグリーン株式会社 | 学習装置、制御装置、学習方法、制御方法、学習プログラムおよび制御プログラム |
-
1991
- 1991-08-09 JP JP3200863A patent/JP2673394B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0544972A (ja) | 1993-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3683513B1 (en) | Drowsiness estimation device | |
| JPH05264086A (ja) | 空気調和装置およびその制御装置 | |
| CN118893950B (zh) | 汽车空调控制方法、装置、系统及存储介质 | |
| JP2673394B2 (ja) | 空気調和機制御装置 | |
| JPH09105545A (ja) | 空調装置 | |
| JP3128156B2 (ja) | 空気調和機制御装置 | |
| JP2846549B2 (ja) | 空気調和機 | |
| JP3198523B2 (ja) | 空気調和機の制御装置 | |
| JPH08189683A (ja) | 空気調和機の制御装置 | |
| CN117419428B (zh) | 基于深度强化学习的综合能源暖通空调控制方法 | |
| JP2902472B2 (ja) | 空調制御装置 | |
| JP2899484B2 (ja) | パターン分類装置と環境認識装置と空調機 | |
| JP2707890B2 (ja) | 空気調和機の制御装置 | |
| JP3094590B2 (ja) | 空気調和機の制御装置 | |
| JP2712947B2 (ja) | 空気調和機の制御装置 | |
| JP2897395B2 (ja) | 空気調和機の制御装置 | |
| JP2517168B2 (ja) | 空気調和機の制御装置 | |
| KR0134727B1 (ko) | 에어컨의 인공지능 운전 방법 | |
| JPH05223323A (ja) | 空気調和機の制御装置 | |
| JPH0634188A (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 | |
| JPH05133584A (ja) | 空気調和機の制御装置 | |
| JPH04320749A (ja) | 空気調和機の制御装置 | |
| WO2021176700A1 (ja) | 学習装置、推論装置及び空気調和機 | |
| JPH04316945A (ja) | 空気調和機の制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |