JPH04342979A - 電気カーペット - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、カーペット本体の表面
温度に基づき発熱体を制御する電気カーペットに関する
。

【０００２】

【従来の技術】従来、この種の電気カーペットは図１１
に示すように構成されていた。以下、その構成について
説明する。

【０００３】図に示すように、カーペット本体１は、内
部に発熱体２と、温度検知体３とが蛇行配置されており
、コントローラ４で制御されるようにしている。また、
その回路構成は、特開昭６２−２２９２１号公報に示さ
れる図１２のように構成されている。そして、温度検知
体３からの信号と、使用温度調節用の可変抵抗ＶＲおよ
び最高温度設定用抵抗Ｒ５　などで構成される回路から
の信号との両信号を比較して出力信号を出し、リレーＲ
Ｌを制御し、発熱体２の発熱量（温度）をコントロール
していた。また、電源投入時においては、カーペット本
体１の温度を早く上昇させるために、ある一定時間Ｔだ
けリレーＲＬを連続通電させ、その後上記の使用調節温
度になるよう制御していた。

【０００４】

【発明が解決しようとする課題】このような従来の電気
カーペットでは、カーペット本体１の表面温度を検出し
て発熱体２を制御していないために、カーペット本体１
が敷かれる環境によって実際の表面温度はかなり変動す
るという問題を有していた。すなわち、カーペット本体
１の表面温度は、たとえばカーペット本体１が敷かれる
床材が畳かフローリングかにより異なる。それは、床材
の熱抵抗により床下への放熱に差が生じるためである。 その様子を図１３に示している。また、使用調節温度範
囲が強・中・弱とあった場合、電源投入時の立ち上げ制
御は、使用調節温度（強・中・弱）に関係なく、一定時
間Ｔだけ発熱体２を連続通電するので、温度が低設定に
もかかわらず立ち上げ時は過剰暖房となることがあった
。その様子を図１４に示している。また、室温の差によ
っても運転時の実際の表面温度は異なる。その様子を図
１５に示している。さらに、カーペット本体１の表布の
厚さによっても、運転時の実際の表面温度は使用調節温
度範囲が同じでも異なってくる。その様子を図１６に示
している。つまり、実際の表面温度はカーペット本体１
が敷かれる環境（室温、床材、表布の厚さなど）によっ
て、使用調節温度（強・中・弱）で設定した温度とかな
りの差が生じていた。また、カーペット本体１にカバー
材を載せる場合、そのカバー材が厚いか薄いかを切り替
えるスイッチを備えており、使用者がカバー材の厚さを
判断して切り替えるという操作が必要であるという課題
を有していた。

【０００５】本発明は上記課題を解決するもので、カー
ペット本体の表面温度を実時間で推定することにより、
いかなる環境下に敷かれても快適な暖房を得ることを目
的としている。

【０００６】

【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、発熱体と温度検知体を配設し表面材、断熱
材とで構成されたカーペット本体と、前記発熱体の温度
を前記温度検知体を介して検出する温度検知手段と、室
温を検出する室温検知手段と、前記発熱体への通電を制
御する通電制御手段と、電源投入時よりの時間をカウン
トする計時手段と、前記発熱体への通電率を検出する通
電率検出手段と、前記発熱体の温度を設定する温度設定
手段と、前記温度検知手段、前記室温検知手段、前記計
時手段、前記通電率検出手段および前記温度設定手段の
出力に基づき前記カーペット本体の表面温度を推定する
表面温度推定手段と、前記表面温度推定手段の出力と前
記温度検知手段の出力の偏差分だけ前記温度設定手段の
出力を補正する温度設定補正手段と、前記温度検知手段
の出力と前記温度設定補正手段の出力とを比較し前記通
電制御手段を制御する制御手段とを備えたことを課題解
決手段としている。

【０００７】

【作用】本発明は上記した課題解決手段により、温度検
知手段からの温度検知体の温度情報、室温検知手段から
の室温情報、計時手段からの電源投入時よりの経過時間
情報、通電率検出手段からの発熱体への通電率情報、温
度設定手段からの設定温度情報を表面温度推定手段に入
力することにより、表面温度推定手段は、カーペット本
体の表面温度を時々刻々推定し、またカバーが載せられ
た場合はカバーの表面温度を時々刻々推定する。温度設
定補正手段はその表面温度情報と温度検知体の温度情報
との偏差分だけ温度設定手段の出力を補正し、その補正
された設定温度情報により制御手段は通電制御手段を介
して発熱体を制御し、時々刻々使用される環境に応じた
快適な暖房を得ることができる。

【０００８】

【実施例】以下、本発明の一実施例を図１から図３を参
照しながら説明する。なお、従来例と同じ構成のものは
同一符号を付して説明を省略する。

【０００９】図に示すように、温度検知手段５は発熱体
２の温度を温度検知体３を介して検出する。室温検知手
段６はサーミスタとその周辺回路で構成している。通電
制御手段７は発熱体２への通電を制御するもので、リレ
ーなどで構成している。計時手段８は電源投入時よりの
時間をカウントする。通電率検出手段９は発熱体２への
通電率を検出する。温度設定手段１０は設定温度を決定
するものである。表面温度推定手段１１は温度検知手段
５、室温検知手段６、計時手段８、通電率検出手段９、
温度設定手段１０の出力に基づきカーペット本体１の表
面温度を推定するものである。温度設定補正手段１２は
表面温度推定手段１１と温度検知手段５の出力の偏差分
だけ温度設定手段１０の出力を補正する。制御手段１３
は温度設定補正手段１２の出力と温度検知手段５の出力
とを比較し、通電制御手段７を制御する。カーペット本
体１に発熱体２と温度検知体３とをそれぞれ蛇行配置し
ている。なお、１４は電気カーペットのコントローラで
あり、１５は表面材、１６は断熱材である。

【００１０】表面温度推定手段１１を構成する手段は、
従来の制御手法に用いられている解決的な方法が適用で
きないため、多次元情報処理手法として最適な神経回路
網を模した方法で構成している。神経回路網を模した手
法においては、カーペット本体１の表面温度を推定する
神経回路網の複数の結合重み係数を固定されたテーブル
として用いる方法と、学習機能を残し環境と使用者に適
応できるようにする方法とがある。本実施例は、神経回
路網を模した手法によって獲得されたカーペット本体１
の表面温度を推定する固定された結合重み係数を内部に
もつ神経回路網模式手段を有する表面温度推定手段１１
を設けている。

【００１１】カーペット本体１において発熱体２の熱は
、水平方向と表布方向（上方向）と裏面方向（下方向）
に伝達されていくが、周囲の環境（室温、床材、表布の
厚さ、表布の熱容量など）により、発熱体２の熱の伝わ
り方は異なる。したがって、カーペット本体１の表面温
度、またはカバー材をカーペット本体１の上に載せた場
合のカバー材の表面温度は、周囲の環境により大きく変
動することになる。

【００１２】カーペット本体１の表面温度を推定する神
経回路網において固定された結合重み係数は、電気カー
ペットが敷かれるさまざまな環境において、発熱体２を
制御した場合、カーペット本体１の表面温度がどのよう
に変化するかというデータを収集し、環境データと制御
データと表面温度データとの相関を神経回路網模式手段
に学習させることによって得ることができる。用いるべ
き神経回路網模式手段としては、文献１（Ｄ．Ｅ．ラメ
ルハート他２名著、甘利俊一監訳「ＰＤＰモデル」１９
８９年）、文献２（中野馨他７名著「ニューロコンピュ
ータの基礎」（株）コロナ社刊、Ｐ１０２、１９９０年
）、特公昭６３−５５１０６号公報などに示されたもの
がある。以下、文献１に記載された最もよく知られた学
習アルゴリズムとして誤差逆伝搬法を用いた多層パーセ
プトロンを例にとり、具体的な神経回路網模式手段の構
成および動作について説明する。

【００１３】図４は、神経回路網模式手段の構成単位と
なる神経素子の概念図である。図４において、２１〜２
Ｎは神経のシナプス結合を模擬する疑似シナプス結合変
換器であり、２ａは疑似シナプス結合変換器２１〜２Ｎ
からの出力を加算する加算器であり、２ｂは設定された
非線形関数、たとえば、しきい値をｈとするシグモイド
関数、 　　　　　　ｆ（ｙ，ｈ）＝１／（１＋ｅｘｐ（−ｙ＋
ｈ））　　　　　　（式１）によって加算器２ａの出力
を非線形変換する非線形変換器である。なお、図面が煩
雑になるので省略したが、修正手段からの修正信号を受
ける入力線が疑似シナプス結合変換器２１〜２Ｎと非線
形変換器２ｂにつながっている。また、疑似シナプス結
合変換器２１〜２Ｎが神経回路網模式手段の結合重み係
数となる。この神経素子には、信号処理モードと学習モ
ードの２つの種類の動作モードがある。

【００１４】以下、図４に基づいて神経素子のそれぞれ
のモードの動作について説明する。まず、信号処理モー
ドの動作の説明をする。神経素子はＮ個の入力Ｘ１〜Ｘ
ｎを受けて１つの出力を出す。ｉ番目の入力信号Ｘｉは
、四角で示されたｉ番目の疑似シナプス結合変換器２ｉ
においてＷｉ・Ｘｉに変換される。疑似シナプス結合変
換器２１〜２Ｎで変換されたＮ個の信号Ｗ１・Ｘ１〜Ｗ
ｎ・Ｘｎは加算器２ａに入り、加算結果ｙが非線形変換
器２ｂに送られ、最終出力ｆ（ｙ，ｈ）となる。つぎに
、学習モードの動作について説明する。学習モードでは
、疑似シナプス結合変換器２１〜２Ｎと非線形変換器２
ｂの変換パラメータＷ１〜Ｗｎとｈを、修正手段からの
変換パラメータの修正量ΔＷ１〜ΔＷｎとΔｈを表す修
正信号を受けて、 　　　　　　Ｗｉ＋ΔＷｉ　　　　；　　　　ｉ＝１，
２，・・　　，Ｎ　　　　　　ｈ＋Δｈ　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　
　　　　　　　　　　（式２）と修正する。

【００１５】図５は上記神経素子を４つ並列につないで
構成した信号変換手段の概念図である。いうまでもなく
、以下の説明は、この信号変換手段を構成する神経素子
の個数を４個に特定するものではない。図５において、
２１１〜２４４は疑似シナプス結合変換器であり、２０
１〜２０４は、図４で説明した加算器２ａと非線形変換
器２ｂをまとめた加算非線形変換器である。図５におい
て、図４と同様に図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器２１１〜２４４と加算非線形変換器２０１〜２
０４につながっている。疑似シナプス結合変換器２１１
〜２４４も結合重み係数となる。この信号変換手段の動
作については、図４で説明した神経素子の動作が並列し
てなされるものである。

【００１６】図６は、学習アルゴリズムとして誤差逆伝
搬法を採用した場合の信号処理手段の構成を示したブロ
ック図で、３１は上述の信号変換手段である。ただし、
ここではＮ個の入力を受ける神経素子がＭ個並列に並べ
られたものである。３２は学習モードにおける信号変換
手段３１の修正量を算出する修正手段である。以下、図
６に基づいて信号処理手段の学習を行う場合の動作につ
いて説明する。信号変換手段３１はＮ個の入力Ｓｉｎ（
Ｘ）を受け、Ｍ個の出力Ｓｏｕｔ　（Ｘ）を出力する。 修正手段３２は、入力信号Ｓｉｎ（Ｘ）と出力信号Ｓｏ
ｕｔ　（Ｘ）とを受け、誤差計算手段または後段の信号
変換手段からのＭ個の誤差信号δｉ　（Ｘ）の入力があ
るまで待機する。誤差信号δｉ　（Ｘ）が入力され修正
量を　　ΔＷｉｊ＝δｉ　（Ｘ）・Ｓｉｏｕｔ（Ｘ）・
（１−Ｓｉｏｕｔ（Ｘ））・Ｓｊｉｎ　（Ｘ）　　　　
　　　　　　　　　　　　　　　　　　（ｉ＝１〜Ｎ，
ｊ＝１〜Ｍ）　　　　　　　　（式３）と計算し、修正
信号を信号変換手段３１に送る。信号変換手段３１は、
内部の神経素子の変換パラメータを上で説明した学習モ
ードにしたがって修正する。

【００１７】図７は、神経回路網模式手段を用いた多層
パーセプトロンの構成を示すブロック図であり、３１Ｘ
、３１Ｙ、３１ＺはそれぞれＫ個、Ｌ個、Ｍ個の神経素
子からなる信号変換手段であり、３２Ｘ、３２Ｙ、３２
Ｚは修正手段であり、３３は誤差計算手段である。以上
のように構成された多層パーセプトロンについて、図７
を参照しながらその動作を説明する。信号処理手段３４
Ｘにおいて、信号変換手段３１Ｘは、入力Ｓｉｉｎ　（
Ｘ）（ｉ＝１〜Ｎ）を受け、出力Ｓｊｏｕｔ（Ｘ）（ｊ
＝１〜Ｋ）を出力する。修正手段３２Ｘは、信号Ｓｉｉ
ｎ　（Ｘ）と信号Ｓｊｏｕｔ（Ｘ）を受け、誤差信号δ
ｊ　（Ｘ）（ｊ＝１〜Ｋ）が入力されるまで待機する。 以下同様の処理が、信号処理手段３４Ｙ、３４Ｚにおい
て行われ、信号変換手段３１Ｚより最終出力Ｓｈｏｕｔ
（Ｚ）（ｈ＝１〜Ｍ）が出力される。最終出力Ｓｈｏｕ
ｔ（Ｚ）は、誤差計算手段３３にも送られる。誤差計算
手段３３においては、２乗誤差の評価関数ＣＯＳＴ（式
４）に基づいて理想的な出力Ｔ（Ｔ１，・・・・・，Ｔ
Ｍ　）との誤差が計算され、誤差信号δｈ　（Ｚ）が修
正手段３２Ｚに送られる。

【００１８】

【数１】

【００１９】ただし、ηは多層パーセプトロンの学習速
度を定めるパラメータである。つぎに、評価関数を２乗
誤差とした場合には誤差信号は、 　　　　　　δｈ（Ｚ）＝−η・（Ｓｈｏｕｔ（Ｚ）−
Ｔｈ　）　　　　　　　　　　（式５）となる。修正手
段３２Ｚは、上で説明した手続きにしたがって、信号変
換手段３１Ｚの変換パラメータの修正量ΔＷ（Ｚ）を計
算し、修正手段３２Ｙに送る誤差信号を（式６）に基づ
き計算し、修正信号ΔＷ（Ｚ）を信号変換手段３１Ｚに
送り、誤差信号δ（Ｙ）を修正手段３２Ｙに送る。信号
変換手段３１Ｚは、修正信号ΔＷ（Ｚ）に基づいて内部
のパラメータを修正する。なお、誤差信号δ（Ｙ）は（
式６）で与えられる。

【００２０】

【数２】

【００２１】ここで、Ｗｉｊ（Ｚ）は信号変換手段３１
Ｚの疑似シナプス結合変換器の変換パラメータである。 以下、同様の処理が信号処理手段３４Ｘ、３４Ｙにおい
て行われる。学習と呼ばれる以上の手続きを繰り返し行
うことにより、多層パーセプトロンは入力が与えられる
と理想出力Ｔをよく近似する出力を出すようになる。な
お、上記の説明においては、３段の多層パーセプトロン
を用いたが、これは何段であってもよい。また、文献１
にある信号変換手段のなかの非線形変換手段の変換パラ
メータｈの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。

【００２２】こうして、神経回路網模式手段は環境デー
タ（室温、床材、設定温度、表布の厚さなど）と制御デ
ータと表面温度データとの関係を学習し、簡単なルール
で記述することが容易でない制御の仕方を自然な形で表
現することができる。本実施例は、こうして得られた情
報を組み込んで、表面温度推定手段１１を構成するもの
である。具体的には、十分学習を終えた後の多層パーセ
プトロンの信号変換手段３１Ｘ、３１Ｙ、３１Ｚのみを
神経回路網模式手段として用いて、表面温度推定手段１
１を構成する。実際に学習させたデータについて説明す
る。

【００２３】図８は、室温５℃、床材が畳、表布が比較
的薄く、温度設定が強設定の時の電気カーペットの実験
データである。図８（ａ）は、カーペット本体１の表面
温度の変化を示したものであり、時刻Ｔ１で強設定の温
度に達した後、その温度＋ｔ℃まで表面温度をあげ、そ
の後は強設定温度を基準に通電制御手段をオン・オフ制
御している。電気カーペット立ち上げ時の暖房は、設定
温度よりも少し高め（本実施例ではｔ＝２℃）が快適と
されている。図８（ｂ）は、電源投入時から温度検知体
３を介して温度情報を検出する温度検知手段５の出力（
ＤＣ電圧）の変化を示したものである。図８（ｃ）は、
通電制御手段７（本実施例ではリレー）の状態を示して
いる。図８（ｄ）は、室温検知手段６の変化を示したも
のである。図９は、室温５℃、床材がフローリング、表
布が比較的薄く、温度設定が強設定のときの電気カーペ
ットの実験データである。図９（ａ）は、図８（ａ）と
同様にカーペット本体１の表面温度の変化を示したもの
である。図９（ｂ）は、そのときの電源投入時から温度
検知体３を介して温度情報を検出する温度検知手段５の
出力（ＤＣ電圧）の変化を示したものである。 図９（ｃ）は、通電制御手段７（本実施例ではリレー）
の状態を示している。図９（ｄ）は、室温検知手段６の
変化を示したものである。

【００２４】図８（ａ）と図９（ａ）から、床材として
畳の方がフローリングよりも強設定温度に達するのが早
いのが判る。これは、いうまでもなくフローリングの方
が床下への放熱が大きいからである。これらの物理情報
は、すべて図８（ｂ），図９（ｂ）の温度検知手段５の
ＤＣ電圧カーブに現れており、表面温度推定手段１１の
入力に温度検知手段５のＤＣ電圧カーブ特性を入力して
いる。ＤＣ電圧カーブ特性の入力として、現時点の温度
検知手段５のＤＣ電圧と時刻Ｔｘ（本実施例では１分）
前のＤＣ電圧の２点の電圧を入力している。なお、本実
施例では、２点のＤＣ電圧を入力しているが、３点、４
点のＤＣ電圧を入力しても全く問題はない。ここでは示
さないが、表布が厚いものと薄いもの、室温が高い場合
と低い場合、設定温度を変更した場合についても同様の
実験を行った。そして、その実験データを神経回路網模
式手段に入力し学習をさせた。つまり、神経回路網模式
手段へは温度検知手段５の現時点の温度情報と１分前の
温度情報（つまり現時点のＤＣ電圧と１分前のＤＣ電圧
）、室温検知手段６の室温情報、計時手段８より得られ
る電源投入時からの経過時間情報、通電率検出手段９よ
り得られる現時点での通電率情報、温度設定手段１０よ
り得られる設定温度情報の６情報と、理想出力としてカ
ーペット本体１の表面温度情報を入力し学習させ、神経
回路網模式手段の中の信号変換手段３１Ｘ、３１Ｙ、３
１Ｚを確立し、それらを神経回路網模式手段として表面
温度推定手段１１に組み込んでいる。

【００２５】つぎに、図１に示した回路ブロック図に基
づき動作を説明する。まず、温度設定手段１０により設
定温度を設定し電源が投入される。温度設定情報は制御
手段１３を介して表面温度推定手段１１に入力される。 制御手段１３は計時手段８に計時開始の信号を出力する
とともに、通電制御手段７に発熱体２を発熱させるよう
に通電オン（リレーオン）の信号を出力する。通電率検
出手段９は、制御手段１３より通電制御手段７の状態（
リレーのオン・オフ状態）と、計時手段８から計時信号
が入力されており、時々刻々発熱体２への通電率が演算
され、その情報を表面温度推定手段１１に出力している
。計時手段８の計時情報は表面温度推定手段１１に入力
されている。そして発熱体２の温度情報は温度検知体３
を介して温度検知手段５より時々刻々制御手段１３に入
力され、制御手段１３は現時点の温度情報と１分前の温
度情報を表面温度推定手段１１に出力している。そして
温度設定手段１０の設定温度情報もまた制御手段１３を
介して表面温度推定手段１１に入力されている。また室
温検知手段６からの室温情報は、ＡＤ変換され制御手段
１３と表面温度推定手段１１に入力されている。表面温
度推定手段１１は、これらの入力された信号・情報をも
とにカーペット本体１の表面温度を時々刻々推定し、そ
の情報を温度設定補正手段１２に出力している。温度設
定補正手段１２は、この推定表面温度情報と温度検知体
３の温度情報との偏差分だけ温度設定手段１０の出力を
補正し、補正された設定温度情報を制御手段１３に入力
する。制御手段１３は、立ち上げ時においては、温度設
定手段１０で設定された温度より２ｄｅｇ上昇した時点
で通電制御手段７に通電オフ信号を出力し、リレーをオ
フし発熱体２への通電を停止させる。その後、設定温度
を維持するように表面温度情報をもとに通電制御手段７
を制御（オン・オフ制御）する。

【００２６】また、図１０は通電率の算出の方法を説明
するための図であり、通電制御手段７のリレーの状態を
示している。本実施例において、時刻ｔｐ　での通電率
は、時刻ｔｐ　以前のリレーがオンの期間をｔｐｏｎ　
，オフの期間をｔｐｏｆｆとすると（式７）で算出した
。

【００２７】 　　　　　　ｔｐｏｎ　／（ｔｐｏｎ　＋ｔｐｏｆｆ）
　　　　　　　　　　　　　　　　　　　　　　　　（
式７）なお、本実施例では、通電率を（式７）のように
デューティ比でもって決めたが、この方法にとらわれる
ことはなく、電源投入時からの累積通電率であってもよ
い。また、制御手段１３、通電率検出手段９、計時手段
８、表面温度推定手段１１は、すべて４ビットマイクロ
コンピュータで構成したが、これらは１つのマイクロコ
ンピュータで構成することはもちろん可能である。

【００２８】以上のように本実施例によれば、使用され
る環境下で既に学習された神経回路網の複数の固定結合
重み係数を有する神経回路網模式手段を組み込んだ表面
温度推定手段を備えた構成としているので、電気カーペ
ットが使用される環境下において、人間にフィットした
最適な暖房が実現できる。

【００２９】

【発明の効果】以上の実施例から明らかなように本発明
によれば、発熱体と温度検知体を配設し表面材、断熱材
とで構成されたカーペット本体と、前記発熱体の温度を
前記温度検知体を介して検出する温度検知手段と、室温
を検出する室温検知手段と、前記発熱体への通電を制御
する通電制御手段と、電源投入時よりの時間をカウント
する計時手段と、前記発熱体への通電率を検出する通電
率検出手段と、前記発熱体の温度を設定する温度設定手
段と、前記温度検知手段、前記室温検知手段、前記計時
手段、前記通電率検出手段および前記温度設定手段の出
力に基づき前記カーペット本体の表面温度を推定する表
面温度推定手段と、前記表面温度推定手段の出力と前記
温度検知手段の出力の偏差分だけ前記温度設定手段の出
力を補正する温度設定補正手段と、前記温度検知手段の
出力と前記温度設定補正手段の出力とを比較し前記通電
制御手段を制御する制御手段とを備えたから、電気カー
ペットを敷く床材が畳、フローリングなどに関係なく、
また使用される環境に関係なく人間にフィットした最適
の暖房が実現でき、また、カーペット本体の表布の厚さ
に関係なく最適な暖房ができ、従来カーペット本体にカ
バーを載せる場合、そのカバーが厚いか薄いかを切り替
えるスイッチをカーペットコントローラに備えていたが
、このスイッチが不要となり、使い勝手上大変便利にな
る。

【００３０】また、表面温度推定手段は、複数の神経素
子より構成される神経回路網を模した手法により獲得さ
れたカーペット本体の表面温度を推定する固定された神
経回路網の複数の結合重み係数を内部に持つ神経回路網
模式手段を有し、または、複数の神経素子より構成され
る層が多層組み合わされて構築される階層型の神経回路
網模式手段を有するから、電気カーペットを敷く下の床
材が畳、フローリングでも、人間にフィットした最適な
暖房が実現できる。

【００３１】さらに、制御手段は、温度検知手段からの
温度情報として表面温度推定手段に現時点での温度情報
と、ある時間Ｔｘ前の温度情報を出力するとともに、前
記表面温度推定手段は、その二つの温度情報を前記温度
検知手段からの温度情報として演算するようにしたから
、温度検知手段の出力より温度勾配を検知でき、カーペ
ット本体の表面温度の推定精度を向上できる。

【図面の簡単な説明】

【図１】本発明の一実施例の電気カーペットの回路ブロ
ック図

【図２】同電気カーペットのカーペット本体の一部切欠
した断面図

【図３】同電気カーペットのカーペット本体の平面図

【
図４】同電気カーペットに用いた神経回路網模式手段の
構成単位となる神経素子の概念図

【図５】同電気カーペットに用いた神経素子で構成した
信号変換手段の概念図

【図６】同電気カーペットに用いた学習アルゴリズムと
して誤差逆伝搬法を採用した信号処理手段のブロック図

【図７】同電気カーペットに用いた神経回路網模式手段
を用いた多層パーセプトロンの構成を示すブロック図

【
図８】（ａ）〜（ｄ）同電気カーペットの実験データの
一例を示す図

【図９】（ａ）〜（ｄ）同電気カーペットの実験データ
の他の例を示す図

【図１０】同電気カーペットの通電率の算出方法を説明
する図

【図１１】従来の電気カーペットのカーペット本体の平
面図

【図１２】同電気カーペットの回路ブロック図

【図１３
】同電気カーペットの床材の違いによる表面温度変化特
性図

【図１４】同電気カーペットの設定温度の違いによる表
面温度変化特性図

【図１５】同電気カーペットの室温の違いによる表面温
度変化特性図

【図１６】同電気カーペットの表布の厚さの違いによる
表面温度変化特性図

【符号の説明】

１　　カーペット本体 ２　　発熱体 ３　　温度検知体 ５　　温度検知手段 ６　　室温検知手段 ７　　通電制御手段 ８　　計時手段 ９　　通電率検出手段 １０　　温度設定手段 １１　　表面温度推定手段 １２　　温度設定補正手段 １３　　制御手段 １５　　表面材 １６　　断熱材

Claims (4)

【特許請求の範囲】
1. 【請求項１】発熱体と温度検知体を配設し表面材、断熱
   材とで構成されたカーペット本体と、前記発熱体の温度
   を前記温度検知体を介して検出する温度検知手段と、室
   温を検出する室温検知手段と、前記発熱体への通電を制
   御する通電制御手段と、電源投入時よりの時間をカウン
   トする計時手段と、前記発熱体への通電率を検出する通
   電率検出手段と、前記発熱体の温度を設定する温度設定
   手段と、前記温度検知手段、前記室温検知手段、前記計
   時手段、前記通電率検出手段および前記温度設定手段の
   出力に基づき前記カーペット本体の表面温度を推定する
   表面温度推定手段と、前記表面温度推定手段の出力と前
   記温度検知手段の出力の偏差分だけ前記温度設定手段の
   出力を補正する温度設定補正手段と、前記温度検知手段
   の出力と前記温度設定補正手段の出力とを比較し前記通
   電制御手段を制御する制御手段とを備えた電気カーペッ
   ト。
2. 【請求項２】表面温度推定手段は、複数の神経素子より
   構成される神経回路網を模した手法により獲得されたカ
   ーペット本体の表面温度を推定する固定された神経回路
   網の複数の結合重み係数を内部に持つ神経回路網模式手
   段を有する請求項１記載の電気カーペット。
3. 【請求項３】表面温度推定手段は、複数の神経素子より
   構成される層が多層組み合わされて構築される階層型の
   神経回路網模式手段を有する請求項１記載の電気カーペ
   ット。
4. 【請求項４】制御手段は、温度検知手段からの温度情報
   として表面温度推定手段に現時点での温度情報と、ある
   時間Ｔｘ前の温度情報を出力するとともに、前記表面温
   度推定手段は、その二つの温度情報を前記温度検知手段
   からの温度情報として演算するようにした請求項１記載
   の電気カーペット。