JPH0521133A

JPH0521133A - 就寝用採暖具

Info

Publication number: JPH0521133A
Application number: JP3170995A
Authority: JP
Inventors: Takashi Iwasa; 隆司岩佐; Kazunari Nishii; 一成西井
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1991-07-11
Filing date: 1991-07-11
Publication date: 1993-01-29

Abstract

(57)【要約】【目的】採暖具本体の表面温度を表面温度推定手段で
実時間で推定し、使用される環境下において快適な暖房
を提供する。【構成】採暖具本体の発熱体２の温度を検出する温度
検知手段５と、室温を検出する室温検知手段６と、電源
投入時よりの時間を計時する計時手段８と、発熱体２へ
の通電率を検出する通電率検出手段９と、発熱体２の温
度を設定する温度設定手段１０と、これら各手段の出力
により採暖具本体の表面温度を推定する表面温度推定手
段１１と、表面温度推定手段１１の出力により通電制御
手段７を制御する制御手段１３とを備え、就寝用採暖具
を用いる布団の厚さ、室温、採暖具本体の生地の厚さに
関係なく人間にフィットした最適な暖房を実現する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、採暖具本体の表面温度
に基づき発熱体を制御する電気毛布や電気布団などの就
寝用採暖具に関する。

【０００２】

【従来の技術】従来、この種の就寝用採暖具、たとえば
電気毛布は図１０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、毛布本体１は、内部に感
温ヒータの発熱体２と、温度検知体３とが一体に構成さ
れており、コントローラ４で毛布本体１の温度を制御さ
れるようにしている。また、その回路構成は、特開平２
−６２６１１号公報に示される図１１のように構成され
ている。そして、温度検知体３からの信号を直流電圧に
変換した温度検知信号Ｖｓと温度設定用の可変抵抗から
の温度設定信号Ｖｒの両信号を比較して出力信号を出
し、サイリスタＴｙ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、毛布本体１の温度を早く上昇させるために、ある
一定時間ＴだけサイリスタＴｙ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。また、一
定時間Ｔだけでは十分な温度に達しないときは、さらに
時間延長して連続通電させるようにしていた。

【０００４】

【発明が解決しようとする課題】このような従来の就寝
用採暖具では、毛布本体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、毛布本体１が用いられる寝
床内の環境によって実際の表面温度はかなり変動する。
たとえば、毛布本体が用いられる寝床が厚手の布団か薄
手の布団かにより異なる。それは、布団の熱抵抗、つま
り空気中への放熱の差により生じるという問題を有して
いた。その様子を図１２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１３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１４に示している。さらに、毛布本体１の生地の
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１５に示
している。つまり、実際の表面温度は毛布本体１が用い
られる環境（室温、布団・毛布生地の厚さなど）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。

【０００５】本発明は上記課題を解決するもので、採暖
具本体の表面温度を実時間で推定することにより、いか
なる環境下に用いられても快適な採暖を得ることを目的
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と生地とで構成された
採暖具本体と、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採
暖具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に基づき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、採暖具本体の
表面温度を時々刻々推定し、その表面温度情報を用いて
制御手段は通電制御手段を介して発熱体を制御し、使用
される環境に応じて人間にフィットした快適な暖房を実
現できる。

【０００８】

【実施例】以下、本発明の一実施例を電気毛布について
図１および図２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、サイ
リスタ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の出力に基づき毛布本体１の表面
温度を推定するものである。制御手段１２は表面温度推
定手段１１の出力に基づき通電制御手段７を制御する。
毛布本体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、１３は電気毛布のコントローラで
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、毛布本体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毛布本体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】毛布本体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、布団・毛布生地の厚
さなど）により、発熱体２の熱の伝わり方は異なる。毛
布本体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、電気毛布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、毛布本体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」１９８９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。

【００１２】図３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３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。

【００１３】以下、図３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２
ｉ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〜
Ｗｎ・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
２ｂ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，・・，Ｎｈ＋Δｈ（式２）と修正する。

【００１４】図４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４におい
て、２１１〜２４４は疑似シナプス結合変換器であり、
２０１〜２０４は、図３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４に
おいて、図３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２０
１〜２０４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３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。

【００１５】図５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
５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Ｓ
_in（Ｘ）を受け、Ｍ個の出力Ｓ_out（Ｘ）を出力する。
修正手段３２は、入力信号Ｓ_in（Ｘ）と出力信号Ｓ_out
（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δ_i（Ｘ）の入力があるまで待
機する。誤差信号δ_i（Ｘ）が入力され修正量を ΔＷ_ij＝δ_i（Ｘ）・Ｓ_iout（Ｘ）・（１−Ｓ_iout（Ｘ））・Ｓ_jin（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。

【００１６】図６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、３１
Ｘ、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、３
２Ｚ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
６を参照しながらその動作を説明する。信号処理手段３
４Ｘにおいて、信号変換手段３１Ｘは、入力Ｓ
_iin（Ｘ）（ｉ＝１〜Ｎ）を受け、出力Ｓ_jout（Ｘ）
（ｊ＝１〜Ｋ）を出力する。修正手段３２Ｘは、信号Ｓ
_iin（Ｘ）と信号Ｓ_jout（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Ｓ_hout（Ｚ）
（ｈ＝１〜Ｍ）が出力される。最終出力Ｓ_hout（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，・・・・・，ＴＭ）との
誤差が計算され、誤差信号δ_h（Ｚ）が修正手段３２Ｚ
に送られる。

【００１７】

【数１】

【００１８】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・（Ｓ_hout（Ｚ）−Ｔ_h）（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３２
Ｙ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。

【００１９】

【数２】

【００２０】ここで、Ｗ_ij（Ｚ）は信号変換手段３１Ｚ
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。

【００２１】こうして、神経回路網模式手段は環境デー
タ（室温、設定温度、布団・毛布生地の厚さなど）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１１を構成する。実際に学習させたデータについて説
明する。

【００２２】図７は、室温５℃、厚手の布団使用、毛布
生地が比較的薄く、温度設定が強設定の時の電気毛布の
実験データである。図７（ａ）は、毛布本体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７をオン・オフ制
御している。電気毛布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７（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７（ｃ）は、通電制
御手段７（本実施例ではサイリスタ）の状態を示してい
る。図７（ｄ）は、室温検知手段６の変化を示したもの
である。図８は、室温５℃、薄手の布団使用、毛布生地
が比較的薄く、温度設定が強設定のときの電気毛布の実
験データである。図８（ａ）は、図７（ａ）と同様に毛
布本体１の表面温度の変化を示したものである。図８
（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８（ｃ）は、通電制
御手段７（本実施例ではサイリスタ）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。

【００２３】図７（ａ）と図８（ａ）から、布団は薄手
よりも厚手の方が強設定温度に達するのが早いのが判
る。これらの物理情報は、すべて図７（ｂ）、図８
（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Ｄ
Ｃ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、毛布生地が厚い
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、理想出力として毛布本体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、３１Ｚ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。

【００２４】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１２を介して表面温度推定手段１１に入力される。
制御手段１２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（サイリスタオン）の信号を出力する。通電
率検出手段９は、制御手段１２より通電制御手段７の状
態（サイリスタのオン・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１
１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
１２に入力され、制御手段１２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１２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１２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
・情報をもとに毛布本体１の表面温度を時々刻々推定
し、その情報を制御手段１２に出力している。制御手段
１２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、サイリスタをオフし発熱体
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。

【００２５】また、図９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のサイリスタの状態
を示している。本実施例において、時刻ｔ_pでの通電率
は、時刻ｔ_p以前のサイリスタがオンの期間をｔ_pon，
オフの期間をｔ_poffとすると（式７）で算出した。

【００２６】ｔ_pon／（ｔ_pon＋ｔ_poff）（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１２、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。

【００２７】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、電気毛布が
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。

【００２８】

【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と生地とで構成された採
暖具本体と、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採暖具
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に基づき前記通電制御手段を制御
する制御手段とを備えたから、就寝用採暖具を用いる寝
床が厚手の布団でも薄手の布団でも、人間にフィットし
た最適の暖房が実現でき、また、採暖具本体の生地の厚
さに関係なく設定目盛りに応じた最適な暖房ができ、さ
らに、就寝用採暖具が使用される環境変化に対応して、
人間にフィットした最適な暖房が実現できる。

【００２９】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
れた採暖具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、就寝用採暖具を用いる寝床が厚手
の布団でも薄手の布団でも、人間にフィットした最適な
暖房が実現できる。

【００３０】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、採暖
具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就寝用採暖具の回路ブロッ
ク図

【図２】同就寝用採暖具の採暖具本体の平面図

【図３】同就寝用採暖具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４】同就寝用採暖具に用いた神経素子で構成した信
号変換手段の概念図

【図５】同就寝用採暖具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６】同就寝用採暖具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７】（ａ）〜（ｄ）同就寝用採暖具の実験データ
の一例を示す図

【図８】（ａ）〜（ｄ）同就寝用採暖具の実験データ
の他の例を示す図

【図９】同就寝用採暖具の通電率の算出方法を説明する
図

【図１０】従来の就寝用採暖具の採暖具本体の平面図

【図１１】同就寝用採暖具の回路図

【図１２】同就寝用採暖具の布団の厚さの違いによる表
面温度変化特性図

【図１３】同就寝用採暖具の設定温度の違いによる表面
温度変化特性図

【図１４】同就寝用採暖具の室温の違いによる表面温度
変化特性図

【図１５】同就寝用採暖具の生地の厚さの違いによる表
面温度変化特性図

【符号の説明】

１毛布本体（採暖具本体）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制御手段

Claims

【特許請求の範囲】

【請求項１】発熱体と温度検知体と生地とで構成された
採暖具本体と、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出手段と、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採
暖具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に基づき前記通電制御手段を
制御する制御手段とを備えた就寝用採暖具。
【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採
暖具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記載の就寝用採暖具。
【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記載の就寝用採暖
具。
【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
の就寝用採暖具。