JPH1183246A - 冷媒充てん量を監視する方法 - Google Patents

冷媒充てん量を監視する方法

Info

Publication number
JPH1183246A
JPH1183246A JP10156955A JP15695598A JPH1183246A JP H1183246 A JPH1183246 A JP H1183246A JP 10156955 A JP10156955 A JP 10156955A JP 15695598 A JP15695598 A JP 15695598A JP H1183246 A JPH1183246 A JP H1183246A
Authority
JP
Japan
Prior art keywords
refrigerant charge
value
heating
cooling system
refrigerant
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.)
Granted
Application number
JP10156955A
Other languages
English (en)
Other versions
JP3165676B2 (ja
Inventor
Sharayu Tulpule
タルプル シャラユー
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.)
Carrier Corp
Original Assignee
Carrier 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 Carrier Corp filed Critical Carrier Corp
Publication of JPH1183246A publication Critical patent/JPH1183246A/ja
Application granted granted Critical
Publication of JP3165676B2 publication Critical patent/JP3165676B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • 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
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • 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
    • F25B2400/00—Component parts or details not otherwise provided for in this subclass
    • F25B2400/06—Several compression cycles arranged in parallel
    • 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
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/04—Refrigerant level
    • 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
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • 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
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21151—Temperatures of a compressor or the drive means therefor at the suction side of the compressor
    • 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
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21152—Temperatures of a compressor or the drive means therefor at the discharge side of the compressor
    • 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
    • F25B45/00—Arrangements for charging or discharging refrigerant
    • 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
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/005—Arrangement or mounting of control or safety devices of safety devices

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

(57)【要約】 【課題】 警報の個々のしきい値に頼らないで、少量の
冷媒の喪失を早期に検出する。 【解決手段】 暖房または冷房システムの冷媒監視シス
テムは、このシステムの少なくとも一つの冷凍回路にお
ける冷媒充てん量を計算するために使用されるニューラ
ルネットワークを含む。このニューラルネットワーク
は、運転の開発モードにおいて、暖房または冷房システ
ムの特定の特性を学習するようにトレーニングされる。
このようにトレーニングされたニューラルネットワーク
は、運転の実行時モードにおいて冷媒充てん量を適時に
計算する。計算された冷媒充てん量と、少なくとも一つ
の冷凍回路の冷媒充てん量の公称の量と、の差に関する
情報は、運転の実行時モードにおいて評価可能となって
いる。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、暖房または冷房シ
ステムの運転に関し、特にこのようなシステムの冷凍回
路における冷媒充てん量レベルを監視することに関す
る。
【０００２】
【従来の技術】多くの暖房及び／または冷房システム
は、冷凍回路を使用する。例えば、熱ポンプは、地下か
ら熱を吸収するために冷凍回路を使用する。吸収された
熱は、その後、熱交換器を通じてその熱ポンプによって
暖房されるべきビル内の空間に放出される。反対に、冷
凍システムは、蒸発器を通って流れる水から熱を吸収し
て、それにより、水を冷却する。冷却された水は、熱交
換器を通って流れる空気から熱を吸収することによっ
て、最終的にビル内の空気を冷却するために使用され
る。熱ポンプ及び冷凍器の両方が、それぞれの機能を達
成するために十分な即ち適切な量の冷媒の充てん量を有
することが重要である。
【０００３】また、暖房または冷房システムが、冷媒が
十分に充てんされていない状態または適切な量以上の冷
媒が充てんされた状態で長期間運転される前に、冷媒充
てん量の変化を感知することも重要である。このような
変化が大きければ、システムを損傷してしまうおそれが
ある。冷媒充てん量の変化が冷媒の漏れに起因している
場合には、環境にとって潜在的に有害であり得る。
【０００４】暖房または冷房システムは、これまで、不
十分な冷媒充てん量を検出することができる種々の警報
を備えてきた。例えば、冷凍システムにおいて、システ
ムのひとつまたはそれ以上のコンプレッサの主に吸入側
に警報が設けられている場合に、この警報は、冷媒充て
ん量が低いことによって起動され得る。しかし、これら
の警報は、システム内で起こっている他の問題によって
も起動されることがある。例えば、コンプレッサの吸入
口で吸入圧力または吸入温度を監視する警報は、スタッ
クした膨張バルブまたはファンの破損によって起動され
ることもある。
【０００５】これらの警報は、また、ある程度の量の冷
媒が失われるまでは起動されない。このことは、警報の
しきい値が不適切に設定された場合に起こる。例えば、
コンプレッサの吸入口で吸入圧力または吸入温度を監視
する警報のしきい値の設定が低すぎる場合などである。
【０００６】
【発明が解決しようとする課題】特に監視された冷媒状
態に関して、警報を起動する限界点を変動可能にするい
くつかの試みが行われてきた。例えば、米国特許出願第
５，５３９，３８５号では、冷凍器のコンデンサユニッ
トの冷媒圧力の限界点は、特定の負荷状態に関して変動
する。しかし、これは、冷凍器システム内に存在する状
態の組合せを監視することとは対照的に、特定の状態に
対して変動可能な限界点を設けただけである。
【０００７】本発明の目的は、ひとつまたはそれ以上の
警報の個々のしきい値に頼らないで、少量の冷媒の喪失
を早期に検出することである。
【０００８】本発明のもうひとつの目的は、種々の理由
によって起動するおそれのあるひとつまたはそれ以上の
警報に頼らないで、冷媒充てん量の漸次的変化を検出す
ることである。
【０００９】
【課題を解決するための手段】上記及びその他の目的
は、少なくとも一つの冷凍回路を有する暖房または冷房
システム内で生じるいくつかの検出される状態に関し
て、収集分析を行う能力を有する冷媒監視システムを提
供することによって達成される。この監視システムによ
って、第一に、運転の開発モードにおいて、検出される種
々の状態に関する多次元空間における固有の識別特性
（ｓｉｇｎａｔｕｒｅ）が定められる。これらの固有の
識別特性は、ニューラルネットワークによって生成され
ることが望ましく、このニューラルネットワークは、冷
媒充てん量の既知の量を含む暖房または冷房システムに
おいて、変動する種々の環境及びビル負荷に対して多次
元空間における識別特性を連続的に調整する。好適な実
施形態では、既知の冷媒充てん量は、冷凍器内の特定の
冷凍回路に関する公称の冷媒充てん量、公称の冷媒充て
ん量に冷媒充てん量を三十パーセント加えた値、及び公
称の冷媒充てん量から冷媒充てん量の三十パーセントを
差し引いた値である。固有の識別特性は、ニューラルネ
ットワーク内のクラスタアレイ上に投影され、アレイの
各ノードは、それぞれ格納された重み値を含み、これら
の値によって、特定の一つの冷媒充てん量に関する多次
元空間における識別特性が定められる。
【００１０】監視システムは、開発モードにおいて、ク
ラスタアレイの各ノードと、補間レイヤー内のノードの
列と、の間の特定の重み付けされた接続を決定するよう
に運転可能である。監視システムでは、また、開発モー
ドのこのフェーズにおいて、補間レイヤー内の各ノード
と、出力ノードと、の特定の重み付けされた接続も決定
される。出力ノードは、監視システムに提供される種々
のトレーニングデータに関する冷媒充てん量値を作成す
る。クラスタアレイの各ノードと、各補間レイヤーノー
ドと、出力ノードと、の間の重み付けされた接続は、出
力ノードにおいて作成される冷媒充てん量値が、提供さ
れるトレーニングデータの冷媒充てん量の既知の値に実
質的に一致するまで連続的に調整される。最終的に調整
された重み付けされた接続は、運転の実行時モードにお
いて監視システムによって使用されるために格納され
る。
【００１１】本発明の好適な実施形態では、冷凍器の特
定の冷凍回路における冷媒充てん量が監視される。監視
システムは、運転の実行時モードにおいて、冷凍器内の
八つのセンサからデータセットを受信する。各データセ
ットは、八次元空間において識別特性即ちパターンを形
成する。この識別特性は、開発モードにおいて決定され
たクラスタアレイの各ノードの八次元の識別特性と比較
される。八次元の識別特性を有するクラスタアレイのう
ち形成された識別特性に最も近接している三つのノード
を、それぞれの識別特性を更に処理するために、選択す
ることが望ましい。この処理は、選択される三つのノー
ドの各識別特性と、形成された識別特性と、の近接性に
関する相対的な評価に基づいて行われる。選択されたノ
ードの識別特性の処理は、開発モードにおいて学習され
た各クラスタアレイノードと、各補間ノードと、の間の重
み付けされた値に基づいた補間計算の組合せによって行
われる。これらの計算の結果は、最終的に、出力ノード
を通じて処理される。出力ノードでは、冷媒充てん量が
計算され、この計算は、補間ノードからの計算結果と、
開発モードにおいて学習された出力ノードと各補間ノー
ドとの間の接続と、に基づく。出力ノードでは、八つの
センサより受信された各データセットに対して、計算さ
れた値が作成される。これらの計算された値は、格納さ
れ、所定の時間にわたって平均化される。結果的な平均
冷媒充てん量は、監視システムの出力として表示され
る。このように表示される充てん量は、表示される冷媒
充てん量状態によって、適切な修理のために冷凍器シス
テムが停止されるべきか否かを指示するために使用する
ことができる。
【００１２】
【発明の実施の形態】図１を参照すると、冷却機は２つ
の別々の冷凍回路「Ａ」および「Ｂ」を有しており、そ
の各々はそれぞれのコンデンサ１０および１２を有して
いるのが分かる。冷水を製造するために、冷媒はそれぞ
れの冷凍回路の中の冷却機構成部材によって処理され
る。これに関連して、冷媒ガスは回路Ａの中の一対のコ
ンプレッサ１４および１６中で高圧高温に圧縮される。
冷媒は、ファン群１８の働きでコンデンサ１０を通過す
る風によって熱を奪われて、凝縮して液体となる。コン
デンサは、更に、液体冷媒を過冷却液にすることが望ま
しい。この過冷却液はエバポレータ２２に入る前に膨張
バルブ２０を通る。このエバポレータは冷凍回路Ｂと共
通である。冷媒は、エバポレータ２２の内部で、エバポ
レータ２２の内部を入口２４から出口２６へと循環して
いる水から熱を吸収して蒸発する。エバポレータの内部
の水は、冷媒に熱を奪われて冷たくなる。冷たい、ある
いは冷却された水は最終的に建物に冷房を提供する。建
物の冷房はしばしば、さらに別の熱交換器（図示せず）
を用いて達成され、この熱交換器の内部で循環空気が冷
たい、あるいは冷却された水に熱を奪われる。冷媒はま
た、冷凍回路Ｂの内部の一対のコンプレッサ２８および
３０によっても、高圧高温に圧縮されていることに注目
すべきである。その後、この冷媒は、ファン群３２を有
するコンデンサ１２の内部で凝縮して液体になる。この
コンデンサ１２によって、液体冷媒は更に冷却されて過
冷却液になることが望ましい。この過冷却された液体冷
媒は、膨張バルブ３４を通って蒸発器２２に流入する。
【００１３】図２を参照すると、制御装置４０は、コン
デンサ１０及び１２を通って循環する空気量を調節する
ファン群１８及び３２と共に、膨張バルブ２０及び２２
を制御する。制御装置は、蒸発器２２を通って流れる水
の所定の所望冷却を達成するために、コンプレッサ１
４、１６、２８及び３０を運転させたり停止させたりす
る。図１の冷凍器の適切な地点に設けられた一組のセン
サは、Ｉ／Ｏバス４２を介して制御装置４０に情報を提
供する。これらのセンサのうち八つのセンサは、Ｉ／Ｏ
バス４２と接続されたプロセッサ４４に情報を提供する
ためにも使用される。特にセンサ４６は、冷凍回路内の
コンデンサ１０に流入する空気の温度を検出する。セン
サ４８は、このコンデンサより排出される空気の温度を
検出する。これらの温度は、コンデンサ流入空気温度に
ついては、“ＣＥＡＴ”(condenserentering air tempe
rature)、コンデンサ排出空気温度については、“ＣＬ
ＡＴ”(condenser leaving air temperature)と以下で
表す。プロセッサ４４は、また、コンプレッサの吸入側
に配置されたセンサ５０によって計測されるコンプレッ
サ１４の吸入温度を受信する。プロセッサ４４は、更
に、このコンプレッサの吐出口側に配置されたセンサ５
４によって上記コンプレッサの吐出温度を受信する。セ
ンサ５０によって検出されるコンプレッサの吸入温度
は、以下で“ＳＴ＿Ａ”(suction temperature A)と表
し、センサ５４によって検出されるコンプレッサ吐出温
度は、以下で“ＤＴ＿Ａ”(discharge temperature A)
と表す。プロセッサは、また、膨張バルブ２０の上流に
配置されたセンサ５６から過冷却冷媒温度を受信する。
この温度は、以下で“ＳＵＢＣＡ”(subcooled refrige
rant temperature A)と表す。
【００１４】プロセッサ４４は、また、冷凍回路Ｂから
所定の検出値を受信する。上記に関して、膨張バルブ３
４の上流に配置されたセンサ５８から過冷却冷媒温度が
プロセッサ４４に提供される。この温度は、以下では
“ＳＵＢＣＢ”(subcooled refrigerant temperature
B)と表す。センサ６０によって検出されるコンプレッサ
２８のコンプレッサ吐出温度、及びセンサ６２によって
検出されるこのコンプレッサのコンプレッサ吸入温度も
また、プロセッサ４４に提供される。センサ６０によっ
て検出されるコンプレッサ２８の吐出温度は、以下で
“ＤＴ＿Ｂ”(discharge temperature B)と表す。セン
サ６２によって検出されるコンプレッサ６０のコンプレ
ッサ吸入温度は、以下で“ＳＴ＿Ｂ”(suction tempera
ture B)と表す。
【００１５】図２において、プロセッサ４４は、冷凍器
全体の制御パネルの一部であることが可能な表示装置６
４と接続されているように示されている。この表示装置
は、図１の冷凍器の制御パネルの観測者に冷媒充てん量
に関する情報を提供するためにプロセッサ４４によって
使用される。
【００１６】プロセッサ４４は、また、直接キーボード
入力装置６６と、ハードディスク格納装置６８と、に接
続されている。このキーボード入力装置は、プロセッサ
にトレーニングデータを入力するために使用されること
ができ、このデータは、格納装置６８に格納される。以
下で説明するように、トレーニングデータは、制御装置
４０からプロセッサに直接ダウンロードして格納装置６
８に格納することができる。このトレーニングデータ
は、その後、運転の開発モードにおいて、プロセッサ４
４内にあるニューラルネットワークソフトウェアによっ
て処理される。
【００１７】プロセッサ４４によって実行されるニュー
ラルネットワークソフトウェアは、図３で示したような
７０などの相互接続ノードの実質的に並列な動的システ
ムである。これらのノードは、７２などの入力レイヤ
ー、７４などのひとつまたはそれ以上の隠れレイヤー、
補間レイヤー７６、及びひとつの出力ノードによって構
成された出力レイヤー７８などのレイヤーに配されてい
る。これらのノードは、連続したレイヤー間に完全なま
たはランダムな接続を有している。これらの接続は、運
転の開発モードにおいて決定される重み付けされた値を
有する。
【００１８】図４を参照すると、冷媒充てん量を計算す
るためにプロセッサ４４によって特に利用されるニュー
ラルネットワークの構成が示されている。この構成は、
二つの別個のモジュールから構成されているように示さ
れている。第一のモジュールは、クラスタ探索モジュー
ル８０として識別され、第二のモジュールは、補間モジ
ュール８２として識別される。クラスタ探索モジュール
は、各センサ４６から６２の測定値に対応する一行八列
のノードアレイを有する入力レイヤー７２を含む。これ
らの測定値は、ＣＥＡＴ、ＣＬＡＴ、ＳＴ＿Ａ、ＤＴ＿
Ａ、ＳＵＢＣＡ、ＳＵＢＣＢ、ＤＴ＿Ｂ、及びＳＴ＿Ｂ
である。クラスタ探索モジュール８０内の第二のアレイ
またはレイヤーは、クラスタアレイ８４として識別され
る。このアレイは、四行十六列のアレイであり、四列の
隠れ列を有し、各列には、十六個のノードが含まれる。
クラスタ探索モジュールからの出力を受信する補間モジ
ュールは、十六個のノードを有する一行十六列のアレイ
である補間レイヤー７６によって構成される。補間モジ
ュール８２の最後のレイヤーは、ひとつのノードから構
成される一行一列の出力レイヤー７８である。
【００１９】以下で詳細に説明するように、プロセッサ
４４は、運転の開発モードにおいて、クラスタアレイ８
４の各ノードに接続されたそれぞれの重みに関して、ま
ずある値を最初に使用し、その後その値を変更するよう
に動作されることができる。これは、トレーニングデー
タを繰り返しモジュール８０を通じて処理して、クラス
タアレイ内のノードの重みを調整することによって行わ
れる。クラスタアレイのノードが最終的に調整された後
に、プロセッサは、モジュール８２のトレーニングに進
む。プロセッサは、この時、クラスタアレイの各ノード
と、補間レイヤー７６の各ノードと、の間の重み付けさ
れた接続を使用して、その後この値を変更するように動
作させることができる。プロセッサは、更に、補間レイ
ヤーの各ノードと、出力レイヤー７８の単一ノードとの
間の重み付けされた接続を使用して、その後この値を変
更するように動作されることができる。このモジュール
８２のトレーニングは、８０及び８２の両方のモジュー
ルを通じてトレーニングデータを繰り返し処理すること
によって達成される。一旦ニューラルネットワークがこ
のように形成されると、運転の実行時モードで使用され
るために格納される。
【００２０】次に図５及び図６を参照すると、運転の開
発モードの第一フェーズにおいてニューラルネットワー
クトレーニングソフトウェアを実行しているプロセッサ
４４のフローチャートが示されている。運転の開発モー
ドの第一フェーズでは、結果としてクラスタアレイ８４
におけるノードの重みが学習されるようにニューラルネ
ットワークがトレーニングされる。このトレーニング
は、ステップ９０で始まり、このステップでは、学習率
変数、α、の初期値が確立される。以下で説明するよう
に、この変数の初期値は、ニューラルネットワークトレ
ーニングソフトウェアの所定の計算ステップを連続的に
繰り返していく時に減少される。選択される初期値は、
０よりも大きく１よりも小さくなければならない。
【００２１】プロセッサは、ステップ９２に進み、クラ
スタアレイ８４内に等間隔で離間された八つの中央ノー
ドを選択する。プロセッサ４４は、続いてステップ９４
に進み、選択された各中央ノードの周りの七つのネイバ
フッドノードを選択する。プロセッサは、次にステップ
９６に進み、中央ノードと、周囲のネイバフッドノード
と、にランダムな値を割り当てる。各ノードには、それ
ぞれ八次元空間における八つの別個のコンダクタ次元に
対してそれぞれランダムな値が割り当てられることが望
ましい。これらの八つの各座標次元は、八つのセンサ値
のひとつに対応する測定された座標値を決定するために
も使用される。プロセッサ４４は、ステップ９８に進
み、格納装置６８から入力トレーニングデータのセット
を読み込む。入力トレーニングデータのセットは、それ
以前に、冷凍回路Ａの冷媒の量が既知である状態で冷凍
器を特定の環境及び特定の負荷条件に置いた時に八つの
各センサ４６〜６２より得られた八つの値によって構成
される。既知の冷媒の量は、この冷凍回路の冷媒充てん
量の公称の量に保たれることが望ましい。
【００２２】冷凍器は、また、各負荷状況において回路
Ａで既知の量の冷媒を有する状態で、かなりの数の他の
環境及び負荷条件にも置かれる。冷凍器を異なる負荷条
件に置くために、蒸発器２２に熱い水を循環させてビル
の種々の負荷条件をシミュレーションすることもでき
る。既知の冷媒充てん量は、回路Ａの冷媒の公称の充て
ん量、公称の充てん量より三十パーセント多い冷媒充て
ん量、及び公称の充てん量より三十パーセント少ない冷
媒充てん量であることが望ましい。これらのプラスマイ
ナス三十パーセントの冷媒の量が選択されるのは、それ
ぞれの量が公称の冷媒充てん量と比べてかなり大きな変
動値を示しており、これらの値によって監視のために適
切な冷媒の量の範囲が画定されるからである。プロセッ
サ４４は、冷凍器が経験する環境条件、ビル負荷条件、
及び既知の冷媒充てん量の各特定の組合せについて八つ
のセンサ４６〜６２から値を受信する。これらの値は、
それぞれ制御装置４０によって提供されることが望まし
く、この制御装置は、特定の冷媒充てん量を有し、特定
の環境及びビル負荷条件に置かれている状態の冷凍器の
各センサを定期的に読み取る。これらの八つの値は、ト
レーニングデータのセットの八つの各値として格納装置
に格納される。プロセッサ４４は、キーボード装置６６
で入力される既知の冷媒充てん量に関する入力も受信す
る。この冷媒充てん量は、冷凍器がその特定の既知の冷
媒充てん量を有していることが確認された時点で制御装
置から受信された八つの各センサ値のトレーニングデー
タのセットと共に格納されることが望ましい。
【００２３】ステップ９８を参照すると、トレーニング
データセットの八つの値は、格納装置６８から読み取ら
れ、このステップが実行される度にトレーニングデータ
点“ｘ”の八つの座標値ｘ1，ｘ2，ｘ3，ｘ4，ｘ5，
ｘ6，ｘ7，ｘ8として格納される。このように格納装置
から読み取られたトレーニングデータセットの数に関す
る指標化された数値は、プロセッサによって保存され
る。これらの座標値は、プロセッサの内部記憶装置内の
入力レイヤー７２に格納される。プロセッサは、ステッ
プ１００に進み、トレーニングデータ点“ｘ”と、中央
ノードの多次元重みと、の間の距離を計算する。クラス
タアレイ内の各割り当てられた中央ノード“ｉ”は、ト
レーニングデータ点“ｘ”の座標値を決定するために使
用された八次元座標に割り当てられた八つの独立した重
み付けされた値を有する。これらの重みづけされた値の
初期値は、多次元重み“ｖi”に関しては、ｖi1，
ｖi2，ｖi3，ｖi4，ｖi6，ｖi7，ｖi8，と表されるラン
ダムな値である。最初に八つの中央ノードがあるので、
これらの中央ノードに関する“ｉ”の値は、一から八で
ある。この距離は、以下の式によって計算されるユーク
リッド距離である。
【００２４】
【数１】ｄi＝√｛（ｘ1−ｖi1）2＋（ｘ2−ｖi2）2＋
……＋（ｘ8−ｖi8）2｝ プロセッサ４４は、ステップ１０２に進み、どの距離ｄ
iが最小かを判断することによって、入力トレーニング
データセットと最も近接した中央ノードを識別する。
【００２５】プロセッサは、続いてステップ１０４に進
み、トレーニングデータセットに最も近接した中央ノー
ド及びそれ以外の中央ノードの多次元重み値“ｖi”の
重み値と、これらの中央ノードに接続されたネイバフッ
ドノードの多次元重み値と、を更新する。トレーニング
データセットと最も近接した中央ノード及びそのネイバ
フッドノードに関しては、以下の式によって各次元座標
値の重み値が調整される。
【００２６】
【数２】ｖnew＝ｖold＋α（ｘ−ｖold） この式において、αは学習率であり、この値は、ステッ
プ９０で初期値に設定されたものである。上記でトレー
ニングデータに最も近接していた中央ノード以外の中央
ノード及びそれらのネイバフッドノードに関しては、重
み値の調整はなされない。
【００２７】プロセッサは、ステップ１０６に進み、
“Ｍ”セットのトレーニングデータが処理されたかどう
かを照会する。このことは、ステップ９８で確立された
読み取られたトレーニングデータの指標化された数値を
確認することによって行われる。更に多くのトレーニン
グデータを処理する必要がある場合には、プロセッサ
は、ステップ９８まで戻って再びトレーニングデータセ
ットを読み取り、そのデータセットを最新の“ｘ”座標
値として格納する。このようにして読み取られたトレー
ニングデータの指標化された数値は、増分される。
“Ｍ”セットのトレーニングデータ全てが処理されるま
で、プロセッサによって９８から１０６までのステップ
が繰り返し実行される。このことは、ステップ９８で読
み込まれたトレーニングデータセットの指標化された数
値をチェックすることによって確認される。ここで処理
される“Ｍ”セットのトレーニングデータは、格納装置
６８に初めに格納されたトレーニングデータセットの総
数の全てまたは大部分である。これらの“Ｍ”セットの
トレーニングデータは、アドレスで呼び出せる格納位置
に適切に格納され、トレーニングデータセットの指標化
された数値が第一の数値からＭ番目の数値まで増分され
る度に、次のセットにアクセスできるようになってい
る。
【００２８】“Ｍ”セットのトレーニングデータが全て
処理されると、プロセッサは、読み取られたトレーニン
グデータセットの指標化された数値をリセットする。プ
ロセッサは、その後ステップ１０８に進み、学習率
“α”をその初期値の十分の一だけ減少させる。プロセ
ッサは、次に、特定のネイバフッドサイズに対応するよ
うに学習率が減少されたかどうかを照会する。そうでな
ければ、プロセッサは、ステップ９８に戻り、このステ
ップで同じネイバフッドサイズに対して、しかし、減少
された値の学習率で“Ｍ”セットのトレーニングデータ
に再び連続的にアクセスする。
【００２９】プロセッサは、全てのトレーニングデータ
セットが処理された後、再びステップ１０８で学習率を
減少させる。学習率は、特定のネイバフッドサイズに対
して以前に減少されているので、プロセッサは、ステッ
プ１１０からステップ１１２まで進んでネイバフッドサ
イズを一だけ減少させる。プロセッサは、また、減少さ
れたネイバフッドサイズに基づいて互いに等しい間隔で
離間された中央ノードの異なるセットを選択する。
【００３０】プロセッサは、ステップ１１４に進み、ネ
イバフッドサイズが三より小さいかどうかを照会する。
ネイバフッドサイズが三またはそれ以上であれば、プロ
セッサはステップ９８に戻って新たなネイバフッドサイ
ズ及び新たな学習率に対して再び“Ｍ”セットのトレー
ニングデータを処理する。学習率が特定のネイバフッド
サイズに対して更に一度調整された後、プロセッサは、
再びステップ１１０、１１２、及び１１４を実行する。
ある時点で、七から三までの全てのネイバフッドサイズ
が処理された状態になる。また、学習率は、その初期値
の十分の一に減少された状態になる。この時点で、全て
の入力トレーニングデータに関する一様な表示がクラス
タアレイ８４の全てのノードに関して達成される。この
ことが達成されると、プロセッサは、ステップ１１４か
らステップ１１６に進み、クラスタアレイの六十四個の
各ノードのそれぞれの八つの座標値を格納する。最終的
な八つの各座標値は、特に識別されたノードの多次元重
み“ｖnm”を決定し、クラスタアレイ内のノードの
“ｎ”は列、“ｍ”は行を識別する。
【００３１】プロセッサ４４は、続いて、運転の開発モ
ードの第二フェーズに進む。このフェーズでは、ニュー
ラルネットワークによって、クラスタアレイと補間レイ
ヤー内のノードとの間の接続に関して特定の重み付けさ
れた値が学習される。また、ニューラルネットワークに
よって、補間レイヤーと出力レイヤー内の単一ノードと
の間の接続に関する特定の重み付けされた値も学習され
る。プロセッサは、ステップ１２０において、接続重み
“Ｗknm”及び“Ｗk”に初期値を割り当てることによっ
てこの処理を開始する。プロセッサは、ステップ１２２
に進み、バイアス“ｂk”“ｂO”に初期値を割り当て
る。これらのバイアスは、補間レイヤー及び出力レイヤ
ー内のノードのそれぞれの出力値を計算するために使用
される。これらのバイアスの初期値は、零から一の分数
である。プロセッサは、また、ステップ１２２で変数Θ
に初期値を割り当てる。この初期値は、十分の一などの
小数であり、一よりも零に近い数であることが望まし
い。開発モードの第二フェーズにおいて、ｂk、ｂo、及
びΘの値が更に計算される。プロセッサは、次にステッ
プ１２４に進み、学習率γ及びΓに初期値を割り当て
る。これらの学習率は、以下で説明するように、それぞ
れ補間レイヤー及び出力レイヤーの計算に使用される。
学習率の初期値は、零よりも大きく一よりも小さい小数
である。
【００３２】プロセッサ４４は、続いて入力トレーニン
グデータセットの値を読み取り、以前にステップ９８に
おいてトレーニングデータを読み取って格納したのとほ
ぼ同様に、これらの値をデータ点“ｘ”の座標値として
格納する。プロセッサは、ステップ１２７に進み、
“ｘ”座標値と、クラスタアレイ内の各ノードの多次元
重みに関するそれぞれ八つの格納された座標値と、の距
離“ｈnm”を計算する。各ノードの多次元重み“ｖnm”
の格納された八つの座標値は、それぞれ、ｖnm1、
ｖnm2、ｖnm3、ｖnm4、ｖnm5、ｖnm6、ｖnm7、及びｖ
nm8となる。距離は、以下のように計算されるユークリ
ッド距離である。
【００３３】
【数３】ｈnm＝√｛（ｘ1−ｖnm1）2＋（ｘ2−ｖnm2）2
……＋（ｘ8−ｖnm8）2｝ プロセッサは、ステップ１２８に進み、補間レイヤー７
６内の各ノードに関する出力値、Ｚkを計算する。出力
値ｚkは、以下のように、変数“ｔ”の双曲線正接関数
として計算されることが望ましい。
【００３４】
【数４】
【００３５】プロセッサは、続いてステップ１３０に進
み、出力ノードと、各補間レイヤーノードと、の接続に
関する局所エラーθkをそれぞれ以下の式によって計算
する。
【００３６】
【数５】θk＝（１＋ｚk）・（１−ｚk）・（Θ・ｗk） 上記式において、ｚk＝ステップ１２８で計算されたｋ
番目のノードの補間ノード値；Θ＝ステップ１２２の初
期割り当てエラー値、または、トレーニングデータセッ
トの以前の処理において計算されたエラー値のいずれ
か；ｗk＝ｋ番目の補間ノードに接続された出力ノード
の接続重み；である。
【００３７】プロセッサは、ステップ１３２に進み、ク
ラスタアレイノードと、補間レイヤーノードと、の間の
接続の重みを以下のように更新する。
【００３８】
【数６】ｗknm,new＝ｗknm,old＋Δｗknm,old， Δｗknm,old＝γθk,newｈnm 上記式において、ｈnm＝ｍ番目の列、ｎ番目の行にある
クラスタノードのステップ１２７において計算された距
離；γは、スカラ学習率係数であり、θk,newは、ステ
ップ１３０で計算される基準化された局所エラーであ
る。
【００３９】プロセッサは、次にステップ１３４に進
み、個々の補間ノードの各バイアスｂ kを以下のように
更新する。
【００４０】
【数７】ｂk,new＝ｂk,old＋γθnew． プロセッサは、続いて、ステップ１３６に進み、出力レ
イヤー７６の単一ノードの出力を計算する。この出力ノ
ード値、ｙは、以下の式のように、変数“ｕ”の双曲線
正接関数として計算されることが望ましい。
【００４１】
【数８】
【００４２】“ｙ”の計算された値は、“ｎ番目”に処
理されたトレーニングデータセットの“ｎ番目”の出力
ノードの計算された出力として格納される。この値は、
以下で“ｙn”と表される。“ｎ番目”のトレーニング
データセットの既知の冷媒値は、“Ｙn”として格納さ
れ、これにより、処理された各トレーニングデータセッ
トは、それぞれ計算された出力“ｙn”と、既知の出力
“Ｙn”を有する。上記で説明したように、既知の冷媒
値は、ディスク格納装置６８内の特定のトレーニングデ
ータセットと組合わさって格納されることが望ましい。
このことにより、上記特定のトレーニングデータセット
が処理される時に、既知の冷媒値がアクセスされて“ｙ
n”として格納されることが可能となる。
【００４３】プロセッサは、ステップ１３８に進み、以
下のように出力レイヤーにおいて局所エラーΘを計算す
る。
【００４４】
【数９】Θ＝（ｙ−Ｙ）・（１＋ｙ）・（１−ｙ） プロセッサは、ステップ１４０に進み、以下の戻り伝播
学習ルール（ｂａｃｋｐｒｏｐａｇａｔｉｏｎ ｌｅａ
ｒｎｉｎｇ ｒｕｌｅ）を使用して出力ノードと、補間
ノードと、の接続の重みを更新する。
【００４５】
【数１０】ｗk,new＝ｗk,old＋Δｗk,old， Δｗk,old＝ΓΘnewｚk 上記式において、ｋは補間レイヤーのｋ番目のノードへ
の接続を表し；Γ＝ステップ１２４で初期値として割り
当てられた、または以前のノードの処理において計算さ
れた、学習率；Θnew＝ステップ１３８で計算された局
所エラーである。
【００４６】プロセッサは、次に、ステップ１４２にお
いてバイアスｂ0を以下のように更新する。
【００４７】
【数１１】ｂ0,new＝ｂ0,old＋ΓΘnew． プロセッサは、続いて、ステップ１４４において“Ｎ”
セットのトレーニングデータが処理されたかどうかを照
会する。数“Ｎ”は、開発モードの第二のフェーズにお
いて処理されるために格納装置６８内に保留されたトレ
ーニングデータセットの総数である。数“Ｎ”は、開発
モードの第一のフェーズにおいて処理されたトレーニン
グデータセットと同じ数であってもよい。第一のフェー
ズで格納装置６８に格納された“Ｍ”セットのトレーニ
ングデータセットは、ステップ１２６〜１４４において
再びアドレスが割り当てられて処理される。一方、格納
装置６８から異なるグループのトレーニングデータセッ
トを使用したいと思えば、このグループは、ステップ１
２６〜１４４において順次アドレスを割り当てられて処
理されることができるように適切にアドレスを割り当て
ることが可能な格納位置に格納される必要がある。いず
れにしても、プロセッサは、“Ｎ”セットのトレーニン
グデータが処理されるまで、ステップ１２６〜１４２の
種々の計算を行う。この時、プロセッサは、ステップ１
４６に進み、ステップ１３６で計算された冷媒充てん量
と、このように計算された各冷媒充てん量に対応する冷
媒充てん量の既知の値と、の間のＲＭＳエラー値を計算
する。
【００４８】
【数１２】
【００４９】ステップ１４８では、ステップ１４６で計
算されたＲＭＳエラー値は、しきい値よりも小さいかど
うかが照会される。このしきい値は、好ましくは０．０
０１である。ＲＭＳエラーがこの特定のしきい値よりも
小さくない場合には、“Ｎｏ”が選択されて、プロセッ
サは、ステップ１５０に進み、学習率γ及びΓのそれぞ
れの値を減少させる。これらの値は、割り当てられた初
期値の十分の一のインクリメント即ち１／１０ずつ減少
させることができる。
【００５０】プロセッサは、もう一度新たに計算された
ＲＭＳエラーが、しきい値“０．００１”より小さいか
どうかを照会する前に、ステップ１２７から１４６まで
の計算を行うことによって、再び“Ｎ”セットのトレー
ニングデータの処理を実行する。ある時点で、計算され
るＲＭＳエラーは、このしきい値よりも小さくなる。こ
のことによって、補間レイヤー７６内の各ノード及び出
力レイヤー内の単一レイヤーに関する全ての計算された
接続重みと、全ての最終的なバイアス値と、がプロセッ
サによって格納される。
【００５１】図７を参照すると、クラスタアレイ、補間
レイヤー、及び出力アレイの単一ノードに関する全ての
重み付けされた接続値と共に、クラスタアレイ８４及び
補間レイヤーの全てのノード値は、運転の開発モードに
続いて格納装置６８に格納されている。以下で説明する
ように、これらの格納値は、冷凍回路“Ａ”内の冷媒充
てん量を計算するために、プロセッサの実行時モードに
おいて使用される。
【００５２】図８及び図９を参照すると、プロセッサ４
４の運転の実行時モードは、ステップ１６０で始まり、
このステップでは、特定のスカラ補間値が零に初期設定
される。以下で説明するように、これらのいくつかの値
は、運転の実行時モードにおいて、零でない値に等しく
設定される。プロセッサは、ステップ１６２に進み、４
６から６２のセンサによって得られた温度の測定値を読
み取る。これに関して、プロセッサは、新しいセンサ値
が制御装置４０によって読み取られて制御装置及びプロ
セッサの両方によって使用されるために格納されたとい
う冷凍機の制御装置４０からの指示を待つ。このこと
は、所定の時間が経過する毎に、制御装置がセンサ情報
を収集して格納した後に、周期的に行われる。この所定
の時間は、三分に設定されることが望ましい。これらの
センサ値は、点“ｘ”の八つの座標空間における座標値
として格納される。
【００５３】プロセッサは、ステップ１６４に進み、こ
のステップでは、ｘ1、ｘ2、ｘ3、ｘ4、ｘ5、ｘ6、
ｘ7、及びｘ8として表される格納された“ｘ”の値は、
クラスタアレイ８４の内部の列指標“ｎ”及び行指標
“ｍ”によって識別されるクラスタアレイ内の各ノード
それぞれの多次元重み“ｖnm”に関する距離を計算する
ために使用される。各ノードの距離“ｈnm”は、以下の
ように計算される。
【００５４】
【数１３】ｈnm＝√｛（ｘ1−ｖnm1）2＋（ｘ2−
ｖnm2）2＋…＋（ｘ8−ｖnm8）2｝， ｎ＝１から１６、ｍ＝１から４ 上記式において、ｖnm1，...ｖnm8は、クラスタアレイ
のｍ番目の列、ｎ番目の行のノードの多次元ノード重み
の格納された多次元重み値である。
【００５５】各ノードに関するその時点の“ｘ”の座標
値の距離を計算した後で、プロセッサは、ステップ１６
６に進み、最小の距離を有する三つのノードを識別す
る。これらのノードは、それぞれ、ノードａ、ｂ、及び
ｃと表され、これらのノードの距離の値は、以下のよう
に表される。
【００５６】
【数１４】ノードａ： Ｄ１＝ｍｉｎ（ｈnm） ノードｂ： Ｄ２＝ｍｉｎ（ｈnm）、ノードａを除く
全てのｎ及びｍに関する ノードｃ： Ｄ３＝ｍｉｎ（ｈnm）、ノードｂ及びａ
を除く全てのｎ及びｍに関する プロセッサは、ステップ１６８に進み、クラスタアレイ
の上記の各ノードに関してスカラ補間値Ａnmを決定す
る。ノード“ａ”のＡnmの値は、一に等しく設定され
る。ノード“ｂ”のスカラ補間値は、Ｄ１／（Ｄ１＋Ｄ
２）と等しくなるように計算される。ノード“ｃ”のス
カラ補間値は、Ｄ１／（Ｄ１＋Ｄ３）と等しくなるよう
に計算される。他のノードに関しては、Ａnmの値は零に
維持される。
【００５７】プロセッサは、ステップ１７０に進み、補
間レイヤー７６内の十六個のそれぞれのノードに関する
ノード値、ｚkを計算する。各ノード値ｚkは、以下のよ
うに変数“ｔ”の双曲線正接関数として計算されること
が望ましい。
【００５８】
【数１５】
【００５９】プロセッサは、ステップ１７０からステッ
プ１７２に進み、ステップ１７２では、出力ノード値
“ｙ”は、以下のように双曲線正接関数として計算され
る。
【００６０】
【数１６】
【００６１】プロセッサは、続いて、ステップ１７４に
進み、出力ノードの計算された値“ｙ”を予測される冷
媒充てん量として格納する。次にステップ１７６で、二
十個の別々の予測された冷媒充てん量がステップ１７４
において格納されたかどうかが照会される。上記の数の
冷媒充てん量が格納されていない場合には、プロセッサ
は、次のセンサ値を読み取る前に、ステップ１６０に戻
り、再びスカラ補間Ａnmを初期設定する。上記で説明し
たように、センサ値の次のセットは、制御装置４０によ
るセンサの定期的な読み取りに続いて、プロセッサに与
えられる。制御装置による定期的な読み取りは、三分毎
に行われることが望ましい。これらの新しいセンサの読
み取り値は、直ちにプロセッサ４４によって読み取ら
れ、計算ステップ１６４、１６６、１６８、１７０、及
び１７２が再び行われて、それにより、プロセッサはス
テップ１７４において予測される冷媒充てん量の他の値
を再び格納することが可能となる。ある時点で、プロセ
ッサは、センサ値の個々のセットが処理されたことをス
テップ１７６において認識する。このことによって、プ
ロセッサは、ステップ１７８に進むように促され、この
ステップでは、ステップ１７４で格納された予測される
冷媒充てん量値の全ての平均値が計算される。プロセッ
サは、ステップ１８０に進み、計算された平均冷媒補充
を、図１の冷凍器内の特定の冷凍回路Ａに関する既知の
公称の冷媒補充と比較する。この既知の冷媒充てん量
は、運転の実行時モードにおいて使用するために、プロ
セッサの記憶装置に格納されている。
【００６２】予測冷媒充てん量の平均値が既知の公称冷
媒充てん量よりも少ない場合には、プロセッサは、ステ
ップ１８２に進んで充てん量が不足している状態を表示
する。この表示では、公称の値または実際計算された充
てん量のいずれかの値を冷媒充てん量がどのくらいの量
下回ったかが示されることが望ましい。この表示は、制
御パネルの表示装置６６に示されることが望ましい。
【００６３】予測冷媒充てん量の平均値が公称の冷媒充
てん量と等しいかまたは大きい場合には、プロセッサは
ステップ１８４に進む。ステップ１８４では、平均冷媒
充てん量が既知の公称冷媒充てん量よりも大きいかどう
かが照会される。その結果が“Ｙｅｓ”である場合に
は、プロセッサは、ステップ１８６に進み、冷媒が過多
である状態を表示する。この表示には、冷媒充てん量が
公称の充てん量または実際に計算された充てん量をどの
程度の量越えているかについての表示が含まれてもよ
い。予測冷媒充てん量の平均値が公称の冷媒充てん量と
等しい場合には、プロセッサは、ステップ１８８に進
む。表示装置６４には、公称の充てん量状態が示され
る。
【００６４】表示ステップ１８２、１８４、または１８
８に関して、プロセッサは、これらの冷媒充てん量状態
の表示から出て、ステップ１６０に戻る。プロセッサ
は、ステップ１６２で新しいセンサ値のセットを読み取
る準備として、再びスカラ補間値を初期設定する。これ
らの値は、制御装置４０から読み取り可能であると指示
された時点でプロセッサ４４の記憶装置内に読み込まれ
る。プロセッサは、最終的に、二十の新しい冷媒充てん
量予測値を計算する。これらの新しく計算された冷媒充
てん量の各値は、プロセッサの記憶装置に格納された前
の冷媒充てん量値を、それぞれ補充する。以前に格納さ
れた冷媒充てん量値は、格納された冷媒充てん量値の平
均値を求めるために前に計算された値である。プロセッ
サは、その後、それ以前に計算された平均冷媒充てん量
から六十分後に新しい平均冷媒充てん量を計算する。上
記に関して、プロセッサは、センサ情報の二十個の新し
いセットを連続的に読み取って処理したことになる。こ
れらの各セットは、それぞれ三分の間隔で連続的に読み
取られる。新たに表示された平均冷媒充てん量状態は、
表示装置６６に表示される。
【００６５】上記より分かるように、図１の冷凍器シス
テムの冷凍回路Ａにおけるその時点での冷媒充てん量レ
ベルに関して、進行中の状態に基づいて表示がなされ
る。このように表示された冷媒充てん量は、冷凍器シス
テムの冷凍回路Ａにおける冷媒充てん量に関して、公称
の冷媒充てん量のマイナス三十パーセントからこの回路
の冷媒充てん量のプラス三十パーセントまでの範囲を正
確に表示する。計算されて表示された冷媒充てん量は、
公称の冷媒充てん量値の五から七パーセントである細分
化されたインクリメント以内の正確度である。このよう
な情報の視覚表示によって、冷凍器のオペレータは、冷
媒充てん量のレベルに関して問題が起こっている場合に
その問題を把握して、適切な処置を行うことができる。
【００６６】上記では、発明の特定の実施例に関して説
明してきた。変更、修正、及び改良は、当業者にとって
容易である。例えば、プロセッサは、制御装置に頼らな
いでセンサから適時にデータを読み取るようにプログラ
ミングすることができる。この冷凍器は、開発モードに
おいて、ニューラルネットワークの値を決定し、運転の
実行時モードにおいて、最終的にリアルタイムの冷媒充
てん量を計算するために使用されるセンサ値を、実質的
に減少または増加させることによって変更することもで
きる。冷凍回路Ｂにおける冷媒の量は、冷凍回路Ａにお
ける冷媒の量と共に変化可能とすることもできる。この
場合には、各回路内の冷媒の既知の量に対応して、両回
路内の冷媒総量に関する単一ノード出力を作成するよう
に、ニューラルネットワークのトレーニングが行われ
る。
【００６７】また、ニューラルネットワークに第二の出
力ノードを導入することもできる。ニューラルネットワ
ークでは、各出力ノードにおいて、それぞれの回路にお
ける個別の計算された冷媒の量を作成するようにトレー
ニングが行われる。従って、上記の説明は、例示的であ
り、発明は、以下の請求項によってのみ限定されるもの
である。
【００６８】本発明を要約すると、暖房または冷房シス
テムの冷媒監視システムは、このシステムの少なくとも
一つの冷凍回路における冷媒充てん量を計算するために
使用されるニューラルネットワークを含む。このニュー
ラルネットワークは、運転の開発モードにおいて、暖房
または冷房システムの特定の特性を学習するようにトレ
ーニングされる。このようにトレーニングされたニュー
ラルネットワークは、運転の実行時モードにおいて冷媒
充てん量を適時に計算する。計算された冷媒充てん量
と、少なくとも一つの冷凍回路の冷媒充てん量の公称の
量と、の差に関する情報は、運転の実行時モードにおい
て評価可能となっている。
【図面の簡単な説明】
【図１】二つの別個の冷凍回路を含む冷凍器の説明図で
ある。
【図２】図１の冷凍器の制御装置、及び冷凍器の一つの
冷凍回路における冷媒充てん量を計算するためのニュー
ラルネットワークソフトウェアを含むプロセッサのブロ
ック図である。
【図３】ニューラルネットワークソフトウェアの種々の
レイヤーにおけるノード間の接続を示した説明図であ
る。
【図４】図３のノードの特定のアレイを示したブロック
図である。
【図５】運転の開発モードにおいて図２のプロセッサに
よって実行されるニューラルネットワーク処理のフロー
チャートである。
【図６】運転の開発モードにおいて図２のプロセッサに
よって実行されるニューラルネットワーク処理のフロー
チャートである。
【図７】運転の開発モードにおいて図２のプロセッサに
よって実行される他のニューラルネットワーク処理のフ
ローチャートである。
【図８】運転の実行時モードにおいて図２のプロセッサ
によって実行されるニューラルネットワーク処理のフロ
ーチャートである。
【図９】運転の実行時モードにおいて図２のプロセッサ
によって実行されるニューラルネットワーク処理のフロ
ーチャートである。
【符号の説明】
１０，１２…コンデンサ １４，１６…コンプレッサ １８，３２…ファン群 ２０，３４…膨張バルブ ２２…エバポレータ ２４…入口 ２６…出口 ２８，３０…コンプレッサ ３５，３６…ステッパモータ ４６，４８，５０，５２，５４，５６，５８，６０，６
２…センサ

Claims (32)

    【特許請求の範囲】
  1. 【請求項１】 暖房または冷房システムの少なくともひ
    とつの冷凍回路における冷媒充てん量を監視する方法で
    あって、 前記暖房または冷房システム内で生じる検出された状態
    の値を読み取り、これらの値は、前記暖房または冷房シ
    ステム内の種々の位置に配置された複数のセンサによっ
    て得られ、 前記暖房または冷房システム内で生じる前記検出された
    状態の読み取り値をニューラルネットワークを通じて処
    理して、前記検出された状態の読み取り値に基づいて、
    前記暖房または冷房システムの少なくともひとつの前記
    冷凍回路に関する計算された冷媒充てん量を生成し、 前記計算された冷媒充てん量を、前記暖房または冷房シ
    ステムの少なくともひとつの前記冷凍回路に関する公称
    の冷媒充てん量と、比較し、 前記計算された冷媒充てん量を前記公称の冷媒充てん量
    と比較する前記ステップに対応して、少なくともひとつ
    の前記冷凍回路の冷媒充てん量に関する状況メッセージ
    を送信するステップを有することを特徴とする方法。
  2. 【請求項２】 前記ニューラルネットワークは、複数の
    ノードを有する第一のアレイを含み、第一のアレイの各
    ノードは、前記暖房または冷房システムの少なくともひ
    とつの前記冷凍回路における特定の冷媒充てん量に関し
    て前記ニューラルネットワークによって学習されて格納
    された値を含み、 前記検出された状態の読み取り値をニューラルネットワ
    ークを通じて処理する前記ステップは、 前記第一アレイの各ノードで格納された前記学習値に対
    する、前記暖房または冷房システム内で生じる前記検出
    された状態の読み取り値の近接性を判断するステップ
    と、 前記第一アレイ内で前記暖房または冷房システムで生じ
    る前記検出された状態の読み取り値に最も近接したいく
    つかのノードを識別するステップと、 を含み、この識別は、前記ノードの前記格納された学習
    値に対して判断された、前記検出された状態の読み取り
    値の前記近接性に基づいて行われることを特徴とする請
    求項１記載の方法。
  3. 【請求項３】 前記ニューラルネットワークは、補間ノ
    ードを有するアレイを含み、前記各補間ノードとそれぞ
    れ前記第一アレイのノードとは、前記ニューラルネット
    ワークによって以前に学習された重みづけされた接続を
    通じて接続されており、前記方法は、 前記各補間ノードと、前記第一アレイの前記識別された
    数のノードと、の間の前記重みづけされた接続の値に基
    づいて、前記各補間ノードにおいて値を計算するステッ
    プを含むことを特徴とする請求項２記載の方法。
  4. 【請求項４】 前記ニューラルネットワークは、少なく
    ともひとつの出力ノードを含み、前記出力ノードと各補
    間ノードとは、ニューラルネットワークによって以前に
    学習された重みづけされた接続を通じて接続されてお
    り、前記方法は、 前記出力ノードと前記各補間ノードとの間の前記重み付
    けされた接続の値と、前記各補間ノードの前記計算され
    た値と、に基づいて、冷媒充てん量の出力を計算するス
    テップを含むことを特徴とする請求項３記載の方法。
  5. 【請求項５】 少なくともひとつの前記冷凍回路内の前
    記特定の冷媒充てん量は、少なくとも二つの冷媒充てん
    量を含み、前記二つの冷媒充てん量の内の一方は、前記
    暖房または冷房システムの少なくともひとつの前記冷凍
    回路における冷媒充てん量の公称値であり、他方の冷媒
    充てん量は、冷媒充てん量の前記公称値よりも少ないこ
    とを特徴とする請求項２記載の方法。
  6. 【請求項６】 少なくともひとつの前記冷凍回路におけ
    る前記特定の冷媒充てん量は、少なくとも二つの冷媒充
    てん量を含み、前記二つの冷媒充てん量の内の第一の量
    は、前記暖房又は冷房システムの少なくともひとつの冷
    凍回路における冷媒充てん量の公称値であり、第二の量
    は、冷媒充てん量の前記公称値よりも少ないことを特徴
    とする請求項２記載の方法。
  7. 【請求項７】 前記暖房または冷房システム内で生じる
    前記検出された状態の値を読み取る前記ステップは、 前記暖房または冷房システムの少なくともひとつの前記
    冷凍回路における少なくともひとつのコンプレッサに関
    して生じる、少なくともひとつの検出される状態の値を
    読み取り、 前記暖房または冷房システムの少なくともひとつの冷凍
    回路における熱交換器に関して生じる、少なくともひと
    つの検出される状態の値を読み取り、 前記暖房または冷房システムの冷凍回路において、前記
    熱交換器よりも下流で、かつ膨張バルブよりも上流の冷
    媒に関する少なくともひとつの検出される温度状態の値
    を読み取るステップを含むことを特徴とする請求項１記
    載の方法。
  8. 【請求項８】 少なくともひとつの前記冷凍回路におけ
    る少なくともひとつの前記コンプレッサに関して生じ
    る、少なくともひとつの前記状態の値を読み取る前記ス
    テップは、 前記コンプレッサの吸入口において、前記コンプレッサ
    の吸入温度を読み取り、 前記コンプレッサの排出口において、前記コンプレッサ
    の排出温度を読み取るステップを含むことを特徴とする
    請求項７記載の方法。
  9. 【請求項９】 前記暖房または冷房システムの少なくと
    もひとつの前記冷凍回路における少なくともひとつの前
    記熱交換器に関して生じる、少なくともひとつの検出さ
    れる前記状態の値を読み取る前記ステップは、 前記熱交換器に流入する前の空気の温度を読み取り、 前記熱交換器から排出される前記空気の温度を読み取る
    ステップを含むことを特徴とする請求項７記載の方法。
  10. 【請求項１０】 前記暖房または冷房システムの第二の
    冷凍回路における少なくともひとつのコンプレッサに関
    して生じる、少なくともひとつの検出される状態の値を
    読み取り、 前記暖房または冷房システムの前記第二の冷凍回路の膨
    張バルブの上流において、前記第二の冷凍回路内の冷媒
    の少なくともひとつの検出された状態の値を読み取るス
    テップを含むことを特徴とする請求項７記載の方法。
  11. 【請求項１１】 暖房または冷房システムの少なくとも
    ひとつの冷凍回路における冷媒充てん量を予測するため
    に、前記暖房または冷房システムの特性を学習する方法
    であって、 前記システムのひとつまたはそれ以上の冷凍回路におい
    て既知の冷媒充てん量に対して、前記システムが種々の
    負荷及び環境条件に置かれた状態で前記暖房または冷房
    システムで生じる検出された状態に関する複数のデータ
    セットを格納し、 前記格納されたデータセットのいくつかをニューラルネ
    ットワークを通じて繰り返し処理して、少なくともひと
    つの冷凍回路内の特定のデータセットに対して既知の冷
    媒充てん量を正確に予測することを前記ニューラルネッ
    トワークに学習させるステップを含み、 それにより、前記ニューラルネットワークは、その後、
    未知の冷媒充てん量に対して前記暖房または冷房システ
    ム内で生じる検出される状態を処理して、前記検出され
    る状態のセットに対して計算された冷媒充てん量が生成
    されるように使用可能となることを特徴とする方法。
  12. 【請求項１２】 前記ニューラルネットワークは、第一
    のアレイに配された複数のノードを有し、前記各ノード
    は、それぞれに割り当てられた重み付けされた値のセッ
    トを有し、 前記ニューラルネットワークは、第二アレイに配された
    複数の補間ノードを有し、前記第二アレイの前記補間ノ
    ードは、前記第一アレイの各ノードと、冷媒充てん量を
    計算する出力ノードと、の間にそれぞれ重み付けされた
    接続を有し、前記出力ノードは、前記第二アレイの前記
    補間ノードとの間に重み付けされた接続を有することを
    特徴とする請求項１１記載の方法。
  13. 【請求項１３】 前記第一アレイの前記ノードと、前記
    第二アレイの前記補間ノードと、の間の重み付けされた
    接続を、前記格納されたいくつかのデータセットに関し
    て繰り返された処理に応答するように調整し、 前記第二アレイの補間ノードと、前記出力ノードと、間
    の重み付けされた接続を、前記格納されたいくつかのデ
    ータセットに関して繰り返された処理に応答するように
    調整し、 調整済みの重み付けされた接続に基づいて、冷媒充てん
    量の新たな値を計算し、 これにより、すべてのノード間の前記調整済みの重み付
    けされた接続によって、計算された冷媒充てん量が結果
    的に生成され、この冷媒充てん量の値は、前記ニューラ
    ルネットワークを通じてそれぞれ処理されるデータセッ
    トの冷媒充てん量の既知の値に収束されることを特徴と
    する請求項１２記載の方法。
  14. 【請求項１４】 前記暖房または冷房システム内で生じ
    る前記検出された状態に関する複数のデータセットを格
    納する前記ステップは、 前記暖房または冷房システム内の複数のセンサによって
    得られる検出値を表す複数の値として各データセットを
    格納し、 前記検出値が前記センサによって得られた時点での前記
    暖房または冷房システムにおける予め分かっている冷媒
    充てん量を格納するステップを含むことを特徴とする請
    求項１１記載の方法。
  15. 【請求項１５】 前記ニューラルネットワークに予め分
    かっている冷媒充てん量を予測することを学習させるた
    めに、いくつかの格納されたデータセットを前記ニュー
    ラルネットワークを通じて処理する前記ステップは、 （ａ）データセットを読み取り、該読み取ったデータセ
    ットを多次元空間における座標次元のセットとして格納
    し、 （ｂ）多次元空間における前記座標次元のセットに近接
    した重み付けされた値を有する前記第一アレイにおける
    複数のノードを識別し、 （ｃ）前記第一アレイ内の前記識別されたノードにおい
    て重み付けされた値のセットを調整するステップを含
    み、それにより、前記調整された値のセットは、前記各
    識別されたノードにおける重み付けされた値のセット
    と、前記読み取られたデータセットの前記座標次元と、
    の間の差の関数として調整されることを特徴とする請求
    項１４記載の方法。
  16. 【請求項１６】 前記クラスタアレイ内の前記識別され
    たノードにおける重み付けされた値のセットは、学習率
    の値の関数として調整され、この学習率は、前記各識別
    されたノードにおける以前の重み付けされた値のセット
    と、前記読み取られたデータセットの座標次元の値との
    差の複数倍であることを特徴とする請求項１５記載の方
    法。
  17. 【請求項１７】 前記（ａ）、（ｂ）、及び（ｃ）のス
    テップは、前記格納装置に格納された所定の数のデータ
    セットが処理されるまで繰り返され、前記方法は、更
    に、 （ｄ）前記学習率の値を減少させ、 （ｅ）前記学習率の値が、所定の値に到達したかどうか
    を照会するステップを含むことを特徴とする請求項１５
    記載の方法。
  18. 【請求項１８】 前記（ａ）、（ｂ）、（ｃ）、
    （ｄ）、及び（ｅ）のステップは、前記学習率が前記所
    定の値に達するまで繰り返され、前記方法は、更に、前
    記学習率の値が前記所定の値に到達した時点で、最終的
    に調整済みの重み付けされた値を前記第一のアレイの全
    てのノードに格納するステップを含むことを特徴とする
    請求項１７記載の方法。
  19. 【請求項１９】 データセットを読み取り、 前記読み取られたデータセットに応答するように、前記
    第一のアレイの前記各ノードと、前記第二のアレイの各
    補間ノードと、の間に設けられる複数の接続を調整し、 前記読み取られたデータセットに応答するように、前記
    第二のアレイの前記各補間ノードと、前記出力ノード
    と、の間に設けられる複数の接続を調整するステップを
    含み、 これにより、すべてのノード間の調整済みの接続によっ
    て、計算された冷媒充てん量が結果として生成され、こ
    の冷媒充てん量の値は、繰り返し処理されるデータセッ
    トに対する冷媒充てん量の既知の値に収束されることを
    特徴とする請求項１２記載の方法。
  20. 【請求項２０】 前記暖房または冷房システム内で生じ
    る検出された状態に関する複数のデータセットを格納す
    る前記ステップは、 既知の冷媒充てん量に対して、前記暖房または冷房シス
    テム内のセンサによって得られた検出値を表す複数の値
    として各データセットを格納し、 前記センサによって得られて格納された検出値の各セッ
    トと共に、前記センサが前記特定の値のセットを得た時
    点での、前記暖房または冷房システムの少なくともひと
    つの冷凍回路における前記既知の冷媒充てん量を格納す
    るステップを含み、 これにより、前記既知の冷媒充てん量と、対応する前記
    検出値の格納されたセットと、を関連させることが可能
    となっていることを特徴とする請求項１１の方法。
  21. 【請求項２１】 前記暖房または冷房システム内のセン
    サによって得られた検出値を表す複数の値として各デー
    タセットを格納する前記ステップは、 前記暖房または冷房システム内のコンプレッサの吸入側
    に取り付けられたセンサによって得られた少なくともひ
    とつの検出値を格納し、 前記コンプレッサの排出側に取り付けられたセンサによ
    って得られた少なくともひとつの検出値を格納し、 前記暖房または冷房システム内の熱交換器に流入する空
    気の温度を測定するセンサによって得られた少なくとも
    ひとつの検出値を格納し、 前記暖房または冷房システム内の熱交換器から排出され
    る空気の温度を測定するセンサによって得られた少なく
    ともひとつの検出値を格納するステップを含むことを特
    徴とする請求項２０記載の方法。
  22. 【請求項２２】 前記暖房または冷房システム内のセン
    サによって得られた検出値を表す複数の値として各デー
    タセットを格納する前記ステップは、 前記暖房または冷房システム内の膨張バルブに関連する
    ように取り付けられたセンサによって得られた冷媒温度
    の少なくともひとつの検出値を格納するステップを含む
    ことを特徴とする請求項２１記載の方法。
  23. 【請求項２３】 前記暖房または冷房システムの少なく
    ともひとつの冷媒回路における冷媒充てん量を監視する
    方法であって、 前記暖房または冷房システム内の種々の位置に配置され
    た複数のセンサによって得られたいくつかの検出された
    状態に関する値を繰り返し読み取り、 読み取り値のセットに対する各格納値が、それぞれ多次
    元空間における座標次元を定めるように、前記各読み取
    り値のセットを所定の方法で格納し、 ニューラルネットワークを通じて各格納された値のセッ
    トを処理し、それにより、各格納された読み取り値のセ
    ットに対して、前記ニューラルネットワークの出力にお
    いて計算された冷媒充てん量が生成され、 前記ニューラルネットワークを通じて処理した各値のセ
    ットに対して、前記ニューラルネットワークの前記出力
    において生成されたそれぞれの計算された冷媒充てん量
    を格納し、 前記出力ノードにおいて、所定の数の計算された冷媒充
    てん量が生成された後に、計算されて格納された冷媒充
    てん量の平均を計算するステップを含むことを特徴とす
    る方法。
  24. 【請求項２４】 前記計算されて格納された冷媒充てん
    量の計算された平均値と、暖房または冷房システムの少
    なくともひとつの前記冷凍回路における既知の公称冷媒
    充てん量と、を比較し、 前記格納された冷媒充てん量の前記計算された平均値
    が、前記公称冷媒充てん量よりも少ない場合にメッセー
    ジを生成するステップを含むことを特徴とする請求項２
    ３記載の方法。
  25. 【請求項２５】 前記計算されて格納された冷媒充てん
    量の計算された平均値と、前記暖房または冷房システム
    内の少なくともひとつの前記冷凍回路における既知の公
    称冷媒充てん量と、を比較し、 前記格納された冷媒充てん量の前記計算された平均値
    が、前記公称冷媒充てん量よりも多い場合にメッセージ
    を生成するステップを含むことを特徴とする請求項２３
    記載の方法。
  26. 【請求項２６】 いくつかの検出された状態の値を繰り
    返し読み取る前記ステップを繰り返し行い、前記各読み
    取り値のセットを格納し、前記読み取り値の各格納され
    たセットをそれぞれ前記ニューラルネットワークを通じ
    て処理して、それにより、読み取り値の各処理されたセ
    ットに対して新たな計算された冷媒充てん量が生成さ
    れ、 各処理された値のセットに対して、新たに計算された各
    冷媒充てん量をそれぞれ格納し、 前記新たに計算されて格納された冷媒充てん量の平均を
    計算するステップを含むことを特徴とする請求項２３記
    載の方法。
  27. 【請求項２７】 前記ニューラルネットワークは、ノー
    ドを有する第一のアレイにおける複数のノードを含み、
    前記第一のアレイにおける各ノードは、前記ニューラル
    ネットワークによって学習された格納値を含み、前記検
    出された状態の前記読み取り値を前記ニューラルネット
    ワークを通じて処理する前記ステップは、 前記暖房または冷房システム内の前記複数のセンサによ
    って得られた検出状態の前記読み取られて格納された値
    と、前記第一のアレイにおける各ノードに格納された前
    記学習値と、の近接性を判定し、 前記暖房または冷房システムにおける複数のセンサによ
    って得られた検出状態の読み取られて格納された値に最
    も近接する前記第一のアレイにおけるいくつかのノード
    を識別するステップを含み、前記ノードを識別する前記
    ステップは、検出状態の前記読み取られて格納された値
    と、前記ノードに格納された前記学習値と、の判定され
    た近接性に基づいて、行われることを特徴とする請求項
    ２３記載の方法。
  28. 【請求項２８】 前記ニューラルネットワークは、補間
    ノードを有するアレイを含み、前記各補間ノードは、前
    記ニューラルネットワークによって以前に学習された重
    み付けされた接続を通じて前記第一のアレイの前記ノー
    ドとそれぞれ接続されており、前記方法は、 前記各補間ノードにおいて、各補間ノードと、前記第一
    のアレイ内の識別された数のノードと、の重み付けされ
    た接続値に基づいて、値を計算するステップを含むこと
    を特徴とする請求項２７記載の方法。
  29. 【請求項２９】 前記ニューラルネットワークは、少な
    くともひとつの出力ノードを有し、前記出力ノードは、
    前記ニューラルネットワークによって以前に学習された
    重み付けされた接続を通じて前記各補間ノードとそれぞ
    れ接続されており、前記方法は、 前記各補間ノードとの間の重み付けされた接続の値と、
    前記第一アレイの前記各補間ノードの計算された値と、
    に基づいて冷媒充てん量の出力を計算するステップを含
    むことを特徴とする請求項２８記載の方法。
  30. 【請求項３０】 前記ニューラルネットワークは、前記
    暖房または冷房システムの少なくともひとつの冷凍回路
    における少なくとも二つの冷媒充てん量に関するニュー
    ラルネットワークの値を以前に学習しており、これらの
    二つの冷媒充てん量の内の一方は、前記暖房または冷房
    システムの少なくともひとつの冷凍回路における公称の
    冷媒充てん量であり、他方の冷媒充てん量は、前記公称
    の冷媒充てん量よりも少なく、前記ニューラルネットワ
    ークを通じて各読み取り値のセットを処理する前記ステ
    ップは、 前記暖房または冷房システム内で生じる検出状態の前記
    各読み取り値のセットが、前記学習された前記ニューラ
    ルネットワークの各値に補間されるように使用されるこ
    とを含み、それにより、前記計算された冷媒充てん量が
    生成されることを特徴とする請求項２３記載の方法。
  31. 【請求項３１】 前記ニューラルネットワークは、前記
    暖房または冷房システムの少なくともひとつの冷凍回路
    における少なくとも二つの冷媒充てん量に関するニュー
    ラルネットワークの値を以前に学習しており、これらの
    二つの冷媒充てん量の内の一方は、公称の冷媒充てん量
    であり、他方の冷媒充てん量は、前記暖房または冷房シ
    ステムの少なくともひとつの冷凍回路における公称の冷
    媒充てん量よりも多く、前記ニューラルネットワークを
    通じて各読み取り値のセットを処理する前記ステップ
    は、 前記暖房または冷房システム内で生じる検出状態の前記
    各読み取り値のセットが、前記学習された前記ニューラ
    ルネットワークの各値に補間されるように使用されるこ
    とを含み、それにより、前記計算された冷媒充てん量が
    生成されることを特徴とする請求項２３記載の方法。
  32. 【請求項３２】 前記ニューラルネットワークは、前記
    暖房または冷房システムの少なくともひとつの冷凍回路
    における少なくとも三つの冷媒充てん量に関するニュー
    ラルネットワークの値を以前に学習しており、これらの
    三つの冷媒充てん量の内のひとつは、前記暖房または冷
    房システムの少なくともひとつの冷凍回路における公称
    の冷媒充てん量であり、他の二つの冷媒充てん量の値
    は、前記公称の冷媒充てん量よりも多いか少ないかのい
    ずれかであり、前記ニューラルネットワークを通じて各
    読み取り値のセットを処理する前記ステップは、 前記暖房または冷房システム内で生じる検出状態の前記
    各読み取り値のセットが、前記学習された前記ニューラ
    ルネットワークの各値に補間されるように使用されるこ
    とを含み、それにより、前記計算された冷媒充てん量が
    生成されることを特徴とする請求項２３記載の方法。
JP15695598A 1997-06-06 1998-06-05 冷媒充てん量を監視する方法 Expired - Fee Related JP3165676B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/869,536 US5860286A (en) 1997-06-06 1997-06-06 System monitoring refrigeration charge
US08/869536 1997-06-06

Publications (2)

Publication Number Publication Date
JPH1183246A true JPH1183246A (ja) 1999-03-26
JP3165676B2 JP3165676B2 (ja) 2001-05-14

Family

ID=25353744

Family Applications (1)

Application Number Title Priority Date Filing Date
JP15695598A Expired - Fee Related JP3165676B2 (ja) 1997-06-06 1998-06-05 冷媒充てん量を監視する方法

Country Status (8)

Country Link
US (1) US5860286A (ja)
EP (1) EP0883048B1 (ja)
JP (1) JP3165676B2 (ja)
KR (1) KR100277219B1 (ja)
CN (1) CN1092322C (ja)
AU (1) AU724610B2 (ja)
DE (1) DE69814737T2 (ja)
ES (1) ES2195279T3 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009539061A (ja) * 2006-05-31 2009-11-12 ハネウェル・インターナショナル・インコーポレーテッド 蒸気圧縮システムのためのニューラルネットワークベースの冷媒充填量検出アルゴリズム
US9869499B2 (en) 2012-02-10 2018-01-16 Carrier Corporation Method for detection of loss of refrigerant

Families Citing this family (54)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7474218B2 (en) * 2000-06-16 2009-01-06 Verisae, Inc. Method and system of asset identification and tracking for enterprise asset management
US7512523B2 (en) * 2000-06-16 2009-03-31 Verisae, Inc. Refrigerant loss tracking and repair
AU2001269902A1 (en) * 2000-06-16 2001-12-24 Verisae Enterprise asset management system and method
US20100121770A1 (en) * 2000-06-16 2010-05-13 Verisae, Inc. System and method for tracking ships and ship cargo
US7369968B2 (en) * 2000-06-16 2008-05-06 Verisae, Inc. Enterprise energy management system
US20070096899A1 (en) * 2000-06-16 2007-05-03 Johnson Daniel T System and method for tracking ships and ship cargo
US6470695B2 (en) * 2001-02-20 2002-10-29 Rheem Manufacturing Company Refrigerant gauge manifold with built-in charging calculator
US8000938B2 (en) * 2002-12-09 2011-08-16 Verisae, Inc. Method and system for tracking and managing destruction, reconstitution, or reclamation of regulated substances
US7440871B2 (en) * 2002-12-09 2008-10-21 Verisae, Inc. Method and system for tracking and reporting emissions
US7877235B2 (en) * 2003-01-31 2011-01-25 Verisae, Inc. Method and system for tracking and managing various operating parameters of enterprise assets
US8463441B2 (en) 2002-12-09 2013-06-11 Hudson Technologies, Inc. Method and apparatus for optimizing refrigeration systems
AU2003297910A1 (en) * 2002-12-13 2004-07-09 Verisae Notification system
EP1590910A4 (en) * 2003-02-03 2009-07-29 Verisae INVENTORY TOOL OF SITE MATERIAL
KR100465013B1 (ko) * 2003-07-04 2005-01-13 주식회사 메타켐 전자식 충전압력 표시기
WO2005020167A2 (en) * 2003-08-20 2005-03-03 Verisae, Inc. Electronic payment system
US20050061008A1 (en) * 2003-09-24 2005-03-24 A. Ben-Nakhi Method and apparatus for monitoring an air conditioning / refrigeration unit
JP4396286B2 (ja) * 2004-01-21 2010-01-13 三菱電機株式会社 機器診断装置および機器監視システム
KR100550566B1 (ko) * 2004-02-25 2006-02-10 엘지전자 주식회사 멀티형 히트 펌프의 제어 방법
US7412842B2 (en) 2004-04-27 2008-08-19 Emerson Climate Technologies, Inc. Compressor diagnostic and protection system
US7159408B2 (en) * 2004-07-28 2007-01-09 Carrier Corporation Charge loss detection and prognostics for multi-modular split systems
US7275377B2 (en) 2004-08-11 2007-10-02 Lawrence Kates Method and apparatus for monitoring refrigerant-cycle systems
US7111469B2 (en) * 2004-09-22 2006-09-26 Horan Christopher J Process for refrigerant charge level detection using a neural net
US7134291B2 (en) * 2004-09-22 2006-11-14 Horan Christopher J Process for refrigerant charge level detection using a neural net having one output neuron
JP4120676B2 (ja) * 2005-12-16 2008-07-16 ダイキン工業株式会社 空気調和装置
US20070256434A1 (en) * 2006-05-04 2007-11-08 Kwangtaek Hong Monitoring System for Detecting Low-Charge Condition in a Heat-Exchange System
US7866172B2 (en) * 2006-07-14 2011-01-11 Trane International Inc. System and method for controlling working fluid charge in a vapor compression air conditioning system
US8590325B2 (en) 2006-07-19 2013-11-26 Emerson Climate Technologies, Inc. Protection and diagnostic module for a refrigeration system
US20080216494A1 (en) 2006-09-07 2008-09-11 Pham Hung M Compressor data module
WO2008079108A1 (en) * 2006-12-20 2008-07-03 Carrier Corporation Refrigerant charge indication
WO2008079111A1 (en) * 2006-12-20 2008-07-03 Carrier Corporation Method for determining refrigerant charge
EP2102571B1 (en) * 2006-12-28 2018-08-29 Carrier Corporation Free-cooling capacity control for air conditioning systems
US20090171975A1 (en) * 2007-03-06 2009-07-02 Mcconnell Robert S Method and system for tracking carbon credits and other carbon valuation units
US20090037142A1 (en) 2007-07-30 2009-02-05 Lawrence Kates Portable method and apparatus for monitoring refrigerant-cycle systems
US9140728B2 (en) 2007-11-02 2015-09-22 Emerson Climate Technologies, Inc. Compressor sensor module
BRPI0921635A2 (pt) 2008-10-31 2016-01-05 Optimum Energy Llc sistemas e métodos para controlar a eficiência de consumo de energia
EP2681497A4 (en) 2011-02-28 2017-05-31 Emerson Electric Co. Residential solutions hvac monitoring and diagnosis
WO2013019537A2 (en) 2011-07-29 2013-02-07 Carrier Corporation Hvac systems
US9759465B2 (en) 2011-12-27 2017-09-12 Carrier Corporation Air conditioner self-charging and charge monitoring system
US8964338B2 (en) 2012-01-11 2015-02-24 Emerson Climate Technologies, Inc. System and method for compressor motor protection
US9024765B2 (en) 2012-01-11 2015-05-05 International Business Machines Corporation Managing environmental control system efficiency
US9310439B2 (en) 2012-09-25 2016-04-12 Emerson Climate Technologies, Inc. Compressor having a control and diagnostic module
US9803902B2 (en) 2013-03-15 2017-10-31 Emerson Climate Technologies, Inc. System for refrigerant charge verification using two condenser coil temperatures
US9551504B2 (en) 2013-03-15 2017-01-24 Emerson Electric Co. HVAC system remote monitoring and diagnosis
WO2014144446A1 (en) 2013-03-15 2014-09-18 Emerson Electric Co. Hvac system remote monitoring and diagnosis
CA2908362C (en) 2013-04-05 2018-01-16 Fadi M. Alsaleem Heat-pump system with refrigerant charge diagnostics
US10228172B2 (en) 2013-08-01 2019-03-12 Carrier Corporation Refrigerant level monitor for refrigeration system
CN104895790B (zh) * 2015-05-19 2017-12-08 西安交通大学 一种具有中间抽气功能的双螺杆压缩机及多温区热泵系统
WO2017221287A1 (ja) * 2016-06-20 2017-12-28 三菱電機株式会社 冷却装置
FR3056706A1 (fr) * 2016-09-27 2018-03-30 Electricite De France Procede d'auto-parametrage auto-adaptatif d'un systeme de chauffage et de production d'eau chaude sanitaire
US11037330B2 (en) * 2017-04-08 2021-06-15 Intel Corporation Low rank matrix compression
DE102017117370A1 (de) * 2017-08-01 2019-02-07 Vaillant Gmbh Softsensor zur Identifikation und Regelung oder Steuerung eines Wärmepumpensystems
KR102071963B1 (ko) * 2018-03-09 2020-01-31 엘지전자 주식회사 냉매소음 저감형 공기조화기 실내기 및 그 제어 방법
CN109140665A (zh) * 2018-08-31 2019-01-04 珠海格力电器股份有限公司 控制空调的方法、装置和空调装置
WO2023056617A1 (en) * 2021-10-09 2023-04-13 Johnson Controls Tyco IP Holdings LLP Systems and methods for controlling variable refrigerant flow systems using artificial intelligence

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58103669U (ja) * 1982-01-08 1983-07-14 株式会社東芝 冷凍装置
JPH0350471A (ja) * 1988-12-14 1991-03-05 Nippondenso Co Ltd 冷房装置の冷媒不足検出装置
JPH06309465A (ja) * 1993-04-21 1994-11-04 Nippon Telegr & Teleph Corp <Ntt> 線図形学習認識方法
JPH08121881A (ja) * 1994-10-19 1996-05-17 Sanyo Electric Co Ltd 蒸気圧縮式冷凍機
JPH09113077A (ja) * 1995-10-16 1997-05-02 Matsushita Refrig Co Ltd 空気調和機

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4660386A (en) * 1985-09-18 1987-04-28 Hansen John C Diagnostic system for detecting faulty sensors in liquid chiller air conditioning system
JPH0692914B2 (ja) * 1989-04-14 1994-11-16 株式会社日立製作所 機器／設備の状態診断システム
US5009076A (en) * 1990-03-08 1991-04-23 Temperature Engineering Corp. Refrigerant loss monitor
US5260526A (en) * 1991-04-29 1993-11-09 Otis Elevator Company Elevator car assignment conditioned on minimum criteria
US5372015A (en) * 1991-07-05 1994-12-13 Kabushiki Kaisha Toshiba Air conditioner controller
US5152152A (en) * 1992-02-10 1992-10-06 Thermo King Corporation Method of determining refrigerant charge
JPH06207766A (ja) * 1992-03-31 1994-07-26 Unisia Jecs Corp 空調装置
US5586445A (en) * 1994-09-30 1996-12-24 General Electric Company Low refrigerant charge detection using a combined pressure/temperature sensor
US5539385A (en) * 1995-04-21 1996-07-23 Carrier Corporation System for monitoring condenser pressure
JPH09178306A (ja) * 1995-12-22 1997-07-11 Denso Corp 冷凍サイクル装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS58103669U (ja) * 1982-01-08 1983-07-14 株式会社東芝 冷凍装置
JPH0350471A (ja) * 1988-12-14 1991-03-05 Nippondenso Co Ltd 冷房装置の冷媒不足検出装置
JPH06309465A (ja) * 1993-04-21 1994-11-04 Nippon Telegr & Teleph Corp <Ntt> 線図形学習認識方法
JPH08121881A (ja) * 1994-10-19 1996-05-17 Sanyo Electric Co Ltd 蒸気圧縮式冷凍機
JPH09113077A (ja) * 1995-10-16 1997-05-02 Matsushita Refrig Co Ltd 空気調和機

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009539061A (ja) * 2006-05-31 2009-11-12 ハネウェル・インターナショナル・インコーポレーテッド 蒸気圧縮システムのためのニューラルネットワークベースの冷媒充填量検出アルゴリズム
US9869499B2 (en) 2012-02-10 2018-01-16 Carrier Corporation Method for detection of loss of refrigerant

Also Published As

Publication number Publication date
AU6992298A (en) 1998-12-10
KR19990006753A (ko) 1999-01-25
CN1202604A (zh) 1998-12-23
KR100277219B1 (ko) 2001-03-02
EP0883048A1 (en) 1998-12-09
DE69814737D1 (de) 2003-06-26
EP0883048B1 (en) 2003-05-21
DE69814737T2 (de) 2004-03-25
JP3165676B2 (ja) 2001-05-14
ES2195279T3 (es) 2003-12-01
US5860286A (en) 1999-01-19
CN1092322C (zh) 2002-10-09
AU724610B2 (en) 2000-09-28

Similar Documents

Publication Publication Date Title
JP3165676B2 (ja) 冷媒充てん量を監視する方法
JP2993563B2 (ja) 屋外熱交換器コイルを監視するためのシステム
AU727224B2 (en) System for monitoring expansion valve
Shi et al. Refrigerant charge fault diagnosis in the VRF system using Bayesian artificial neural network combined with ReliefF filter
He et al. Fault detection and diagnosis of chiller using Bayesian network classifier with probabilistic boundary
US12405019B2 (en) Air conditioning system, abnormality estimation method for air conditioning system, air conditioner, and abnormality estimation method for air conditioner
EP3904987B1 (en) Control support apparatus, control support method, control support program, computer readable medium with control support program recorded thereon and control system
CN111723925A (zh) 一种在途智能列车空调机组故障诊断方法、装置、设备及介质
EP4220320B1 (en) Information processing device, information processing method, and program
JP7445533B2 (ja) 異常検出装置、プログラムおよび電気機器システム
JP2021076309A (ja) 推定方法、推定装置、プログラム及び学習済みモデルの生成方法
US12385679B2 (en) Refrigerant quantity diagnosis device, refrigerant system, and refrigerant quantity diagnosis method
KR20210025365A (ko) 공기조화기의 진단방법
KR20230126044A (ko) 공기조화기
JP2966786B2 (ja) 空気調和機
Rueda et al. Fault detection and diagnosis in liquid chillers
US20240027086A1 (en) Air conditioner
JP7846433B1 (ja) 異常検知装置、異常検知方法及びプログラム
US20250102180A1 (en) Air conditioner
JP7041374B2 (ja) 生成方法、プログラム、情報処理装置、情報処理方法、及び学習済みモデル
US20230184453A1 (en) Air-conditioning monitoring device and air-conditioning system
CN121300520A (zh) 一种制冷机房的自适应控制方法
JPH04297771A (ja) 冷凍装置
CN121363791A (zh) 空调设备
JP2006003014A (ja) 運転状態評価装置および運転状態評価方法

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20000111

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20010220

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees