JP3232582B2 - 電気カーペット - Google Patents

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
ＲＬ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
ために使用されると想定した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と、前記表面温
度推定手段と温度設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、前記制御手段は前記
表面温度推定手段の出力の推定表面温度と前記温度検知
手段の出力である発熱体の温度との偏差が一定温度（例
えばα度とする）以上であれば前記推定表面温度を発熱
体の温度＋一定温度（α度）として前記通電制御手段を
制御する構成としたことを解決手段にしている。

【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。制御手
段はその表面温度情報を用いて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。ところで、表面温度推定手段
を構成している神経回路網模式手段はあらかじめ使用さ
れると想定した環境下で測定された温度検知手段、室温
検知手段、計時手段、通電率検出手段、温度設定手段の
出力値をもとに算出した固定結合重み系数を有している
が、こ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搭載したカーペットを
実際に使用する場合、固定結合重み係数を算出したデー
タと全く同一のデータが表面温度推定手段に入力される
可能性は極めて少ないとともに想定外の環境下で使用さ
れることも考えられる。このような学習データ以外のデ
ータが入力として与えられても、真の表面温度からかけ
離れない発熱体の温度＋一定温度を推定表面温度として
用いることにより、安定した温度制御を実現できる。

【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。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
もので、想定外の環境下で使用された場合等に生ずる学
習データ以外のデータに基づいて算出された表面温度推
定手段１１の出力の推定表面温度と温度検知手段５の出
力の発熱体２の温度との偏差が一定温度（例えばα度と
する）以上であれば推定表面温度を発熱体２の温度＋一
定温度（α度）として通電制御手段７を制御するように
している。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、１３は電気カー
ペットのコントローラであり、１４は表面材、１５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，・・ ，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、
２０１〜２０４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。

【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、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
７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。

【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・（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。

【００２０】

【数２】

【００２１】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。

【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、
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。

【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（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１２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、
その情報を制御手段１２に出力している。制御手段１２
は、この推定表面温度情報に基づき通電制御手段７を制
御するように動作する。

【００２６】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、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。ところで、表面
温度推定手段１１を構成している神経回路網模式手段
は、環境データと制御データと表面温度データとの関係
を学習することによって構成しているので、想定外の環
境下で使用された場合等に生ずる学習データ以外の現時
点の温度情報、１分間の温度情報、室温情報、経過時間
情報、通電率情報、設定温度情報の６情報が入力された
場合の出力である推定表面温度は、真の表面温度とかけ
離れている可能性を含んでいる。したがって、このよう
なときにも所望する表面温度から大きくかけ離れない表
面温度とするため、表面温度推定手段１１の出力である
推定表面温度と温度検知手段５の出力である発熱体２の
温度との偏差が一定温度（例えばα度とする）以上であ
れば、推定表面温度を発熱体２の温度＋一定温度（α
度）として通電制御手段７を制御する。

【００２７】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ｔ_p での通電率
は、時刻ｔ_p 以前のリレーがオンの期間をｔ_pon ，オフ
の期間をｔ_poffとすると（式７）で算出した。

【００２８】 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。

【００２９】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。

【００３０】

【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た
めに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と、前記表面温度推定手段と
温度設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、前記制御手段は前記表面温度推定
手段の出力の推定表面温度と前記温度検知手段の出力で
ある発熱体の温度との偏差が一定温度（例えばα度とす
る）以上であれば前記推定表面温度を発熱体の温度＋一
定温度（α度）として前記通電制御手段を制御する構成
としたことから、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。さらに、表面温度推定
手段を構成している神経回路網模式手段に想定外の環境
下で使用された場合等に生ずる学習データ以外のデータ
が入力として与えられても、真の表面温度からかけ離れ
ない発熱体の温度＋一定温度（α度）を推定表面温度と
して用いることにより、安定した温度制御を実現でき
る。

【００３１】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。

【００３２】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 制御手段 １４ 表面材 １５ 断熱材

───────────────────────────────────────────────────── フロントページの続き (72)発明者 瓦井 十起夫 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 橋本 雅文 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (56)参考文献 特開 平３−126810（ＪＰ，Ａ) 特開 昭64−41187（ＪＰ，Ａ) 特開 平５−33956（ＪＰ，Ａ) 特許2924276（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.⁷，ＤＢ名) H05B 3/00 F24D 13/02 G05D 23/24

Claims (2)

(57)【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出手段と、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、前記室温検出手段、前記
   計時手段、前記通電率検出手段及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
   ために使用されるあらかじめ使用されると想定した環境
   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
   定手段と、前記表面温度推定手段と温度設定手段の出力
   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、前記制御手段は前記表面温度推定手段の出力の推定
   表面温度と前記温度検知手段の出力である発熱体の温度
   との偏差が一定温度（例えばα度とする）以上であれば
   前記推定表面温度を発熱体の温度＋一定温度（α度）と
   して前記通電制御手段を制御する構成とした電気カーペ
   ット。
2. 【請求項２】 制御温度は、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。