JP3933599B2 - Ｇｈｐ故障予知診断方法およびその装置 - Google Patents
Ｇｈｐ故障予知診断方法およびその装置 Download PDFInfo
- Publication number
- JP3933599B2 JP3933599B2 JP2003103280A JP2003103280A JP3933599B2 JP 3933599 B2 JP3933599 B2 JP 3933599B2 JP 2003103280 A JP2003103280 A JP 2003103280A JP 2003103280 A JP2003103280 A JP 2003103280A JP 3933599 B2 JP3933599 B2 JP 3933599B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- monitoring mode
- ghp
- abnormality
- processing
- 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
Images
Landscapes
- Control Of Vehicle Engines Or Engines For Specific Uses (AREA)
- Air Conditioning Control Device (AREA)
Description
【０００１】
【技術分野】
本発明は，ガスヒートポンプ型空調装置の故障や性能低下等に未然に対応するための故障予知診断方法およびその装置に関する。
【０００２】
【従来技術】
ガスエンジンヒートポンプ型空調装置（以下，適宜ＧＨＰという）は，省エネルギー化に有利な空調装置として脚光を浴び，その普及率も高まってきている。ＧＨＰは，都市ガス等によって駆動する内燃機関であるガスエンジンを備えるなど機械系機器を多く含む。そのため，それらの故障を未然に防ぐメンテナンス体制の充実が望まれている。
【０００３】
現在は，ＧＨＰが故障した後，あるいは不調となった後に，事後的に保全が行われることが主流である。
一方，ＧＨＰが故障又は不調となる前にそれを事前に予知する故障予知診断システムの開発も急がれている。例えば，エンジンの故障予知診断装置としては，下記の特許文献１に示されているものがある。
【０００４】
【特許文献１】
特開平８−２８４７３８号公報
【０００５】
【解決しようとする課題】
しかしながら，従来のＧＨＰ故障予知診断方法においては，予知の精度が十分ではなく誤診断を行いやすく，誤診断を行うと正常であるにもかかわらず保全作業を行ってしまい過剰メンテナンスを行うことになってしまう。また，従来のＧＨＰ故障予知診断装置においては，個々のＧＨＰの特性差を十分に考慮して最適な診断をすることが困難である。例えば，ＧＨＰのメーカあるいは型が異なる場合，同機種でも運転履歴等が違う場合などには，ＧＨＰが持つ特性に大きな差異が生じる場合がある。このような場合に，個々のＧＨＰに対してそれぞれ判断基準を設けて，そのＧＨＰの個性を取り込んだ故障予知診断装置を構成しようとすると，診断方法が複雑となり，新たな機種に専用の判断基準が必要となるため，その故障診断装置の普及を妨げてしまう。
【０００６】
本発明は，かかる従来の問題点に鑑みてなされたもので，従来の予知診断技術による予知精度を更に向上することができ，また，個々のＧＨＰの特性差をあまり問題にすることなく，新品に限らず既に稼働を開始しているＧＨＰにも適用可能なＧＨＰ故障予知診断方法および装置を提供しようとするものである。
【０００７】
【課題の解決手段】
第１の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室内機を運転している際に温度調整のために運転を自動停止または自動運転している期間の割合であるサーモオフ率またはサーモオン率を示すサーモ率データと，運転を自動停止または自動運転している時間を示すサーモオフ時間またはサーモオン時間を示すサーモ時間データとを用い，
上記初期監視モードにおいては，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データに基づいて，上記室内機が有する空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の有無を判断する基礎となる，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データの基準値をそれぞれ作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工したデータと上記基準値とを比較することにより，上記室内機が有する上記空気フィルタ又は上記熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項１）。
第２の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンへの燃料混合気供給量を調整するスロットル弁の開度がある一定値以上である割合を示すスロットル弁高開度率データを用い，
上記初期監視モードにおいては，上記スロットル弁高開度率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記スロットル弁高開度率データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項２）。
第３の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンの発停回数と該ガスエンジンを始動するスタータの発停回数とから算出した起動失敗率を示す起動失敗率データを用い，
上記初期監視モードにおいては，上記起動失敗率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの上記スタータが有するブラシの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記運転失敗率データ又はこれを加工したデータと上記基準値とを比較することにより，上記スタータが有する上記ブラシの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項３）。
【０００８】
本発明のＧＨＰ故障予知診断方法においては，少なくとも，上記３つのモードを行う。そして，特に注目すべき点は，本発明による故障予知診断を行うための監視を開始した直後の所定期間に，必ず上記初期監視モードを実施する点にある。
【０００９】
上記初期監視モードにおいては，上記のごとく，ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する。
すなわち，監視しようとするＧＨＰが有する機器の性能を，この初期監視モードの実行によって初めて詳細に把握し，そして，この初期監視モードの実行によって初めて上記基準値を作成する。そのため，監視しようとするＧＨＰの個体差，設置環境，運転時間等に影響されにくい，それぞれのＧＨＰに最適な基準値を得ることができる。
【００１０】
また，本発明では，上記基準値を基に上記機器の異常又は性能低下の兆候の有無を判断する行為を，上記通常監視モードにおける第１予知判断と，上記集中監視モードにおける第２予知判断の２段階で行う。これにより，通常監視モードでは異常又は性能低下の兆候の有無の初期判断を簡易に行い，集中監視モードでより正確に，詳細に判断するというように，両モードにそれぞれ異なる役割分担を担わすことができる。これにより，平常的に行う上記通常監視モードでは，判断に用いる運転データのサンプリング頻度を少なくする等の作業負荷の低減を図ることができる。それ故，上記ＧＨＰ故障予知診断方法を実施する装置のランニングコスト等の低減をも図ることができる。
【００１１】
第４の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断装置であって，
上記ＧＨＰに直接的又は通信機器を介して間接的に接続された監視用コンピュータを有し，
該監視用コンピュータは，上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードを実行する初期監視モード実行手段と，
上記初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードを実行する通常監視モード実行手段と，
上記通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードを実行する集中監視モード実行手段とを有し，
請求項１〜３のいずれか１項に記載のＧＨＰ故障予知診断方法を実行するよう構成されたことを特徴とするＧＨＰ故障予知診断装置にある（請求項７）。
【００１２】
本発明の装置は，上記のごとく，初期監視モード実行手段，通常監視モード実行手段，および集中監視モード実行手段を備えた上記監視用コンピュータを有している。そのため，上述監視用コンピュータを用いることにより，上述した優れたＧＨＰ故障予知診断方法を実施することができる。
【００１３】
【発明の実施の形態】
上記第１の発明におけるＧＨＰが有する室内機と室外機は，それぞれ１台ずつの構成でもいいし，それぞれ複数台の構成でもよい。室外機又は室内機が複数台の構成の場合には，同じ種類の運転データが複数得られる。この場合には，上記故障予知診断方法は，室外機の台数分ごと，あるいは室内機の台数分ごとに実行し，各室外機又は各室内機毎に個別に判断することが好ましい。また，複数台の室内機，あるいは室外機の同種類の運転データをまとめて１種類の運転データとして取り扱うことも可能である。この場合には，複数台の室内機または室外機のいずれかが異常又は性能低下の兆候が有ると判断することができる。
【００１４】
また，上記運転データとしては，直接的に判断に用いられるデータだけでなく，これを補正するか否か，正常データであるか否か，選別するか否か等の判断を行うための参考用の運転データを合わせてサンプリングすることもできる。この場合には，この参考用の運転データに対する基準値を上記初期監視モードにおいて作成してその基準値との比較によって様々な判断をしても良いし，予め決めた基準値との比較によって様々な判断をしても良い。また，上記参考用運転データについては基準値と特に比較することなく，他の運転データを加工する際に用いてもよい。
これらの点は第２の発明においても同様である。
【００１５】
また，上記初期監視モードは，上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間において行う。従って，新品のＧＨＰにおいてこの故障予知診断方法を実行する場合には，ＧＨＰの運転開始から所定の期間上記初期監視モードを実行する。また，既存のＧＨＰにあらたにこの故障予知診断方法を適用する場合には，その適用を開始すべく監視を始めてから所定期間上記初期監視モードを実行する。
【００１６】
また，上記所定期間の具体的な期間は，ＧＨＰの種類ごと，用いる運転データの種類ごと，あるいはＧＨＰの運転履歴に応じて設定することができる。
また，上記運転データは，サンプリングするごとにそのまま用いることもできるし，一定期間の複数のデータを平均化したり，ある一定の基準で有効でないデータを切り捨てる選別処理などを行うというような加工を行った加工データとして用いることができる。
【００１７】
また，上記基準値の作成方法としては，様々な方法を用いることができる。例えば，上記運転データあるいは加工データを複数集め，これらの平均値をとる，あるいは最大値または最小値をとる，あるいは分布を求めて統計的に処理する，その他の方法がある。
【００１８】
また，上記通常監視モードは，上記初期監視モード完了後に実行を始める。このモードは，異常又は性能低下の兆候がない限り実行され続ける。この場合の運転データのサンプリングは，この後に行われる集中監視モードの場合よりも頻度を少なくする。これにより，最も長時間，定常的に行われる通常監視モードを実行するための通信費等のコストを低減することができる。
【００１９】
また，上記通常監視モードにおける上記第１予知判断は，サンプリングした運転データ又はこれを加工した加工データと上記基準値とを比較することにより行う。この場合の運転データはそのまま用いてもよいし，上記の初期監視モードの場合と同様に，様々な方法により加工した加工データとして用いることもできる。また，運転データを加工する場合に，上記初期監視モードの場合と異なる方法で加工してもよい。
【００２０】
また，上記基準値との比較方法としては，単純に差を求めて，ある値より大きいか小さいかによって判断する方法，あるいは何らかの特殊な関係式を予め作っておいて，これを満たすか否かによって判断する方法など，様々な方法をとることができる。
【００２１】
また，上記集中監視モードは，上記のごとく，通常監視モードの第１予知判断によって異常又は性能低下の兆候があると判断されて初めて実行する。この場合の運転データのサンプリングは，上記通常監視モードの場合よりも頻度を高め，これにより第２予知判断の判断精度を高める。
【００２２】
また，上記第２予知判断における上記基準値との比較方法としても，上記第１予知判断と同様に様々な方法をとることができる。また，第２予知判断の方法を第１予知判断と同じ方法としてもよいし，異なる方法としてもよい。また，サンプリングした運転データは，上記初期監視モード又は通常監視モードの場合と同様に，そのまま用いてもよいし，様々な方法により加工した加工データを用いることもできる。また，加工する場合に，上記初期監視モードおよび上記通常監視モードの場合と異なる方法で加工してもよい。
【００２３】
また，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が将来故障する又は性能が低下する確率を算出する予知確率算出を行うことが好ましい（請求項４）。例えば，上記第２予知判断における比較の結果得られた値を指標として，何らかの関係式を予め作っておくことにより上記確率を計算することができる。この場合には，上記予知確率を得ることによって，異常又は性能低下の予防保全を実現することができる。
【００２４】
また，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶することが好ましい（請求項５）。この場合には，上記トレンドデータを用いることによって，運転データ又は加工データの変化の傾向を把握することができ，これによって新たな判断を行うステップを設けることができる。
【００２５】
例えば，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出，または故障となる時期を推定する使用限界時期推定を行うことが好ましい（請求項６）。この場合には，サービス会社が保守作業の日程調整を容易に行うことができ，計画的な保守作業を実現することができる。
【００２６】
また，第１の発明のように，上記運転データとしては，上記室内機を運転している際に温度調整のために運転を自動停止または自動運転している期間の割合であるサーモオフ率またはサーモオン率を示すサーモ率データ，あるいは運転を自動停止または自動運転している時間を示すサーモオフ時間またはサーモオン時間を示すサーモ時間データ又はこれらを加工した加工データとを用い，
上記初期監視モードにおいては，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データに基づいて，上記室内機が有する空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の有無を判断する基礎となる，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データの基準値をそれぞれ作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工したデータと上記基準値とを比較することにより，上記室内機が有する上記空気フィルタ又は上記熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の兆候の有無を判断することが好ましい（請求項１）。
【００２７】
上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下は，室内機の能力不足に直接的に影響する。そして，その能力不足を直接的に表す上記サーモオフ率または上記サーモオン率（サーモ率データ），あるいはサーモ時間データ又はこれらを加工した加工データを上記運転データおよび基準値に用いる。なお，このサーモ率データ，あるいはサーモ時間データ又はこれらを加工した加工データとは，例えば他の機器であるコンプレッサクラッチのオン／オフ率，およびオン／オフ時間又はこれらを加工した加工データなど，上記サーモ率データ，あるいはサーモ時間データ又はこれらを加工した加工データと連動して等価に扱うことができる種々のデータを含む概念である。
【００２８】
ここで，上記サーモオフ率または上記サーモオン率は，上記のごとく室内機を運転している際に温度調整のために運転を自動停止している期間の割合をいう。より具体的に説明すると，室内機は運転スイッチをＯＮして運転を開始した後，室内が設定された設定温度になるように空調を行う。室内温度が設定温度に到達すると室内機は一時的に自動停止し，室内温度と設定温度に差が一定以上生じると室内機は空調が必要と判断して自動運転する制御を行っている。このような室内温度と設定温度の温度差により室内機が自動発停する機能をサーモと呼び，自動運転している状態をサーモオン，自動停止している状態をサーモオフと呼ぶ。そして，自動運転している時間のうち，上記サーモオフ状態となっている時間をの割合をサーモオフ率といい，上記サーモオン状態となっている時間の割合をサーモオン率という。
【００２９】
そして，上記サーモオフおよび上記サーモオンの時間も，サーモ時間データ又はこれらを加工した加工データとして，室内機負荷，あるいは室内機能力を示すデータとして用いる。このサーモ時間データ又はこれらを加工した加工データは，室内機の負荷，あるいは能力に直接的に影響されるデータである。上記サーモ率データは，室内機負荷，あるいは室内機能力が変化することで，上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下がなくても，異常又は性能低下がある場合と同様の変化を示し，誤った判断をすることがある。しかしながら，このサーモ時間データ又はこれらを加工した加工データを室内機負荷，あるいは室内機能力として用いることにより，上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の判断を正確に行うことができる。
【００３０】
なお，上記室内機は，室内に設置され室内の空調を行う機器であり，主にファン，熱交換器，空気フィルタ，冷媒配管で構成される。そして，室内機の空気フィルタは，室内機の吸込口に取り付けられ，熱交換器の汚れによる効率低下を防ぐ役割を果たしている。
【００３１】
次に，上記運転データとしては，上記室外機が有する上記ガスエンジンを冷却する冷却水の温度である冷却水温度データを用い，
上記初期監視モードにおいては，上記冷却水温度データ又はこれを加工した加工データに基づいて，上記室外機が有する熱交換器の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記冷却水温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記室外機が有する上記熱交換器の異常又は性能低下の兆候の有無を判断することも好ましい。
【００３２】
この場合には，上記室外機の熱交換器の汚れ等に直接的に影響する冷却水温度データを上記運転データおよび基準値に用いることによって，より精度良く上記室外機が有する熱交換器の異常又は性能低下を判断することができる。
【００３３】
なお，上記室外機は，室外に設置され室内機に冷媒を供給する機器であり，主に圧縮機，ガスエンジン，熱交換器，冷媒配管で構成される。そして，ガスエンジンは，上記圧縮機の駆動源として機能し，ガスエンジン内部には，これを冷やすために冷却水が流れている。この冷却水の温度が上記冷却水温度データである。
【００３４】
次に，第２の発明のように，上記運転データとしては，上記室外機が有する上記ガスエンジンへの燃料混合気供給量を調整するスロットル弁の開度がある一定値以上である割合を示すスロットル弁高開度率データを用い，
上記初期監視モードにおいては，上記スロットル弁高開度率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記スロットル弁高開度率データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することも好ましい（請求項２）。
【００３５】
上記ガスエンジンの異常又は性能低下の兆候を判断するための運転データとしては，これまではガスエンジンの排気圧力や回転数などを用い，これをｍｓｅｃオーダーのサンプリング周期でサンプリングする方法があった。これに代えて，上記のごとくスロットル弁高開度率データを用いることによって，サンプリングの周期を長くし，その頻度を少なくすることが可能となる。これによって，例えば通信コスト等を低減させることが可能となる。
【００３６】
ここで，上記スロットル弁は，エンジン回転数を制御するための燃料混合気量調整機構である。回転数センサで測定されるエンジン回転数が，目標回転数になるようにスロットル弁の開度を制御してガスエンジンに供給する燃料混合気量を調整する。そして，スロットル弁の高開度率が高い場合には，ガスエンジンの出力が不足していることを意味する。また，上記スロットル弁高開度率データは，ガスエンジンが稼働しているある単位時間あたりに，スロットル弁の開度がある一定値以上である時間がどの程度占めるかで求めることができる。
なお，上記ガスエンジンの出力不足とは，上記圧縮機を駆動させるためのエンジンの力が不足することを意味し，出力不足が起こる原因には，点火不良，空燃比異常，バルブ吹き抜け等がある。
【００３７】
次に，上記運転データとしては，上記室外機の冷媒系データおよび上記ガスエンジンの回転数から算出したエンジン出力と，上記ガスエンジンへの燃料混合気の供給量を調整するスロットル弁の開度との相関関係を示す出力−開度相関データを用い，
上記初期監視モードにおいては，上記出力−開度相関データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記出力−開度相関データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することも好ましい。
【００３８】
上記ガスエンジンの出力とスロットル弁の開度には，比例関係があることに着目し，上記出力−開度相関データを求め，これを上記運転データとして用いると共に，上記室外機の冷媒系データも運転データとして用いることにより，さらに精度の高い判定を実現することができる。
【００３９】
ここで，上記出力−開度相関データとしては，様々な方法により求めることができる，例えば，後述する実施例に示す方法により求めることができる。
また，上記冷媒系データとは，冷媒の様々な状態での温度や圧力の測定値を意味する。
【００４０】
次に，第３の発明のように，上記運転データとしては，上記室外機が有する上記ガスエンジンの発停回数と該ガスエンジンを始動するスタータの発停回数とから算出した起動失敗率を示す起動失敗率データを用い，
上記初期監視モードにおいては，上記起動失敗率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの上記スタータが有するブラシの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記起動失敗率データ又はこれを加工したデータと上記基準値とを比較することにより，上記スタータが有する上記ブラシの異常又は性能低下の兆候の有無を判断することも好ましい（請求項３）。
【００４１】
従来，上記スタータのブラシの摩耗等の異常を予知する方法は開発されていなかったが，上記のごとく，起動失敗率データを用いることにより，精度良く予知することができるようになる。
【００４２】
ここで，ガスエンジンの発停回数とは，ある期間にガスエンジンが正常に起動した回数を意味し，スタータ発停回数とは，上記と同じ期間にガスエンジンを起動させるためのスタータが起動した回数を意味する。スタータが起動しても，エンジンが正常に起動するとは限らないことにより，両者の回数に差異が生じうる。
また，スタータは直流モータであり，直流モータを起動するためには電源端子は，回転体であるブラシと接触している。スタータに電気を供給すると，ブラシが回転し，電源端子との接触によりブラシが磨耗する。このようなスタータのブラシの摩耗による異常又は性能低下が予知できれば，非常に有益である。
【００４３】
次に，上記運転データとしては，上記室外機が有するサブエバポレータと圧縮機吸込口との間における冷媒の温度を示すサブエバ下流冷媒温度データを用い，
上記初期監視モードにおいては，上記サブエバ下流冷媒温度データ又はこれを加工した加工データに基づいて，上記冷媒の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サブエバ下流冷媒温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記冷媒の異常又は性能低下の兆候の有無を判断することも好ましい。
【００４４】
ＧＨＰでは，暖房時に排熱回収を行うので，冷媒不足になると極端にサブエバ下流の温度が上昇するという電気式空調機にない特徴を有している。このことを利用してサブエバ下流冷媒温度データを判定に用いることにより，冷媒の異常又は性能低下の兆候を高い精度で予知することができる。
【００４５】
ここで，サブエバポレータ（サブエバ）は，電気式の空調機にはなく，ＧＨＰのみにある排熱回収熱交換器であり，暖房時の室外機の熱交換器による冷媒の蒸発を，エンジンの冷却水の温熱により補助するための熱交換器である。また，上記冷媒の異常又は性能低下としては，冷媒漏れにより発生する冷媒量の不足等がある。
【００４６】
次に，上記運転データとしては，上記室外機が有する上記ガスエンジンを冷却する冷却水の温度である冷却水温度データを用い，
上記初期監視モードにおいては，上記冷却水温度データ又はこれを加工した加工データに基づいて，上記室外機が有する上記冷却水の配管系統の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記冷却水温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記室外機が有する上記冷却水の配管系統のの異常又は性能低下の兆候の有無を判断することも好ましい。
【００４７】
ＧＨＰでは，冷却水の熱をラジエータまたはサブエバで放熱しているが，冷却水の漏れにより冷却水の配管系統に空気が進入すると，冷却水の流れが間欠的になる。冷却水をラジエータまたはサブエバに流すための三方弁は冷却水の温度で切り替わるが，冷却水の流れが間欠的であるため三方弁がハンチングし，冷却水の放熱も間欠的となるため，冷却水温度または冷媒温度データがハンチングする。このことを利用して冷却水温度または冷媒温度データの変動幅を判定に用いることにより，冷却水の配管系統の異常又は性能低下の兆候を高い精度で予知することができる。
【００４８】
ここで，ラジエータは，ＧＨＰの冷却水の熱を放熱するための熱交換器である。また，上記冷却水の配管系統の異常又は性能低下としては，冷却水の配管系統の継ぎ手部分からの冷却水漏れ等がある。
【００４９】
次に，第４の発明のＧＨＰ故障予知診断装置においては，上記監視用コンピュータは，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が故障する確率を算出する予知確率算出手段を有していることが好ましい（請求項８）。この場合には，より迅速な保守を実現することができる。
【００５０】
また，上記監視用コンピュータは，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶するトレンドメモリを有しており，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出手段を有していることが好ましい（請求項９）。この場合には，さらに的確な保守作業を実現することができる。
【００５１】
【実施例】
実施例１
本発明の実施例に係るＧＨＰ故障予知診断方法およびその装置につき，図１〜図８を用いて説明する。
本例のＧＨＰ故障予知診断装置１は，図２に示すごとく，室内機２１と室外機３１とを有し，該室外機３１にガスエンジン３９（図３）を備えてなるガスヒートポンプ型空調装置（ＧＨＰ）における故障予知診断装置である。そして，このＧＨＰ故障予知診断装置１は，図２に示すごとく，ＧＨＰに直接的に接続された監視用コンピュータ１０を有する。
監視用コンピュータ１０は，後述する初期監視モード実行手段と，通常監視モード実行手段と，集中監視モード実行手段とを有している。
以下，この内容を詳説する。
【００５２】
上記ＧＨＰ故障予知診断装置１は，図２に示すごとく，１台の室外機３１を有し，さらに，室外機３１に複数の室内機２１を接続してなるＧＨＰの故障予知診断装置である。
図３に示すごとく，室外機３１は，ガスエンジン３９を内蔵し，これによって圧縮機３８を駆動するように構成されている。また，室外機３１内には，室外機側熱交換器３５（以下，単に熱交換器３５という）が配設されており，この熱交換器３５に室外機側冷媒経路４１（以下，単に冷媒経路４１という）と冷却水経路４９とが接続されている。また，熱交換器３５に対面して室外機側ファン３６を配設してある。
【００５３】
冷媒経路４１には四方弁４１０が配設されており，その第１のポートは，圧縮機３９の出側に接続されている。また，四方弁４１０の第２のポートは，室内機側冷媒経路４２（以下，単に冷媒経路４２という）に接続され，第３のポートは，サブエバポレータ４１３およびアキュームレータ４１４を介して圧縮機３８の入側に接続されている。さらに，四方弁４１０の第４のポートは熱交換器３５を介して，冷媒経路４２に接続されている。
また，冷媒経路４２には，各種センサとして，吐出温度センサ４５１，高圧センサ４５２，吸込温度センサ４５３，低圧センサ４５４，温度センサ４５５が配置され，さらに，電動弁４５６が配設されている。
【００５４】
また，室外機３１内の冷却水経路４９には，上記のごとく熱交換器３５を通過する経路と，サブエバポレータ４１３を通過する経路とが設けられ，いずれもガスエンジン３９に接続されている。そして，冷却水経路４９には，電動弁４６１，三方弁４６２，冷却水ポンプ４６３，冷却水温度センサ４６４が配設されている。
【００５５】
また，各室内機２１には，それぞれ，室内機側熱交換器２５（以下，単に熱交換器２５という）とこれに対面するように配設された室内ファン２６および空気フィルタ２７が配設されている。また，熱交換器２５には冷媒経路４２が接続され，この冷媒経路４２には電動弁４２５が配設されている。そして，複数の室内機２１は，共通の冷媒経路４２を冷媒経路４１３に接続することによって一つの室外機３１に接続されている。
【００５６】
また，図２に示すごとく，各室内機２１は，室外機３１に電送線５１を介して電気的に接続され，さらに，室外機３１は，電送線５５を介して監視用コンピュータ１０に接続されている。
【００５７】
上記監視用コンピュータ１０は，図１に示すごとく，初期監視モードＳ１００を実行する初期監視モード実行手段，通常監視モードＳ２００を実行する通常監視モード実行手段，および集中監視モードＳ３００を実行する集中監視モード実行手段を有している。
【００５８】
同図に示すごとく，初期監視モードＳ１００は，ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成するモードである。すなわち，運転データのサンプリングを行うステップ（Ｓ１１０）と，上記基準値を作成するステップ（Ｓ１２０）とを有している。
【００５９】
また，通常監視モードＳ２００は，上記の初期監視モードＳ１００を行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行うモードである。すなわち，通常監視モードＳ２００は，運転データのサンプリングを行うステップ（Ｓ２１０）と，上記第１予知判断を行うステップ（Ｓ２３０）とを有している。
【００６０】
また，集中監視モードＳ３００は，通常監視モードＳ２００の第１予知判断（Ｓ２３０）において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードＳ２００の場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行うモードである。すなわち，集中監視モードＳ３００は，運転データのサンプリングを行うステップ（Ｓ３１０）と，上記第２予知判断を行うステップ（Ｓ３３０）とを有している。
【００６１】
ここで，本例のＧＨＰ故障予知診断装置１は，複数の機器について異常又は性能低下の兆候を判断するように構成され，それぞれの機器に対して上記ＧＨＰ故障予知診断方法を実行できるようにしてある。そのため，判定しようとする機器ごとに対応する運転データをそれぞれ採取する。
【００６２】
まず，一例として，図４〜図６を用いて，室内機２１が有する空気フィルタ２７の異常又は性能低下を判断するＧＨＰ故障予知診断方法について詳しく説明する。ここでいう空気フィルタの異常又は性能低下としては，主に空気フィルタの汚れによる性能低下がある。
図４に示すごとく，まず初期監視モードＳ１００における運転データのサンプリングを行うステップ（Ｓ１１０）では，Ｓ１１１からＳ１１７の７つのステップを使ってサーモ時間データ又はこれらを加工した加工データを得る。運転データのサンプリング間隔は，３つのモードで同じであり，例えば１分間隔である。
【００６３】
この例では，上記運転データとして，室内機２１を運転している際に温度調整のために運転を自動停止している時間であるサーモオフ時間および自動運転を行っている時間であるサーモオン時間を示すサーモ時間データ又はこれらを加工した加工データを用いる。このサーモ時間データ又はこれらを加工した加工データは，自動運転を行っている時間であるサーモオン時間と，運転を自動停止している時間であるサーモオフ時間を採取し，（１／サーモオン時間）＋（１／サーモオフ時間）（以下，単に室内機能力率という）を算出することにより求めることができる。従って，本例では，運転データとしてサーモオンオフデータを採取し，これを演算して得られる室内機能力率を実際に用いる運転データとする。
なお，上記室内機能力率としては，これと等価のコンプレッサクラッチのオンオフ時間から演算される運転データ等に置き換えることも可能である。
【００６４】
具体的な判断は次のように行う。まず，室外機３１から運転データ（サーモオンオフデータ）を監視用コンピュータ１０内にサンプリングする，運転データのサンプリング（Ｓ１１１）を，例えばＳ１１７の繰り返し数が５回という頻度で行う。そして，そのデータが有効であるか否かを判断して有効データだけを残す有効データの選別（Ｓ１１２）を行い，これを保存する。有効データか否かは，例えば，運転データをサンプリングしたタイミングが，室内機２１が運転中である，運転モードが冷暖房である，あるいは運転開始からある一定時間後である場合を有効データとするという方法で行う。次に，有効データ数が所定数に達したか否かを判断し（Ｓ１１３），所定数を超えていない場合には，再びステップＳ１１１に戻る。
【００６５】
有効データ数が所定値を超えた場合には，全ての有効データ数からサーモオンオフデータを用いて室内機能力率を算出する（Ｓ１１４）。さらに，室内機能力率を，例えば，外気温度，室内機の設定温度，風速等のデータを用いて補正し，補正室内機能力率を得る（Ｓ１１５）。
【００６６】
次に，補正室内機能力率の最大値，最小値を，運転データのサンプリングミスによって極端に大きな又は小さな値を排除する手法で算出する（Ｓ１１６）。そして，精度向上のため，これらのＳ１１１〜Ｓ１１７までのステップを所定回数繰り返されるまで，この運転データをサンプリングするステップ（Ｓ１１０）を行う。この繰り返し回数が，上述した所定期間に相当することとなる。
【００６７】
次に，基準値を作成するステップ（Ｓ１２０）に移る。
このステップでは，ＧＨＰの運転状態による補正室内機能力率のばらつきを吸収するために，上記ステップＳ１１５において補正室内機能力率の分布幅を最大値と最小値の差により算出する（Ｓ１２１）。その後，補正室内機能力率の基準値を，例えば，分布幅の中間値に異常判断定数ａ（ａ＜１）をかけるという手法で算出する（Ｓ１２２）。また，複数の基準値を作る場合は，分布幅の中間値に複数の異常判断定数ａ，ｂをかけるという手法で算出する（Ｓ１２２）。
そして，本例では，得られた基準値を，監視用コンピュータ１０が有するトレンドメモリ（図示略）に転送し（Ｓ１３０），記憶させる。
【００６８】
次に，図５に示すごとく，通常監視モードＳ２００に移行する。
このモードでの運転データのサンプリングを行うステップ（Ｓ２１０）では，９つのステップ（Ｓ２１１〜Ｓ２１９）によって，後の第１予知判断を行うステップ（Ｓ２３０）において用いる補正室内機能力率の現在値を求める。
【００６９】
Ｓ２１１〜Ｓ２１７のステップは，初期監視モードＳ１００における運転データをサンプリングするステップ（Ｓ１１０）を構成するＳ１１１〜Ｓ１１７と同様のステップであるが，最初のステップＳ２１１で行う室外機３１からの運転データ（サーモオンオフデータ）のサンプリングは，その頻度を低くし，例えば，Ｓ２１７の繰り返し数を１回とし，通常監視モードを行うのは１週間に一度という頻度にする。
そして，Ｓ２１８，Ｓ２１９のステップでは，初期監視モードＳ１００における基準値を作成するステップ（Ｓ１２０）のＳ１２１，Ｓ１２２と同様の処理を行って，補正室内機能力率の現在値を算出する。現在値の算出方法は，例えば分布幅の中間値とする。
【００７０】
次に，算出した補正室内機能力率をトレンドメモリへ転送（Ｓ２２０）して記憶させると共に，第１予知判断を行うステップ（Ｓ２３０）に移る。ここでは，初期監視モードＳ１００において求めた補正室内機能力率の基準値をＡ，補正室内機能力率の現在値をＢ１，空気フィルタ２７の異常又は性能低下の兆候が有る
する。上記の式を満たさない場合には，再び運転データをサンプリングするステップＳ２１０の最初のステップＳ２１１に戻り，通常監視モードＳ１００を続ける。上記の式を満たす場合には，室内機２１が有する空気フィルタ２７の異常又は性能低下の兆候が有ると判断し，集中監視モードＳ３００に移行する。
【００７１】
図６に示すごとく，集中監視モードＳ３００での運転データのサンプリングを行うステップ（Ｓ３１０）では，９つのステップ（Ｓ３１１〜Ｓ３１９）によって，後の第２予知判断を行うステップ（Ｓ３３０）において用いる補正室内機能力率の現在値を求める。
【００７２】
Ｓ３１１〜Ｓ３１７のステップは，初期監視モードＳ１００における運転データをサンプリングするステップを構成するＳ１１１〜Ｓ１１７と同様のステップであるが，最初のステップＳ３１１で行う室外機３１からの運転データ（サーモオンオフデータ）のサンプリングは，その頻度を，通常監視モードＳ２００の場合よりも高くし，例えば，Ｓ３１７の繰り返し数を５回という頻度にする。
そして，Ｓ３１８，Ｓ３１９のステップでは，初期監視モードＳ１００における基準値を作成するステップ（Ｓ１２０）のＳ１２１，Ｓ１２２と同様の処理を行って，補正室内機能力率の現在値を算出する。
【００７３】
次に，算出した補正室内機能力率をトレンドメモリへ転送（Ｓ３２０）して記憶させると共に，第２予知判断を行うステップ（Ｓ３３０）に移る。ここでは，初期監視モードＳ１００において求めた補正室内機能力率の基準値をＡ，補正室内機能力率の現在値をＢ２，空気フィルタ２７の異常又は性能低下の兆候が有る
する。
【００７４】
上記の式を満たさない場合には，室内機２１が有する空気フィルタ２７の異常又は性能低下の兆候が無いと判断し，通常監視モードＳ２００に再び戻り，上記の一連の処理を繰り返す。
上記の式を満足する場合には，室内機２１が有する空気フィルタ２７の異常又は性能低下の兆候が有ると確定的に判断し，通常監視モードに戻ることなく，次の予知確率算出のステップ（Ｓ４１０）に移行する。
【００７５】
このステップ（Ｓ４１０）では，集中監視モードＳ３００においてサンプリングした上記の現在値としての補正室内機能力率と上記基準値とを基に，上記機器が故障する確率を算出する予知確率算出を行う。この方法は様々な方法があるが，本例では，具体的には，例えば，Ｓ１２２で２つの基準値を算出して３つのゾーンをつくり，現在値がどのゾーンに入るかで，ゾーン毎に決められた確率とするというような方法により算出する。
【００７６】
さらに，本例では，補正室内機能力率の変化率の算出を行うステップ（Ｓ４２０）に移る。ここでは，監視用コンピュータ１０のトレンドメモリに記憶されている補正室内機能力率を用いて，その変化率を算出する。そして，次の洗浄奨励時期の算出ステップ（Ｓ４３０）において，上記の変化率から，いつ頃，室内機２１〜２３が有する空気フィルタ２７の洗浄をすべきかを予め定めた算出式によって算出する。この算出式としても，様々な式を用いることができるが，本例では，例えば，現在から過去ｎ個のトレンドデータの平均値と中間の時刻及び現在値と現在時刻から変化の傾きを算出し，基準値に達する時間を算出するという方法を用いた。なお，より厳しい基準値を用いて使用限界時期も推定できる。
【００７７】
監視用コンピュータ１０は，上記一連の処理の結果を適宜出力する機能を有している。例えば，監視用コンピュータ１０およびこれに繋がるクライアントコンピュータ１１の画面への出力や，接続されたプリンタへの出力や，ブザー等の機器，ポケットベル，携帯電話等への通信など，様々な情報伝達手段を使って，故障予知診断結果を出力するようにできる。
【００７８】
以上のように，本例のＧＨＰ故障予知診断装置を用いた故障予知診断方法においては，少なくとも，上記３つのモード，すなわち初期監視モードＳ１００，通常監視モードＳ２００，集中監視モードＳ３００を行う。そして，故障予知診断を行うための監視を開始した直後の所定期間に，必ず上記初期監視モードＳ１００を実施する。そして，この初期監視モードＳ１００において，ＧＨＰを構成する空気フィルタの異常又は性能低下を判断する基礎となる基準値を作成する。そのため，監視しようとするＧＨＰ全体が新品であっても，既に有る程度運転を行っているＧＨＰであっても，それぞれのＧＨＰに最適な基準値を得ることができる。なお，上記空気フィルタ２７は，これそのものが消耗品で交換を前提としているので，この監視を始める際には，空気フィルタ２７を新品に交換してから上記初期監視モードＳ１００を行うことが好ましい。
【００７９】
また，本例では，上記基準値を基に上記機器の異常又は性能低下の兆候の有無を判断する行為を，上記通常監視モードＳ２００における第１予知判断Ｓ２３０と，上記集中監視モードＳ３００における第２予知判断Ｓ３３０の２段階で行う。これにより，通常監視モードＳ２００では異常又は性能低下の兆候の有無の初期判断を簡易に行い，集中監視モードＳ３００でより正確に，詳細に判断するというように，両モードにそれぞれ異なる役割分担を担わすことができる。これにより，平常的に行う上記通常監視モードＳ２００では，判断に用いる運転データのサンプリング頻度を少なくすることができる。
【００８０】
また，上記の空気フィルタ２７の異常又は性能低下の兆候を判断するには，上記室内機能力率を運転データとして用い，単なる室内機負荷の増大による誤判断を排除し，室内機の能力不足を的確に示す指標としている。これにより，能力不足に直接的に影響する空気フィルタ２７の異常又は性能低下の兆候，具体的には空気フィルタ２７の汚れ状態を，精度よく判断することができる。なお，この判定方法は，室内機２１における熱交換器２５の異常又は性能低下の兆候の判定にも適用することができる。
【００８１】
ここで，参考のために，室内機負荷（空調負荷）とサーモ時間データの関係について，図７を用いて簡単に説明する。
同図（ａ）は，フィルタの汚れがなく，室内機負荷（空調負荷）が小さい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングを，同図（ｂ）は，フィルタの汚れがあり，室内機負荷（空調負荷）が小さい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングを，同図（ｃ）は，フィルタの汚れがなく，室内機負荷（空調負荷）が大きい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングの一例を示したものである。
【００８２】
室内機のフィルタが汚れた場合（同図（ｂ））は，室内機の風量が減るため室内機能力が減る。室内機能力が影響するのはサーモオン時間であるので，サーモオン時間が延びる。しかし，サーモオフ時間は室内機能力には無関係なので変化しない。従って，サーモオン時間が延びることによって，サーモオフ率が減少する。
【００８３】
次に室内負荷が増えた場合（同図（ｃ））は，室内負荷が増えたことによって，サーモオン時間は延びる。また，サーモオフ時間は室内負荷のみに影響するので，室内負荷が増えればサーモオフ時間は短くなる。従って，フィルタが汚れた場合と同様にサーモオフ率は減少する。
このため，サーモオフ率の減少だけでは，フィルタが汚れているのか，ただ単に室内負荷が増えただけなのかがわからない。本例は，この問題を解決するために（１／サーモオフ時間）＋（１／サーモオン時間）によって算出される室内機能力率を用いる。（１／サーモオン時間）の項は，サーモオン時間内での室内温度変化の傾き，つまり（室内機能力−室内機負荷）を示し，（１／サーモオフ時間）の項は，サーモオフ時間内での室内温度変化の傾き，つまり室内機負荷を示す。したがって，（１／サーモオフ時間）＋（１／サーモオン時間）は，（室内機能力−室内機負荷）＋室内機負荷＝室内機能力を意味する。室内機負荷の変化にしたがって見かけの室内機能力は変化するが，真の室内機能力を示す室内機能力率を用いれば室内機負荷の違いに影響されることなく判断することができる。
【００８４】
より具体的には，初期監視モードで，室内機の風速データ等を加味して補正した室内機能力率の基準値を算出し，通常あるいは集中監視モードで，同様に室内機の風速データ等を加味して補正した室内機能力率の現在値を算出し，基準値に比べて室内機能力率がある判定値よりも小さくなるという条件を満たした時にフィルタ汚れであると診断する。
【００８５】
なお，上述した運転データのサンプリング方法，加工方法については，適宜変更することができ，また，第１予知判断，第２予知判断の方法等についても具体的な方法は適宜変更することができる。
【００８６】
次に，本例のＧＨＰ故障予知診断装置１は，室外機３１が有する熱交換器３５の異常又は性能低下を判定することも可能である。
この場合には，上記運転データとしては，上記室外機３１が有するガスエンジン３９を冷却する冷却水の温度である冷却水温度データを用いる。この冷却水温度データは，図３に示すごとく，冷却水温度センサ４６４により測定して得ることができる。
【００８７】
そして，初期監視モードＳ１００では，運転データのサンプリングを行うステップ（Ｓ１１０）で上記冷却水温度データを採取し，基準値を作成するステップ（Ｓ１２０）では，冷却水温度データ又はこれを加工した加工データに基づいて，その基準値を作成する。
【００８８】
また，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，上記冷却水温度データ又はこれを加工したデータの現在値と上記基準値とを比較することにより，上記室外機３１が有する熱交換器３５の異常又は性能低下の兆候の有無を精度良く判断することができる。これは，冷却水温度データが，室外機３１の熱交換器３５の汚れ等によって直接的に影響をうけるので，冷却水温度データが，室外機３１が有する熱交換器３５の異常又は性能低下を良く反映しているためである。
【００８９】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９の異常又は性能低下を判定することも可能である。
この場合には，図８に示すごとく，上記運転データとしては，ガスエンジン３９への燃料混合気の供給量を調整するスロットル弁３９５の開度がある一定値以上である割合を示すスロットル弁高開度率データを用いる。スロットル弁高開度率データは，スロットル弁開度がある値以上である時間／ガスエンジンの運転時間により求めることができる。
【００９０】
そして，上記と同様に，初期監視モードＳ１００では，スロットル弁高開度率データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，スロットル弁高開度率データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９の異常又は性能低下の兆候の有無を精度良く判断することができる。
【００９１】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９の異常又は性能低下を，さらに別の角度から判定することもできる。
すなわち，上記運転データとしては，室外機３１の冷媒系データおよびガスエンジン３９の回転数から算出したエンジン出力と，ガスエンジン３９への燃料混合気の供給量を調整するスロットル弁３９５の開度との相関関係を示す出力−開度相関データを用いる。
【００９２】
具体的には，エンジン出力は，定数×エンジン回転数×冷媒高低圧差×圧縮機運転台数，あるいは，定数×エンジン回転数×エンタルピ差×冷媒密度×圧縮機運転台数によって求めることができる。また，出力−開度相関データは，上記エンジン出力とスロットル弁の開度との相関を求め，スロットル弁開度をエンジン出力の多項式ｆとして表すことにより求めることができる。
【００９３】
そして，上記と同様に，初期監視モードＳ１００では，出力−開度相関データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，出力−開度相関データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９の異常又は性能低下の兆候の有無を精度良く判断することができる。
【００９４】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９のスタータが有するブラシ（図示略）の異常又は性能低下の兆候の有無を判断することもできる。この場合には，上記運転データとしては，ガスエンジン３９の発停回数と該ガスエンジン３９を始動するスタータの発停回数とから算出した運転失敗率を示す運転失敗率データを用いる。この運転失敗率データは，（スタータ発停回数−エンジン発停回数）／エンジン発停回数によって算出することができる。
【００９５】
そして，上記と同様に，初期監視モードＳ１００では，運転失敗率データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，運転失敗率データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９のスタータのブラシの異常又は性能低下，具体的にはブラシの摩耗の有無を精度良く判断することができる。
【００９６】
次に，本例のＧＨＰ故障予知診断装置１は，冷媒の異常又は性能低下を判断することもできる。この場合には，室外機３１が有するサブエバポレータ４１３と圧縮機３８の吸込口との間における冷媒の温度を示すサブエバ下流冷媒温度データを用いる。この温度は，温度センサ４５５によって測定することができる。
【００９７】
そして，上記と同様に，初期監視モードＳ１００では，サブエバ下流冷媒温度データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，サブエバ下流冷媒温度データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，冷媒の異常又は性能低下の有無を精度良く判断することができる。
【００９８】
次に，本例のＧＨＰ故障予知診断装置１は，冷却水の配管系統の異常又は性能低下を判断することもできる。この場合には，上記室外機３１が有するガスエンジン３９を冷却する冷却水の温度である冷却水温度データを用いる。この冷却水温度データは，図３に示すごとく，冷却水温度センサ４６４により測定して得ることができる。
【００９９】
そして，上記と同様に，初期監視モードＳ１００では，冷却水温度データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，冷却水温度データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，冷却水の配管系統の異常又は性能低下の有無を精度良く判断することができる。
【０１００】
実施例２
本例は，図９に示すごとく，複数の室外機３１，３２とこれに複数の室内機２１，２２をそれぞれ接続してなるＧＨＰの遠隔による故障予知診断装置１０２の例である。本例では，監視用コンピュータ１０が，有線又は無線の電話回線６を介して室外機３１，３２と通信できるようにし，室外機３１，３２から遠隔で運転データのサンプリングを行うように構成した。
本例のＧＨＰ故障予知診断装置１０２においても，上記と同様の３つのモード，初期監視モード，通常監視モード，および集中監視モードを行うことによって，実施例１と同様の作用効果を得ることができる。
また，平常的に行う上記通常監視モードＳ２００では，判断に用いる運転データのサンプリング頻度を少なくすることができるため，上記の有線又は無線の電話回線６における通信コストを必要最低限に抑えることができる。それ故，ＧＨＰ故障予知診断装置１のランニングコストの低減を図ることができる。
【図面の簡単な説明】
【図１】実施例１における，ＧＨＰ故障予知診断方法のフローを示す説明図。
【図２】実施例１における，ＧＨＰ故障予知診断装置の構成を示す説明図。
【図３】実施例１における，ＧＨＰの室外機および室内機の構成を示す説明図。
【図４】実施例１における，初期監視モードの詳細なフローを示す説明図。
【図５】実施例１における，通常監視モードの詳細なフローを示す説明図。
【図６】実施例１における，初期監視モードの詳細なフローを示す説明図。
【図７】実施例１における，サーモオン時間及びサーモオフ時間とフィルタ汚れ及び室内機負荷との関係を示す説明図。
【図８】実施例１における，ガスエンジンの構成の一部を示す説明図。
【図９】実施例２における，ＧＨＰ故障予知診断装置の構成を示す説明図。
【符号の説明】
１，１０２．．ＧＨＰ故障予知診断装置，
１０．．．監視用コンピュータ，
２１〜２３．．．室内機，
２５．．．熱交換器，
２７．．．空気フィルタ，
３１〜３３．．．室外機，
３５．．．熱交換器，
３９．．．ガスエンジン，
６．．．有線又は無線電話回線，
【技術分野】
本発明は，ガスヒートポンプ型空調装置の故障や性能低下等に未然に対応するための故障予知診断方法およびその装置に関する。
【０００２】
【従来技術】
ガスエンジンヒートポンプ型空調装置（以下，適宜ＧＨＰという）は，省エネルギー化に有利な空調装置として脚光を浴び，その普及率も高まってきている。ＧＨＰは，都市ガス等によって駆動する内燃機関であるガスエンジンを備えるなど機械系機器を多く含む。そのため，それらの故障を未然に防ぐメンテナンス体制の充実が望まれている。
【０００３】
現在は，ＧＨＰが故障した後，あるいは不調となった後に，事後的に保全が行われることが主流である。
一方，ＧＨＰが故障又は不調となる前にそれを事前に予知する故障予知診断システムの開発も急がれている。例えば，エンジンの故障予知診断装置としては，下記の特許文献１に示されているものがある。
【０００４】
【特許文献１】
特開平８−２８４７３８号公報
【０００５】
【解決しようとする課題】
しかしながら，従来のＧＨＰ故障予知診断方法においては，予知の精度が十分ではなく誤診断を行いやすく，誤診断を行うと正常であるにもかかわらず保全作業を行ってしまい過剰メンテナンスを行うことになってしまう。また，従来のＧＨＰ故障予知診断装置においては，個々のＧＨＰの特性差を十分に考慮して最適な診断をすることが困難である。例えば，ＧＨＰのメーカあるいは型が異なる場合，同機種でも運転履歴等が違う場合などには，ＧＨＰが持つ特性に大きな差異が生じる場合がある。このような場合に，個々のＧＨＰに対してそれぞれ判断基準を設けて，そのＧＨＰの個性を取り込んだ故障予知診断装置を構成しようとすると，診断方法が複雑となり，新たな機種に専用の判断基準が必要となるため，その故障診断装置の普及を妨げてしまう。
【０００６】
本発明は，かかる従来の問題点に鑑みてなされたもので，従来の予知診断技術による予知精度を更に向上することができ，また，個々のＧＨＰの特性差をあまり問題にすることなく，新品に限らず既に稼働を開始しているＧＨＰにも適用可能なＧＨＰ故障予知診断方法および装置を提供しようとするものである。
【０００７】
【課題の解決手段】
第１の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室内機を運転している際に温度調整のために運転を自動停止または自動運転している期間の割合であるサーモオフ率またはサーモオン率を示すサーモ率データと，運転を自動停止または自動運転している時間を示すサーモオフ時間またはサーモオン時間を示すサーモ時間データとを用い，
上記初期監視モードにおいては，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データに基づいて，上記室内機が有する空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の有無を判断する基礎となる，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データの基準値をそれぞれ作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工したデータと上記基準値とを比較することにより，上記室内機が有する上記空気フィルタ又は上記熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項１）。
第２の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンへの燃料混合気供給量を調整するスロットル弁の開度がある一定値以上である割合を示すスロットル弁高開度率データを用い，
上記初期監視モードにおいては，上記スロットル弁高開度率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記スロットル弁高開度率データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項２）。
第３の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンの発停回数と該ガスエンジンを始動するスタータの発停回数とから算出した起動失敗率を示す起動失敗率データを用い，
上記初期監視モードにおいては，上記起動失敗率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの上記スタータが有するブラシの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記運転失敗率データ又はこれを加工したデータと上記基準値とを比較することにより，上記スタータが有する上記ブラシの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法にある（請求項３）。
【０００８】
本発明のＧＨＰ故障予知診断方法においては，少なくとも，上記３つのモードを行う。そして，特に注目すべき点は，本発明による故障予知診断を行うための監視を開始した直後の所定期間に，必ず上記初期監視モードを実施する点にある。
【０００９】
上記初期監視モードにおいては，上記のごとく，ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する。
すなわち，監視しようとするＧＨＰが有する機器の性能を，この初期監視モードの実行によって初めて詳細に把握し，そして，この初期監視モードの実行によって初めて上記基準値を作成する。そのため，監視しようとするＧＨＰの個体差，設置環境，運転時間等に影響されにくい，それぞれのＧＨＰに最適な基準値を得ることができる。
【００１０】
また，本発明では，上記基準値を基に上記機器の異常又は性能低下の兆候の有無を判断する行為を，上記通常監視モードにおける第１予知判断と，上記集中監視モードにおける第２予知判断の２段階で行う。これにより，通常監視モードでは異常又は性能低下の兆候の有無の初期判断を簡易に行い，集中監視モードでより正確に，詳細に判断するというように，両モードにそれぞれ異なる役割分担を担わすことができる。これにより，平常的に行う上記通常監視モードでは，判断に用いる運転データのサンプリング頻度を少なくする等の作業負荷の低減を図ることができる。それ故，上記ＧＨＰ故障予知診断方法を実施する装置のランニングコスト等の低減をも図ることができる。
【００１１】
第４の発明は，室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断装置であって，
上記ＧＨＰに直接的又は通信機器を介して間接的に接続された監視用コンピュータを有し，
該監視用コンピュータは，上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードを実行する初期監視モード実行手段と，
上記初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードを実行する通常監視モード実行手段と，
上記通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードを実行する集中監視モード実行手段とを有し，
請求項１〜３のいずれか１項に記載のＧＨＰ故障予知診断方法を実行するよう構成されたことを特徴とするＧＨＰ故障予知診断装置にある（請求項７）。
【００１２】
本発明の装置は，上記のごとく，初期監視モード実行手段，通常監視モード実行手段，および集中監視モード実行手段を備えた上記監視用コンピュータを有している。そのため，上述監視用コンピュータを用いることにより，上述した優れたＧＨＰ故障予知診断方法を実施することができる。
【００１３】
【発明の実施の形態】
上記第１の発明におけるＧＨＰが有する室内機と室外機は，それぞれ１台ずつの構成でもいいし，それぞれ複数台の構成でもよい。室外機又は室内機が複数台の構成の場合には，同じ種類の運転データが複数得られる。この場合には，上記故障予知診断方法は，室外機の台数分ごと，あるいは室内機の台数分ごとに実行し，各室外機又は各室内機毎に個別に判断することが好ましい。また，複数台の室内機，あるいは室外機の同種類の運転データをまとめて１種類の運転データとして取り扱うことも可能である。この場合には，複数台の室内機または室外機のいずれかが異常又は性能低下の兆候が有ると判断することができる。
【００１４】
また，上記運転データとしては，直接的に判断に用いられるデータだけでなく，これを補正するか否か，正常データであるか否か，選別するか否か等の判断を行うための参考用の運転データを合わせてサンプリングすることもできる。この場合には，この参考用の運転データに対する基準値を上記初期監視モードにおいて作成してその基準値との比較によって様々な判断をしても良いし，予め決めた基準値との比較によって様々な判断をしても良い。また，上記参考用運転データについては基準値と特に比較することなく，他の運転データを加工する際に用いてもよい。
これらの点は第２の発明においても同様である。
【００１５】
また，上記初期監視モードは，上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間において行う。従って，新品のＧＨＰにおいてこの故障予知診断方法を実行する場合には，ＧＨＰの運転開始から所定の期間上記初期監視モードを実行する。また，既存のＧＨＰにあらたにこの故障予知診断方法を適用する場合には，その適用を開始すべく監視を始めてから所定期間上記初期監視モードを実行する。
【００１６】
また，上記所定期間の具体的な期間は，ＧＨＰの種類ごと，用いる運転データの種類ごと，あるいはＧＨＰの運転履歴に応じて設定することができる。
また，上記運転データは，サンプリングするごとにそのまま用いることもできるし，一定期間の複数のデータを平均化したり，ある一定の基準で有効でないデータを切り捨てる選別処理などを行うというような加工を行った加工データとして用いることができる。
【００１７】
また，上記基準値の作成方法としては，様々な方法を用いることができる。例えば，上記運転データあるいは加工データを複数集め，これらの平均値をとる，あるいは最大値または最小値をとる，あるいは分布を求めて統計的に処理する，その他の方法がある。
【００１８】
また，上記通常監視モードは，上記初期監視モード完了後に実行を始める。このモードは，異常又は性能低下の兆候がない限り実行され続ける。この場合の運転データのサンプリングは，この後に行われる集中監視モードの場合よりも頻度を少なくする。これにより，最も長時間，定常的に行われる通常監視モードを実行するための通信費等のコストを低減することができる。
【００１９】
また，上記通常監視モードにおける上記第１予知判断は，サンプリングした運転データ又はこれを加工した加工データと上記基準値とを比較することにより行う。この場合の運転データはそのまま用いてもよいし，上記の初期監視モードの場合と同様に，様々な方法により加工した加工データとして用いることもできる。また，運転データを加工する場合に，上記初期監視モードの場合と異なる方法で加工してもよい。
【００２０】
また，上記基準値との比較方法としては，単純に差を求めて，ある値より大きいか小さいかによって判断する方法，あるいは何らかの特殊な関係式を予め作っておいて，これを満たすか否かによって判断する方法など，様々な方法をとることができる。
【００２１】
また，上記集中監視モードは，上記のごとく，通常監視モードの第１予知判断によって異常又は性能低下の兆候があると判断されて初めて実行する。この場合の運転データのサンプリングは，上記通常監視モードの場合よりも頻度を高め，これにより第２予知判断の判断精度を高める。
【００２２】
また，上記第２予知判断における上記基準値との比較方法としても，上記第１予知判断と同様に様々な方法をとることができる。また，第２予知判断の方法を第１予知判断と同じ方法としてもよいし，異なる方法としてもよい。また，サンプリングした運転データは，上記初期監視モード又は通常監視モードの場合と同様に，そのまま用いてもよいし，様々な方法により加工した加工データを用いることもできる。また，加工する場合に，上記初期監視モードおよび上記通常監視モードの場合と異なる方法で加工してもよい。
【００２３】
また，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が将来故障する又は性能が低下する確率を算出する予知確率算出を行うことが好ましい（請求項４）。例えば，上記第２予知判断における比較の結果得られた値を指標として，何らかの関係式を予め作っておくことにより上記確率を計算することができる。この場合には，上記予知確率を得ることによって，異常又は性能低下の予防保全を実現することができる。
【００２４】
また，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶することが好ましい（請求項５）。この場合には，上記トレンドデータを用いることによって，運転データ又は加工データの変化の傾向を把握することができ，これによって新たな判断を行うステップを設けることができる。
【００２５】
例えば，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出，または故障となる時期を推定する使用限界時期推定を行うことが好ましい（請求項６）。この場合には，サービス会社が保守作業の日程調整を容易に行うことができ，計画的な保守作業を実現することができる。
【００２６】
また，第１の発明のように，上記運転データとしては，上記室内機を運転している際に温度調整のために運転を自動停止または自動運転している期間の割合であるサーモオフ率またはサーモオン率を示すサーモ率データ，あるいは運転を自動停止または自動運転している時間を示すサーモオフ時間またはサーモオン時間を示すサーモ時間データ又はこれらを加工した加工データとを用い，
上記初期監視モードにおいては，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データに基づいて，上記室内機が有する空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の有無を判断する基礎となる，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データの基準値をそれぞれ作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工したデータと上記基準値とを比較することにより，上記室内機が有する上記空気フィルタ又は上記熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の兆候の有無を判断することが好ましい（請求項１）。
【００２７】
上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下は，室内機の能力不足に直接的に影響する。そして，その能力不足を直接的に表す上記サーモオフ率または上記サーモオン率（サーモ率データ），あるいはサーモ時間データ又はこれらを加工した加工データを上記運転データおよび基準値に用いる。なお，このサーモ率データ，あるいはサーモ時間データ又はこれらを加工した加工データとは，例えば他の機器であるコンプレッサクラッチのオン／オフ率，およびオン／オフ時間又はこれらを加工した加工データなど，上記サーモ率データ，あるいはサーモ時間データ又はこれらを加工した加工データと連動して等価に扱うことができる種々のデータを含む概念である。
【００２８】
ここで，上記サーモオフ率または上記サーモオン率は，上記のごとく室内機を運転している際に温度調整のために運転を自動停止している期間の割合をいう。より具体的に説明すると，室内機は運転スイッチをＯＮして運転を開始した後，室内が設定された設定温度になるように空調を行う。室内温度が設定温度に到達すると室内機は一時的に自動停止し，室内温度と設定温度に差が一定以上生じると室内機は空調が必要と判断して自動運転する制御を行っている。このような室内温度と設定温度の温度差により室内機が自動発停する機能をサーモと呼び，自動運転している状態をサーモオン，自動停止している状態をサーモオフと呼ぶ。そして，自動運転している時間のうち，上記サーモオフ状態となっている時間をの割合をサーモオフ率といい，上記サーモオン状態となっている時間の割合をサーモオン率という。
【００２９】
そして，上記サーモオフおよび上記サーモオンの時間も，サーモ時間データ又はこれらを加工した加工データとして，室内機負荷，あるいは室内機能力を示すデータとして用いる。このサーモ時間データ又はこれらを加工した加工データは，室内機の負荷，あるいは能力に直接的に影響されるデータである。上記サーモ率データは，室内機負荷，あるいは室内機能力が変化することで，上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下がなくても，異常又は性能低下がある場合と同様の変化を示し，誤った判断をすることがある。しかしながら，このサーモ時間データ又はこれらを加工した加工データを室内機負荷，あるいは室内機能力として用いることにより，上記室内機が有する上記空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の判断を正確に行うことができる。
【００３０】
なお，上記室内機は，室内に設置され室内の空調を行う機器であり，主にファン，熱交換器，空気フィルタ，冷媒配管で構成される。そして，室内機の空気フィルタは，室内機の吸込口に取り付けられ，熱交換器の汚れによる効率低下を防ぐ役割を果たしている。
【００３１】
次に，上記運転データとしては，上記室外機が有する上記ガスエンジンを冷却する冷却水の温度である冷却水温度データを用い，
上記初期監視モードにおいては，上記冷却水温度データ又はこれを加工した加工データに基づいて，上記室外機が有する熱交換器の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記冷却水温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記室外機が有する上記熱交換器の異常又は性能低下の兆候の有無を判断することも好ましい。
【００３２】
この場合には，上記室外機の熱交換器の汚れ等に直接的に影響する冷却水温度データを上記運転データおよび基準値に用いることによって，より精度良く上記室外機が有する熱交換器の異常又は性能低下を判断することができる。
【００３３】
なお，上記室外機は，室外に設置され室内機に冷媒を供給する機器であり，主に圧縮機，ガスエンジン，熱交換器，冷媒配管で構成される。そして，ガスエンジンは，上記圧縮機の駆動源として機能し，ガスエンジン内部には，これを冷やすために冷却水が流れている。この冷却水の温度が上記冷却水温度データである。
【００３４】
次に，第２の発明のように，上記運転データとしては，上記室外機が有する上記ガスエンジンへの燃料混合気供給量を調整するスロットル弁の開度がある一定値以上である割合を示すスロットル弁高開度率データを用い，
上記初期監視モードにおいては，上記スロットル弁高開度率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記スロットル弁高開度率データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することも好ましい（請求項２）。
【００３５】
上記ガスエンジンの異常又は性能低下の兆候を判断するための運転データとしては，これまではガスエンジンの排気圧力や回転数などを用い，これをｍｓｅｃオーダーのサンプリング周期でサンプリングする方法があった。これに代えて，上記のごとくスロットル弁高開度率データを用いることによって，サンプリングの周期を長くし，その頻度を少なくすることが可能となる。これによって，例えば通信コスト等を低減させることが可能となる。
【００３６】
ここで，上記スロットル弁は，エンジン回転数を制御するための燃料混合気量調整機構である。回転数センサで測定されるエンジン回転数が，目標回転数になるようにスロットル弁の開度を制御してガスエンジンに供給する燃料混合気量を調整する。そして，スロットル弁の高開度率が高い場合には，ガスエンジンの出力が不足していることを意味する。また，上記スロットル弁高開度率データは，ガスエンジンが稼働しているある単位時間あたりに，スロットル弁の開度がある一定値以上である時間がどの程度占めるかで求めることができる。
なお，上記ガスエンジンの出力不足とは，上記圧縮機を駆動させるためのエンジンの力が不足することを意味し，出力不足が起こる原因には，点火不良，空燃比異常，バルブ吹き抜け等がある。
【００３７】
次に，上記運転データとしては，上記室外機の冷媒系データおよび上記ガスエンジンの回転数から算出したエンジン出力と，上記ガスエンジンへの燃料混合気の供給量を調整するスロットル弁の開度との相関関係を示す出力−開度相関データを用い，
上記初期監視モードにおいては，上記出力−開度相関データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記出力−開度相関データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することも好ましい。
【００３８】
上記ガスエンジンの出力とスロットル弁の開度には，比例関係があることに着目し，上記出力−開度相関データを求め，これを上記運転データとして用いると共に，上記室外機の冷媒系データも運転データとして用いることにより，さらに精度の高い判定を実現することができる。
【００３９】
ここで，上記出力−開度相関データとしては，様々な方法により求めることができる，例えば，後述する実施例に示す方法により求めることができる。
また，上記冷媒系データとは，冷媒の様々な状態での温度や圧力の測定値を意味する。
【００４０】
次に，第３の発明のように，上記運転データとしては，上記室外機が有する上記ガスエンジンの発停回数と該ガスエンジンを始動するスタータの発停回数とから算出した起動失敗率を示す起動失敗率データを用い，
上記初期監視モードにおいては，上記起動失敗率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの上記スタータが有するブラシの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記起動失敗率データ又はこれを加工したデータと上記基準値とを比較することにより，上記スタータが有する上記ブラシの異常又は性能低下の兆候の有無を判断することも好ましい（請求項３）。
【００４１】
従来，上記スタータのブラシの摩耗等の異常を予知する方法は開発されていなかったが，上記のごとく，起動失敗率データを用いることにより，精度良く予知することができるようになる。
【００４２】
ここで，ガスエンジンの発停回数とは，ある期間にガスエンジンが正常に起動した回数を意味し，スタータ発停回数とは，上記と同じ期間にガスエンジンを起動させるためのスタータが起動した回数を意味する。スタータが起動しても，エンジンが正常に起動するとは限らないことにより，両者の回数に差異が生じうる。
また，スタータは直流モータであり，直流モータを起動するためには電源端子は，回転体であるブラシと接触している。スタータに電気を供給すると，ブラシが回転し，電源端子との接触によりブラシが磨耗する。このようなスタータのブラシの摩耗による異常又は性能低下が予知できれば，非常に有益である。
【００４３】
次に，上記運転データとしては，上記室外機が有するサブエバポレータと圧縮機吸込口との間における冷媒の温度を示すサブエバ下流冷媒温度データを用い，
上記初期監視モードにおいては，上記サブエバ下流冷媒温度データ又はこれを加工した加工データに基づいて，上記冷媒の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サブエバ下流冷媒温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記冷媒の異常又は性能低下の兆候の有無を判断することも好ましい。
【００４４】
ＧＨＰでは，暖房時に排熱回収を行うので，冷媒不足になると極端にサブエバ下流の温度が上昇するという電気式空調機にない特徴を有している。このことを利用してサブエバ下流冷媒温度データを判定に用いることにより，冷媒の異常又は性能低下の兆候を高い精度で予知することができる。
【００４５】
ここで，サブエバポレータ（サブエバ）は，電気式の空調機にはなく，ＧＨＰのみにある排熱回収熱交換器であり，暖房時の室外機の熱交換器による冷媒の蒸発を，エンジンの冷却水の温熱により補助するための熱交換器である。また，上記冷媒の異常又は性能低下としては，冷媒漏れにより発生する冷媒量の不足等がある。
【００４６】
次に，上記運転データとしては，上記室外機が有する上記ガスエンジンを冷却する冷却水の温度である冷却水温度データを用い，
上記初期監視モードにおいては，上記冷却水温度データ又はこれを加工した加工データに基づいて，上記室外機が有する上記冷却水の配管系統の異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記冷却水温度データ又はこれを加工したデータと上記基準値とを比較することにより，上記室外機が有する上記冷却水の配管系統のの異常又は性能低下の兆候の有無を判断することも好ましい。
【００４７】
ＧＨＰでは，冷却水の熱をラジエータまたはサブエバで放熱しているが，冷却水の漏れにより冷却水の配管系統に空気が進入すると，冷却水の流れが間欠的になる。冷却水をラジエータまたはサブエバに流すための三方弁は冷却水の温度で切り替わるが，冷却水の流れが間欠的であるため三方弁がハンチングし，冷却水の放熱も間欠的となるため，冷却水温度または冷媒温度データがハンチングする。このことを利用して冷却水温度または冷媒温度データの変動幅を判定に用いることにより，冷却水の配管系統の異常又は性能低下の兆候を高い精度で予知することができる。
【００４８】
ここで，ラジエータは，ＧＨＰの冷却水の熱を放熱するための熱交換器である。また，上記冷却水の配管系統の異常又は性能低下としては，冷却水の配管系統の継ぎ手部分からの冷却水漏れ等がある。
【００４９】
次に，第４の発明のＧＨＰ故障予知診断装置においては，上記監視用コンピュータは，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が故障する確率を算出する予知確率算出手段を有していることが好ましい（請求項８）。この場合には，より迅速な保守を実現することができる。
【００５０】
また，上記監視用コンピュータは，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶するトレンドメモリを有しており，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出手段を有していることが好ましい（請求項９）。この場合には，さらに的確な保守作業を実現することができる。
【００５１】
【実施例】
実施例１
本発明の実施例に係るＧＨＰ故障予知診断方法およびその装置につき，図１〜図８を用いて説明する。
本例のＧＨＰ故障予知診断装置１は，図２に示すごとく，室内機２１と室外機３１とを有し，該室外機３１にガスエンジン３９（図３）を備えてなるガスヒートポンプ型空調装置（ＧＨＰ）における故障予知診断装置である。そして，このＧＨＰ故障予知診断装置１は，図２に示すごとく，ＧＨＰに直接的に接続された監視用コンピュータ１０を有する。
監視用コンピュータ１０は，後述する初期監視モード実行手段と，通常監視モード実行手段と，集中監視モード実行手段とを有している。
以下，この内容を詳説する。
【００５２】
上記ＧＨＰ故障予知診断装置１は，図２に示すごとく，１台の室外機３１を有し，さらに，室外機３１に複数の室内機２１を接続してなるＧＨＰの故障予知診断装置である。
図３に示すごとく，室外機３１は，ガスエンジン３９を内蔵し，これによって圧縮機３８を駆動するように構成されている。また，室外機３１内には，室外機側熱交換器３５（以下，単に熱交換器３５という）が配設されており，この熱交換器３５に室外機側冷媒経路４１（以下，単に冷媒経路４１という）と冷却水経路４９とが接続されている。また，熱交換器３５に対面して室外機側ファン３６を配設してある。
【００５３】
冷媒経路４１には四方弁４１０が配設されており，その第１のポートは，圧縮機３９の出側に接続されている。また，四方弁４１０の第２のポートは，室内機側冷媒経路４２（以下，単に冷媒経路４２という）に接続され，第３のポートは，サブエバポレータ４１３およびアキュームレータ４１４を介して圧縮機３８の入側に接続されている。さらに，四方弁４１０の第４のポートは熱交換器３５を介して，冷媒経路４２に接続されている。
また，冷媒経路４２には，各種センサとして，吐出温度センサ４５１，高圧センサ４５２，吸込温度センサ４５３，低圧センサ４５４，温度センサ４５５が配置され，さらに，電動弁４５６が配設されている。
【００５４】
また，室外機３１内の冷却水経路４９には，上記のごとく熱交換器３５を通過する経路と，サブエバポレータ４１３を通過する経路とが設けられ，いずれもガスエンジン３９に接続されている。そして，冷却水経路４９には，電動弁４６１，三方弁４６２，冷却水ポンプ４６３，冷却水温度センサ４６４が配設されている。
【００５５】
また，各室内機２１には，それぞれ，室内機側熱交換器２５（以下，単に熱交換器２５という）とこれに対面するように配設された室内ファン２６および空気フィルタ２７が配設されている。また，熱交換器２５には冷媒経路４２が接続され，この冷媒経路４２には電動弁４２５が配設されている。そして，複数の室内機２１は，共通の冷媒経路４２を冷媒経路４１３に接続することによって一つの室外機３１に接続されている。
【００５６】
また，図２に示すごとく，各室内機２１は，室外機３１に電送線５１を介して電気的に接続され，さらに，室外機３１は，電送線５５を介して監視用コンピュータ１０に接続されている。
【００５７】
上記監視用コンピュータ１０は，図１に示すごとく，初期監視モードＳ１００を実行する初期監視モード実行手段，通常監視モードＳ２００を実行する通常監視モード実行手段，および集中監視モードＳ３００を実行する集中監視モード実行手段を有している。
【００５８】
同図に示すごとく，初期監視モードＳ１００は，ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成するモードである。すなわち，運転データのサンプリングを行うステップ（Ｓ１１０）と，上記基準値を作成するステップ（Ｓ１２０）とを有している。
【００５９】
また，通常監視モードＳ２００は，上記の初期監視モードＳ１００を行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行うモードである。すなわち，通常監視モードＳ２００は，運転データのサンプリングを行うステップ（Ｓ２１０）と，上記第１予知判断を行うステップ（Ｓ２３０）とを有している。
【００６０】
また，集中監視モードＳ３００は，通常監視モードＳ２００の第１予知判断（Ｓ２３０）において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードＳ２００の場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行うモードである。すなわち，集中監視モードＳ３００は，運転データのサンプリングを行うステップ（Ｓ３１０）と，上記第２予知判断を行うステップ（Ｓ３３０）とを有している。
【００６１】
ここで，本例のＧＨＰ故障予知診断装置１は，複数の機器について異常又は性能低下の兆候を判断するように構成され，それぞれの機器に対して上記ＧＨＰ故障予知診断方法を実行できるようにしてある。そのため，判定しようとする機器ごとに対応する運転データをそれぞれ採取する。
【００６２】
まず，一例として，図４〜図６を用いて，室内機２１が有する空気フィルタ２７の異常又は性能低下を判断するＧＨＰ故障予知診断方法について詳しく説明する。ここでいう空気フィルタの異常又は性能低下としては，主に空気フィルタの汚れによる性能低下がある。
図４に示すごとく，まず初期監視モードＳ１００における運転データのサンプリングを行うステップ（Ｓ１１０）では，Ｓ１１１からＳ１１７の７つのステップを使ってサーモ時間データ又はこれらを加工した加工データを得る。運転データのサンプリング間隔は，３つのモードで同じであり，例えば１分間隔である。
【００６３】
この例では，上記運転データとして，室内機２１を運転している際に温度調整のために運転を自動停止している時間であるサーモオフ時間および自動運転を行っている時間であるサーモオン時間を示すサーモ時間データ又はこれらを加工した加工データを用いる。このサーモ時間データ又はこれらを加工した加工データは，自動運転を行っている時間であるサーモオン時間と，運転を自動停止している時間であるサーモオフ時間を採取し，（１／サーモオン時間）＋（１／サーモオフ時間）（以下，単に室内機能力率という）を算出することにより求めることができる。従って，本例では，運転データとしてサーモオンオフデータを採取し，これを演算して得られる室内機能力率を実際に用いる運転データとする。
なお，上記室内機能力率としては，これと等価のコンプレッサクラッチのオンオフ時間から演算される運転データ等に置き換えることも可能である。
【００６４】
具体的な判断は次のように行う。まず，室外機３１から運転データ（サーモオンオフデータ）を監視用コンピュータ１０内にサンプリングする，運転データのサンプリング（Ｓ１１１）を，例えばＳ１１７の繰り返し数が５回という頻度で行う。そして，そのデータが有効であるか否かを判断して有効データだけを残す有効データの選別（Ｓ１１２）を行い，これを保存する。有効データか否かは，例えば，運転データをサンプリングしたタイミングが，室内機２１が運転中である，運転モードが冷暖房である，あるいは運転開始からある一定時間後である場合を有効データとするという方法で行う。次に，有効データ数が所定数に達したか否かを判断し（Ｓ１１３），所定数を超えていない場合には，再びステップＳ１１１に戻る。
【００６５】
有効データ数が所定値を超えた場合には，全ての有効データ数からサーモオンオフデータを用いて室内機能力率を算出する（Ｓ１１４）。さらに，室内機能力率を，例えば，外気温度，室内機の設定温度，風速等のデータを用いて補正し，補正室内機能力率を得る（Ｓ１１５）。
【００６６】
次に，補正室内機能力率の最大値，最小値を，運転データのサンプリングミスによって極端に大きな又は小さな値を排除する手法で算出する（Ｓ１１６）。そして，精度向上のため，これらのＳ１１１〜Ｓ１１７までのステップを所定回数繰り返されるまで，この運転データをサンプリングするステップ（Ｓ１１０）を行う。この繰り返し回数が，上述した所定期間に相当することとなる。
【００６７】
次に，基準値を作成するステップ（Ｓ１２０）に移る。
このステップでは，ＧＨＰの運転状態による補正室内機能力率のばらつきを吸収するために，上記ステップＳ１１５において補正室内機能力率の分布幅を最大値と最小値の差により算出する（Ｓ１２１）。その後，補正室内機能力率の基準値を，例えば，分布幅の中間値に異常判断定数ａ（ａ＜１）をかけるという手法で算出する（Ｓ１２２）。また，複数の基準値を作る場合は，分布幅の中間値に複数の異常判断定数ａ，ｂをかけるという手法で算出する（Ｓ１２２）。
そして，本例では，得られた基準値を，監視用コンピュータ１０が有するトレンドメモリ（図示略）に転送し（Ｓ１３０），記憶させる。
【００６８】
次に，図５に示すごとく，通常監視モードＳ２００に移行する。
このモードでの運転データのサンプリングを行うステップ（Ｓ２１０）では，９つのステップ（Ｓ２１１〜Ｓ２１９）によって，後の第１予知判断を行うステップ（Ｓ２３０）において用いる補正室内機能力率の現在値を求める。
【００６９】
Ｓ２１１〜Ｓ２１７のステップは，初期監視モードＳ１００における運転データをサンプリングするステップ（Ｓ１１０）を構成するＳ１１１〜Ｓ１１７と同様のステップであるが，最初のステップＳ２１１で行う室外機３１からの運転データ（サーモオンオフデータ）のサンプリングは，その頻度を低くし，例えば，Ｓ２１７の繰り返し数を１回とし，通常監視モードを行うのは１週間に一度という頻度にする。
そして，Ｓ２１８，Ｓ２１９のステップでは，初期監視モードＳ１００における基準値を作成するステップ（Ｓ１２０）のＳ１２１，Ｓ１２２と同様の処理を行って，補正室内機能力率の現在値を算出する。現在値の算出方法は，例えば分布幅の中間値とする。
【００７０】
次に，算出した補正室内機能力率をトレンドメモリへ転送（Ｓ２２０）して記憶させると共に，第１予知判断を行うステップ（Ｓ２３０）に移る。ここでは，初期監視モードＳ１００において求めた補正室内機能力率の基準値をＡ，補正室内機能力率の現在値をＢ１，空気フィルタ２７の異常又は性能低下の兆候が有る
【００７１】
図６に示すごとく，集中監視モードＳ３００での運転データのサンプリングを行うステップ（Ｓ３１０）では，９つのステップ（Ｓ３１１〜Ｓ３１９）によって，後の第２予知判断を行うステップ（Ｓ３３０）において用いる補正室内機能力率の現在値を求める。
【００７２】
Ｓ３１１〜Ｓ３１７のステップは，初期監視モードＳ１００における運転データをサンプリングするステップを構成するＳ１１１〜Ｓ１１７と同様のステップであるが，最初のステップＳ３１１で行う室外機３１からの運転データ（サーモオンオフデータ）のサンプリングは，その頻度を，通常監視モードＳ２００の場合よりも高くし，例えば，Ｓ３１７の繰り返し数を５回という頻度にする。
そして，Ｓ３１８，Ｓ３１９のステップでは，初期監視モードＳ１００における基準値を作成するステップ（Ｓ１２０）のＳ１２１，Ｓ１２２と同様の処理を行って，補正室内機能力率の現在値を算出する。
【００７３】
次に，算出した補正室内機能力率をトレンドメモリへ転送（Ｓ３２０）して記憶させると共に，第２予知判断を行うステップ（Ｓ３３０）に移る。ここでは，初期監視モードＳ１００において求めた補正室内機能力率の基準値をＡ，補正室内機能力率の現在値をＢ２，空気フィルタ２７の異常又は性能低下の兆候が有る
【００７４】
上記の式を満たさない場合には，室内機２１が有する空気フィルタ２７の異常又は性能低下の兆候が無いと判断し，通常監視モードＳ２００に再び戻り，上記の一連の処理を繰り返す。
上記の式を満足する場合には，室内機２１が有する空気フィルタ２７の異常又は性能低下の兆候が有ると確定的に判断し，通常監視モードに戻ることなく，次の予知確率算出のステップ（Ｓ４１０）に移行する。
【００７５】
このステップ（Ｓ４１０）では，集中監視モードＳ３００においてサンプリングした上記の現在値としての補正室内機能力率と上記基準値とを基に，上記機器が故障する確率を算出する予知確率算出を行う。この方法は様々な方法があるが，本例では，具体的には，例えば，Ｓ１２２で２つの基準値を算出して３つのゾーンをつくり，現在値がどのゾーンに入るかで，ゾーン毎に決められた確率とするというような方法により算出する。
【００７６】
さらに，本例では，補正室内機能力率の変化率の算出を行うステップ（Ｓ４２０）に移る。ここでは，監視用コンピュータ１０のトレンドメモリに記憶されている補正室内機能力率を用いて，その変化率を算出する。そして，次の洗浄奨励時期の算出ステップ（Ｓ４３０）において，上記の変化率から，いつ頃，室内機２１〜２３が有する空気フィルタ２７の洗浄をすべきかを予め定めた算出式によって算出する。この算出式としても，様々な式を用いることができるが，本例では，例えば，現在から過去ｎ個のトレンドデータの平均値と中間の時刻及び現在値と現在時刻から変化の傾きを算出し，基準値に達する時間を算出するという方法を用いた。なお，より厳しい基準値を用いて使用限界時期も推定できる。
【００７７】
監視用コンピュータ１０は，上記一連の処理の結果を適宜出力する機能を有している。例えば，監視用コンピュータ１０およびこれに繋がるクライアントコンピュータ１１の画面への出力や，接続されたプリンタへの出力や，ブザー等の機器，ポケットベル，携帯電話等への通信など，様々な情報伝達手段を使って，故障予知診断結果を出力するようにできる。
【００７８】
以上のように，本例のＧＨＰ故障予知診断装置を用いた故障予知診断方法においては，少なくとも，上記３つのモード，すなわち初期監視モードＳ１００，通常監視モードＳ２００，集中監視モードＳ３００を行う。そして，故障予知診断を行うための監視を開始した直後の所定期間に，必ず上記初期監視モードＳ１００を実施する。そして，この初期監視モードＳ１００において，ＧＨＰを構成する空気フィルタの異常又は性能低下を判断する基礎となる基準値を作成する。そのため，監視しようとするＧＨＰ全体が新品であっても，既に有る程度運転を行っているＧＨＰであっても，それぞれのＧＨＰに最適な基準値を得ることができる。なお，上記空気フィルタ２７は，これそのものが消耗品で交換を前提としているので，この監視を始める際には，空気フィルタ２７を新品に交換してから上記初期監視モードＳ１００を行うことが好ましい。
【００７９】
また，本例では，上記基準値を基に上記機器の異常又は性能低下の兆候の有無を判断する行為を，上記通常監視モードＳ２００における第１予知判断Ｓ２３０と，上記集中監視モードＳ３００における第２予知判断Ｓ３３０の２段階で行う。これにより，通常監視モードＳ２００では異常又は性能低下の兆候の有無の初期判断を簡易に行い，集中監視モードＳ３００でより正確に，詳細に判断するというように，両モードにそれぞれ異なる役割分担を担わすことができる。これにより，平常的に行う上記通常監視モードＳ２００では，判断に用いる運転データのサンプリング頻度を少なくすることができる。
【００８０】
また，上記の空気フィルタ２７の異常又は性能低下の兆候を判断するには，上記室内機能力率を運転データとして用い，単なる室内機負荷の増大による誤判断を排除し，室内機の能力不足を的確に示す指標としている。これにより，能力不足に直接的に影響する空気フィルタ２７の異常又は性能低下の兆候，具体的には空気フィルタ２７の汚れ状態を，精度よく判断することができる。なお，この判定方法は，室内機２１における熱交換器２５の異常又は性能低下の兆候の判定にも適用することができる。
【００８１】
ここで，参考のために，室内機負荷（空調負荷）とサーモ時間データの関係について，図７を用いて簡単に説明する。
同図（ａ）は，フィルタの汚れがなく，室内機負荷（空調負荷）が小さい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングを，同図（ｂ）は，フィルタの汚れがあり，室内機負荷（空調負荷）が小さい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングを，同図（ｃ）は，フィルタの汚れがなく，室内機負荷（空調負荷）が大きい場合におけるサーモオン時間とサーモオフ時間の繰り返しタイミングの一例を示したものである。
【００８２】
室内機のフィルタが汚れた場合（同図（ｂ））は，室内機の風量が減るため室内機能力が減る。室内機能力が影響するのはサーモオン時間であるので，サーモオン時間が延びる。しかし，サーモオフ時間は室内機能力には無関係なので変化しない。従って，サーモオン時間が延びることによって，サーモオフ率が減少する。
【００８３】
次に室内負荷が増えた場合（同図（ｃ））は，室内負荷が増えたことによって，サーモオン時間は延びる。また，サーモオフ時間は室内負荷のみに影響するので，室内負荷が増えればサーモオフ時間は短くなる。従って，フィルタが汚れた場合と同様にサーモオフ率は減少する。
このため，サーモオフ率の減少だけでは，フィルタが汚れているのか，ただ単に室内負荷が増えただけなのかがわからない。本例は，この問題を解決するために（１／サーモオフ時間）＋（１／サーモオン時間）によって算出される室内機能力率を用いる。（１／サーモオン時間）の項は，サーモオン時間内での室内温度変化の傾き，つまり（室内機能力−室内機負荷）を示し，（１／サーモオフ時間）の項は，サーモオフ時間内での室内温度変化の傾き，つまり室内機負荷を示す。したがって，（１／サーモオフ時間）＋（１／サーモオン時間）は，（室内機能力−室内機負荷）＋室内機負荷＝室内機能力を意味する。室内機負荷の変化にしたがって見かけの室内機能力は変化するが，真の室内機能力を示す室内機能力率を用いれば室内機負荷の違いに影響されることなく判断することができる。
【００８４】
より具体的には，初期監視モードで，室内機の風速データ等を加味して補正した室内機能力率の基準値を算出し，通常あるいは集中監視モードで，同様に室内機の風速データ等を加味して補正した室内機能力率の現在値を算出し，基準値に比べて室内機能力率がある判定値よりも小さくなるという条件を満たした時にフィルタ汚れであると診断する。
【００８５】
なお，上述した運転データのサンプリング方法，加工方法については，適宜変更することができ，また，第１予知判断，第２予知判断の方法等についても具体的な方法は適宜変更することができる。
【００８６】
次に，本例のＧＨＰ故障予知診断装置１は，室外機３１が有する熱交換器３５の異常又は性能低下を判定することも可能である。
この場合には，上記運転データとしては，上記室外機３１が有するガスエンジン３９を冷却する冷却水の温度である冷却水温度データを用いる。この冷却水温度データは，図３に示すごとく，冷却水温度センサ４６４により測定して得ることができる。
【００８７】
そして，初期監視モードＳ１００では，運転データのサンプリングを行うステップ（Ｓ１１０）で上記冷却水温度データを採取し，基準値を作成するステップ（Ｓ１２０）では，冷却水温度データ又はこれを加工した加工データに基づいて，その基準値を作成する。
【００８８】
また，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，上記冷却水温度データ又はこれを加工したデータの現在値と上記基準値とを比較することにより，上記室外機３１が有する熱交換器３５の異常又は性能低下の兆候の有無を精度良く判断することができる。これは，冷却水温度データが，室外機３１の熱交換器３５の汚れ等によって直接的に影響をうけるので，冷却水温度データが，室外機３１が有する熱交換器３５の異常又は性能低下を良く反映しているためである。
【００８９】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９の異常又は性能低下を判定することも可能である。
この場合には，図８に示すごとく，上記運転データとしては，ガスエンジン３９への燃料混合気の供給量を調整するスロットル弁３９５の開度がある一定値以上である割合を示すスロットル弁高開度率データを用いる。スロットル弁高開度率データは，スロットル弁開度がある値以上である時間／ガスエンジンの運転時間により求めることができる。
【００９０】
そして，上記と同様に，初期監視モードＳ１００では，スロットル弁高開度率データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，スロットル弁高開度率データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９の異常又は性能低下の兆候の有無を精度良く判断することができる。
【００９１】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９の異常又は性能低下を，さらに別の角度から判定することもできる。
すなわち，上記運転データとしては，室外機３１の冷媒系データおよびガスエンジン３９の回転数から算出したエンジン出力と，ガスエンジン３９への燃料混合気の供給量を調整するスロットル弁３９５の開度との相関関係を示す出力−開度相関データを用いる。
【００９２】
具体的には，エンジン出力は，定数×エンジン回転数×冷媒高低圧差×圧縮機運転台数，あるいは，定数×エンジン回転数×エンタルピ差×冷媒密度×圧縮機運転台数によって求めることができる。また，出力−開度相関データは，上記エンジン出力とスロットル弁の開度との相関を求め，スロットル弁開度をエンジン出力の多項式ｆとして表すことにより求めることができる。
【００９３】
そして，上記と同様に，初期監視モードＳ１００では，出力−開度相関データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，出力−開度相関データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９の異常又は性能低下の兆候の有無を精度良く判断することができる。
【００９４】
次に，本例のＧＨＰ故障予知診断装置１は，ガスエンジン３９のスタータが有するブラシ（図示略）の異常又は性能低下の兆候の有無を判断することもできる。この場合には，上記運転データとしては，ガスエンジン３９の発停回数と該ガスエンジン３９を始動するスタータの発停回数とから算出した運転失敗率を示す運転失敗率データを用いる。この運転失敗率データは，（スタータ発停回数−エンジン発停回数）／エンジン発停回数によって算出することができる。
【００９５】
そして，上記と同様に，初期監視モードＳ１００では，運転失敗率データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，運転失敗率データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，ガスエンジン３９のスタータのブラシの異常又は性能低下，具体的にはブラシの摩耗の有無を精度良く判断することができる。
【００９６】
次に，本例のＧＨＰ故障予知診断装置１は，冷媒の異常又は性能低下を判断することもできる。この場合には，室外機３１が有するサブエバポレータ４１３と圧縮機３８の吸込口との間における冷媒の温度を示すサブエバ下流冷媒温度データを用いる。この温度は，温度センサ４５５によって測定することができる。
【００９７】
そして，上記と同様に，初期監視モードＳ１００では，サブエバ下流冷媒温度データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，サブエバ下流冷媒温度データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，冷媒の異常又は性能低下の有無を精度良く判断することができる。
【００９８】
次に，本例のＧＨＰ故障予知診断装置１は，冷却水の配管系統の異常又は性能低下を判断することもできる。この場合には，上記室外機３１が有するガスエンジン３９を冷却する冷却水の温度である冷却水温度データを用いる。この冷却水温度データは，図３に示すごとく，冷却水温度センサ４６４により測定して得ることができる。
【００９９】
そして，上記と同様に，初期監視モードＳ１００では，冷却水温度データそのもの又はこれを加工したデータから基準値を作成し，上記通常監視モードＳ２００および上記集中監視モードＳ３００における上記第１予知判断Ｓ２３０および上記第２予知判断Ｓ３３０では，冷却水温度データ又はこれを加工したデータの現在値と上記基準値とを比較する。これにより，冷却水の配管系統の異常又は性能低下の有無を精度良く判断することができる。
【０１００】
実施例２
本例は，図９に示すごとく，複数の室外機３１，３２とこれに複数の室内機２１，２２をそれぞれ接続してなるＧＨＰの遠隔による故障予知診断装置１０２の例である。本例では，監視用コンピュータ１０が，有線又は無線の電話回線６を介して室外機３１，３２と通信できるようにし，室外機３１，３２から遠隔で運転データのサンプリングを行うように構成した。
本例のＧＨＰ故障予知診断装置１０２においても，上記と同様の３つのモード，初期監視モード，通常監視モード，および集中監視モードを行うことによって，実施例１と同様の作用効果を得ることができる。
また，平常的に行う上記通常監視モードＳ２００では，判断に用いる運転データのサンプリング頻度を少なくすることができるため，上記の有線又は無線の電話回線６における通信コストを必要最低限に抑えることができる。それ故，ＧＨＰ故障予知診断装置１のランニングコストの低減を図ることができる。
【図面の簡単な説明】
【図１】実施例１における，ＧＨＰ故障予知診断方法のフローを示す説明図。
【図２】実施例１における，ＧＨＰ故障予知診断装置の構成を示す説明図。
【図３】実施例１における，ＧＨＰの室外機および室内機の構成を示す説明図。
【図４】実施例１における，初期監視モードの詳細なフローを示す説明図。
【図５】実施例１における，通常監視モードの詳細なフローを示す説明図。
【図６】実施例１における，初期監視モードの詳細なフローを示す説明図。
【図７】実施例１における，サーモオン時間及びサーモオフ時間とフィルタ汚れ及び室内機負荷との関係を示す説明図。
【図８】実施例１における，ガスエンジンの構成の一部を示す説明図。
【図９】実施例２における，ＧＨＰ故障予知診断装置の構成を示す説明図。
【符号の説明】
１，１０２．．ＧＨＰ故障予知診断装置，
１０．．．監視用コンピュータ，
２１〜２３．．．室内機，
２５．．．熱交換器，
２７．．．空気フィルタ，
３１〜３３．．．室外機，
３５．．．熱交換器，
３９．．．ガスエンジン，
６．．．有線又は無線電話回線，
Claims (9)
- 室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室内機を運転している際に温度調整のために運転を自動停止または自動運転している期間の割合であるサーモオフ率またはサーモオン率を示すサーモ率データと，運転を自動停止または自動運転している時間を示すサーモオフ時間またはサーモオン時間を示すサーモ時間データとを用い，
上記初期監視モードにおいては，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データに基づいて，上記室内機が有する空気フィルタ又は熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の有無を判断する基礎となる，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工した加工データの基準値をそれぞれ作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記サーモ率データあるいは上記サーモ時間データ又はこれらを加工したデータと上記基準値とを比較することにより，上記室内機が有する上記空気フィルタ又は上記熱交換器，あるいは上記室外機が有する熱交換器の異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法。 - 室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンへの燃料混合気供給量を調整するスロットル弁の開度がある一定値以上である割合を示すスロットル弁高開度率データを用い，
上記初期監視モードにおいては，上記スロットル弁高開度率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第 ２予知判断では，上記スロットル弁高開度率データ又はこれを加工したデータと上記基準値とを比較することにより，上記ガスエンジンの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法。 - 室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断方法であって，
上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードと，
該初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードと，
該通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードとを行うに当たり，
上記運転データとしては，上記室外機が有する上記ガスエンジンの発停回数と該ガスエンジンを始動するスタータの発停回数とから算出した起動失敗率を示す起動失敗率データを用い，
上記初期監視モードにおいては，上記起動失敗率データ又はこれを加工した加工データに基づいて，上記ガスエンジンの上記スタータが有するブラシの異常又は性能低下を判断する基礎となる上記基準値を作成し，
上記通常監視モードおよび上記集中監視モードにおける上記第１予知判断および上記第２予知判断では，上記運転失敗率データ又はこれを加工したデータと上記基準値とを比較することにより，上記スタータが有する上記ブラシの異常又は性能低下の兆候の有無を判断することを特徴とするＧＨＰ故障予知診断方法。 - 請求項１〜３のいずれか１項において，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が将来故障する又は性能が低下する確率を算出する予知確率算出を行うことを特徴とするＧＨＰ故障予知診断方法。
- 請求項１〜４のいずれか１項において，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶することを特徴とするＧＨＰ故障予知診断方法。
- 請求項１〜５のいずれか１項において，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合には，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出，または故障となる時期を推定する使用限界時期推定を行うことを特徴とするＧＨＰ故障予知診断方法。
- 室内機と室外機とを有し，該室外機にガスエンジンを備えてなるガスヒートポンプ型空調装置（以下ＧＨＰという）における故障予知診断装置であって，
上記ＧＨＰに直接的又は通信機器を介して間接的に接続された監視用コンピュータを有し，
該監視用コンピュータは，上記ＧＨＰの故障予知診断を行うための監視を開始した後の所定期間に，上記ＧＨＰの運転状態を示す１種又は複数の運転データをサンプリングして，該運転データ又はこれを加工した加工データに基づいて，上記ＧＨＰを構成する機器の異常又は性能低下を判断する基礎となる基準値を作成する初期監視モードを実行する初期監視モード実行手段と，
上記初期監視モードを行った後に，定期的に上記運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を判断する第１予知判断を行う通常監視モードを実行する通常監視モード実行手段と，
上記通常監視モードの上記第１予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記通常監視モードの場合よりもサンプリング頻度を高めて運転データをサンプリングして，該運転データ又はこれを加工した加工データと上記基準値とを比較することにより，上記機器の異常又は性能低下の兆候の有無を再度判断する第２予知判断を行う集中監視モードを実行する集中監視モード実行手段とを有し，
請求項１〜３のいずれか１項に記載のＧＨＰ故障予知診断方法を実行するよう構成されたことを特徴とするＧＨＰ故障予知診断装置。 - 請求項７において，上記監視用コンピュータは，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記集中監視モードにおいてサンプリングした運転データ又はこれを加工した加工データと上記基準値とを基に，上記機器が故障する確率を算出する予知確率算出手段を有していることを特徴とするＧＨＰ故障予知診断装置。
- 請求項７又は８において，上記監視用コンピュータは，上記初期監視モードにおいて算出した上記基準値と，上記通常監視モードおよび上記集中監視モードにおいてサンプリングした運転データ又はこれを加工したデータの少なくとも一部を，トレンドデータとして記憶するトレンドメモリを有しており，上記集中監視モードの上記第２予知判断において上記機器の異常又は性能低下の兆候が有ると判断された場合に，上記トレンドデータを基にして上記機器に対して対策を施すべき時期を算出する推奨対策時期算出手段を有していることを特徴とするＧＨＰ故障予知診断装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003103280A JP3933599B2 (ja) | 2003-04-07 | 2003-04-07 | Ｇｈｐ故障予知診断方法およびその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003103280A JP3933599B2 (ja) | 2003-04-07 | 2003-04-07 | Ｇｈｐ故障予知診断方法およびその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004309015A JP2004309015A (ja) | 2004-11-04 |
| JP3933599B2 true JP3933599B2 (ja) | 2007-06-20 |
Family
ID=33466476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003103280A Expired - Fee Related JP3933599B2 (ja) | 2003-04-07 | 2003-04-07 | Ｇｈｐ故障予知診断方法およびその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3933599B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110553344A (zh) * | 2019-09-09 | 2019-12-10 | 珠海格力电器股份有限公司 | 多联机及其室内机的故障判定方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4703201B2 (ja) * | 2005-01-28 | 2011-06-15 | 三菱電機株式会社 | 異常検出装置 |
| JP4981479B2 (ja) * | 2007-02-21 | 2012-07-18 | 三菱重工業株式会社 | 機器の故障診断システム |
| JP5254559B2 (ja) * | 2007-02-23 | 2013-08-07 | 三菱重工業株式会社 | 空気調和装置および自動暖房運転制御方法 |
| JP2009168314A (ja) * | 2008-01-15 | 2009-07-30 | Daikin Ind Ltd | 能力診断データ記録装置及び空気調和機及び能力診断データ算出方法 |
| DK3039360T3 (da) * | 2013-08-29 | 2019-08-19 | Maersk Line As | Computerimplementeret fremgangsmåde overvågning af driften af en kølecontainer til skibsbefragtning |
| JP2017150677A (ja) * | 2016-02-22 | 2017-08-31 | 日立アプライアンス株式会社 | 空調システム管理装置および空調システム管理方法 |
| JP2019174072A (ja) * | 2018-03-29 | 2019-10-10 | 株式会社富士通ゼネラル | 空気調和装置 |
| US11055447B2 (en) * | 2018-05-28 | 2021-07-06 | Tata Consultancy Services Limited | Methods and systems for adaptive parameter sampling |
| JP7169233B2 (ja) * | 2019-03-11 | 2022-11-10 | 東京瓦斯株式会社 | 冷凍機システム |
-
2003
- 2003-04-07 JP JP2003103280A patent/JP3933599B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110553344A (zh) * | 2019-09-09 | 2019-12-10 | 珠海格力电器股份有限公司 | 多联机及其室内机的故障判定方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004309015A (ja) | 2004-11-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110186155B (zh) | 一种空调外机脏堵检测及自清洁的方法及空调器 | |
| CN107166638B (zh) | 温度传感器的故障检测方法、检测装置和多联式空调*** | |
| CN103090504B (zh) | 空调器及其检测方法和装置 | |
| US6701727B2 (en) | Apparatus and method for managing heat source unit for air conditioner | |
| CN106575103B (zh) | 基于控制线电流的加热、通风、空气调节***模式检测 | |
| JP3933599B2 (ja) | Ｇｈｐ故障予知診断方法およびその装置 | |
| JP2007536073A (ja) | エアフィルタ状態の検出および予測技術 | |
| US7836707B2 (en) | Methods for detecting and responding to freezing coils in HVAC systems | |
| WO2019097822A1 (ja) | 空気調和機の性能診断装置及び性能診断方法 | |
| EP3489592A1 (en) | Filter contamination detection method | |
| JP6750091B2 (ja) | 空気調和機の性能診断装置及び性能診断方法 | |
| US10754331B2 (en) | Cloud-based analytics for water heaters | |
| JP2004169989A (ja) | 異常診断システム | |
| JP2007329664A (ja) | ガス燃焼機器の遠隔監視システム | |
| JP3976320B2 (ja) | 空調機の故障診断装置 | |
| JP6386922B2 (ja) | 蒸気弁診断装置および方法 | |
| CN210267645U (zh) | 气流过滤部件脏堵检测装置及空气调节设备 | |
| JP2006046762A (ja) | Ｇｈｐ故障予知診断方法及びその装置 | |
| CN117073056A (zh) | 用于供暖***的水流量异常判断方法和供暖*** | |
| US11906223B2 (en) | Systems and methods for determining a fault of an air system for heating, ventilation and/or cooling | |
| CN111023282A (zh) | 一种室内机自清洁控制方法及空调器 | |
| CN113847705B (zh) | 空调器及其快检方法与装置、存储介质 | |
| US11543147B1 (en) | Systems and methods for detecting air filter fouling in a climate control system | |
| JP4173478B2 (ja) | 空調機制御システム及び空調機制御方法 | |
| KR102586298B1 (ko) | 히트펌프 시스템 온도센서 예측모델, 그 예측모델을이용한 온도센서 예측, 진단시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061017 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061024 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061214 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070313 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070313 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130330 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140330 Year of fee payment: 7 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |