JP7393706B1 - 温度推定装置、および空気調和装置 - Google Patents
温度推定装置、および空気調和装置 Download PDFInfo
- Publication number
- JP7393706B1 JP7393706B1 JP2023030279A JP2023030279A JP7393706B1 JP 7393706 B1 JP7393706 B1 JP 7393706B1 JP 2023030279 A JP2023030279 A JP 2023030279A JP 2023030279 A JP2023030279 A JP 2023030279A JP 7393706 B1 JP7393706 B1 JP 7393706B1
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- refrigerant
- electric motor
- physical quantity
- compressor
- 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.)
- Active
Links
- 239000003507 refrigerant Substances 0.000 claims abstract description 281
- 230000006835 compression Effects 0.000 claims abstract description 41
- 238000007906 compression Methods 0.000 claims abstract description 41
- 230000007246 mechanism Effects 0.000 claims abstract description 40
- 230000002596 correlated effect Effects 0.000 claims description 30
- 239000010721 machine oil Substances 0.000 claims description 23
- 239000007788 liquid Substances 0.000 claims description 22
- 238000012546 transfer Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 abstract description 7
- 238000000034 method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 18
- 230000005347 demagnetization Effects 0.000 description 13
- 230000002427 irreversible effect Effects 0.000 description 13
- 238000000611 regression analysis Methods 0.000 description 13
- 239000003921 oil Substances 0.000 description 10
- 238000005057 refrigeration Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000001050 lubricating effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Landscapes
- Applications Or Details Of Rotary Compressors (AREA)
Abstract
Description
(数1)
Tr=K1×Tt+K2×(R-K3)×(Tt-K4)+K5×(R-K6)2+K7×(Tt-K8)2+K9
実施形態に係る冷凍装置は、室内の冷房と暖房とを行う空気調和装置(10)である。図1に示すように、空気調和装置(10)は、冷媒が充填される冷媒回路(11)を備える。冷媒回路(11)では、冷媒が循環して蒸気圧縮式の冷凍サイクルが行われる。
図2に示すように、圧縮機(30)は、縦長の円筒密閉型の筐体(31)を備えている。筐体(31)の下部には、吸入管(23)が貫通して固定されている。筐体(31)の頂部(上部鏡板)には、吐出管(22)が貫通して固定されている。筐体(31)の底部には、圧縮機(30)の各摺動部を潤滑するための油(冷凍機油)が貯留される。筐体(31)の内部には、圧縮機構(40)から吐出された冷媒(吐出冷媒ないし高圧冷媒)で満たされる内部空間(S)が形成される。つまり、本実施形態の圧縮機(30)は、筐体(31)の内部空間(S)の内圧が高圧冷媒の圧力と実質的に等しい、いわゆる高圧ドーム型に構成されている。
圧縮機構(40)は、ブレード(51)及びブッシュ(52)を有する揺動ピストン型に構成される。図2及び図3に示すように、シリンダ(42)には、ブッシュ溝(53)と背圧室(54)とが形成される。ブッシュ溝(53)は、シリンダ室(45)と隣接する位置に形成され、シリンダ室(45)と連通している。ブッシュ溝(53)は、横断面が略円形の円柱状の空所を構成している。背圧室(54)は、シリンダ(42)において、ブッシュ溝(53)よりも径方向外方に位置している。背圧室(54)は、横断面が略円形の円柱状の空所を構成している。
図4に示すように、圧縮機(30)は、第1センサ(61)と、第2センサ(62)と、第3センサ(63)と、第4センサ(64)と、第5センサ(65)と、第6センサ(66)と、第7センサ(67)と、第8センサ(68)と、記憶部(69)と、制御部(70)とを備える。
電動機(32)が通電状態となり、駆動軸(35)が回転駆動されると、ピストン(44)がシリンダ室(45)で偏心運動(厳密には、揺動運動)を行う。
図2および図4に示すように、制御部(70)は、吐出冷媒の温度を推定し、推定した吐出冷媒の温度に基づいて、電動機(32)に流れる電流を制御する。吐出冷媒の温度を推定することは、吐出冷媒の温度の推定値を出力(算出)することを示す。推定した吐出冷媒の温度は、吐出冷媒の温度の推定値を示す。吐出冷媒の温度は、圧縮機構(40)から吐出された冷媒の温度、または、所定空間における冷媒の温度である。所定空間は、圧縮機構(40)と吐出管(22)との間に位置する上記空間のうち圧縮機構(40)と電動機(32)との間に位置する空間である。
電動機(32)の磁石が高温になると不可逆減磁が発生する可能性がある。不可逆減磁は、磁石の温度を上げた後、当該温度が戻っても磁石の磁力が戻らないで減磁することである。不可逆減磁が発生することを抑制するためには、電動機(32)の磁石の温度上昇を抑制する必要がある。磁石の温度上昇を抑制する方法としては、磁石の温度が上昇し始めると、電動機(32)に流れる電流を減少させる方法が考えらえる。また、不可逆減磁が発生しないようにするために電動機(32)に流れる電流を減少させるタイミングを確認するためには、磁石が設けられる回転子(34)にセンサ類を設けて、直接に磁石の温度を検出する方法が考えられる。しかしながら、回転子(34)は回転体であるため、回転子(34)にセンサ類を設けて磁石の温度を検出することは困難である。
制御部(70)は、圧縮機(30)に関する物理量に基づいて、吐出冷媒の温度の推定値を出力する。具体的には、制御部(70)は、後述する推定モデルに、圧縮機(30)に関する物理量を入力データとして入力することで、吐出冷媒の温度の推定値を推定(出力)する。
(数1)
Tr=K1×Tt+K2×(R-K3)×(Tt-K4)+K5×(R-K6)2+K7×(Tt-K8)2+K9
第1例の推定モデルは、AI(Artificial Intelligence)を用いて生成され、圧縮機(30)に関する物理量(電動機(32)の回転数および吐出管(22)の温度)を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データ(例えば、上記試験結果、または上記シミュレーション結果から得られたデータ)に基づいて機械学習した学習済みモデルであってもよい。当該AIが推定モデルを生成する手法の一例として、多層の人工ニューラルネットワークによる機械学習手法(ディープラーニング)等が挙げられる。推定モデルは、電動機(32)の回転数(第1センサ(61)の検出値)と、吐出管(22)の温度(第2センサ(62)の検出値)とを入力データとして、電動機(32)の回転数および吐出管(22)の温度と、吐出冷媒の温度の推定値との対応関係を学習した学習済みモデルである。推定モデルは、入力データである電動機(32)の回転数および吐出管(22)の温度を入力されると、出力データである吐出冷媒の温度の推定値を出力する。
圧縮機構(40)から吐出された冷媒は、電動機(32)を通過して吐出管(22)から筐体(31)の外部へ吐出されるまでの間に、筐体(31)(圧縮機(30)の外殻)を介して放熱し、電動機(32)を通過する際に吸熱する。これにより、当該放熱および吸熱を行った冷媒が吐出管(22)へ到達し、当該放熱および吸熱を行った冷媒の温度が吐出管(22)の温度として検出される。
以上のように、制御部(70)は圧縮機(30)に関する物理量に基づいて吐出冷媒の温度の推定値を推定し、圧縮機(30)に関する物理量は電動機(32)の回転数と吐出管(22)の温度とを含む。これにより、吐出管(22)の温度を検出する第2センサ(62)のような一般的な圧縮機に備えられるセンサ類、および電動機(32)の回転数を検出、推定等するための一般的な圧縮機に備えられる構成(第1センサ(61)、制御部(70)による演算等)を用いて吐出冷媒の温度の推定値を出力することができる。その結果、簡素な構成で吐出冷媒の温度の推定値を出力できるので、吐出冷媒の温度を容易に推定することができる。
ステップS10において、制御部(70)が吐出冷媒の温度の推定値を出力する。
第2例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、電動機(32)に流れる電流とが含まれる。電動機(32)に流れる電流は、第3センサ(63)により検出される。第2例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、電動機(32)に流れる電流とに基づいて、吐出冷媒の温度の推定値を出力する。第2例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と電動機(32)に流れる電流とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第2例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および電動機(32)に流れる電流を説明変数(入力データ)とし、吐出冷媒の温度の推定値を目的変数(出力データ)とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
第3例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の吸入圧力および吐出圧力のうちの少なくとも1つの圧力とが含まれる。圧縮機(30)に関する物理量には、圧縮機(30)の吸入圧力および吐出圧力のうちの少なくとも1つの圧力の代わりに、当該圧力に相関する物理量が含まれてもよい。圧縮機(30)の吸入圧力は、第4センサ(64)により検出される。圧縮機(30)の吐出圧力は、第5センサ(65)により検出される。以下では、圧縮機(30)の吸入圧力および吐出圧力のうちの少なくとも1つの圧力とを、当該圧力に相関する物理量とを総称して、吸入吐出圧力と記載することがある。第3例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、吸入吐出圧力とに基づいて、吐出冷媒の温度の推定値を出力する。第3例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と吸入吐出圧力とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第3例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および吸入吐出圧力を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
なお、吸入吐出圧力を、気液混合状態の冷媒の温度、または気液混合状態の冷媒の温度に相関する物理量で代用してもよい。以下では、気液混合状態の冷媒の温度と、気液混合状態の冷媒の温度に相関する物理量とを総称して、単に、気液混合状態の冷媒の温度と記載することがある。気液混合状態の冷媒の温度は、吸入吐出圧力に相関する物理量の一例である。この場合、空気調和装置(10)は、例えば、室外熱交換器(16)を流れる二相状態(気液混合状態)の冷媒の温度を検出する室外熱交温度センサ(例えばサーミスタ)を備える。記憶部(69)には、気液混合状態の冷媒の温度と、吸入吐出圧力との相関を示す相関情報が記憶されている。相関情報は、例えば、気液混合状態の冷媒の温度を吸入吐出圧力へ変換するための変換式、または、気液混合状態の冷媒の温度と吸入吐出圧力とを対応付けたテーブルである。制御部(70)は、室外熱交温度センサから気液混合状態の冷媒の温度を示す情報を取得すると、取得した気液混合状態の冷媒の温度を当該相関情報(変換式またはテーブル)を用いて吸入吐出圧力へ変換する。その結果、制御部(70)は、圧縮機(30)に関する物理量として、吸入吐出圧力を示す情報を取得する。
第4例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の周辺温度とが含まれる。圧縮機(30)の周辺温度は、第6センサ(66)により検出される。圧縮機(30)の周辺温度は、第6センサ(66)により検出される。第4例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の周辺温度とに基づいて、吐出冷媒の温度の推定値を出力する。第4例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と圧縮機(30)の周辺温度とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第4例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および圧縮機(30)の周辺温度を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
第5例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、筐体(31)の内部空間(S)を流れる冷凍機油の量、とが含まれる。圧縮機(30)に関する物理量には、筐体(31)の内部空間(S)を流れる冷凍機油の量の代わりに、当該冷凍機油の量に相関する物理量が含まれてもよい。以下では、筐体(31)の内部空間(S)を流れる冷凍機油の量と、当該冷凍機油の量に相関する物理量とを総称して、冷凍機油の量と記載することがある。制御部(70)は、冷凍機油の油面の高さを検出する第7センサ(67)の検出結果に基づいて、冷凍機油の量を出力する。
第6例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の総駆動時間とが含まれる。制御部(70)は、タイマとして機能し、圧縮機(30)の総駆動時間をカウントする。第6例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の総駆動時間とに基づいて、吐出冷媒の温度の推定値を出力する。第6例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と圧縮機(30)の総駆動時間とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第6例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および圧縮機(30)の総駆動時間を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
第7例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、圧縮機(30)の吸入管(23)の温度とが含まれる。圧縮機(30)に関する物理量には、圧縮機(30)の吸入管(23)の温度の代わりに、当該吸入管(23)の温度に相関する物理量が含まれてもよい。吸入管(23)の温度は、第8センサ(68)により検出される。吸入管(23)の温度に相関する物理量は、例えば、圧縮機(30)の吸入圧力である。圧縮機(30)の吸入圧力は、第4センサ(64)により検出される。以下では、圧縮機(30)の吸入管(23)の温度と、当該吸入管(23)の温度に相関する物理量とを総称して、単に、吸入管(23)の温度と記載することがある。第7例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、吸入管(23)の温度とに基づいて、吐出冷媒の温度の推定値を出力する。第7例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と吸入管(23)の温度とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第7例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および吸入管(23)の温度を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
第8例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、電動機(32)のコイル(33a)の発熱量とが含まれる。コイル(33a)の発熱量は、例えば、電動機(32)に供給される電力に基づいて推定される。圧縮機(30)に関する物理量には、電動機(32)のコイル(33a)の発熱量の代わりに、当該コイル(33a)の発熱量に相関する物理量が含まれてもよい。コイル(33a)の発熱量に相関する物理量は、例えば、コイル(33a)の表面温度、コイル(33a)の抵抗値または電動機(32)に流れる電流である。以下では、電動機(32)のコイル(33a)の発熱量と、当該コイル(33a)の発熱量に相関する物理量とを総称して、単に、コイル(33a)の発熱量と記載することがある。第8例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、コイル(33a)の発熱量とに基づいて、吐出冷媒の温度の推定値を出力する。第8例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度とコイル(33a)の発熱量とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第8例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、およびコイル(33a)の発熱量を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
第9例では、圧縮機(30)に関する物理量には、電動機(32)の回転数と、吐出管(22)の温度と、所定物理量とが含まれる。所定物理量は、電動機(32)に流れる電流と、圧縮機(30)の吸入圧力と、圧縮機(30)の吐出圧力と、圧縮機(30)の吸入圧力および吐出圧力のうちの少なくとも1つの圧力に相関する物理量と、圧縮機(30)の周辺温度と、筐体(31)の内部空間(S)を流れる冷凍機油の量と、当該冷凍機油の量に相関する物理量と、圧縮機(30)の総駆動時間と、吸入管(23)の温度と、吸入管(23)の温度に相関する物理量と、電動機(32)のコイル(33a)の発熱量と、当該コイル(33a)の発熱量に相関する物理量とのうち少なくとも1つの物理量である。第9例では、制御部(70)は、電動機(32)の回転数と、吐出管(22)の温度と、所定物理量とに基づいて、吐出冷媒の温度の推定値を出力する。第9例では、吐出冷媒の温度の推定値を出力するための推定モデルは、電動機(32)の回転数と吐出管(22)の温度と所定物理量とを説明変数とし、吐出冷媒の温度の推定値を目的変数として、説明変数と目的変数とに対する重回帰分析を行うことにより回帰式(重回帰式)として生成される。なお、第9例の推定モデルは、電動機(32)の回転数、吐出管(22)の温度、および所定物理量を説明変数とし、吐出冷媒の温度の推定値を目的変数とし、説明変数と目的変数との既知データに基づいて機械学習した学習済みモデルであってもよい。
上記第1例~第9例において、制御部(70)は、圧縮機(30)を個体毎に識別し、識別した圧縮機(30)の吐出冷媒の温度の推定値を識別結果に基づいて補正してもよい。制御部(70)は、製造番号、ロット番号、型式番号および型式名のような圧縮機(30)に割り振られた識別情報に基づいて、自機を識別する。当該識別情報は、例えば、記憶部(69)に記憶されている。また、記憶部(69)には、複数の識別情報と、複数の補正情報とを対応付けた対応情報が記憶されている。補正情報は、電動機(32)の回転数と吐出管(22)の温度と推定モデルとに基づいて算出された吐出冷媒の温度の推定値を、対応する識別情報を有する圧縮機(30)の個体の特性を考慮して補正するための情報(例えば、変換式)である。制御部(70)は、電動機(32)の回転数と吐出管(22)の温度と推定モデルとに基づいて吐出冷媒の温度の推定値を演算すると、上記対応情報において自機の識別情報と対応する補正情報を選択し、選択した補正情報を用いて、演算した吐出冷媒の温度の推定値を補正し、補正後の値を自機の吐出冷媒の温度の推定値として出力する。
上記第1例~第10例において、制御部(70)は、圧縮機(30)の運転条件に応じて吐出冷媒の温度の推定値を出力するために用いる回帰式を変更してもよい。以下、回帰式を変更する構成について、詳細に説明する。
空気調和装置(10)の稼働時において、制御部(70)は上記ステップS1~ステップS30に示す処理を行うことで、電動機(32)の電流を制御してもよい。
なお、電動機(32)の回転数が所定の回転数よりも低くなるような第1運転条件で使用する第1推定モデルと、電動機(32)の回転数が所定の回転数以上になるような第2運転条件で使用する第2推定モデルとを機械学習により作成し、第1推定モデルと第2推定モデルとを記憶部(69)に記憶してもよい。この場合、制御部(70)は、第1センサ(61)から電動機(32)の回転数を示す情報を取得し、電動機(32)の回転数が所定の回転数よりも低いと判定すると前記第1推定モデルを用いて吐出冷媒の推定値を推定し(ステップS11)、電動機(32)の回転数が所定の回転数よりも低くないと判定すると前記第2推定モデルを用いて吐出冷媒の推定値を出力する(ステップS12)。
上記第1例~第10例において、制御部(70)は、電動機(32)の回転数が、最大値から所定の範囲内(最大値近傍)の回転数となるときの前記吐出冷媒の温度の推定値を推定してもよい。これにより、電動機(32)が最大値近傍の回転数で回転しているときに不可逆減磁が発生するおそれがあるか否かを判定することができる。
上記の電動機の磁石の温度の推定値を出力する構成の第1例~第12例の各々における吐出冷媒の温度の推定値が、電動機(32)の磁石の温度の推定値を示してもよい。その理由は、不可逆減磁が発生する位に電動機(32)の磁石が高温になると、吐出冷媒の温度が、電動機(32)の磁石の温度と略同じ位の値になりうるからである。
電動機(32)に大電流を流して回転子(34)を高速回転させると、回転子(34)に設けられる磁石に大きな誘導電流が流れることで磁石の発熱量が大きくなる。磁石の発熱量が大きくなると、磁石が高温になる。よって、磁石の発熱量と磁石の温度とは相関を有するので、上記第1例~第10例の各々において、圧縮機(30)に関する物理量(説明変数)に磁石の発熱量をさらに含め、電動機(32)の磁石の温度の推定値を目的変数として、推定モデル(回帰式、または学習済みモデル)が作成され、当該圧縮機(30)に関する物理量と当該推定モデルとに基づいて磁石の温度の推定値が制御部(70)により推定されてもよい。この場合、制御部(70)は、例えば、電動機(32)に流れる電流(電動機(32)に流れる電流と磁石の発熱量との相関)に基づいて磁石の発熱量を算出する。
電動機(32)の磁石の表面熱伝達係数が低い程、磁石で発生した熱を十分に外部に放熱できず、磁石が高温になる。よって、磁石の表面熱伝達係数と磁石の温度とは相関を有するので、上記第1例~第10例の各々において、圧縮機(30)に関する物理量(説明変数)に磁石の表面熱伝達係数をさらに含め、電動機(32)の磁石の温度の推定値を目的変数として、推定モデル(回帰式、または学習済みモデル)が作成され、当該圧縮機(30)に関する物理量と当該推定モデルとに基づいて磁石の温度の推定値が制御部(70)により推定されてもよい。
上記第1例~第10例の各々において、圧縮機(30)に関する物理量(説明変数)に磁石の発熱量と磁石の表面熱伝達係数とをさらに含め、電動機(32)の磁石の温度の推定値を目的変数として、推定モデル(回帰式、または学習済みモデル)が作成され、当該圧縮機(30)に関する物理量と当該推定モデルとに基づいて磁石の温度の推定値が制御部(70)により推定されてもよい。
図9に示すフロー図において、吐出冷媒の温度の推定値を電動機(32)の磁石の温度の推定値として、ステップS10~ステップS30に示す処理が行われることで、制御部(70)が磁石の温度の推定値に基づいて電動機(32)に流れる電流を制御してもよい。この場合、ステップS10において電動機(32)の磁石の温度が推定され、ステップS20において電動機(32)の磁石の温度の推定値が所定値以上であるか否かが判定される。
図10に示すフロー図において、吐出冷媒の温度の推定値を電動機(32)の磁石の温度の推定値として、ステップS1~ステップS30に示す処理が行われることで、制御部(70)が磁石の温度の推定値に基づいて電動機(32)に流れる電流を制御してもよい。この場合、ステップS11およびステップS11において電動機(32)の磁石の温度が推定され、ステップS20において電動機(32)の磁石の温度の推定値が所定値以上であるか否かが判定される。
22 吐出管
23 吸入管
30 圧縮機
31 筐体
32 電動機
33a コイル
40 圧縮機構
70 制御部
S 内部空間
Claims (22)
- 筐体(31)と、
前記筐体(31)内に配置され、吸入した冷媒を圧縮し、圧縮した冷媒を前記筐体(31)の内部空間(S)に吐出する圧縮機構(40)と、
前記圧縮機構(40)を駆動させる電動機(32)と、
前記筐体(31)の内部空間(S)から外部に前記冷媒を流す吐出管(22)と
を備える圧縮機(30)の吐出冷媒の温度を推定する温度推定装置であって、
前記圧縮機(30)に関する物理量に基づいて、前記吐出冷媒の温度を推定する制御部(70)を備え、
前記内部空間(S)内における前記圧縮機構(40)と前記吐出管(22)との間には、前記冷媒が流れる空間と、前記空間に配置される前記電動機(32)とが設けられ、
前記吐出冷媒の温度は、前記圧縮機構(40)から吐出された冷媒の温度、または、前記空間のうち前記圧縮機構(40)と前記電動機(32)との間に位置する空間における冷媒の温度であり、
前記物理量は、前記電動機(32)の回転数と、前記吐出管(22)の温度とを含む、温度推定装置。 - 前記制御部(70)は、前記物理量と前記吐出冷媒の温度の推定値との関係を示す回帰式に基づいて前記吐出冷媒の温度を推定する、請求項1に記載の温度推定装置。
- 前記制御部(70)は、前記物理量を説明変数とし、前記吐出冷媒の温度の推定値を目的変数とした機械学習により構築され、前記物理量と前記吐出冷媒の温度の推定値とを対応付けた推定モデルに基づいて、前記吐出冷媒の温度を推定する、請求項1に記載の温度推定装置。
- 前記吐出管(22)の温度をTtとし、前記電動機(32)の回転数をRとし、係数をKn(nは整数)とすると、前記吐出冷媒の温度Trを推定するための前記回帰式は、以下の数1で示される、請求項2に記載の温度推定装置。
(数1)
Tr=K1×Tt+K2×(R-K3)×(Tt-K4)+K5×(R-K6)2+K7×(Tt-K8)2+K9 - 前記物理量は、前記電動機(32)に流れる電流を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記圧縮機(30)の吸入圧力および吐出圧力のうちの少なくとも1つの圧力、または前記圧力に相関する物理量を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記圧力に相関する物理量は、気液混合状態の冷媒の温度、または前記気液混合状態の冷媒の温度に相関する物理量を含む、請求項6に記載の温度推定装置。
- 前記物理量は、前記圧縮機(30)の周辺温度を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記制御部(70)は、前記圧縮機(30)を個体毎に識別し、推定した前記吐出冷媒の温度を、識別結果に基づいて補正する、請求項1から請求項4のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記筐体(31)の内部空間(S)を流れる冷凍機油の量、または前記冷凍機油の量に相関する物理量を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記圧縮機(30)の総駆動時間を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記圧縮機(30)の吸入管(23)の温度、または前記吸入管(23)の温度に相関する物理量を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記電動機(32)のコイル(33a)の発熱量、または前記電動機(32)のコイル(33a)の発熱量に相関する物理量を含む、請求項1から請求項3のいずれか1項に記載の温度推定装置。
- 前記制御部(70)は、前記圧縮機(30)の運転条件に応じて、前記吐出冷媒の温度を推定するために用いる前記回帰式を変更する、請求項2または請求項4に記載の温度推定装置。
- 前記制御部(70)は、前記電動機(32)の回転数が最大値から所定の範囲内の回転数となるときに前記吐出冷媒の温度を推定する、請求項1から請求項4のいずれか1項に記載の温度推定装置。
- 前記制御部(70)は、推定した前記吐出冷媒の温度に基づいて、前記電動機(32)に流れる電流を制御する、請求項1から請求項4のいずれか1項に記載の温度推定装置。
- 前記吐出冷媒の温度を推定することは、前記電動機(32)に含まれる磁石の温度を推定することを示す、請求項1から請求項4のいずれか1項に記載の温度推定装置。
- 前記物理量は、前記磁石の発熱量を含む、請求項17に記載の温度推定装置。
- 前記物理量は、前記磁石の表面熱伝達係数を含む、請求項17に記載の温度推定装置。
- 前記制御部(70)は、前記電動機(32)の回転数が最大値から所定の範囲内の回転数となるときに前記磁石の温度を推定する、請求項17に記載の温度推定装置。
- 前記制御部(70)は、推定した前記磁石の温度に基づいて、前記電動機(32)に流れる電流を制御する、請求項17に記載の温度推定装置。
- 請求項1から請求項3のいずれか1項に記載の温度推定装置と、上記圧縮機(30)とを備える、空気調和装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023030279A JP7393706B1 (ja) | 2023-02-28 | 2023-02-28 | 温度推定装置、および空気調和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2023030279A JP7393706B1 (ja) | 2023-02-28 | 2023-02-28 | 温度推定装置、および空気調和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7393706B1 true JP7393706B1 (ja) | 2023-12-07 |
Family
ID=89023208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023030279A Active JP7393706B1 (ja) | 2023-02-28 | 2023-02-28 | 温度推定装置、および空気調和装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7393706B1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013093956A (ja) | 2011-10-25 | 2013-05-16 | Mitsubishi Electric Corp | 密閉型圧縮機、その密閉型圧縮機を備えた冷凍サイクル装置、およびその冷凍サイクル装置を備えた空気調和機 |
JP2018123975A (ja) | 2017-01-30 | 2018-08-09 | ダイキン工業株式会社 | 冷凍装置 |
JP2020176627A (ja) | 2018-03-30 | 2020-10-29 | ダイキン工業株式会社 | 圧縮機、冷凍サイクル装置 |
-
2023
- 2023-02-28 JP JP2023030279A patent/JP7393706B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013093956A (ja) | 2011-10-25 | 2013-05-16 | Mitsubishi Electric Corp | 密閉型圧縮機、その密閉型圧縮機を備えた冷凍サイクル装置、およびその冷凍サイクル装置を備えた空気調和機 |
JP2018123975A (ja) | 2017-01-30 | 2018-08-09 | ダイキン工業株式会社 | 冷凍装置 |
JP2020176627A (ja) | 2018-03-30 | 2020-10-29 | ダイキン工業株式会社 | 圧縮機、冷凍サイクル装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101723385B1 (ko) | 모터 하우징 온도 제어장치 | |
CA2881257C (en) | A method for monitoring a linear compressor | |
KR100628588B1 (ko) | 모터 구동 장치, 공기 조화기, 냉장고, 극저온 냉동기,급탕기 및 휴대 전화 | |
JP6434634B2 (ja) | 圧縮機の故障予知・検知手段を備えた空気調和機及びその故障予知・検知方法 | |
Jomde et al. | Modeling and measurement of a moving coil oil-free linear compressor performance for refrigeration application using R134a | |
KR101892006B1 (ko) | 압축기 제어장치 및 압축기 제어방법 | |
KR20090090249A (ko) | 리니어 압축기 | |
JP6188850B2 (ja) | 少なくとも二つのポンプ段を有する真空ポンプ又はスクロールポンプの作動の為の方法、及び真空ポンプ | |
JP7393706B1 (ja) | 温度推定装置、および空気調和装置 | |
BR102016025269B1 (pt) | Compressor linear e método para controlar o mesmo | |
JP2010038503A (ja) | 冷凍サイクル装置 | |
KR20100008307A (ko) | 리니어 압축기 | |
KR101800262B1 (ko) | 압축기 및 압축기의 제어 방법 | |
JP2003111488A (ja) | スイッチトリラクタンスモータの制御方法及び制御装置並びに圧縮機 | |
Park et al. | Performance evaluation of a crank-driven compressor and linear compressor for a household refrigerator | |
KR100243943B1 (ko) | 압축기 크랭크축의 마찰 및 마모량 측정장치 | |
KR20180082895A (ko) | 리니어 압축기 및 리니어 압축기의 제어 방법 | |
WO2015166580A1 (ja) | 圧縮機及び冷凍サイクル装置並びに圧縮機の制御方法 | |
US10823172B2 (en) | Method for operating a rolling piston compressor | |
JP2022084964A (ja) | 冷媒サイクル装置 | |
WO2022004896A1 (ja) | 圧縮機における冷媒としての使用、圧縮機、および、冷凍サイクル装置 | |
WO2022105829A1 (zh) | 线性压缩机和内部碰撞缓冲 | |
WO2023190346A1 (ja) | 圧縮機および冷凍装置 | |
Yoo et al. | New capacity modulation algorithm for linear compressor | |
Tang et al. | The analysis of energy conservation employed in the control of linear compressor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230228 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230810 |
|
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: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231106 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7393706 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |