JPH03177742A - 空気調整機自動制御機構 - Google Patents
空気調整機自動制御機構Info
- Publication number
- JPH03177742A JPH03177742A JP1315720A JP31572089A JPH03177742A JP H03177742 A JPH03177742 A JP H03177742A JP 1315720 A JP1315720 A JP 1315720A JP 31572089 A JP31572089 A JP 31572089A JP H03177742 A JPH03177742 A JP H03177742A
- Authority
- JP
- Japan
- Prior art keywords
- control
- sensor
- learning
- air conditioner
- section
- 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.)
- Pending
Links
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000013528 artificial neural network Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract description 9
- 230000001537 neural effect Effects 0.000 abstract description 5
- 230000007704 transition Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000034 method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔概 要〕
空気調整機の自動制御に関し、
多様な設置環境と、比較的多数、多種の環境状態を条件
とする、空気調整機の自動制御を容易に実現できる空気
調整機自動制御機構を目的とし、センサ部、ニューラル
ネット部、空気調整機制御部、及び学習制御部を有し、
該センサ部は、所要数のセンサを有し、該センサによっ
て所要の環境状態を測定し、所定の時点ごとの該測定結
果から所定のセンサ情報を生成し、該ニューラルネント
部は、所要の構成のニューラルネットワークであって、
所与の入力信号と教師信号からなる学習パターンを学習
し、該センサ部の生成する該センサ情報を該入力信号と
して、該学習結果に基づく制御情報を出力し、該空気調
整機制御部は、入力部を有し、利用者が該入力部によっ
て入力する制御情報、及び該ニューラルネット部の出力
する該制御情報の何れによっても、所定の空気調整機を
制御する制御信号を、該制御情報に対応して出力し、該
学習制御部は、該制御情報が該入力部から発生された時
点で、該センサ情報と該制御情報とを保持し、該ニュー
ラルネット部を制御して、該保持するセンサ情報を該入
力信号とし、該制御情報を該教師信号とする学習パター
ンの学習を実行させるように構成する。
とする、空気調整機の自動制御を容易に実現できる空気
調整機自動制御機構を目的とし、センサ部、ニューラル
ネット部、空気調整機制御部、及び学習制御部を有し、
該センサ部は、所要数のセンサを有し、該センサによっ
て所要の環境状態を測定し、所定の時点ごとの該測定結
果から所定のセンサ情報を生成し、該ニューラルネント
部は、所要の構成のニューラルネットワークであって、
所与の入力信号と教師信号からなる学習パターンを学習
し、該センサ部の生成する該センサ情報を該入力信号と
して、該学習結果に基づく制御情報を出力し、該空気調
整機制御部は、入力部を有し、利用者が該入力部によっ
て入力する制御情報、及び該ニューラルネット部の出力
する該制御情報の何れによっても、所定の空気調整機を
制御する制御信号を、該制御情報に対応して出力し、該
学習制御部は、該制御情報が該入力部から発生された時
点で、該センサ情報と該制御情報とを保持し、該ニュー
ラルネット部を制御して、該保持するセンサ情報を該入
力信号とし、該制御情報を該教師信号とする学習パター
ンの学習を実行させるように構成する。
本発明は、空気調整機の自動制御、待にニューラルネッ
トワークを利用して制御を行う、空気調整線自動制御機
構に関する。
トワークを利用して制御を行う、空気調整線自動制御機
構に関する。
〔従来の技術と発明が解決しようとする課題〕空気調整
機、いわゆるエアコン、の自動制御では、通常例えば対
象の部屋に設けた比較的少数の温度センサによって、セ
ンサ設置場所の室温を測定し、室温が設定温度より高け
れば送風を強め、設定温度より低くなれば送風を弱め、
或いは停止するというような、比較的単純な要因による
制御が行われる。
機、いわゆるエアコン、の自動制御では、通常例えば対
象の部屋に設けた比較的少数の温度センサによって、セ
ンサ設置場所の室温を測定し、室温が設定温度より高け
れば送風を強め、設定温度より低くなれば送風を弱め、
或いは停止するというような、比較的単純な要因による
制御が行われる。
従って、例えば人が部屋の一隅にかたまっている場合と
、部屋全体に分散している場合とで送風状態を変えたり
、室内の人数、部屋の広さ、部屋の保温性等に応じて制
御をすることは難しい。
、部屋全体に分散している場合とで送風状態を変えたり
、室内の人数、部屋の広さ、部屋の保温性等に応じて制
御をすることは難しい。
そのような複雑な要因を考慮して制御することは、各種
のセンサを必要個所に設けて環境状態を測定し、それら
に基づいて制御をすれば不可能ではないが、多種多数の
環境状態値と制御のための出力との因果関係を決定して
、確定的な制御論理を組むことは容易でなく、それを多
様な設置環境に柔軟に対応できるように一般化すること
は更に難しい。
のセンサを必要個所に設けて環境状態を測定し、それら
に基づいて制御をすれば不可能ではないが、多種多数の
環境状態値と制御のための出力との因果関係を決定して
、確定的な制御論理を組むことは容易でなく、それを多
様な設置環境に柔軟に対応できるように一般化すること
は更に難しい。
本発明は、多様な設置環境に対応し、比較的多数個所で
検出する多種の環境状態を条件として、空気調整機の適
切な自動制御を行うことが、比較的容易に実現できる空
気調整線自動制御機構を目的とする。
検出する多種の環境状態を条件として、空気調整機の適
切な自動制御を行うことが、比較的容易に実現できる空
気調整線自動制御機構を目的とする。
第1図は、本発明の構成を示すブロック図である。
図は空気調整線自動制御機構のt!戒であって、センサ
部1、ニューラルネット部2、空気調整機制御部3、及
び学習制御部4を有し、センサ部1は、所要数のセンサ
5を有し、センサ5によって所要の環境状態を測定し、
センサ情報生成部6が所定の時点ごとの該測定結果から
所定のセンナ情報を生成し、ニューラルネット部2は、
所要の構成のニューラルネットワークであって、所与の
入力信号と教師信号からなる学習パターンを学習し、セ
ンサ部1の生成する該センサ情報を該入力信号として、
該学習結果に基づく制御情報を出力し、空気調整機制御
部3は、入力部7を有し、利用者が入力部7によって入
力する制御情報、及びニューラルネット部2の出力する
該制御情報の何れによっても、所定の空気調整機を制御
する制御信号を、該制御情報に対応して出力し、学習制
御部4は、該制御情報が入力部7から発生された時点で
、該センサ情報と該制御情報とを保持し、ニューラルネ
ット部2を制御して、該保持するセンサ情報を該入力信
号とし、該制御情報を該教師信号とする学習パターンの
学習を実行させる。
部1、ニューラルネット部2、空気調整機制御部3、及
び学習制御部4を有し、センサ部1は、所要数のセンサ
5を有し、センサ5によって所要の環境状態を測定し、
センサ情報生成部6が所定の時点ごとの該測定結果から
所定のセンナ情報を生成し、ニューラルネット部2は、
所要の構成のニューラルネットワークであって、所与の
入力信号と教師信号からなる学習パターンを学習し、セ
ンサ部1の生成する該センサ情報を該入力信号として、
該学習結果に基づく制御情報を出力し、空気調整機制御
部3は、入力部7を有し、利用者が入力部7によって入
力する制御情報、及びニューラルネット部2の出力する
該制御情報の何れによっても、所定の空気調整機を制御
する制御信号を、該制御情報に対応して出力し、学習制
御部4は、該制御情報が入力部7から発生された時点で
、該センサ情報と該制御情報とを保持し、ニューラルネ
ット部2を制御して、該保持するセンサ情報を該入力信
号とし、該制御情報を該教師信号とする学習パターンの
学習を実行させる。
この制御機構により、例えば典型的な制御をニューラル
ネット部2に学習させておいて、その制御機構の制御下
で空気調整機を使用し、制御が適当でない場合に利用者
が入力部7から必要な制御情報を入力して、空気調整機
を好みの状態に制御すると、利用者が制御した状態を自
動的に学習するので、設置環境に適応した自動制御へ次
第に移行することを期待できる。
ネット部2に学習させておいて、その制御機構の制御下
で空気調整機を使用し、制御が適当でない場合に利用者
が入力部7から必要な制御情報を入力して、空気調整機
を好みの状態に制御すると、利用者が制御した状態を自
動的に学習するので、設置環境に適応した自動制御へ次
第に移行することを期待できる。
〔実施例〕
第1図の構成における、各センサ5は例えば空気調整を
行う部屋の中に一様に分散した測定個所に設けられ、各
測定個所に例えば温度センサ、湿度センサと、人の所在
状態を感知するための赤外線センサ等を置く。
行う部屋の中に一様に分散した測定個所に設けられ、各
測定個所に例えば温度センサ、湿度センサと、人の所在
状態を感知するための赤外線センサ等を置く。
センサ情報生成部6はセンサ5の測定値出力について、
ニューラルネット部2に入力するための前処理を、例え
ば一定時間間隔ごとに行って1組のセンサ情報をニュー
ラルネット部2へ出力する。
ニューラルネット部2に入力するための前処理を、例え
ば一定時間間隔ごとに行って1組のセンサ情報をニュー
ラルネット部2へ出力する。
この前処理ではニューラルネット部2を効率よく利用で
きるように、測定値を集約したり、変換する演算を行う
ことができる。なお、センサ情報生成部6は、後述のよ
うに学習制御部4から要求された場合にも要求のあった
時点のセンサ情報を生成する。
きるように、測定値を集約したり、変換する演算を行う
ことができる。なお、センサ情報生成部6は、後述のよ
うに学習制御部4から要求された場合にも要求のあった
時点のセンサ情報を生成する。
ニューラルネット部2は、公知の学習機能を有するタイ
プのニューラルネットワークを主体に構成され、センサ
部1の出力するセンサ情報を入力信号として、それまで
の学習結果に基づいて、空気調整機制御部3に空気調整
機を所要の状態に制御する制御信号出力を要求するため
の制御情報を出力する。
プのニューラルネットワークを主体に構成され、センサ
部1の出力するセンサ情報を入力信号として、それまで
の学習結果に基づいて、空気調整機制御部3に空気調整
機を所要の状態に制御する制御信号出力を要求するため
の制御情報を出力する。
空気調整機は部屋の状況に応じて、1台又は複数台設置
され、空気調整機制御部3は各空気調整機に対して個別
に制御信号を送るように構成し、その場合にニューラル
ネット部2からは、各個別の制御信号に対応する制御情
報が出力され、各制御情報には例えば送風の温度、強さ
等の所要値を示す値を出力するようにする。
され、空気調整機制御部3は各空気調整機に対して個別
に制御信号を送るように構成し、その場合にニューラル
ネット部2からは、各個別の制御信号に対応する制御情
報が出力され、各制御情報には例えば送風の温度、強さ
等の所要値を示す値を出力するようにする。
このような制御情報と同種の値は、入力部7に設けるキ
ー等の手段によって、利用者が入力できるようになって
いる。利用者の設定によって入力部7から制御情報が発
生されると、空気調整機制御部3はこの制御情報を優先
して受は取って、それに従う制御信号を出力するので、
ニューラルネット部2に記憶されている制御に関わらず
、利用者の好む制御を行うことができる。
ー等の手段によって、利用者が入力できるようになって
いる。利用者の設定によって入力部7から制御情報が発
生されると、空気調整機制御部3はこの制御情報を優先
して受は取って、それに従う制御信号を出力するので、
ニューラルネット部2に記憶されている制御に関わらず
、利用者の好む制御を行うことができる。
他方、入力部7の発生する制御情報は学習制御部4でも
受は取り、学習制御部4は制御情報を受は取ると、それ
を記憶すると共にセンサ情報生成部6に要求して、その
時のセンサ情報を受は取って記憶した後、ニューラルネ
ット部2に対して、記憶しているセンサ情報を入力信号
、制御情報を出力の教師信号とする学習パターンの学習
の実行を要求する。
受は取り、学習制御部4は制御情報を受は取ると、それ
を記憶すると共にセンサ情報生成部6に要求して、その
時のセンサ情報を受は取って記憶した後、ニューラルネ
ット部2に対して、記憶しているセンサ情報を入力信号
、制御情報を出力の教師信号とする学習パターンの学習
の実行を要求する。
そこで、ニューラルネット部2は、例えば公知のバック
プロパゲーション法による学習を実行して、その学習パ
ターンにおいて出力ができるだけ教師信号に近づくよう
に、ニューラルネットワーク内のノード間の結合の重み
を調整する。
プロパゲーション法による学習を実行して、その学習パ
ターンにおいて出力ができるだけ教師信号に近づくよう
に、ニューラルネットワーク内のノード間の結合の重み
を調整する。
第2図は前記のような空気調整機態動制御機構を適用す
る例であり、第2図(a)は比較的小面積の部屋の例で
あって、「・」で示す位置にそれぞれ例えば前記のよう
な3M1類のセンサを設置して自動制御機構10につな
ぎ、空気調整機11は1個所のみに置いた例である。
る例であり、第2図(a)は比較的小面積の部屋の例で
あって、「・」で示す位置にそれぞれ例えば前記のよう
な3M1類のセンサを設置して自動制御機構10につな
ぎ、空気調整機11は1個所のみに置いた例である。
この場合に、例えば人が空気調整機に近いテレビの前に
集まって居る場合と、比較的遠いソファの辺りにいる場
合とを自動制?11機横10内のニューラルネット部で
識別して異なる制御情報を出力することにより、前者の
場合には空気調整機の近傍が適温になるように、適温の
比較的弱い送風とし、後者の場合にはソファの近傍が適
温になるように調整した温度で若干強い送風を行うとい
うような制御が容易にできる。
集まって居る場合と、比較的遠いソファの辺りにいる場
合とを自動制?11機横10内のニューラルネット部で
識別して異なる制御情報を出力することにより、前者の
場合には空気調整機の近傍が適温になるように、適温の
比較的弱い送風とし、後者の場合にはソファの近傍が適
温になるように調整した温度で若干強い送風を行うとい
うような制御が容易にできる。
又第2図(b)は比較的大きな部屋に、多人数いる場合
の例で、空気調整機11が4台設置され、自動制御機構
12は4台の空気調整機を制御するように構成され、人
の所在位置の分布を自動制御機構12内のニューラルネ
ット部で識別して、その状況に応じて、人の多い部分の
送風を特に強めるような制御が容易にできる。
の例で、空気調整機11が4台設置され、自動制御機構
12は4台の空気調整機を制御するように構成され、人
の所在位置の分布を自動制御機構12内のニューラルネ
ット部で識別して、その状況に応じて、人の多い部分の
送風を特に強めるような制御が容易にできる。
又何れの場合もニューラルネット部の初期の学習による
調整が設置場所の環境に十分適合していなくても、各種
の状況で利用者が所望の空気調整を得るように制御を行
うことにより、その制御を学習して適切な制御を自動的
に行うようになる。
調整が設置場所の環境に十分適合していなくても、各種
の状況で利用者が所望の空気調整を得るように制御を行
うことにより、その制御を学習して適切な制御を自動的
に行うようになる。
以上の説明から明らかなように本発明によれば、空気調
整機について、多様な設置環境に対応し、比較的多数個
所で検出する多種の環境状態を条件として、空気調整機
の適切な自動制御を行うことが、経済的に可能になると
いう効果がある。
整機について、多様な設置環境に対応し、比較的多数個
所で検出する多種の環境状態を条件として、空気調整機
の適切な自動制御を行うことが、経済的に可能になると
いう効果がある。
第1図は本発明の構成を示すブロック図、第2図は本発
明の機構の設置例の説明図である。 図においで、 1はセンサ部、 2はニューラルネット部、3
は空気調整機制御部、4は学習制御部、5はセンサ、
6はセンサ情報生成部、7は入力部、
10.12は自動制御機構、11は空気調整機 を示す。
明の機構の設置例の説明図である。 図においで、 1はセンサ部、 2はニューラルネット部、3
は空気調整機制御部、4は学習制御部、5はセンサ、
6はセンサ情報生成部、7は入力部、
10.12は自動制御機構、11は空気調整機 を示す。
Claims (1)
- 【特許請求の範囲】 センサ部(1)、ニューラルネット部(2)、空気調整
機制御部(3)、及び学習制御部(4)を有し、該セン
サ部(1)は、所要数のセンサ(5)を有し、該センサ
によって所要の環境状態を測定し、所定の時点ごとの該
測定結果から所定のセンサ情報を生成し(6)、 該ニューラルネット部(2)は、所要の構成のニューラ
ルネットワークであって、所与の入力信号と教師信号か
らなる学習パターンを学習し、該センサ部(1)の生成
する該センサ情報を該入力信号として、該学習結果に基
づく制御情報を出力し、該空気調整機制御部(3)は、
入力部(7)を有し、利用者が該入力部によって入力す
る制御1情報、及び該ニューラルネット部(2)の出力
する該制御情報の何れによっても、所定の空気調整機を
制御する制御信号を、該制御情報に対応して出力し、 該学習制御部(4)は、該制御情報が該入力部(7)か
ら発生された時点で、該センサ情報と該制御情報とを保
持し、該ニューラルネット部(2)を制御して、該保持
するセンサ情報を該入力信号とし、該制御情報を該教師
信号とする学習パターンの学習を実行させるように構成
されていることを特徴とする空気調整機自動制御機構。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1315720A JPH03177742A (ja) | 1989-12-05 | 1989-12-05 | 空気調整機自動制御機構 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP1315720A JPH03177742A (ja) | 1989-12-05 | 1989-12-05 | 空気調整機自動制御機構 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH03177742A true JPH03177742A (ja) | 1991-08-01 |
Family
ID=18068728
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP1315720A Pending JPH03177742A (ja) | 1989-12-05 | 1989-12-05 | 空気調整機自動制御機構 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH03177742A (ja) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5727131A (en) * | 1992-10-23 | 1998-03-10 | Nippondenso Co., Ltd. | Neural network learning device |
US8246321B2 (en) | 2008-02-14 | 2012-08-21 | Seiko Epson Corporation | Tube unit, control unit, and micropump |
US8251954B2 (en) | 2005-04-27 | 2012-08-28 | Seiko Epson Corporation | Fluid transportation system and method of setting fluid ejection amount |
US8303275B2 (en) | 2006-12-07 | 2012-11-06 | Seiko Epson Corporation | Micropump, tube unit, and control unit |
US8353683B2 (en) | 2007-06-05 | 2013-01-15 | Seiko Epson Corporation | Micropump, pump module, and drive module |
US8491286B2 (en) | 2008-12-05 | 2013-07-23 | Seiko Epson Corporation | Tube unit, control unit, and micropump |
US8491284B2 (en) | 2008-09-29 | 2013-07-23 | Seiko Epson Corporation | Control unit, tube unit, and micropump |
US8491283B2 (en) | 2008-08-20 | 2013-07-23 | Seiko Epson Corporation | Micropump |
GB2530300A (en) * | 2014-09-18 | 2016-03-23 | Trollhetta As | Monitoring an environmental condition |
CN111140986A (zh) * | 2019-12-23 | 2020-05-12 | 珠海格力电器股份有限公司 | 空调***的运行状态检测方法、装置、存储介质及空调 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63108145A (ja) * | 1986-10-24 | 1988-05-13 | Mitsubishi Electric Corp | 空気調和機の推論制御装置 |
JPH0348301A (ja) * | 1989-07-14 | 1991-03-01 | Matsushita Electric Ind Co Ltd | 最適制御エアーコンディショナー |
JPH0391646A (ja) * | 1989-09-04 | 1991-04-17 | Matsushita Electric Ind Co Ltd | 情報処理装置とその情報処理装置を用いた空気調整装置 |
-
1989
- 1989-12-05 JP JP1315720A patent/JPH03177742A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63108145A (ja) * | 1986-10-24 | 1988-05-13 | Mitsubishi Electric Corp | 空気調和機の推論制御装置 |
JPH0348301A (ja) * | 1989-07-14 | 1991-03-01 | Matsushita Electric Ind Co Ltd | 最適制御エアーコンディショナー |
JPH0391646A (ja) * | 1989-09-04 | 1991-04-17 | Matsushita Electric Ind Co Ltd | 情報処理装置とその情報処理装置を用いた空気調整装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5727131A (en) * | 1992-10-23 | 1998-03-10 | Nippondenso Co., Ltd. | Neural network learning device |
US8251954B2 (en) | 2005-04-27 | 2012-08-28 | Seiko Epson Corporation | Fluid transportation system and method of setting fluid ejection amount |
US8303275B2 (en) | 2006-12-07 | 2012-11-06 | Seiko Epson Corporation | Micropump, tube unit, and control unit |
US8353683B2 (en) | 2007-06-05 | 2013-01-15 | Seiko Epson Corporation | Micropump, pump module, and drive module |
US8246321B2 (en) | 2008-02-14 | 2012-08-21 | Seiko Epson Corporation | Tube unit, control unit, and micropump |
US8491283B2 (en) | 2008-08-20 | 2013-07-23 | Seiko Epson Corporation | Micropump |
US9657731B2 (en) | 2008-08-20 | 2017-05-23 | Seiko Epson Corporation | Micropump |
US8491284B2 (en) | 2008-09-29 | 2013-07-23 | Seiko Epson Corporation | Control unit, tube unit, and micropump |
US8491286B2 (en) | 2008-12-05 | 2013-07-23 | Seiko Epson Corporation | Tube unit, control unit, and micropump |
GB2530300A (en) * | 2014-09-18 | 2016-03-23 | Trollhetta As | Monitoring an environmental condition |
GB2530300B (en) * | 2014-09-18 | 2021-06-30 | Trollhetta As | Monitoring an environmental condition |
CN111140986A (zh) * | 2019-12-23 | 2020-05-12 | 珠海格力电器股份有限公司 | 空调***的运行状态检测方法、装置、存储介质及空调 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Teeter et al. | Application of functional link neural network to HVAC thermal dynamic system identification | |
US5464369A (en) | Method and apparatus for estimating the rate at which a gas is generated within an enclosed space | |
US20230251607A1 (en) | Environment controller and method for inferring via a neural network one or more commands for controlling an appliance | |
US20230259074A1 (en) | Inference server and environment controller for inferring via a neural network one or more commands for controlling an appliance | |
US20240069502A1 (en) | Environment controller and method for inferring one or more commands for controlling an appliance taking into account room characteristics | |
US20120197828A1 (en) | Energy Saving Control for Data Center | |
US11747771B2 (en) | Inference server and environment controller for inferring one or more commands for controlling an appliance taking into account room characteristics | |
JPH03177742A (ja) | 空気調整機自動制御機構 | |
EP3655838B1 (en) | Rule-based load shedding algorithm for building energy management | |
WO2015011446A1 (en) | Control device and method for buildings | |
CA3035593A1 (en) | Training server and method for generating a predictive model for controlling an appliance | |
JPH07192875A (ja) | 照明の自動制御のためのデバイスおよび家屋内における照明状況を制御するための照明システム | |
JP2000018687A (ja) | 空調機の集中管理システム | |
JPH03110340A (ja) | 空調制御装置 | |
US7325749B1 (en) | Distributed solid state programmable thermostat/power controller | |
JPS6330902A (ja) | マルチル−プコントロ−ル装置 | |
CN209947269U (zh) | 一种vr消防逃生体验屋 | |
JPH0593540A (ja) | 快適空間制御システム装置 | |
JPS6129638A (ja) | 室内環境制御装置 | |
JPH01147242A (ja) | 空調装置 | |
WO2023112074A1 (ja) | 機器制御装置及び機器制御方法 | |
JPH0599485A (ja) | フアジイ空調制御システム | |
JPH0618073A (ja) | 空気調和装置 | |
JPH0330004A (ja) | 恒温恒湿装置 | |
JP2022159716A (ja) | 空調制御システム |