JPH0933089A - 空調機の運転制御装置 - Google Patents
空調機の運転制御装置Info
- Publication number
- JPH0933089A JPH0933089A JP7182941A JP18294195A JPH0933089A JP H0933089 A JPH0933089 A JP H0933089A JP 7182941 A JP7182941 A JP 7182941A JP 18294195 A JP18294195 A JP 18294195A JP H0933089 A JPH0933089 A JP H0933089A
- Authority
- JP
- Japan
- Prior art keywords
- air conditioner
- compressor
- state
- model
- rotation speed
- 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
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
(57)【要約】
【課題】 ニューラルネットワークの空調機モデルに基
づき各アクチュエータを協調して制御する。 【解決手段】 空調機(10)の運転状態を入力とし且つ
空調対象の環境状態を出力とするニューラルネットワー
クを学習させて空調機モデルを構築する。更に、空調機
(10)の運転状態を検出すると共に、空調対象の環境状
態を検出する。そして、空調機モデルに基づいて検出運
転状態と検出環境状態とから目標値に対する所定の運転
状態を導出して導出運転状態の制御信号を出力する。加
えて、実際の空調運転時の検出運転状態と検出環境状態
からニューラルネットワークを学習させて空調機モデル
を構築している。
づき各アクチュエータを協調して制御する。 【解決手段】 空調機(10)の運転状態を入力とし且つ
空調対象の環境状態を出力とするニューラルネットワー
クを学習させて空調機モデルを構築する。更に、空調機
(10)の運転状態を検出すると共に、空調対象の環境状
態を検出する。そして、空調機モデルに基づいて検出運
転状態と検出環境状態とから目標値に対する所定の運転
状態を導出して導出運転状態の制御信号を出力する。加
えて、実際の空調運転時の検出運転状態と検出環境状態
からニューラルネットワークを学習させて空調機モデル
を構築している。
Description
【0001】
【発明の属する技術分野】本発明は、空調機の運転制御
装置に関し、特に、ニューラルネットワークを用いた運
転制御装置に係るものである。
装置に関し、特に、ニューラルネットワークを用いた運
転制御装置に係るものである。
【0002】
【従来の技術】従来より空調機には、1台の室外ユニッ
トに1台の室内ユニットが接続された冷暖房運転可能な
ペア型のものや、1台の室外ユニットに複数台の室内ユ
ニットが接続された冷暖房運転可能なマルチ型のものが
ある。
トに1台の室内ユニットが接続された冷暖房運転可能な
ペア型のものや、1台の室外ユニットに複数台の室内ユ
ニットが接続された冷暖房運転可能なマルチ型のものが
ある。
【0003】この空調機は、空調する部屋の環境を居住
者に最適な状況とするために、種々の運転制御方法が採
用されている。例えば、特開平5−231693号公報
に開示されているように、個人差学習適応制御を適用し
た空調機の制御装置がある。この制御装置は、室内温度
などの室内の環境物理量と、4つのパラメータとの関数
である予測温冷感の温冷感指標を演算する一方、居住者
より真温冷感を申告してもらい、上記パラメータを学習
させ、このパラメータと上記室内温度等より温冷感指標
を演算し、この温冷感指標に基づいて圧縮機の周波数等
を制御して、居住者の快適感を満足させるようにしてい
る。
者に最適な状況とするために、種々の運転制御方法が採
用されている。例えば、特開平5−231693号公報
に開示されているように、個人差学習適応制御を適用し
た空調機の制御装置がある。この制御装置は、室内温度
などの室内の環境物理量と、4つのパラメータとの関数
である予測温冷感の温冷感指標を演算する一方、居住者
より真温冷感を申告してもらい、上記パラメータを学習
させ、このパラメータと上記室内温度等より温冷感指標
を演算し、この温冷感指標に基づいて圧縮機の周波数等
を制御して、居住者の快適感を満足させるようにしてい
る。
【0004】一方、空調機の制御にニューラルネットワ
ークを適用し、室内温度等を入力とし、上記真温冷感を
教師信号としてニューラルネットワークを学習させ、室
内温度等から温冷感指標を推測して圧縮機の周波数等を
制御し、快適性の向上を図るようにしているものがあ
る。
ークを適用し、室内温度等を入力とし、上記真温冷感を
教師信号としてニューラルネットワークを学習させ、室
内温度等から温冷感指標を推測して圧縮機の周波数等を
制御し、快適性の向上を図るようにしているものがあ
る。
【0005】
【発明が解決しようとする課題】しかしながら、上述し
た従来の空調機の制御装置においては、ニューラルネッ
トワークの入力層に室内温度等の環境状態を入力して快
適性の向上を図っており、快適性の向上のために圧縮機
や膨張弁等の各種のアクチュエータを制御しているの
で、各アクチュエータの協調が十分に達成されていない
という問題があった。
た従来の空調機の制御装置においては、ニューラルネッ
トワークの入力層に室内温度等の環境状態を入力して快
適性の向上を図っており、快適性の向上のために圧縮機
や膨張弁等の各種のアクチュエータを制御しているの
で、各アクチュエータの協調が十分に達成されていない
という問題があった。
【0006】つまり、セキュリティー等に係わる場合以
外は、各アクチュエータを個別に制御しているので、例
えば、目標の室内温度を設定すると、快適性の向上のみ
を図り、消費電力の最も少ない状態に各アクチュエータ
が制御されているとは限らなかった。この結果、効率の
悪い運転が行われているという問題があった。
外は、各アクチュエータを個別に制御しているので、例
えば、目標の室内温度を設定すると、快適性の向上のみ
を図り、消費電力の最も少ない状態に各アクチュエータ
が制御されているとは限らなかった。この結果、効率の
悪い運転が行われているという問題があった。
【0007】本発明は、斯かる点に鑑みて成されたもの
で、ニューラルネットワークの空調機モデルに基づき各
アクチュエータを協調して制御することを目的とするも
のである。
で、ニューラルネットワークの空調機モデルに基づき各
アクチュエータを協調して制御することを目的とするも
のである。
【0008】
【課題を解決するための手段】上記の目的を達成するた
めに、請求項1に係る発明が講じた手段は、運転状態を
入力とし、環境状態を出力としてニューラルネットワー
クに基づく空調機モデルを学習して構築し、該空調機モ
デルに基づいて運転状態と環境状態とから目標値に対す
る所定の運転状態を決定している。
めに、請求項1に係る発明が講じた手段は、運転状態を
入力とし、環境状態を出力としてニューラルネットワー
クに基づく空調機モデルを学習して構築し、該空調機モ
デルに基づいて運転状態と環境状態とから目標値に対す
る所定の運転状態を決定している。
【0009】具体的に、図1に示すように、請求項1に
係る発明が講じた手段は、先ず、圧縮機(12)と熱源側
熱交換器(14)と膨張機構(15)と利用側熱交換器(1
6)とを少なくとも備えた空調機の運転制御装置を対象
としている。そして、空調機(10)の運転状態を入力と
し且つ空調対象の環境状態を出力とするニューラルネッ
トワークを学習させて空調機モデルを構築するモデル構
築手段(30)が設けられている。更に、空調機(10)の
運転状態を検出する運転検出手段(22)と、空調対象の
環境状態を検出する環境検出手段(21)とが設けられて
いる。加えて、上記モデル構築手段(30)の空調機モデ
ルに基づいて検出運転状態と検出環境状態とから目標値
に対する所定の運転状態を導出して導出運転状態の制御
信号を出力する状態制御手段(40)が設けられている。
係る発明が講じた手段は、先ず、圧縮機(12)と熱源側
熱交換器(14)と膨張機構(15)と利用側熱交換器(1
6)とを少なくとも備えた空調機の運転制御装置を対象
としている。そして、空調機(10)の運転状態を入力と
し且つ空調対象の環境状態を出力とするニューラルネッ
トワークを学習させて空調機モデルを構築するモデル構
築手段(30)が設けられている。更に、空調機(10)の
運転状態を検出する運転検出手段(22)と、空調対象の
環境状態を検出する環境検出手段(21)とが設けられて
いる。加えて、上記モデル構築手段(30)の空調機モデ
ルに基づいて検出運転状態と検出環境状態とから目標値
に対する所定の運転状態を導出して導出運転状態の制御
信号を出力する状態制御手段(40)が設けられている。
【0010】上記の構成により、請求項1に係る発明で
は、空調運転を行うと、運転検出手段(22)が圧縮機
(12)の回転数等の運転状態を検出する一方、環境検出
手段(21)が室内温度や消費電力等の環境状態を検出す
る。
は、空調運転を行うと、運転検出手段(22)が圧縮機
(12)の回転数等の運転状態を検出する一方、環境検出
手段(21)が室内温度や消費電力等の環境状態を検出す
る。
【0011】そして、モデル構築手段(30)が構築した
ニューラルネットワークの空調機モデルに基づき、状態
制御手段(40)は、設定された目標値、例えば、目標室
内温度や検出された室内温度等から所定の運転状態を導
出し、例えば、消費電力が最も少なくなる圧縮機(12)
の回転数等を導出する。この導出した運転状態になるよ
うに圧縮機(12)の回転数等を制御することになる。
ニューラルネットワークの空調機モデルに基づき、状態
制御手段(40)は、設定された目標値、例えば、目標室
内温度や検出された室内温度等から所定の運転状態を導
出し、例えば、消費電力が最も少なくなる圧縮機(12)
の回転数等を導出する。この導出した運転状態になるよ
うに圧縮機(12)の回転数等を制御することになる。
【0012】また、請求項2に係る発明が講じた手段
は、上記請求項1の発明において、モデル構築手段(3
0)が、実際の空調運転時の検出運転状態と検出環境状
態からニューラルネットワークを学習させて空調機モデ
ルを構築するように構成されたものである。
は、上記請求項1の発明において、モデル構築手段(3
0)が、実際の空調運転時の検出運転状態と検出環境状
態からニューラルネットワークを学習させて空調機モデ
ルを構築するように構成されたものである。
【0013】上記の構成により、請求項2に係る発明で
は、空調運転を開始すると、圧縮機(12)の回転数等の
検出運転状態がモデル構築手段(30)に入力され、つま
り、ニューラルネットワークの入力層に圧縮機(12)の
回転数等が入力され、出力層から室内温度や消費電力等
を出力し、この消費電力等と実際の測定した消費電力等
とに基づいてニューラルネットワークを学習させる。
は、空調運転を開始すると、圧縮機(12)の回転数等の
検出運転状態がモデル構築手段(30)に入力され、つま
り、ニューラルネットワークの入力層に圧縮機(12)の
回転数等が入力され、出力層から室内温度や消費電力等
を出力し、この消費電力等と実際の測定した消費電力等
とに基づいてニューラルネットワークを学習させる。
【0014】この学習して構築された空調機モデルを格
納し、この格納された空調機モデルに基づき、状態制御
手段(40)は、設定された目標室内温度や検出された室
内温度等から圧縮機(12)の回転数等の運転状態を導出
し、この導出運転状態になるように圧縮機(12)の回転
数等を制御することになる。
納し、この格納された空調機モデルに基づき、状態制御
手段(40)は、設定された目標室内温度や検出された室
内温度等から圧縮機(12)の回転数等の運転状態を導出
し、この導出運転状態になるように圧縮機(12)の回転
数等を制御することになる。
【0015】また、請求項3に係る発明が講じた手段
は、上記請求項1の発明において、モデル構築手段(3
0)が、ニューラルネットワークを予め学習させて構築
された空調機モデルを格納している構成としている。
は、上記請求項1の発明において、モデル構築手段(3
0)が、ニューラルネットワークを予め学習させて構築
された空調機モデルを格納している構成としている。
【0016】上記の構成により、請求項3に係る発明で
は、空調運転を開始すると、予め格納された空調機モデ
ルに基づき、状態制御手段(40)が、目標室内温度や検
出された室内温度等から圧縮機(12)の回転数等の運転
状態を導出し、この導出運転状態になるように圧縮機
(12)の回転数等を制御することになる。
は、空調運転を開始すると、予め格納された空調機モデ
ルに基づき、状態制御手段(40)が、目標室内温度や検
出された室内温度等から圧縮機(12)の回転数等の運転
状態を導出し、この導出運転状態になるように圧縮機
(12)の回転数等を制御することになる。
【0017】
【発明の効果】従って、請求項1に係る発明によれば、
圧縮機(12)の回転数等の運転状態を入力とし、消費電
力等の環境状態を出力とするニューラルネットワークの
空調機モデルに基づいて空調機(10)の運転状態を制御
するようにしたために、目標値に対して圧縮機(12)や
膨張機構等の各種のアクチュエータを協調して運転させ
ることができる。
圧縮機(12)の回転数等の運転状態を入力とし、消費電
力等の環境状態を出力とするニューラルネットワークの
空調機モデルに基づいて空調機(10)の運転状態を制御
するようにしたために、目標値に対して圧縮機(12)や
膨張機構等の各種のアクチュエータを協調して運転させ
ることができる。
【0018】この結果、例えば、目標の室内温度を設定
すると、消費電力の最も少ない状態に圧縮機(12)など
の各アクチュエータを制御することができ、省エネルギ
化を図ることができることから、効率の良い運転を行う
ことができる。
すると、消費電力の最も少ない状態に圧縮機(12)など
の各アクチュエータを制御することができ、省エネルギ
化を図ることができることから、効率の良い運転を行う
ことができる。
【0019】また、請求項2に係る発明によれば、ニュ
ーラルネットワークを実際の空調運転に基づき学習させ
るようにしたために、実際の環境状態や使用状態及び個
体差等により空調運転の挙動が異なることに対応させる
ことができる。この結果、実際の環境に適応した空調機
モデルを構築することができることから、より省エネル
ギ化を図ることができ、より効率の良い運転を行うこと
ができる。
ーラルネットワークを実際の空調運転に基づき学習させ
るようにしたために、実際の環境状態や使用状態及び個
体差等により空調運転の挙動が異なることに対応させる
ことができる。この結果、実際の環境に適応した空調機
モデルを構築することができることから、より省エネル
ギ化を図ることができ、より効率の良い運転を行うこと
ができる。
【0020】また、請求項3に係る発明によれば、予め
学習して構築された空調機モデルを格納しているので、
メモリ容量等を小さくすることができると共に、制御構
成の簡素化を図ることができる。
学習して構築された空調機モデルを格納しているので、
メモリ容量等を小さくすることができると共に、制御構
成の簡素化を図ることができる。
【0021】
【発明の実施の形態1】以下、本発明の実施形態1を図
面に基づいて詳細に説明する。
面に基づいて詳細に説明する。
【0022】−構成− 図2に示すように、空調機(10)は、可逆運転可能な冷
媒回路(11)を備えて冷暖房運転可能に構成されてい
る。
媒回路(11)を備えて冷暖房運転可能に構成されてい
る。
【0023】該冷媒回路(11)は、圧縮機(12)と四路
切換弁(13)と熱源側熱交換器である室外熱交換器(1
4)と膨張機構である電動膨張弁(15)と利用側熱交換
器である室内熱交換器(16)とが冷媒配管(17)によっ
て順に接続されて構成され、上記室外熱交換器(14)に
は室外ファン(14-F)が設けられる一方、室内熱交換器
(16)には室内ファン(16-F)が設けられている。
切換弁(13)と熱源側熱交換器である室外熱交換器(1
4)と膨張機構である電動膨張弁(15)と利用側熱交換
器である室内熱交換器(16)とが冷媒配管(17)によっ
て順に接続されて構成され、上記室外熱交換器(14)に
は室外ファン(14-F)が設けられる一方、室内熱交換器
(16)には室内ファン(16-F)が設けられている。
【0024】そして、冷房運転時は、四路切換弁(13)
が実線に切換わり、圧縮機(12)から吐出した高圧冷媒
が室外熱交換器(14)で凝縮して液冷媒となり、この液
冷媒は電動膨張弁(15)で減圧した後、室内熱交換器
(16)で蒸発してガス冷媒となり、このガス冷媒が圧縮
機(12)に戻り、この循環を繰返すことになる。
が実線に切換わり、圧縮機(12)から吐出した高圧冷媒
が室外熱交換器(14)で凝縮して液冷媒となり、この液
冷媒は電動膨張弁(15)で減圧した後、室内熱交換器
(16)で蒸発してガス冷媒となり、このガス冷媒が圧縮
機(12)に戻り、この循環を繰返すことになる。
【0025】一方、暖房運転時は、四路切換弁(13)が
破線に切換わり、圧縮機(12)から吐出した高圧冷媒が
室内熱交換器(16)で凝縮して液冷媒となり、この液冷
媒は電動膨張弁(15)で減圧した後、室外熱交換器(1
4)で蒸発してガス冷媒となり、このガス冷媒が圧縮機
(12)に戻り、この循環を繰返すことになる。
破線に切換わり、圧縮機(12)から吐出した高圧冷媒が
室内熱交換器(16)で凝縮して液冷媒となり、この液冷
媒は電動膨張弁(15)で減圧した後、室外熱交換器(1
4)で蒸発してガス冷媒となり、このガス冷媒が圧縮機
(12)に戻り、この循環を繰返すことになる。
【0026】また、図3は、上記空調機(10)の制御系
統(20)を示しており、該制御系統(20)は、本発明の
特徴として、ニューラルネットワークを用いて圧縮機
(12)等を制御して空調運転を制御するように構成され
ている。上記制御系統(20)は、空調対象の環境状態で
ある室内温度を検出する室内温度検出手段(Th-r)と、
空調対象の環境状態である室内湿度を検出する室内湿度
検出手段(Hu-r)と、空調対象の環境状態である空調機
(10)の消費電力を検出する消費電力検出手段(Ep)
と、空調対象の環境状態である冷房運転時における室内
熱交換器(16)の出口の冷媒温度を検出する蒸発器出口
温度検出手段(Th-e)とを備えている。そして、上記室
内温度検出手段(Th-r)と室内湿度検出手段(Hu-r)と
消費電力検出手段(Ep)と蒸発器出口温度検出手段(Th
-e)とが環境検出手段(21)を構成している。
統(20)を示しており、該制御系統(20)は、本発明の
特徴として、ニューラルネットワークを用いて圧縮機
(12)等を制御して空調運転を制御するように構成され
ている。上記制御系統(20)は、空調対象の環境状態で
ある室内温度を検出する室内温度検出手段(Th-r)と、
空調対象の環境状態である室内湿度を検出する室内湿度
検出手段(Hu-r)と、空調対象の環境状態である空調機
(10)の消費電力を検出する消費電力検出手段(Ep)
と、空調対象の環境状態である冷房運転時における室内
熱交換器(16)の出口の冷媒温度を検出する蒸発器出口
温度検出手段(Th-e)とを備えている。そして、上記室
内温度検出手段(Th-r)と室内湿度検出手段(Hu-r)と
消費電力検出手段(Ep)と蒸発器出口温度検出手段(Th
-e)とが環境検出手段(21)を構成している。
【0027】更に、上記制御系統(20)は、空調機(1
0)の運転状態である圧縮機(12)の回転数を検出する
圧縮機回転数検出手段(Cp)と、空調機(10)の運転状
態である室外ファン(14-F)の回転数を検出する室外フ
ァン回転数検出手段(Fo)と、空調機(10)の運転状態
である室内ファン(16-F)の回転数を検出する室内ファ
ン回転数検出手段(Fr)と、空調機(10)の運転状態で
ある電動膨張弁(15)の開度を検出する膨張弁開度検出
手段(Vp)とを備えている。そして、上記圧縮機回転数
検出手段(Cp)と室外ファン回転数検出手段(Fo)と室
内ファン回転数検出手段(Fr)と膨張弁開度検出手段
(Vp)とが運転検出手段(22)を構成している。
0)の運転状態である圧縮機(12)の回転数を検出する
圧縮機回転数検出手段(Cp)と、空調機(10)の運転状
態である室外ファン(14-F)の回転数を検出する室外フ
ァン回転数検出手段(Fo)と、空調機(10)の運転状態
である室内ファン(16-F)の回転数を検出する室内ファ
ン回転数検出手段(Fr)と、空調機(10)の運転状態で
ある電動膨張弁(15)の開度を検出する膨張弁開度検出
手段(Vp)とを備えている。そして、上記圧縮機回転数
検出手段(Cp)と室外ファン回転数検出手段(Fo)と室
内ファン回転数検出手段(Fr)と膨張弁開度検出手段
(Vp)とが運転検出手段(22)を構成している。
【0028】また、上記制御系統(20)は、空調機モデ
ルのモデル構築手段(30)を備えると共に、運転状態を
制御する状態制御手段(40)とを備え、上記モデル構築
手段(30)が、学習手段(31)と格納手段(32)とより
構成されている。
ルのモデル構築手段(30)を備えると共に、運転状態を
制御する状態制御手段(40)とを備え、上記モデル構築
手段(30)が、学習手段(31)と格納手段(32)とより
構成されている。
【0029】該学習手段(31)は、図3に示すように、
実際の空調運転時にニューラルネットワークを学習させ
るもので、入力層と出力層とn層の中間層とを備えてい
る。そして、上記学習手段(31)における入力層の各ユ
ニットには、圧縮機回転数検出手段(Cp)が検出した圧
縮機(12)の回転数と、室外ファン回転数検出手段(F
o)が検出した室外ファン(14-F)の回転数と、室内フ
ァン回転数検出手段(Fr)が検出した室内ファン(16-
F)の回転数と、膨張弁開度検出手段(Vp)が検出した
電動膨張弁(15)の開度とが入力されている。
実際の空調運転時にニューラルネットワークを学習させ
るもので、入力層と出力層とn層の中間層とを備えてい
る。そして、上記学習手段(31)における入力層の各ユ
ニットには、圧縮機回転数検出手段(Cp)が検出した圧
縮機(12)の回転数と、室外ファン回転数検出手段(F
o)が検出した室外ファン(14-F)の回転数と、室内フ
ァン回転数検出手段(Fr)が検出した室内ファン(16-
F)の回転数と、膨張弁開度検出手段(Vp)が検出した
電動膨張弁(15)の開度とが入力されている。
【0030】上記学習手段(31)における出力層の各ユ
ニットからは、室内温度と室内湿度と消費電力と蒸発器
出口温度とが出力され、上記学習手段(31)は、室内温
度検出手段(Th-r)が検出した室内温度と、室内湿度検
出手段(Hu-r)が検出した室内湿度と、消費電力検出手
段(Ep)が検出した消費電力と、蒸発器出口温度検出手
段(Th-e)が検出した室内熱交換器(16)の出口の冷媒
温度とを教師信号として学習を行い、各ユニット間の結
合力を変更するように構成されている。この学習のアル
ゴリズムとしては、例えば、バックプロパゲーションア
ルゴリズムが適用されている。
ニットからは、室内温度と室内湿度と消費電力と蒸発器
出口温度とが出力され、上記学習手段(31)は、室内温
度検出手段(Th-r)が検出した室内温度と、室内湿度検
出手段(Hu-r)が検出した室内湿度と、消費電力検出手
段(Ep)が検出した消費電力と、蒸発器出口温度検出手
段(Th-e)が検出した室内熱交換器(16)の出口の冷媒
温度とを教師信号として学習を行い、各ユニット間の結
合力を変更するように構成されている。この学習のアル
ゴリズムとしては、例えば、バックプロパゲーションア
ルゴリズムが適用されている。
【0031】そして、上記学習手段(31)の学習は、ニ
ューラルネットワークが推測する室内温度等が実測した
室内温度等に比して十分少ない誤差を示すようになると
終了するように構成されている。
ューラルネットワークが推測する室内温度等が実測した
室内温度等に比して十分少ない誤差を示すようになると
終了するように構成されている。
【0032】また、上記格納手段(32)は、学習手段
(31)による学習によって構築された空調機モデルを、
例えば、マップとしてメモリに格納するように構成され
ている。
(31)による学習によって構築された空調機モデルを、
例えば、マップとしてメモリに格納するように構成され
ている。
【0033】一方、上記状態制御手段(40)は、圧縮機
(12)などのアクチュエータの作動状態を決定する状態
決定手段(41)と、圧縮機(12)の回転数を制御する圧
縮機回転数制御手段(42)と、室外ファン(14-F)の回
転数を制御する室外ファン回転数制御手段(43)と、室
内ファン(16-F)の回転数を検出する室内ファン回転数
制御手段(44)と、電動膨張弁(15)の開度を制御する
膨張弁開度制御手段(45)とを備えている。
(12)などのアクチュエータの作動状態を決定する状態
決定手段(41)と、圧縮機(12)の回転数を制御する圧
縮機回転数制御手段(42)と、室外ファン(14-F)の回
転数を制御する室外ファン回転数制御手段(43)と、室
内ファン(16-F)の回転数を検出する室内ファン回転数
制御手段(44)と、電動膨張弁(15)の開度を制御する
膨張弁開度制御手段(45)とを備えている。
【0034】上記状態決定手段(41)は、目標値が入力
されると、例えば、目標室内温度が入力されると、格納
手段(32)が格納した空調機モデルに基づき、圧縮機回
転数検出手段(Cp)が検出した圧縮機(12)の回転数
と、室外ファン回転数検出手段(Fo)が検出した室外フ
ァン(14-F)の回転数と、室内ファン回転数検出手段
(Fr)が検出した室内ファン(16-F)の回転数と、膨張
弁開度検出手段(Vp)が検出した電動膨張弁(15)の開
度と、室内温度検出手段(Th-r)が検出した室内温度
と、室内湿度検出手段(Hu-r)が検出した室内湿度と、
消費電力検出手段(Ep)が検出した消費電力と、蒸発器
出口温度検出手段(Th-e)が検出した室内熱交換器(1
6)の出口の冷媒温度とから目標室内温度に対する所定
の運転状態を演算するように構成されている。具体的
に、上記状態決定手段(41)は、目標室内温度が入力さ
れると、上記空調機モデルに基づき、消費電力が最小と
なる圧縮機(12)などの状態を演算するように構成され
ている。
されると、例えば、目標室内温度が入力されると、格納
手段(32)が格納した空調機モデルに基づき、圧縮機回
転数検出手段(Cp)が検出した圧縮機(12)の回転数
と、室外ファン回転数検出手段(Fo)が検出した室外フ
ァン(14-F)の回転数と、室内ファン回転数検出手段
(Fr)が検出した室内ファン(16-F)の回転数と、膨張
弁開度検出手段(Vp)が検出した電動膨張弁(15)の開
度と、室内温度検出手段(Th-r)が検出した室内温度
と、室内湿度検出手段(Hu-r)が検出した室内湿度と、
消費電力検出手段(Ep)が検出した消費電力と、蒸発器
出口温度検出手段(Th-e)が検出した室内熱交換器(1
6)の出口の冷媒温度とから目標室内温度に対する所定
の運転状態を演算するように構成されている。具体的
に、上記状態決定手段(41)は、目標室内温度が入力さ
れると、上記空調機モデルに基づき、消費電力が最小と
なる圧縮機(12)などの状態を演算するように構成され
ている。
【0035】そして、上記圧縮機回転数制御手段(42)
と室外ファン回転数制御手段(43)と室内ファン回転数
制御手段(44)と膨張弁開度制御手段(45)は、上記状
態決定手段(41)が演算した導出運転状態になるように
圧縮機(12)と室外ファン(14-F)と室内ファン(16-
F)と電動膨張弁(15)とを制御している。
と室外ファン回転数制御手段(43)と室内ファン回転数
制御手段(44)と膨張弁開度制御手段(45)は、上記状
態決定手段(41)が演算した導出運転状態になるように
圧縮機(12)と室外ファン(14-F)と室内ファン(16-
F)と電動膨張弁(15)とを制御している。
【0036】−空調機(10)の制御動作− 次に、上述した空調機(10)の運転制御動作について図
5のブロック線図に基づき説明する。
5のブロック線図に基づき説明する。
【0037】先ず、空調機(10)の冷房運転等を開始す
ると、目標値である目標室内温度を設定すると、この目
標室内温度がコントローラである制御系統(20)に入力
される。この目標室内温度に基づき状態決定手段(41)
が圧縮機(12)などの運転状態を演算して決定し、圧縮
機回転数制御手段(42)が圧縮機(12)の回転数を、室
外ファン回転数制御手段(43)が室外ファン(14-F)の
回転数を、室内ファン回転数制御手段(44)が室内ファ
ン(16-F)の回転数を、膨張弁開度制御手段(45)が電
動膨張弁(15)の開度をそれぞれ制御することになる。
そして、室内が空調されることになる。
ると、目標値である目標室内温度を設定すると、この目
標室内温度がコントローラである制御系統(20)に入力
される。この目標室内温度に基づき状態決定手段(41)
が圧縮機(12)などの運転状態を演算して決定し、圧縮
機回転数制御手段(42)が圧縮機(12)の回転数を、室
外ファン回転数制御手段(43)が室外ファン(14-F)の
回転数を、室内ファン回転数制御手段(44)が室内ファ
ン(16-F)の回転数を、膨張弁開度制御手段(45)が電
動膨張弁(15)の開度をそれぞれ制御することになる。
そして、室内が空調されることになる。
【0038】一方、上記空調機(10)を運転すると、圧
縮機回転数検出手段(Cp)が圧縮機(12)の回転数を、
室外ファン回転数検出手段(Fo)が室外ファン(14-F)
の回転数を、室内ファン回転数検出手段(Fr)が室内フ
ァン(16-F)の回転数を、膨張弁開度検出手段(Vp)が
電動膨張弁(15)の開度をそれぞれ検出する一方、室内
温度検出手段(Th-r)が室内温度を、室内湿度検出手段
(Hu-r)が室内湿度を、消費電力検出手段(Ep)が消費
電力を、蒸発器出口温度検出手段(Th-e)が室内熱交換
器(16)の出口の冷媒温度をそれぞれ検出している。
縮機回転数検出手段(Cp)が圧縮機(12)の回転数を、
室外ファン回転数検出手段(Fo)が室外ファン(14-F)
の回転数を、室内ファン回転数検出手段(Fr)が室内フ
ァン(16-F)の回転数を、膨張弁開度検出手段(Vp)が
電動膨張弁(15)の開度をそれぞれ検出する一方、室内
温度検出手段(Th-r)が室内温度を、室内湿度検出手段
(Hu-r)が室内湿度を、消費電力検出手段(Ep)が消費
電力を、蒸発器出口温度検出手段(Th-e)が室内熱交換
器(16)の出口の冷媒温度をそれぞれ検出している。
【0039】そして、上記圧縮機(12)の回転数等は、
学習手段(31)の他、格納手段(32)及び状態決定手段
(41)に入力されている。この学習手段(31)は、図4
に示すように、入力層の各ユニットに圧縮機(12)の回
転数等の検出運転状態が入力され、出力層から室内温度
や消費電力等の環境状態を出力し、この消費電力等と実
際の測定した消費電力等の検出環境状態とに基づいてニ
ューラルネットワークをバックプロパゲーションアルゴ
リズムによって学習させる。
学習手段(31)の他、格納手段(32)及び状態決定手段
(41)に入力されている。この学習手段(31)は、図4
に示すように、入力層の各ユニットに圧縮機(12)の回
転数等の検出運転状態が入力され、出力層から室内温度
や消費電力等の環境状態を出力し、この消費電力等と実
際の測定した消費電力等の検出環境状態とに基づいてニ
ューラルネットワークをバックプロパゲーションアルゴ
リズムによって学習させる。
【0040】この学習手段(31)によって学習して構築
された空調機モデルを格納手段(32)が格納することに
なる。その後、該格納手段(32)に格納された空調機モ
デルに基づき、状態決定手段(41)は、設定された目標
室内温度や検出された室内温度等から消費電力が最も少
なくなる圧縮機(12)の回転数の他、室外ファン(14-
F)の回転数、室内ファン(16-F)の回転数及び電動膨
張弁(15)の開度を演算して導出する。
された空調機モデルを格納手段(32)が格納することに
なる。その後、該格納手段(32)に格納された空調機モ
デルに基づき、状態決定手段(41)は、設定された目標
室内温度や検出された室内温度等から消費電力が最も少
なくなる圧縮機(12)の回転数の他、室外ファン(14-
F)の回転数、室内ファン(16-F)の回転数及び電動膨
張弁(15)の開度を演算して導出する。
【0041】この導出された圧縮機(12)等の運転状態
になるように、上記圧縮機回転数制御手段(42)などが
圧縮機(12)の回転数等を制御することになる。
になるように、上記圧縮機回転数制御手段(42)などが
圧縮機(12)の回転数等を制御することになる。
【0042】−実施形態1の効果− 以上のように、本実施形態によれば、圧縮機(12)の回
転数等の運転状態を入力とし、消費電力等の環境状態を
出力とするニューラルネットワークの空調機モデルに基
づいて空調機(10)の運転状態を制御するようにしたた
めに、目標値に対して圧縮機(12)や電動膨張弁(15)
等の各種のアクチュエータを協調して運転させることが
できる。
転数等の運転状態を入力とし、消費電力等の環境状態を
出力とするニューラルネットワークの空調機モデルに基
づいて空調機(10)の運転状態を制御するようにしたた
めに、目標値に対して圧縮機(12)や電動膨張弁(15)
等の各種のアクチュエータを協調して運転させることが
できる。
【0043】この結果、例えば、目標の室内温度を設定
すると、消費電力の最も少ない状態に圧縮機(12)など
の各アクチュエータを制御することができ、省エネルギ
化を図ることができることから、効率の良い運転を行う
ことができる。
すると、消費電力の最も少ない状態に圧縮機(12)など
の各アクチュエータを制御することができ、省エネルギ
化を図ることができることから、効率の良い運転を行う
ことができる。
【0044】また、上記ニューラルネットワークを実際
の空調運転に基づき学習させるようにしたために、実際
の環境状態や使用状態及び個体差等により空調運転の挙
動が異なることに対応させることができる。この結果、
実際の環境に適応した空調機モデルを構築することがで
きることから、より省エネルギ化を図ることができ、よ
り効率の良い運転を行うことができる。
の空調運転に基づき学習させるようにしたために、実際
の環境状態や使用状態及び個体差等により空調運転の挙
動が異なることに対応させることができる。この結果、
実際の環境に適応した空調機モデルを構築することがで
きることから、より省エネルギ化を図ることができ、よ
り効率の良い運転を行うことができる。
【0045】
【発明の実施の形態2】以下、本発明の実施形態2を図
面に基づいて詳細に説明する。
面に基づいて詳細に説明する。
【0046】本実施形態は、図6に示すように、上記実
施形態2がニューラルネットワークを実際の運転状態に
対応して学習させるようにしたのに比して、予め実験等
によってニューラルネットワークを学習させ、構築され
た空調機モデルを格納させるようにしたものである。
施形態2がニューラルネットワークを実際の運転状態に
対応して学習させるようにしたのに比して、予め実験等
によってニューラルネットワークを学習させ、構築され
た空調機モデルを格納させるようにしたものである。
【0047】つまり、モデル構築手段(30)は、空調機
モデルを格納する格納手段(32)のみで構成されてお
り、状態決定手段(41)は、予め格納された空調機モデ
ルに基づいて圧縮機(12)の回転数等を導出して運転状
態を決定することになる。
モデルを格納する格納手段(32)のみで構成されてお
り、状態決定手段(41)は、予め格納された空調機モデ
ルに基づいて圧縮機(12)の回転数等を導出して運転状
態を決定することになる。
【0048】したがって、空調機(10)の空調運転を開
始すると、図7に示すように、実施形態1と同様に、圧
縮機回転数検出手段(Cp)などが圧縮機(12)の回転数
等を検出する一方、上記格納手段(32)に格納された空
調機モデルに基づき、状態決定手段(41)は、設定され
た目標室内温度や検出された室内温度等から消費電力が
最も少なくなる圧縮機(12)の回転数の他、室外ファン
(14-F)の回転数、室内ファン(16-F)の回転数及び電
動膨張弁(15)の開度を演算する。
始すると、図7に示すように、実施形態1と同様に、圧
縮機回転数検出手段(Cp)などが圧縮機(12)の回転数
等を検出する一方、上記格納手段(32)に格納された空
調機モデルに基づき、状態決定手段(41)は、設定され
た目標室内温度や検出された室内温度等から消費電力が
最も少なくなる圧縮機(12)の回転数の他、室外ファン
(14-F)の回転数、室内ファン(16-F)の回転数及び電
動膨張弁(15)の開度を演算する。
【0049】この演算された圧縮機(12)等の運転状態
になるように、上記圧縮機回転数制御手段(42)などが
圧縮機(12)の回転数等を制御することになる。
になるように、上記圧縮機回転数制御手段(42)などが
圧縮機(12)の回転数等を制御することになる。
【0050】本実施形態によれば、実施形態1と同様
に、圧縮機(12)や電動膨張弁(15)等の各種のアクチ
ュエータを協調して運転させることができるので、圧縮
機(12)などの各アクチュエータを消費電力の最も少な
い状態等に制御することができ、省エネルギ化を図るこ
とができることから、効率の良い運転を行うことができ
る。更に、予め学習して構築された空調機モデルを格納
しているので、メモリ容量等を小さくすることができる
と共に、制御構成の簡素化を図ることができる。
に、圧縮機(12)や電動膨張弁(15)等の各種のアクチ
ュエータを協調して運転させることができるので、圧縮
機(12)などの各アクチュエータを消費電力の最も少な
い状態等に制御することができ、省エネルギ化を図るこ
とができることから、効率の良い運転を行うことができ
る。更に、予め学習して構築された空調機モデルを格納
しているので、メモリ容量等を小さくすることができる
と共に、制御構成の簡素化を図ることができる。
【0051】
【発明の他の実施の形態】本発明は、複数台の室内ユニ
ットを備えたマルチ型の空調機(10)であってもよく、
また、状態制御手段(40)が演算する導出運転状態は消
費電力が最も少ない運転状態に限られるものではない。
ットを備えたマルチ型の空調機(10)であってもよく、
また、状態制御手段(40)が演算する導出運転状態は消
費電力が最も少ない運転状態に限られるものではない。
【0052】また、ニューラルネットワークに入力され
る運転状態は、圧縮機(12)の回転数等に限られるもの
ではなく、また、出力される環境状態は、室内温度や消
費電力等に限られるものではない。
る運転状態は、圧縮機(12)の回転数等に限られるもの
ではなく、また、出力される環境状態は、室内温度や消
費電力等に限られるものではない。
【図1】本発明の構成を示すブロック図である。
【図2】空調機の冷媒回路を示す冷媒回路図である。
【図3】実施形態1の制御系統を示すブロック図であ
る。
る。
【図4】ニューラルネットワークを示す構成図である。
【図5】実施形態1の制御動作を示すブロック線図であ
る。
る。
【図6】実施形態2の制御系統を示すブロック図であ
る。
る。
【図7】実施形態2の制御動作を示すブロック線図であ
る。
る。
10 空調機 12 圧縮機 14 室外熱交換器(熱源側熱交換器) 15 電動膨張弁(膨張機構) 16 室内熱交換器(利用側熱交換器) 20 制御系統 21 環境検出手段 22 運転検出手段 30 モデル構築手段 31 学習手段 32 格納手段 40 状態制御手段 41 状態決定手段
Claims (3)
- 【請求項1】 圧縮機(12)と熱源側熱交換器(14)と
膨張機構(15)と利用側熱交換器(16)とを少なくとも
備えた空調機の運転制御装置であって、 空調機(10)の運転状態を入力とし且つ空調対象の環境
状態を出力とするニューラルネットワークを学習させて
空調機モデルを構築するモデル構築手段(30)と、 空調機(10)の運転状態を検出する運転検出手段(22)
と、 空調対象の環境状態を検出する環境検出手段(21)と、 モデル構築手段(30)の空調機モデルに基づいて検出運
転状態と検出環境状態とから目標値に対する所定の運転
状態を導出して導出運転状態の制御信号を出力する状態
制御手段(40)とを備えていることを特徴とする空調機
の運転制御装置。 - 【請求項2】 請求項1記載の空調機の運転制御装置に
おいて、 モデル構築手段(30)は、実際の空調運転時の検出運転
状態と検出環境状態からニューラルネットワークを学習
させて空調機モデルを構築するように構成されているを
備えていることを特徴とする空調機の運転制御装置。 - 【請求項3】 請求項1記載の空調機の運転制御装置に
おいて、 モデル構築手段(30)は、ニューラルネットワークを予
め学習させて構築された空調機モデルを格納しているを
備えていることを特徴とする空調機の運転制御装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7182941A JPH0933089A (ja) | 1995-07-19 | 1995-07-19 | 空調機の運転制御装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP7182941A JPH0933089A (ja) | 1995-07-19 | 1995-07-19 | 空調機の運転制御装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH0933089A true JPH0933089A (ja) | 1997-02-07 |
Family
ID=16127054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP7182941A Pending JPH0933089A (ja) | 1995-07-19 | 1995-07-19 | 空調機の運転制御装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0933089A (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003161495A (ja) * | 2001-11-21 | 2003-06-06 | Yamatake Corp | 空気調和機の異常検出装置、異常検出方法及びプログラム |
JP2009543965A (ja) * | 2006-07-18 | 2009-12-10 | アトラス コプコ エアーパワー,ナームローゼ フェンノートシャップ | 圧縮空気装置を制御する方法ならびに該方法を使用するための制御器および圧縮空気装置 |
JP2017172910A (ja) * | 2016-03-25 | 2017-09-28 | 株式会社富士通ゼネラル | 空気調和機 |
CN109323425A (zh) * | 2018-11-15 | 2019-02-12 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
CN109844412A (zh) * | 2016-10-24 | 2019-06-04 | 三菱电机株式会社 | 空调***、空调控制装置、空调方法及程序 |
CN110059801A (zh) * | 2019-03-20 | 2019-07-26 | 青岛海尔空调器有限总公司 | 基于神经网络的空调器能效控制方法 |
WO2020098405A1 (zh) * | 2018-11-15 | 2020-05-22 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器及存储介质 |
CN111692716A (zh) * | 2020-06-24 | 2020-09-22 | 珠海格力电器股份有限公司 | 空调能耗计算方法、***及空调器 |
JP2020153572A (ja) * | 2019-03-19 | 2020-09-24 | ダイキン工業株式会社 | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム |
CN112443943A (zh) * | 2019-08-30 | 2021-03-05 | 珠海格力电器股份有限公司 | 一种基于少量标记数据的模型训练方法、控制***及空调机 |
US11920807B2 (en) | 2020-08-20 | 2024-03-05 | Samsung Electronics Co., Ltd. | Electronic apparatus and method to train neural network to determine defective air conditioner |
-
1995
- 1995-07-19 JP JP7182941A patent/JPH0933089A/ja active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003161495A (ja) * | 2001-11-21 | 2003-06-06 | Yamatake Corp | 空気調和機の異常検出装置、異常検出方法及びプログラム |
JP2009543965A (ja) * | 2006-07-18 | 2009-12-10 | アトラス コプコ エアーパワー,ナームローゼ フェンノートシャップ | 圧縮空気装置を制御する方法ならびに該方法を使用するための制御器および圧縮空気装置 |
JP2014077449A (ja) * | 2006-07-18 | 2014-05-01 | Atlas Copco Airpower Nv | 圧縮空気装置を制御する方法ならびに該方法を使用するための制御器および圧縮空気装置 |
JP2017172910A (ja) * | 2016-03-25 | 2017-09-28 | 株式会社富士通ゼネラル | 空気調和機 |
CN109844412B (zh) * | 2016-10-24 | 2021-04-20 | 三菱电机株式会社 | 空调***、空调控制装置、空调方法及记录介质 |
CN109844412A (zh) * | 2016-10-24 | 2019-06-04 | 三菱电机株式会社 | 空调***、空调控制装置、空调方法及程序 |
US11300302B2 (en) | 2016-10-24 | 2022-04-12 | Mitsubishi Electric Corporation | Air conditioner system, air conditioner control device, air conditioner method, and program for control using water circulation and based on indoor latent and sensible heat loads |
EP3531035A4 (en) * | 2016-10-24 | 2019-10-30 | Mitsubishi Electric Corporation | AIR CONDITIONER SYSTEM, AIR CONDITIONER CONTROL DEVICE, AIR CONDITIONER METHOD, AND PROGRAM |
CN109323425A (zh) * | 2018-11-15 | 2019-02-12 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
WO2020098405A1 (zh) * | 2018-11-15 | 2020-05-22 | 广东美的制冷设备有限公司 | 空调器的控制方法、空调器及存储介质 |
CN109323425B (zh) * | 2018-11-15 | 2021-05-25 | 广东美的制冷设备有限公司 | 空调的控制方法、装置及可读存储介质 |
JP2020153572A (ja) * | 2019-03-19 | 2020-09-24 | ダイキン工業株式会社 | 情報処理装置、空気調和装置、情報処理方法、空気調和方法、及びプログラム |
CN110059801B (zh) * | 2019-03-20 | 2021-05-25 | 青岛海尔空调器有限总公司 | 基于神经网络的空调器能效控制方法 |
CN110059801A (zh) * | 2019-03-20 | 2019-07-26 | 青岛海尔空调器有限总公司 | 基于神经网络的空调器能效控制方法 |
CN112443943A (zh) * | 2019-08-30 | 2021-03-05 | 珠海格力电器股份有限公司 | 一种基于少量标记数据的模型训练方法、控制***及空调机 |
CN111692716A (zh) * | 2020-06-24 | 2020-09-22 | 珠海格力电器股份有限公司 | 空调能耗计算方法、***及空调器 |
US11920807B2 (en) | 2020-08-20 | 2024-03-05 | Samsung Electronics Co., Ltd. | Electronic apparatus and method to train neural network to determine defective air conditioner |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH0933089A (ja) | 空調機の運転制御装置 | |
JP2003148830A (ja) | 空気調和機 | |
WO2005003649A1 (ja) | マルチ式空気調和機の膨張弁制御方法 | |
JP2003287260A (ja) | 空気調和機および空気調和機の制御方法 | |
JP3011708B1 (ja) | 空気調和機の風向制御方法 | |
JPH1194327A (ja) | 空気調和機の制御装置 | |
KR20160010197A (ko) | 공기조화기 및 그 제어방법 | |
WO2013161256A1 (ja) | ヒートポンプ装置 | |
JP2003312474A (ja) | 鉄道車両空調装置の除湿制御方法、および鉄道車両空調装置 | |
JP3188048B2 (ja) | 空気調和機 | |
JPH10148378A (ja) | 空気調和機 | |
JPH08189690A (ja) | 多室形空気調和システムの暖房除湿運転制御装置 | |
JPS62134436A (ja) | 空気調和機 | |
JPH0668410B2 (ja) | 空気調和装置 | |
JPH07158937A (ja) | 冷凍サイクル制御装置 | |
JP2815403B2 (ja) | 多室型空気調和機 | |
JP3464882B2 (ja) | 空調制御装置 | |
JPH02217738A (ja) | 空気調和装置 | |
JP3429397B2 (ja) | 空気調和装置 | |
JPH03211370A (ja) | 空気調和機 | |
JPS5927145A (ja) | 空気調和機 | |
JP3117321B2 (ja) | 空気調和機 | |
JP2612864B2 (ja) | 多室形空気調和機 | |
JPH03217746A (ja) | 多室形空気調和機 | |
JPH07248141A (ja) | 空気調和機の制御装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 19990302 |