JPWO2018092258A1 - 空気調和機および空気調和システム - Google Patents

空気調和機および空気調和システム Download PDF

Info

Publication number
JPWO2018092258A1
JPWO2018092258A1 JP2018550954A JP2018550954A JPWO2018092258A1 JP WO2018092258 A1 JPWO2018092258 A1 JP WO2018092258A1 JP 2018550954 A JP2018550954 A JP 2018550954A JP 2018550954 A JP2018550954 A JP 2018550954A JP WO2018092258 A1 JPWO2018092258 A1 JP WO2018092258A1
Authority
JP
Japan
Prior art keywords
neural network
information
air conditioner
unit
indoor unit
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.)
Granted
Application number
JP2018550954A
Other languages
English (en)
Other versions
JP6625239B2 (ja
Inventor
吉秋 小泉
吉秋 小泉
雅史 冨田
雅史 冨田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JPWO2018092258A1 publication Critical patent/JPWO2018092258A1/ja
Application granted granted Critical
Publication of JP6625239B2 publication Critical patent/JP6625239B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/58—Remote control using Internet communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F24F2110/12—Temperature of the outside air
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/20—Heat-exchange fluid temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Medical Informatics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

冷媒回路を形成する各機器および配管が設けられた室外機および室内機と、室内機に接続されるリモートコントローラとを備えた空気調和機であって、機器および配管の温度状態を検出するセンサが室外機および室内機のそれぞれに設けられており、センサによる検出結果を示すセンサ情報、および機器の制御状態を示す制御情報を記憶するメモリが室外機または室内機に設けられており、リモートコントローラは、メモリから取得した同一時刻におけるセンサ情報および制御情報に基づく各部の状態を示す情報を入力値とするとともに、推定される故障要因を出力値とし、ニューラルネットワークを用いて故障要因の可能性を演算するニューラルネットワーク演算手段と、ニューラルネットワーク演算手段による演算結果を表示する表示手段とを有する。

Description

本発明は、故障要因を推定する空気調和機および空気調和システムに関するものである。
従来の空気調和機の管理システムに備えられたリモートコントローラは、伝送線を介して室内機と接続されており、室内機から受け取った運転履歴および故障コード等のデータを保持している。また、リモートコントローラは、保持しているデータをユーザの携帯電話等の携帯端末に送信することができる。
さらに、リモートコントローラは、空気調和機の設定温度等の運転情報、機種の種類を示す情報、空気調和機の運転時間、室外機における圧縮機の消費電流および回転数、故障原因を示すコード、ならびに外気温度等のデータを保持している。このような各種情報は、携帯端末からメンテナンス等を行うサービス店に送信することができるので、サービス店では、受信した各種情報に基づき、点検に関するサービス情報を特定している（例えば、特許文献１参照）。
また、予め設定された時間毎に各種センサの検知信号およびバーナ運転時等の指令値からなるデータを取得し、取得したデータに基づき、故障部位を特定する給湯機器が提案されている（例えば、特許文献２参照）。この給湯機器では、上述した各種センサの検知信号および指令値からなるデータを保存データとして記憶しておき、機器に異常が発生した場合に、当該機器の異常発生前の保存データの最新データと、機器の異常に対応した番号とをリモコンの表示部に表示させる。これにより、給湯機器の修理を行う作業者等は、専用の測定器等を使用することなく、表示内容に基づいて給湯機器の故障部位を容易に特定することができるため、修理作業時間の短縮等を図ることができる。
特開２００９−１４２３３号公報 特許第３８９７６８０号公報
ところで、特許文献１に記載の発明では、取得した圧縮機の電流値等の運転履歴を、同一地域、同一機種、および同一条件での平均値と比較する。そして、比較の結果、平均値に対する運転履歴の増減が予め設定された閾値を超えた場合に、圧縮機またはその他の部品に何らかの異常があると見なしている。
例えば、「空調機が冷えない」という場合には、圧縮機または冷媒回路の運転状態を観測する必要がある。そのため、単に個別部品に対して閾値判定を行うだけでは、故障要因を特定することが困難である。また、故障要因は、設置条件による差異、および機種による差異の影響を受けるため、固定的な故障コードの表示では、故障要因を精度よく推定することができない。
さらに、特許文献２に記載の発明では、表示部に表示された情報に基づき、作業者が故障部位を特定するため、正確に故障部位を特定できるかどうかは、作業者の技量および経験に依存してしまう。すなわち、特許文献２に記載の発明では、故障部位を精度よく推定することが困難である。
本発明は、上記課題に鑑みてなされたものであって、故障要因を精度よく推定し、異常箇所の検出精度を向上させることが可能な空気調和機および空気調和システムを提供することを目的とする。
本発明に係る空気調和機は、冷媒回路を形成する各機器および配管が設けられた室外機および室内機と、該室内機に接続されるリモートコントローラとを備えた空気調和機であって、前記機器および前記配管の温度状態を検出するセンサが前記室外機および前記室内機のそれぞれに設けられており、前記センサによる検出結果を示すセンサ情報、および前記機器の制御状態を示す制御情報を記憶するメモリが前記室外機または前記室内機に設けられており、前記リモートコントローラは、前記メモリから取得した同一時刻における前記センサ情報および前記制御情報に基づく各部の状態を示す情報を入力値とするとともに、推定される故障要因を出力値とし、ニューラルネットワークを用いて前記故障要因の可能性を演算するニューラルネットワーク演算手段と、前記ニューラルネットワーク演算手段による演算結果を表示する表示手段とを有するものである。
以上のように、本発明によれば、ニューラルネットワークを用いて故障要因を推定することにより、故障要因を精度よく推定し、異常箇所の検出精度を向上させることができる。
実施の形態１に係る空気調和機の構成の一例を示すブロック図である。 図１のニューラルネットワーク演算手段で行われるニューラルネットワーク演算処理について説明するための概略図である。 ニューラルネットワーク演算処理の結果について説明するための概略図である。 実施の形態２に係る空気調和機の構成の一例を示すブロック図である。 実施の形態３に係る空気調和機の構成の一例を示すブロック図である。
実施の形態１．
以下、本実施の形態１に係る空気調和機について説明する。
［空気調和機の構成］
図１は、本実施の形態１に係る空気調和機１の構成の一例を示すブロック図である。
図１に示すように、空気調和機１は、室外機１０、室内機２０およびリモートコントローラ（以下、「リモコン」と適宜称する）３０で構成されている。室外機１０と室内機２０とは、有線または無線による第１の接続線２で、第１の通信方式を用いて接続されている。室内機２０とリモコン３０とは、有線または無線による第２の接続線３で、第２の通信方式を用いて接続されている。
また、リモコン３０は、無線による第３の接続線４で、第３の通信方式を用いて情報端末４０に接続されている。第３の通信方式としては、例えばＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）技術を用いた近距離無線通信を用いることができる。リモコン３０は、この情報端末４０以外にも、例えば、空調対象空間内に設置された図示しない温湿度センサ等の汎用機器と第３の通信方式を用いて接続することもできる。
情報端末４０は、例えば、空気調和機１における各部の制御状態等の空気調和機１に関する情報をユーザに対して通知することができるものである。情報端末４０としては、例えば、スマートフォン、タブレット端末、およびノート型ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）等の携帯端末を用いることができる。なお、情報端末４０は、これに限られず、据え置き型のＰＣ等の固定的に設置される端末を用いてもよい。
なお、空気調和機１においては、圧縮機および熱交換器等の冷媒回路を形成する各機器および配管が室外機１０または室内機２０に設けられているが、図１では、本実施の形態１の特徴に関連する部分のみを図示し、それ以外の部分については、図示および説明を省略する。また、この例において、空気調和機１は、１台の室外機１０と１台の室内機２０とが設けられているが、これに限られず、例えば、室外機１０および室内機２０のいずれか一方が複数設けられてもよいし、両方とも複数設けられてもよい。すなわち、室外機１０および室内機２０の台数は、空気調和機１が設置される状況に応じて、適宜決定することができる。
（室外機）
室外機１０は、１または複数のセンサ１１、マイクロコンピュータ（以下、「マイコン」と適宜称する）１２、第１の通信手段１３、メモリ１４、ならびに冷媒回路を形成する機器としての圧縮機１５および膨張弁１６を備えている。
センサ１１は、室外機１０の各部に設置され、測定対象の状態を検出する。具体的には、例えば、各センサ１１は温度センサであり、外気温度、圧縮機１５の温度、および配管の温度等の各部の温度状態を検出する。検出されたこれらの温度情報等は、室外機１０に関するセンサ情報（以下、「室外機センサ情報」と適宜称する）としてマイコン１２に供給される。なお、センサ１１は、温度センサに限られず、例えば圧力センサ等を用いて各部の圧力等を検出してもよい。
マイコン１２は、例えば圧縮機１５および膨張弁１６等の冷媒回路を形成する機器の動作制御を行う等、室外機１０全体を制御する。例えば、マイコン１２は、圧縮機１５の圧縮機周波数、および膨張弁１６の開度の指示を行う。
また、マイコン１２は、室内機２０を介してリモコン３０から受信した制御指示情報に基づき、室外機１０の状態を設定および変更する。さらに、マイコン１２は、センサ１１によって検出された室外機センサ情報と、圧縮機１５の圧縮機周波数等の室外機１０に設けられた機器の制御状態を示す制御情報とを取得し、後述するメモリ１４への書き込みを制御するとともに、後述する第１の通信手段１３の通信を制御する。なお、制御指示情報の詳細については、後述する。
第１の通信手段１３は、第１の通信方式を用いて室内機２０との間で行われる通信を、マイコン１２の命令に基づいて制御する。例えば、第１の通信手段１３は、室内機２０から供給された室内機２０に関するセンサ情報（以下、「室内機センサ情報」と適宜称する）を受信し、受信した室内機センサ情報をマイコン１２に供給する。
また、第１の通信手段１３は、室内機２０を介してリモコン３０からの制御指示情報を受信し、受信した制御指示情報をマイコン１２に供給する。さらに、第１の通信手段１３は、後述するメモリ１４に保持された室外機センサ情報および室内機センサ情報、ならびに制御情報をマイコン１２から受け取り、室内機２０に対して送信する。なお、以下では、「室外機センサ情報および室内機センサ情報」を総称して「センサ情報」と適宜称して説明する。
メモリ１４は、各種のデータを保持するデータ保持手段である。メモリ１４は、マイコン１２の制御により、センサ１１によって検出された室外機センサ情報の書き込みおよび読み出しを行う。また、メモリ１４は、マイコン１２の制御により、第１の通信手段１３を介して取得した室内機２０の吸込温度および配管の温度等の室内機センサ情報の書き込みおよび読み出しを行う。
（室内機）
室内機２０は、１または複数のセンサ２１、マイコン２２、第２の通信手段２３、第３の通信手段２４およびメモリ２５を備えている。
センサ２１は、室内機２０の各部に設置され、測定対象の状態を検出する。具体的には、例えば、各センサ２１は温度センサであり、空調対象空間の空気の吸込温度および配管の温度等の各部の温度状態を検出する。検出されたこれらの温度情報等は、室内機センサ情報としてマイコン２２に供給される。なお、センサ２１は、温度センサに限られず、例えば圧力センサ等を用いて各部の圧力等を検出してもよい。
マイコン２２は、冷媒回路を形成する機器の動作制御を行う等、室内機２０全体を制御する。例えば、マイコン２２は、後述するリモコン３０から受信した制御指示情報に基づき、室内機２０の状態を設定および変更するとともに、受信した制御指示情報を必要に応じて室外機１０に対して転送する。また、マイコン１２は、センサ２１によって検出された吸込温度および配管の温度といった各部の状態を示す室内機センサ情報を取得し、後述するメモリ２５への書き込みを制御するとともに、後述する第２の通信手段２３および第３の通信手段２４の通信を制御する。
第２の通信手段２３は、第１の通信方式を用いて室外機１０との間で行われる通信を、マイコン２２の命令に基づいて制御する。例えば、第２の通信手段２３は、センサ２１で検出された室内機センサ情報、およびリモコン３０からの制御指示情報をマイコン２２から受け取り、室外機１０に対して送信する。また、第２の通信手段２３は、センサ情報および制御情報を室外機１０から受信し、受信したこれらの情報をマイコン２２に供給する。
第３の通信手段２４は、第２の通信方式を用いてリモコン３０との間で行われる通信を、マイコン２２の命令に基づいて制御する。例えば、第３の通信手段２４は、制御指示情報をリモコン３０から受信し、受信した制御指示情報をマイコン２２に供給する。また、第３の通信手段２４は、センサ情報および制御情報をマイコン２２から受け取り、リモコン３０に対して送信する。
メモリ２５は、各種のデータを保持するデータ保持手段である。メモリ２５は、マイコン２２の制御により、センサ１１によって検出された室内機センサ情報の書き込みおよび読み出しを行う。
（リモートコントローラ）
リモコン３０は、第４の通信手段３１、マイコン３２、メモリ３３、第５の通信手段３４、表示手段３５および操作手段３６を備えている。
第４の通信手段３１は、第２の通信方式を用いて室内機２０との間で行われる通信を、マイコン３２の命令に基づいて制御する。例えば、第４の通信手段３１は、マイコン３２から室外機１０および室内機２０の動作を制御するための制御指示情報を、室内機２０に対して送信する。また、第４の通信手段３１は、センサ情報および制御情報を室内機２０から受信し、マイコン３２に供給する。
マイコン３２は、後述する操作手段３６に対するユーザの操作に基づき、このリモコン３０全体を制御する。例えば、マイコン３２は、ユーザによる操作によって得られる操作信号に基づき、室外機１０および室内機２０の動作を制御するための制御指示情報を生成する。
マイコン３２には、ニューラルネットワーク演算手段３９が設けられている。ニューラルネットワーク演算手段３９は、ニューラルネットワークを用いて、空気調和機１の状態を確率的に推定する。具体的には、ニューラルネットワーク演算手段３９は、室内機２０を介して取得した各種情報に基づき、空気調和機１の動作が正常であるか、または何らかの不具合が発生する可能性があるかを判定する。そして、マイコン３２は、ニューラルネットワーク演算手段３９による判定の結果を示す判定情報をメモリ３３に供給する。なお、ニューラルネットワーク演算手段３９による演算処理の詳細については、後述する。
メモリ３３は、各種のデータを保持するデータ保持手段である。メモリ３３は、マイコン３２の制御により、ニューラルネットワーク演算手段３９による判定の結果を示す判定情報の書き込みおよび読み出しを行う。
第５の通信手段３４は、第３の通信方式を用いて情報端末４０との間で行われる通信を、マイコン３２の命令に基づいて制御する。例えば、第５の通信手段３４は、マイコン３２の制御によってメモリ３３から読み出された判定情報を、情報端末４０に対して送信する。情報端末４０は、リモコン３０から受信した判定情報を、インターネット等のネットワーク５を介して接続されたクラウド５０に対して送信し、クラウド５０上に記憶させる。
表示手段３５は、例えばＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）、有機ＥＬ（Ｅｌｅｃｔｒｏ Ｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイ等によって構成され、判定情報に基づく判定結果を表示する。なお、表示手段３５としては、判定結果を単に表示するだけでなく、例えば、ＬＣＤまたは有機ＥＬディスプレイ上にタッチセンサを有するタッチパネルが積層されたタッチパネルディスプレイを用いることができる。
操作手段３６は、この空気調和機１を操作するために用いられる各種のボタンまたはキー等が設けられ、各ボタンまたはキー等に対する操作に応じた操作信号を出力する。また、上述したように、表示手段３５がタッチパネルディスプレイである場合には、各種ボタンまたはキーがソフトウェアボタンまたはソフトウェアキーとして表示手段３５に表示されるようにしてもよい。
［ニューラルネットワーク演算処理］
次に、ニューラルネットワーク演算手段３９で行われるニューラルネットワーク演算処理について説明する。上述したように、ニューラルネットワーク演算手段３９は、ニューラルネットワークを用いて、空気調和機１の状態を確率的に推定する。このような空気調和機１の状態判断は、例えば空気調和機１が動作中に異常が検出された場合等に行われる。
図２は、図１のニューラルネットワーク演算手段３９で行われるニューラルネットワーク演算処理について説明するための概略図である。図２に示すように、本実施の形態１で用いられるニューラルネットワーク１００は、複数のユニットで構成される入力層１１０、中間層１２０、および出力層１３０からなる階層型のネットワークである。この例では、中間層１２０が第１中間層１２１および第２中間層１２２の２つの層で構成されている。
入力層１１０は、入力された情報に基づく信号を中間層１２０へ伝達するものである。入力層１１０を構成するユニットのそれぞれは、次の層である第１中間層１２１を構成するすべてのユニットと結合されている。中間層１２０は、直前の層から入力された信号に基づき演算処理を行い、演算結果を出力するものである。中間層１２０を構成するユニットのそれぞれは、次の層を構成するすべてのユニットと結合されている。出力層１３０は、直前の第２中間層１２２から入力された信号に基づき演算処理を行い、演算結果を出力信号として出力する。
本実施の形態１におけるニューラルネットワーク１００において、入力層１１０には、空気調和機１の状態を示す情報が入力信号として入力される。具体的には、例えば、同一時刻における「圧縮機周波数」、「高圧圧力」、「低圧圧力」および「過熱度」が入力信号として入力層１１０に入力される。これらの入力信号は、室外機１０のメモリ１４に保持されたセンサ情報および制御情報に基づいて取得することができる。
また、出力層１３０からは、空気調和機１における故障要因が出力信号として出力される。具体的には、例えば、推定される故障要因としての「正常」、「蒸発器風量低下」、「圧縮機異常」、「冷媒不足」および「凝縮器風量低下」が出力信号として出力層１３０から出力される。
ニューラルネットワーク１００において、各層から次の層に信号がそれぞれ伝達される際には、伝達される信号に対して対応する重みｗｉｊが積算される。重みｗｉｊは、ニューラルネットワーク演算処理に際して予め設定されたものであり、ニューラルネットワーク１００で学習された内容が反映されたものである。重みｗｉｊにおける添字「ｉ」は、ネットワークの始点となる層におけるユニットの番号を示し、添字「ｊ」は、ネットワークの終点となる層におけるユニットの番号を示す。この重みｗｉｊは、重み付けテーブルとして、リモコン３０のメモリ３３に記憶されている。なお、重みｗｉｊの詳細については、後述する。
次に、ニューラルネットワーク１００を用いたニューラルネットワーク演算処理の流れについて、図２を参照して説明する。まず、図２に示すニューラルネットワーク１００において、「圧縮機周波数」、「高圧圧力」、「低圧圧力」および「過熱度」のそれぞれを示す情報が入力信号として入力層１１０の各ユニットに入力される。入力層１１０の各ユニットは、受け取った入力信号を第１中間層１２１の各ユニットに伝達する。すなわち、第１中間層１２１の各ユニットには、入力層１１０に入力されたすべての入力信号が入力される。
次に、第１中間層１２１の各ユニットは、入力層１１０の各ユニットから受け取った入力信号と、当該入力信号に対応する重みｗｉｊとをそれぞれ積算し、積算して得られるすべての信号を加算した信号を生成する。そして、第１中間層１２１の各ユニットは、生成した信号に基づき得られる第１中間層信号を第２中間層１２２の各ユニットに伝達する。
第２中間層１２２の各ユニットは、第１中間層１２１の各ユニットから受け取った第１中間層信号と、当該信号に対応する重みｗｉｊとをそれぞれ積算し、積算して得られるすべての信号を加算した信号を生成する。そして、第２中間層１２２の各ユニットは、生成した信号に基づき得られる第２中間層信号を出力層１３０の各ユニットに伝達する。
出力層１３０の各ユニットは、第２中間層１２２の各ユニットから受け取った第２中間層信号と、当該信号に対応する重みｗｉｊとをそれぞれ積算し、積算して得られるすべての信号を加算した信号を生成する。そして、出力層１３０の各ユニットは、生成した信号に基づき得られる出力信号を出力する。このとき、出力層１３０から出力される出力信号の値の合計は、「１」となるようにされている。
このように、ニューラルネットワーク演算手段３９は、センサ情報および制御情報に基づき得られた入力信号と、メモリ３３に記憶された重み付けテーブルを参照して得られる重みｗｉｊとに基づき、出力信号を取得する。
図３は、ニューラルネットワーク演算処理の結果について説明するための概略図である。図３は、例えば空気調和機１が動作中に異常が検出された場合等に発生し得る異常の要因である可能性を示すグラフである。この例では、ニューラルネットワーク１００からの出力信号のうち、「正常」を示す値を基準として、それぞれの故障要因に対応する出力信号の値を正規化したものを示す。すなわち、「正常」であることを示す値「１」よりも大きい値となった出力信号に対応する故障要因が、異常の要因である可能性があることを示す。したがって、図３に示す例においては、「冷媒不足」が、異常が検出された際の故障要因である可能性が最も高いことを示す。このような故障要因の判断結果を示すグラフは、例えばリモコン３０の表示手段３５に表示される。これにより、メンテナンス等の際に、作業者が故障要因を容易に推定することができ、メンテナンス性を向上させることができる。
（重みの変更）
本実施の形態１では、上述したようにして得られた演算結果が正解であるか否かを回答することにより、重み付けテーブルに含まれる重みｗｉｊを最適なものに変更することができる。ここで、「演算結果が正解である」とは、異常の要因が、ニューラルネットワーク演算処理によって得られた故障要因の可能性が最も高い要因であった場合のことをいう。
この場合の更新される重みｗｉｊは、例えば誤差逆伝搬により算出される。なお、誤差逆伝搬は、ニューラルネットワーク１００における重みを算出する際に、一般的に用いられる方法であるため、ここでは説明を省略する。
誤差逆伝搬等を用いた重みｗｉｊの再計算は、例えば、ネットワーク５に接続された外部のＰＣ等で行われる。例えば、作業者が操作手段３６を操作して、演算結果に対する回答を入力すると、リモコン３０は、入力された回答を示す回答情報を外部のＰＣに送信する。これにより、ＰＣでは、誤差逆伝搬を用いた、回答情報、センサ情報および制御情報に基づく重みｗｉｊの再計算が行われる。
リモコン３０は、再計算された重みｗｉｊを、ネットワーク５、情報端末４０、および第５の通信手段３４を介して外部のＰＣから受信する。そして、リモコン３０のマイコン３２は、受信した重みｗｉｊをメモリ３３に記憶された重み付けテーブルに格納することにより、重み付けテーブルを更新する。
以上のように、本実施の形態１に係る空気調和機１は、冷媒回路を形成する各機器および配管が設けられた室外機１０および室内機２０と、室内機２０に接続されるリモコン３０とを備え、機器および配管の温度状態を検出するセンサ１１および２１が室外機１０および室内機２０のそれぞれに設けられており、センサ１１および２１による検出結果を示すセンサ情報、および機器の制御状態を示す制御情報を記憶するメモリ１４または２５が室外機１０または室内機２０に設けられている。リモコン３０は、メモリ１４または２５から取得した同一時刻におけるセンサ情報および制御情報に基づく各部の状態を示す情報を入力値とするとともに、推定される故障要因を出力値とし、ニューラルネットワーク１００を用いて故障要因の可能性を演算するニューラルネットワーク演算手段３９と、ニューラルネットワーク演算手段３９による演算結果を表示する表示手段３５とを有する。
このように、本実施の形態１では、ニューラルネットワーク１００を用いて故障要因を確率的に推定するため、故障要因を精度よく推定し、異常箇所の検出精度を向上させることができる。
また、故障要因の正否を示す回答情報、センサ情報および制御情報に基づき、ニューラルネットワーク１００による演算処理の際に用いられる重みｗｉｊの値を再計算して更新するため、故障要因の推定精度をより向上させることができる。さらに、上述した重みｗｉｊの値の再計算を外部のＰＣ等によって行うことにより、リモコン３０のマイコン３２として低性能のものを使用でき、その結果、コストを低減することができる。
実施の形態２．
次に、本実施の形態２に係る空気調和機について説明する。本実施の形態２に係る空気調和機は、ニューラルネットワーク演算手段を情報端末４０に備えた点で、上述した実施の形態１と相違する。
図４は、本実施の形態２に係る空気調和機１の構成の一例を示すブロック図である。図４に示すように、本実施の形態２に係る空気調和機１では、情報端末４０にニューラルネットワーク演算手段４９が設けられている。なお、以下の説明において、上述した実施の形態１と共通する部分については、同一の符号を付し、説明を省略する。
リモコン３０におけるマイコン３２は、室外機１０から送信されたセンサ情報および制御情報を、第４の通信手段３１を介して受信し、第５の通信手段３４に供給する。第５の通信手段３４は、実施の形態１と同様の通信処理を行うとともに、マイコン３２から受け取ったセンサ情報および制御情報を、情報端末４０に対して送信する。
情報端末４０は、リモコン３０から受信したセンサ情報および制御情報に基づき、ニューラルネットワーク演算処理を行う。ニューラルネットワーク演算手段４９で行われる演算処理は、実施の形態１におけるニューラルネットワーク演算手段３９による演算処理と同様である。
情報端末４０によってニューラルネットワーク演算処理が行われると、リモコン３０は、演算結果としての故障要因の可能性を示す情報を、第５の通信手段３４を介して情報端末４０から受信する。マイコン３２は、情報端末４０から受信した故障要因の可能性を示す情報を、表示手段３５に表示させる。
このとき、ニューラルネットワーク演算処理に用いられる重み付けテーブルは、例えば情報端末４０のアプリケーションで保有しており、実施の形態１と同様に、演算処理によって得られた演算結果が正解であるか否かを回答することにより、重みｗｉｊを更新することができる。したがって、リモコン３０からの回答情報が外部のＰＣに送信され、ＰＣによって重みｗｉｊが再計算された場合、情報端末４０は、上述した実施の形態１と同様に、ＰＣから重みｗｉｊを取得し、重み付けテーブルを更新する。
なお、情報端末４０による更新された重みｗｉｊの取得は、例えば、情報端末４０に対するユーザによる手動入力、ＱＲ（Ｑｕｉｃｋ Ｒｅｓｐｏｎｓｅ）コード（ＱＲコードは登録商標）の読み取り、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）接続、またはネットワーク接続等の入出力インターフェースを使用することによって行うことができる。
以上のように、本実施の形態２では、実施の形態１と同様の効果を奏することができる。また、リモコン３０に代えて、情報端末４０でニューラルネットワーク演算処理を行うことにより、リモコン３０におけるマイコン３２の負荷を軽減することができる。
実施の形態３．
次に、本実施の形態３に係る空気調和機について説明する。本実施の形態３に係る空気調和機は、ニューラルネットワーク演算手段をクラウド５０上に備えた点で、上述した実施の形態１および２と相違する。
図５は、本実施の形態３に係る空気調和機１の構成の一例を示すブロック図である。図５に示すように、本実施の形態３に係る空気調和機１では、クラウド５０上にニューラルネットワーク演算手段５９が設けられている。なお、以下の説明において、上述した実施の形態１および２と共通する部分については、同一の符号を付し、説明を省略する。
リモコン３０におけるマイコン３２は、室外機１０から送信されたセンサ情報および制御情報を、第４の通信手段３１を介して受信し、第５の通信手段３４に供給する。第５の通信手段３４は、実施の形態１における通信処理を行うとともに、マイコン３２から受け取ったセンサ情報および制御情報を、情報端末４０に対して送信する。
情報端末４０は、リモコン３０から受信したセンサ情報および制御情報を、ネットワーク５を介してクラウド５０に対して送信する。クラウド５０は、情報端末４０から受信したセンサ情報および制御情報に基づき、ニューラルネットワーク演算処理を行う。ニューラルネットワーク演算手段５９で行われる演算処理は、実施の形態１におけるニューラルネットワーク演算手段３９、ならびに実施の形態２におけるニューラルネットワーク演算手段４９による演算処理と同様である。
クラウド５０によってニューラルネットワーク演算処理が行われると、リモコン３０は、演算結果としての故障要因の可能性を示す情報を、情報端末４０および第５の通信手段３４を介してクラウド５０から受信する。マイコン３２は、クラウド５０から受信した故障要因の可能性を示す情報を、表示手段３５に表示させる。
このとき、ニューラルネットワーク演算処理に用いられる重み付けテーブルは、例えばクラウド５０のアプリケーションで保有しており、実施の形態１および２と同様に、演算処理によって得られた演算結果が正解であるか否かを回答することにより、重みｗｉｊを更新することができる。したがって、リモコン３０からの回答情報が外部のＰＣに送信され、ＰＣによって重みｗｉｊが再計算された場合、クラウド５０は、上述した実施の形態１および２と同様に、ＰＣから重みｗｉｊを取得し、重み付けテーブルを更新する。
以上のように、本実施の形態３に係る流路切替弁では、実施の形態１と同様の効果を奏することができる。また、リモコン３０に代えて、クラウド５０でニューラルネットワーク演算処理を行うことにより、リモコン３０におけるマイコン３２の負荷を軽減することができる。
以上、実施の形態１〜３について説明したが、本発明は、上述した実施の形態１〜３に限定されるものではなく、本発明の要旨を逸脱しない範囲内で様々な変形や応用ができる。例えば、上述した例では、室外機センサ情報および室内機センサ情報の両方を室外機１０のメモリ１４に記憶させるように説明したが、これに限られず、室外機センサ情報および室内機センサ情報の両方を室内機２０のメモリ２５に記憶させるようにしてもよい。
また、上述した例では、中間層１２０の層数を２層とした場合について説明したが、これに限られず、例えば中間層１２０の層数は、１層以上であればよい。中間層１２０の層数は、空気調和機１の状態判断の精度等を考慮して、適宜設定することができる。
さらに、ニューラルネットワーク演算処理の際の入力信号としては、上述した例に限られず、例えば、圧縮機１５の吐出温度、熱交換器の蒸発温度、外気温度、設定温度または膨張弁１６の開度等の情報を示す信号を入力信号として用いてもよい。また、入力層１１０への入力信号は、例えば、１分間隔などの予め設定された時間間隔で取得した複数の情報に基づくものであってもよい。
さらにまた、上述した例では、空気調和機１の異常を検出した場合に故障要因を推定するように説明したが、これに限られず、例えば、空気調和機１の設置時および保守時においても、同様に故障要因を推定することができる。
１ 空気調和機、２ 第１の接続線、３ 第２の接続線、４ 第３の接続線、５ ネットワーク、１０ 室外機、１１ センサ、１２ マイクロコンピュータ、１３ 第１の通信手段、１４ メモリ、１５ 圧縮機、１６ 膨張弁、２０ 室内機、２１ センサ、２２ マイクロコンピュータ、２３ 第２の通信手段、２４ 第３の通信手段、２５ メモリ、３０ リモートコントローラ、３１ 第４の通信手段３１、３２ マイクロコンピュータ、３３ メモリ、３４ 第５の通信手段、３５ 表示手段、３６ 操作手段、３９、４９、５９ ニューラルネットワーク演算手段、４０ 情報端末、５０ クラウド、１００ ニューラルネットワーク、１１０ 入力層、１２０ 中間層、１２１ 第１中間層、１２２ 第２中間層、１３０ 出力層。

Claims (6)

  1. 冷媒回路を形成する各機器および配管が設けられた室外機および室内機と、該室内機に接続されるリモートコントローラとを備えた空気調和機であって、
    前記機器および前記配管の温度状態を検出するセンサが前記室外機および前記室内機のそれぞれに設けられており、
    前記センサによる検出結果を示すセンサ情報、および前記機器の制御状態を示す制御情報を記憶するメモリが前記室外機または前記室内機に設けられており、
    前記リモートコントローラは、
    前記メモリから取得した同一時刻における前記センサ情報および前記制御情報に基づく各部の状態を示す情報を入力値とするとともに、推定される故障要因を出力値とし、ニューラルネットワークを用いて前記故障要因の可能性を演算するニューラルネットワーク演算手段と、
    前記ニューラルネットワーク演算手段による演算結果を表示する表示手段と
    を有する
    空気調和機。
  2. 前記ニューラルネットワークは、
    前記入力値が入力される入力層と、
    前記入力層と結合される中間層と、
    前記中間層と結合される出力層と
    で構成され、
    各層間が結合される際の重みの値が外部で算出され、
    前記ニューラルネットワーク演算手段は、
    算出された前記重みの値を、前記外部から取得して更新する
    請求項１に記載の空気調和機。
  3. 前記重みの値は、前記故障要因の正否を示す情報と、前記センサ情報と、前記制御情報とに基づき算出される
    請求項２に記載の空気調和機。
  4. 前記表示手段は、
    正常な状態を基準として、前記故障要因の可能性を示すグラフを表示する
    請求項１〜３のいずれか一項に記載の空気調和機。
  5. 請求項１〜４のいずれか一項に記載の空気調和機と、
    前記空気調和機に関する情報を通知する情報端末と
    で構成され、
    前記ニューラルネットワーク演算手段は、前記リモートコントローラに代えて、前記情報端末に設けられている
    空気調和システム。
  6. 前記情報端末は、ネットワークを介してクラウドに接続されており、
    前記ニューラルネットワーク演算手段は、前記情報端末に代えて、前記クラウドに設けられている
    請求項５に記載の空気調和システム。
JP2018550954A 2016-11-18 2016-11-18 空気調和機および空気調和システム Active JP6625239B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/084231 WO2018092258A1 (ja) 2016-11-18 2016-11-18 空気調和機および空気調和システム

Publications (2)

Publication Number Publication Date
JPWO2018092258A1 true JPWO2018092258A1 (ja) 2019-02-21
JP6625239B2 JP6625239B2 (ja) 2019-12-25

Family

ID=62145829

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018550954A Active JP6625239B2 (ja) 2016-11-18 2016-11-18 空気調和機および空気調和システム

Country Status (5)

Country Link
US (1) US11486594B2 (ja)
EP (1) EP3348924B1 (ja)
JP (1) JP6625239B2 (ja)
CN (1) CN109937331B (ja)
WO (1) WO2018092258A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113757915A (zh) * 2020-06-03 2021-12-07 日立环球生活方案株式会社 异常诊断装置和异常诊断方法

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11859846B2 (en) 2018-06-15 2024-01-02 Johnson Controls Tyco IP Holdings LLP Cost savings from fault prediction and diagnosis
US11474485B2 (en) 2018-06-15 2022-10-18 Johnson Controls Tyco IP Holdings LLP Adaptive training and deployment of single chiller and clustered chiller fault detection models for connected chillers
CN109059170A (zh) * 2018-06-20 2018-12-21 上海安悦节能技术有限公司 基于神经网络算法的中央空调控制***
CN109405174A (zh) * 2018-10-08 2019-03-01 珠海格力电器股份有限公司 一种故障信息报修方法及装置
CN109882999A (zh) * 2018-12-19 2019-06-14 郑州大学 一种基于物联网与机器学习的方法及智能空调
JP7263121B2 (ja) * 2019-05-24 2023-04-24 株式会社Ｓｃｒｅｅｎホールディングス データ収集方法、学習方法、データ収集システムおよび学習システム
CN110500709B (zh) * 2019-07-29 2021-04-20 七彩安科智慧科技有限公司 空调器运行状态在线判别方法
CN110471380A (zh) * 2019-08-15 2019-11-19 四川长虹电器股份有限公司 一种用于智能家居***的空调故障监控及预警方法
CN111397107A (zh) * 2020-03-31 2020-07-10 广东美的制冷设备有限公司 空调器的屏幕显示方法、装置及空调器
JP7325630B2 (ja) * 2020-06-05 2023-08-14 三菱電機株式会社 空気調和機の診断システムおよび学習装置
WO2021250787A1 (ja) * 2020-06-09 2021-12-16 三菱電機株式会社 空気調和システム
CN111981635B (zh) * 2020-07-21 2021-12-31 沈阳安新自动化控制有限公司 一种双智能算法的中央空调故障预测与诊断方法
CN113339970B (zh) * 2021-05-26 2022-04-15 青岛海尔空调器有限总公司 用于检测室内温度的方法、装置和智能空调
WO2023013077A1 (ja) * 2021-08-06 2023-02-09 三菱電機株式会社 空気調和システム、及び検査方法
JPWO2023170780A1 (ja) * 2022-03-08 2023-09-14

Citations (5)

* Cited by examiner, † Cited by third party
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
JP2005301582A (ja) * 2004-04-09 2005-10-27 Toshiba Corp プロセス管理装置
WO2006090451A1 (ja) * 2005-02-24 2006-08-31 Mitsubishi Denki Kabushiki Kaisha 空気調和装置
JP2008249234A (ja) * 2007-03-30 2008-10-16 Mitsubishi Electric Corp 冷凍サイクル装置の故障診断装置及びそれを搭載した冷凍サイクル装置
US20160140452A1 (en) * 2014-11-17 2016-05-19 Optimitive S.L.U. Methods and systems using a composition of autonomous self-learning software components for performing complex real time data-processing tasks

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5372015A (en) * 1991-07-05 1994-12-13 Kabushiki Kaisha Toshiba Air conditioner controller
CN1092151A (zh) * 1993-03-08 1994-09-14 三洋电机株式会社 空调机的控制方法
CN1098186A (zh) * 1993-03-29 1995-02-01 三洋电机株式会社 空调机的控制装置
EP0740256A3 (en) * 1994-05-03 1996-11-06 Yamatake-Honeywell Co. Ltd. Building management set value decision support apparatus, set value learning apparatus, set value determining apparatus, and neural network operation apparatus
JP3897680B2 (ja) 2002-10-29 2007-03-28 ヤマハリビングテック株式会社 給湯機器
JP4196804B2 (ja) * 2003-10-17 2008-12-17 日立アプライアンス株式会社 インバータ空気調和機
JP2009014233A (ja) 2007-07-03 2009-01-22 Hitachi Appliances Inc 空気調和機、及び空気調和機の管理システム
CN105910247B (zh) * 2011-02-28 2018-12-14 艾默生电气公司 住宅解决方案的hvac的监视和诊断
US9551504B2 (en) * 2013-03-15 2017-01-24 Emerson Electric Co. HVAC system remote monitoring and diagnosis
US9817375B2 (en) * 2014-02-26 2017-11-14 Board Of Trustees Of The University Of Alabama Systems and methods for modeling energy consumption and creating demand response strategies using learning-based approaches
US10670293B2 (en) * 2014-06-12 2020-06-02 Emerson Electric Co. HVAC system mode detection based on control line current
US10386800B2 (en) * 2015-02-24 2019-08-20 Siemens Industry, Inc. Variable air volume modeling for an HVAC system
US10769735B2 (en) * 2015-09-11 2020-09-08 Johnson Controls Technology Company Thermostat with user interface features
US20210287311A1 (en) * 2015-09-11 2021-09-16 Johnson Controls Technology Company Thermostat having network connected branding features
US10794608B2 (en) * 2016-02-04 2020-10-06 Mitsubishi Electric Corporation Air-conditioning control evaluation apparatus, air-conditioning control evaluation method, and computer readable medium
US10496065B2 (en) * 2016-04-11 2019-12-03 Emerson Electric Co. Systems and methods for mobile application for HVAC installation and diagnostics

Patent Citations (5)

* Cited by examiner, † Cited by third party
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
JP2005301582A (ja) * 2004-04-09 2005-10-27 Toshiba Corp プロセス管理装置
WO2006090451A1 (ja) * 2005-02-24 2006-08-31 Mitsubishi Denki Kabushiki Kaisha 空気調和装置
JP2008249234A (ja) * 2007-03-30 2008-10-16 Mitsubishi Electric Corp 冷凍サイクル装置の故障診断装置及びそれを搭載した冷凍サイクル装置
US20160140452A1 (en) * 2014-11-17 2016-05-19 Optimitive S.L.U. Methods and systems using a composition of autonomous self-learning software components for performing complex real time data-processing tasks

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113757915A (zh) * 2020-06-03 2021-12-07 日立环球生活方案株式会社 异常诊断装置和异常诊断方法
CN113757915B (zh) * 2020-06-03 2022-12-06 日立环球生活方案株式会社 异常诊断装置和异常诊断方法

Also Published As

Publication number Publication date
CN109937331A (zh) 2019-06-25
EP3348924B1 (en) 2019-08-28
WO2018092258A1 (ja) 2018-05-24
EP3348924A4 (en) 2018-07-18
EP3348924A1 (en) 2018-07-18
CN109937331B (zh) 2020-11-24
JP6625239B2 (ja) 2019-12-25
US11486594B2 (en) 2022-11-01
US20200049363A1 (en) 2020-02-13

Similar Documents

Publication Publication Date Title
WO2018092258A1 (ja) 空気調和機および空気調和システム
JP5460891B2 (ja) 制御装置、空調システム、制御方法及びプログラム
JP6005304B2 (ja) 換気制御装置および換気制御方法
US10077928B2 (en) Air-conditioning system and control method for air-conditioning system
JP6698884B2 (ja) 空気調和システム
JP5627504B2 (ja) 空調設備保守システム及びデータ解析装置
JP5030640B2 (ja) 空気調和システム
US12000604B2 (en) Failure diagnosis system configured to diagnose a state of an air-conditioning apparatus having a refrigerant circuit
JP2012127625A (ja) 空気調和装置に用いられる故障診断装置
CN108885022B (zh) 空调吹出温度估计装置及计算机能读取的记录介质
US11906185B2 (en) State analyzer system and state analysis device
WO2021124457A1 (ja) 空気調和装置の異常予兆推測装置、空気調和装置の異常予兆推測モデル学習装置、および空気調和装置
WO2023013077A1 (ja) 空気調和システム、及び検査方法
JP2020003125A (ja) 空調システム
WO2021250787A1 (ja) 空気調和システム
WO2023248402A1 (ja) 空気調和システム及び異常診断方法
JP2013092338A (ja) 空調システム制御装置
CN115899971A (zh) 一种空调设备及故障处理方法
JP2008042312A (ja) 遠隔監視システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181003

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: 20191029

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191126

R150 Certificate of patent or registration of utility model

Ref document number: 6625239

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250