JPH04148142A - 空調制御装置 - Google Patents

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。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は空気調和制御装置にかかわり、特に車両の室内
の空気調和制御に適した車両用空調制御装置に関する。

（従来技術） 従来この種の空調制御装置においては、特開平１−２２
９７１３号公報に示されるように、乗員の皮膚温からそ
の時点での乗員の温感を推測し、その温感に基づき空調
を制御する空調制御装置が知られている。

（発明か解決しようとする課題） しかし、従来の空調制御装置においては、乗員の皮膚温
を測定した時点での乗員の温感を推定しているため、皮
膚温を測定した時点での温感は推定できるものの、その
先の温感の変化を予測することはできない。そのため、
空調制卸が適切に行なわれず、冷え過ぎ、温め過ぎ等の
不都合を生じる場合かある。

（課題を解決するための手段） 上記課題を解決するために、本発明の空調制御装置は、
室内における人の温感に関する情報を検出する温感情報
検出手段と、該温感情報検出手段から出力される所定時
間内の温感情報の履歴に基ついて近い将来の温感を予測
する温感予測手段と、目標温感に到達するために予め定
められた温感の制御パターンを記憶する制卸パターン記
憶手段と、該記憶手段に記憶された温感の制卸パターン
と前記温感予測手段から出力される近い将来の温感とが
一致するように風量、温度等の温調空気の制御量を決定
する制御量決定手段と、該制御量決定手段から出力され
る制御量に基づいて室内へ送風する温調空気の温度を制
御する空調制御手段と該制御量決定手段から出力される
制御量に基づいて室内へ送風する温調空気の風量を制卸
する送風機とがら成ることを特徴とする。

（作用） 上記のように構成された本発明の空調制御装置は、室内
における人の温感に関する情報を温感情報検出手段によ
って検出し、該温感情報検出手段から出力される所定時
間内の温感情報の履歴に基づいて温感予測手段によって
近い将来の温感を予測し、快適状態を保ちながら目標温
感に到達するために予め定められた温感の制卸パターン
を記憶する記憶手段に記憶された温感の制御パターンと
前記温感予測手段から出力される近い将来の温感とが一
致するように風量、温度等の温調空気の制御量を制御量
決定手段によって決定し、該制卸量決定手段から出力さ
れる制御量に基づいて室内へ送風する温調空気の温度を
空調制御手段によって制御し、該温調制御手段によって
温度調節された温調空気を該制卸量決定手段によって決
定された制御量に基づいて室内へ送風機によって送風す
る。

（効果） 本発明の空調制御装置においては、室内における大の温
感に関する情報を温感情報検出手段によって検出し、該
温感情報検出手段から出力される所定時間内の温感情報
の履歴に基ついて温感予測手段によって近い将来の温感
を予測することができるため、温感情報の検出時点より
先の温感の変化を予測することができ、所望の温感の制
御パターンを的確に実現てきる。

また、前記温感予測手段は、温感情報検出手段で検出さ
れた基準時点及びその時点より前の所定時間内における
温感情報と、基準時点より後（近い将来）の温感を表す
出力値を用いて、前記の温感情報の入力と前記の近い将
来の温感を表す出力値か対応するようにあらかじめ調整
された重み定数と温感情報とを乗算した後加算した出力
に対して、非線形変換を施し出力を得る演算要素を多数
組み合わせて構成された演算装置であって、近い将来の
温感を予測するに際して、温感情報検出手段から出力さ
れる所定時間内の温感情報と調整された重み定数を乗算
した後加算し、非線形変換して得られた最終出力値の大
きさによって近い将来の温感を予測する構成とすること
がてきる。

（実施例） 第１実施例 （構成） 本第１実施例について、第１４図に基ついて説明する。

温感情報検出手段１として顔の皮膚温を検出する赤外線
温度計１１６は、乗員の顔面から非接触にて皮膚温を検
出する赤外線検出型のセンサである。空調ユニット９２
を制御する制御装置１１１は第１図の破線で囲まれた要
素によって構成される。この制御装置１１１を構成する
要素のうち、制卸パターン記憶手段３、制御量決定手段
４及び温感予測手段２はマイクロコンピュータから成り
、さらに温感予測手段２はニューラルネットから構成さ
れる。

温感予測手段２は、第２図に示すようなニューラルネッ
トであり、過去数分間、ここでは３０秒毎に１分３０秒
分の皮膚温か、現在の皮膚温と共に温感予測を行う入力
層に入力される。本実施例の温感予測手段であるニュー
ラルネットは、入力層１１、中間層１２、出力層１３の
３層から構成されていて、入力層１１は４素子、中間層
１２は４素子、出力層１３は１素子から構成される。各
素子は、第３図で示すように、非線形入出力になってい
る。その関係式は、 Ｘ＝ΣＷ　ｉ　ｘ　１ Ｙ＝１／（１＋ｅｘｐ　（−（Ｘ−θ））ここてｘｉは
前段の層から該素子に入力される値であり、Ｗｉは素子
間の結合の重みであり、θは各素子でのしきい値である
。またΣは入力されるすべてのｘｉに対しての総和をと
るものである。

ただし、入力層のみは、Ｙ＝Ｘの恒等変化とした。

第２図に示す出力層１３からは、将来の温感に対応した
値が出力される。

この温感予測ニューラルネットの各素子のしきい値及び
素子間の重みは、事前の教育で決定される。

この教育は、男女数名の被験者により種々の空調状態で
実験を行い、その時の皮膚温、温感を教育用データとし
て入手する。この教育用データを基に、第４図に示すよ
うなステップてしきい値、重みを算出する。

ステップ１：第４図のＳｌでは、入力層より教育用デー
タの皮膚温履歴データを入力する。あらかじめ、素子の
しきい値及び素子間の重みは乱数により与え、この状態
で中間層１２、出力層１３と演算を進め将来の予測温感
を算出する。

ステップ２：第４図の８２では、Ｓｌて算出された温感
Ｙと、実際に申告された温感りとの差（エラー）Ｅを次
式により算出する。

Ｅ＝０．５＊　（Ｙ−Ｄ）　２ ステップ３：第４図の８３では、Ｓ２でのエラーか十分
小さい場合には、その時の重み、しきい値をメモリーに
保存し、終了する。大きい場合にはＳ４以降で、重みの
変更量を算出する。

ステップ４：第４図の８４では、次の式に基づいて重み
、しきい値修正量を算出する。

ａＥ／ｃｉＹ＝Ｙ−Ｄ 出力層１３のしきい値修正量は、 ａＥ／ａθ＝ａＥ／ａＹ−δＹ／ａθ ＝−ＢＥ／ａＹ−Ｙ　（１−Ｙ） 次に ａＥ／ａＸ＝ａＥ／ａＹ−ＢＹ／ａＸ ａＥ／ａＹ−Ｙ　（１−Ｙ） 中間層１２のｉ番目の素子と出力層１３間の重み（Ｗ　
ｉ　ＯＵＴ　）の修正量は、 ａ　Ｅ／　ａＷ　ｉ　Ｏ［ＪＴ ＝ａＥ／ａＸ−ａＸ／ａＷｉＯＵＴ ＝ａＥ／ａＸ”３’ｉ ここてｙｉは、中間層１２のｉ番目の出力値である。さ
らに、中間層１２のｉ番目の出力値ｙｉかエラーに与え
る寄与率は、 ＢＥ／ａｙ　１＝ａＥ／ａＸ−ａＸ／ａｙ　１＝ａＥ／
ａＸ−ＷｉＯＵＴ 中間層１２のｉ番目のしきい値θｉか、エラーに与える
寄与率は、 ＢＥ／ａθ１ ＝ａＥ／ａｙ　１−ａｙ　ｉ／ａθ１ −ａＥ／ａｙ　ｉ　−ｙ　ｉ　　（１−ｙ　ｉ）中間層
１２のｉ番目の素子に入力される値を、ｘｉとすると ａＥ／ａｘｉ 二〇Ｅ／ａｙ　１−ａｙ　ｉ／ａｘ　ｉａＥ／ａｙｉ−
ｙｉ　　（１−ｙｉ） 入力層１１のｊ番目と中間層１２のｉ番目の素子間の重
みＷｉＪが、エラーに与える寄与率は、ａＥ／δＷｉＪ ＝ａＥ／ａｘｉ−ａｘ　ｉ／ａＷｉｊ ＝ａＥ／δＸ１−ｙｊ ここてｙｊ′は、入力層１１のｊ番目の出力である。以
上の式により、各素子のしきい値と素子間の重みの修正
量を算出する。

ステップ５：第４図の８５では、Ｓ４で求めたａＥ／ａ
Ｗ、ＢＥ／ａθ等を用いて、 ΔＷ　（ｔ） 一ε・δＥ／ａＷ＋αΔＷ　（ｔ−１）により修正量を
算出する。ここでΔＷ（ｔ−１）は前回修正した時の修
正量であり、ε、αは定数である。実際の重みの修正は
、 Ｗ＝Ｗ＋ΔＷ で修正する。

ステップ６：第４図の８６では、Ｓ５で修正した後、Ｓ
ｌと同様の計算をしＳ２にもどる。

以上ステップ１から６を繰り返し、エラーか十分小さく
なった時の重み、しきい値か温感予測ニューラルネット
にセットされている。

次に制御パターン記憶手段３は、目標温感の時間的な変
化パターンをあらかじめ定めるものであり、例えば、第
５図（ａｌに示すように、最初やや寒い状態にした後、
暑くも寒くもない無感状態にする場合、また第５図（ｂ
ｌに示すように最初から除々に無感状態に近づける場合
、さらに第５図（Ｃ）に示すように、最初から無感状態
に保つ場合等かある。

同様に暖房剤の場合についても数種類考えられる。

本第１実施例では、最初から無感状態に保つ第５図（Ｃ
）を利用したか、上記にあげたパターンを含めた他の温
度制御のパターンいずれでもよい。また、制御パターン
記憶手段に、数種類記憶させておき、乗員の好みに応じ
て、その中から最適なものを選べるようにすることも可
能である。

制御量決定手段４は、前記温感予測手段によって予測さ
れた１分後の温感と、制御パターン記憶手段３にあらか
じめ記憶された温感制御のパターンから求められる同時
刻の温感との偏差を求め、該偏差を基に風温・風速等の
変化量を算出する。

空調ユニット９２は従来から一般に知られた構成を有し
、内外気切替装置１０１、送風機１０２、エバポレータ
】０３、ヒータコア１０４、エアミックスダンパ１０５
、およびベント吹出口１０６等を有している。

空調制御手段５は、該制御量決定手段４から出力される
制御量に基づいて室内へ送風する温調空気の温度をエバ
ポレータ１０３、ヒータコア１０４およびエアミックス
ダンパ１０５を用いて制御する。

また、送風機１０２は多数の翼を外周側に有する翼形送
風機であり、空調ユニット９２の空気取入口付近に設け
られていて前記空調制御手段５によって調整された温調
空気を、前記制御量決定手段４によって決定された風量
に従い、車室９１内へ送風する。

（作用） 本第１実施例の作用を以下に説明する。温感情報検出手
段１としての赤外線温度計は、乗員の温感情報例えば運
転者の顔表面皮膚温を測定している。この赤外線温度計
によって得られた乗員の皮膚温は、温感予測手段２に入
力される。

二の入力としては現皮膚温と１分３０秒前までの３０秒
毎に測定した皮膚温を用い、ニューラルネット（温感予
測手段２）にて１分後の温感を予測する。次に予測され
た温感とそれと同時刻における制御パターン記憶手段３
であらかじめ記憶した温感とを制御量決定手段４で比較
し、その偏差を求め、予測した温感が寒い方にずれてい
る場合、暖房剤であれば、暖房強度を上げ、冷房期あれ
ば冷房能力を下げるといった制御量を空調制御手段５に
伝達する。ただし、空調初期には皮膚温の変化したデー
タが少ないため、温感予測精度が悪くなる。そこで、温
感予測手段に必要なデータが揃う空調開始後３０秒間の
制御は、車室温２５度を維持するような制御を行い、空
調開始３０秒後からは本温感予測手段を利用して制御を
行う。

第１５図は、実験室において外気温３５°Ｃ１初期車室
温６０°Ｃ１日射量９００Ｗ／ｍ２−　ｈの条件て実験
し、本第１実施例の温感予測手段にて予測された温感と
、従来法である測定された皮膚温と該皮膚温の変化率と
を変数とし皮膚温の測定時点での被験者の温感を推定す
る回帰式を用いて推定した温感、及び実際に被験者の申
告する申告値とを比較した結果である。

従来法では、現時点での皮膚温とその変化率を使って、
温感を推定しているにすぎないため、皮膚温変化率の大
きい空調開始時■には被験者の申告する申告値とよく一
致するが、その後すぐに申告値からずれてしまう。そし
て、空調後期■になると再び申告値に近接するようにな
る。これは、人間の感覚はその時その時に決まるのでは
なく、時間的な変化の履歴も影響していることが原因で
ある。このため過去の皮膚温の履歴を考慮していない従
来法では、皮膚温変化か急激であり該皮膚温変化の時間
的履歴の影響か大きい空調初期■に於いて、温感推定精
度か悪くなる。また、従来法は温感を推定する時点て計
測された皮膚温に基づいて温感を推定しているため、皮
膚温の計測精度の影響を強く受け、皮膚温の計測値のば
らつきにより温感推定値のばらつきか生じる。

他方、本温感予測手段では入力データに皮膚温の履歴を
使っている。そのため第１５図に示すように空調開始時
Ｉ及び空調初期■にみられるような急激な皮膚温変化が
ある場合、つまり皮膚温変化の時間的履歴の影響が乗員
の温感に大きく影響する場合に於いても、精度良く温感
を予測することがでる。また、皮膚温の履歴を使うこと
により、当然のこととして皮膚温か上昇傾向にあるのか
下降傾向にあるのかを考慮し、さらにその変化率の変化
の仕方も考慮できるため、将来の温感を精度良く予測す
ることができる。

以上このような温感予測結果に基づいて制御量決定手段
４で制御量を求め、この制御量に従って、空調制御手段
５では第１４図に示すエアーミックスダンパー１０５の
開度及びエバポレータ１０３、ヒータコア１０４の設定
温度を変化させる。空調制御手段５によって調整された
温風を、制御量決定手段の出力に従い第１４図に示す送
風機１０２によって風速を調整し車室９１内に送風する
。

（効果） 本第１実施例の空調制御装置は、このように過去から現
在に至るまでの乗員の皮膚温に基づいて将来の温感を予
測しながら事前に適切な風温及び風速゛になる様に空調
制御を行う。従って従来技術の様に現在の温感を推測し
、推測した現在の温感のみに基づいて制御する場合に比
較して、本発明の第１実施例は素速く目標温感に近付け
ることができる。

第２実施例 （構成） 本発明の第２実施例は、第６図の破線で包まれた部分に
示すように前記第１実施に加えて、乗員が所望する温感
を入力する所望温感入力手段２７としての温感操作ボタ
ン１１４（第１４図）、及び温感情報検出手段２１から
出力される温感情報の履歴と、温感操作ボタン１１４か
ら入力された所望温感とを記憶する学習データ記憶手段
２８と、該学習データ記憶手段２８に記憶された学習デ
ータに基づいて温感予測手段２２を構成するニューラル
ネットの重み及びしきい値を変更する温感予測修正手段
２９とを設けたことを特徴とする。これらはすべてマイ
クロコンピュータから成る制御装置１１１　（第１４図
）に内蔵されている。

（作用） 本第２実施例の作用について主に前記第１実施例と相違
する点について以下に説明する。

本第２実施例において前記第１実施例に加えて追加され
た手段で特徴的なのは、第６図に示すように個人による
温感の違いの修正を可能にする温感操作ボタン１１４（
所望温感入力手段２７）である。

温感は、人によって多少異なるが、本第２実施例では、
乗員の所望する温感を温感操作ボタンによって入力でき
るためこのような個人差に合わせて温感予測手段２２を
構成するニューラルネットの重み及びしきい値を変更す
ることができる。これによって乗員にとってより快適な
空調状態をすばやく作ることが可能になる。

本第２実施例において、温感予測手段２２によって過去
からの現在に至るまでの１分３０秒間の３０秒毎の温度
履歴にもとづいて予測された温感と、乗員の実際に感じ
ている温感とが一致しない場合、乗員によって温感操作
ボタン１１４が操作される。温感操作ボタン１１４から
入力が入った場合には、迅速な空調制御を行うため直接
的に制御量決定手段２４に温感操作ボタン１１４（所望
温感入力手段２７）からの出力が入力され、それによっ
て制御量決定手段２４では適切な制御量を決定し空調制
御手段２５に該制御量を出力する。

この制御量に基づいて空調制御手段２５は、温感操作ボ
タン１１４に対応した量の空調制御を行う。

また、その一方で温感予測に使用した皮膚温データと温
感操作ボタン１１４（所望温感入力手段２７）から入力
された信号とが、学習データ記憶手段２８に蓄えられる
。

温感予測修正手段２９は車室内の空調を必要としない時
、前記学習データ記憶手段に蓄えられていたデータを使
って、温感予測修正量を算出する。

ここでの温感予測修正量算出方法は、前記第１実施例の
重み及びしきい値を決定した時と同じ方法で行う。温感
予測修正手段２９からの結果に基づいて、温感予測手段
２２を構成するニューラルネットの重み及びしきい値を
修正する。

第１６図及び第１７図は、温感操作ボタンによる温感予
測精度向上の効果を確認した実験結果を示している。本
実験の初期環境条件は外気温２８°Ｃ１初期車室温２８
°Ｃ１日射無しの条件で行った。

第１６図は修正前の状態である。空調初期を除いて、空
調中期から後期にわたって、予測温感と被験者の申告値
とがずれている。ここで、第１６図中の矢印の点で温感
操作ボタンか操作された。

上記実験終了後に温感操作ボタンによる入力データを基
に温感予測手段２２に修正を加え、修正効果を調へた結
果が第１７図である。空調中期から後期にわたって申告
値からずれていた部分が修正され、温感予測精度か向上
していることがわかる。さらに、修正前に既に十分な精
度で温感予測かなされていた空調開始時に於いては、修
正後もその精度か維持されていることがわかる。

以上のように本第２実施例は、温感操作ボタンを備え、
温感予測手段を乗員の温感に合わせて修正する事かでき
るため、乗員の温感によく一致した温感を予測すること
ができる。

尚、ここでは学習データに基づいて温感予測手段２２を
構成するニューラルネットの修正を行ったか、第７図の
破線のわく内に示すようにこの学習データを使って、制
御パターン記憶手段３３の制御パターンを修正してもよ
い。つまり、温感予測手段３２を構成するニューラルネ
ットの方には修正を加えず、温感操作ボタン１１４の信
号によって、目標温感のパターンのみを変化させる事で
対応するものである。

第１８図及び第１９図は、上述のように制御パターンの
みを修正した場合の目標温感への達成度向上の効果を確
認した実験結果を示している。第１８図で空調装置は、
目標温感−２（涼しい）を維持するように制御している
。しかし、本実験での被験者の申告値は温感−１（少し
涼しい）てあった。そのため被験者によって第１８図中
の矢印の位置て温感操作ボタン１１４により、目標温感
を涼しい方向に修正する旨の信号か入力された。

この入力信号と該信号か入力された時点における目標温
感を学習データ記憶手段３８に入力し、そのデータに基
づいて制御パターン修正手段３９によって、前記入力信
号と目標温感との偏差を算出し、制御パターン記憶手段
３３に記憶された制御パターンを修正する。このように
制御パターンを修正し、それによって目標温感を修正し
実験した結果が第１９図である。目標温感を−３（少し
寒い）にすることにより、被験者の申告値を本来の目標
温感である−２（涼しい）に維持することができた。

以上のように、温感操作ボタンによって乗員の要求して
いる温感を入力し、目標温感を修正する事により、温感
の個人差を考慮した適切な空調か可能になった。

上述の制御パターンの修正に関しては、その他の方法と
して、前記第１実施例で第５図ｆａ）（ｂ）（Ｃ）を用
いて説明したように数種類の制御パターン記憶手段を事
前に記憶しておき、乗員の好みに応じて、その中から最
適の制御パターンを選び出すこともできる。また、記憶
している温感制御パターンを温感操作ボタン１１４から
の人力に基ついて乗員の好みに応じて暑い方向あるいは
寒い方向にそのパターンを移動し、修正して使用する二
とも可能である。

（効果） 本第２実施例は、このように前記第１実施例の効果に加
え温感予測手段を構成するニューラルネットの重み及び
しきい値あるいは、目標となる温感の制御パターンを乗
員の好みに応じて修正できる能力を備えていることがら
、乗員の温感に対する個人差を考慮した空調制御を行う
ことができる。

第３実施例 （構成） 本発明の第３実施例は、第８図に示すように前記第２実
施例に車室温検出手段５０を加えたことを特徴とする。

該車室温検出手段５０としては、例えば熱電対から構成
される運転者の足元近くのセンターコンソールに設けら
れた車室温センサ１１５（第１４図）が考えられる。本
第３実施例は温感予測手段４２への入力に車室温か追加
されているため、温感予測手段４２を構成するニューラ
ルネットの入力層は第９図に示すよう、に前記第２実施
例に較へ１素子ふえている。さらに、ニューラルネット
の各素子のしきい値及び素子間の重みは、前記第１実施
例で示した方法と同じ方法で、事前の教育で決定されて
いる。この時教育用データには、入力として車室温も入
力される。

（作用） 本第３実施例の作用について主に前記第２実施例と相違
する点について以下に説明する。

本第３実施例は、前記第１及び第２実施例の温感情報検
出手段の温感情報のみによる将来の温感予測の予測精度
を車室温の情報を追加することによってさらに高めた点
に特徴がある。

例えば、前記第１実施例及び第２実施例においては、夏
期において乗車前に比較的源しい空間に長時間いた人か
日射下で車室温が上昇した車に乗った場合、乗員の皮膚
温か低いことがら、実際の温感よりも涼しく予測する可
能性がある。しかし、本第３実施例のごとく、車室温セ
ンサ１１５を用いると、乗員の回りの環境を知ることが
でき、乗員の皮膚温以外の乗員の回りの環境温度の情報
も使った温感予測によって、より正確に将来の温感を予
測できる。

第２０図は、車室の温度も入れて温感予測を行った場合
の本第３実施例による予測温感と従来法により推定した
温感と被験者の申告値との比較である。本実験時の初期
環境条件は、外気温３５°Ｃ１車室温６０°Ｃ１日射量
９００ｗ／ｈ−イであった。

第１実施例の様に車室温を入れない場合には、第１５図
の■に示される空調中期以降の申告値と本発明の温感予
測値との差がわずかになった状態において皮膚温変化は
わずかであり、熱が体から周囲の空気へと出ているのか
入っているのか分からない状態となり、乗員の皮膚とま
わりの空気との熱のやりとりを推定することができず、
その結果空調が十分行き届き皮膚温の変化か少なくなっ
た状態以降において、被験者の申告した温感と予測温感
とが一致するまでに時間かかかった。

しかし、本第３実施例の様に車室温も入れた場合には、
皮膚温だけでは不十分であった皮膚と周りの空気との熱
のやりとりを考慮することができ、温感をより正確に予
測することができる。

車室温が考慮されていない第１５図では、空調中期■か
ら後期■に於いて予測温感と実際の温感とが少しずれて
いる。しかし、車室温も考慮した第２０図では、そのず
れか修正され精度良く温感を推定している。

以上のように、車室温が考慮されていない場合には、皮
膚温変化が少なくなった状態において、その温感予測の
精度か低下する場合があるが、本第３実施例のように車
室温も考慮した場合には、皮膚温変化か少なくなった状
態においても温感予測を精度良く行うことができる。

予測された温感と制御パターン記憶手段４３ての温感の
制御パターンとを制御量決定手段４４て比較し、予測さ
れた温感か寒い方にずれている場合は、暖房期であれば
暖房能力を上げ、冷房期であれば冷房能力を下げるとい
った制御量を空調制御手段４５に伝達する。この制御量
に従って、空調制御手段４５ではエアーミックスダンパ
１０５の開度等を変化させ、送風機１０２によって車室
９１内の空調を制御する。

尚、本第３実施例には前記第２実施例と同じ温感予測修
正部５１があるためより乗員の好みに合った温感制御予
測かでき、より的確な空調制御か可能になる。

（効果） このように本第３実施例の空調制御装置は、前記第１実
施例及び第２実施例の効果に加えて車室内の温度も入力
することがら、乗員の回りの環境温度である車室温を考
慮して温感予測を行うことがてき、精度の高い温感予測
か可能となり、的確な空調制御か可能になる。

第４実施例 （構成） 本発明の第４実施例は第１０図に示すように前記第３実
施例に加えて車室温検出手段７０を構成する車室温セン
サ１１５から出力される所定時間内の車室温情報の履歴
に基づいて近い将来の車室温を予測する車室温予測手段
７１としての回帰式あるいはニューラルネットを設けた
ことに特徴かある。

車室温予測手段７１では、前記第３実施例と同じ車室温
センサからなる車室温検出手段７０によって検出された
、現在及び過去の車室温を入力として回帰式あるいは、
ニューラルネットにより１分後の車室温を予測する。

車室温を予測する１つの手法として回帰式を用いて車室
温の予測をする場合、その式として、Ｔ＝ａｔ＋ｂ で表される一次式を利用する。ここで、ａ、　　ｂは定
数、ｔは時間、Ｔは車室温である。ａ、　　ｂは１分３
０秒前から現在までの３０秒毎の車室温を使い、最小２
乗法により、温度予測を行う場合に、その都度決定する
。以上の方法で決定されたａ。

ｂを用い、ｔとして１分後の時間を入力し、Ｔから１分
後の予測車室温を求める。

ここでは、−次式を利用したか、必要に応じて２次式、
３次式等地の式でもよい。また最小２乗法以外の方法で
定数を求めてもさしつかえない。

また、入力変数として時間ｔのかわりに、所定の時間間
隔における車室温を利用して、式を作成し、所定の時間
先の時間における予測車室温を求めても、まったく問題
ない。

次に車室温を予測する他の手法として、第１１図は車室
温予測手段７１にニューラルネットを使う場合のニュー
ラルネットの構成図で、１分３０秒前から現在まての３
０秒毎の車室温履歴を入力し１分後の車室温を予測し出
力するものである。

入力される車室温履歴と出力される将来の車室温（１分
後）とは事前に実験によって入手したデータに基づいて
前記第１実施例で示したのと同様の方法で、車室温予測
ニューラルネット内の重み及びしきい値か設定されてい
る。

温感予測手段６２を構成するニューラルネットの詳細を
第１２図に示す。入力層８１への人力として予測車室温
（１分後）か増えているため入力層の素子か１つふえて
いる以外は、前記第３実施例と同じ構造である。

出力層８３からは現在の車室温及び１分後の車室温を考
慮した将来の温感に対応した値か出力される。

この温感予測手段の各素子のしきい値及び素子間の重み
は、前記第１実施例で示した方法と同じ方法で、事前の
教育で決定したものである。ただしこの時教育用データ
には、入力として予測車室温も含んだデータか入力され
る。

（作用） 本第４実施例の作用について主に前記第３実施例と相違
する点について以下に説明する。

本第４実施例は、温感情報と車室温とに基づいて将来の
温感を予測する前記第３実施例に、さらに車室温の履歴
に基づいて予測した将来の車室温の情報の入力を加えた
ものである。

前記温感情報検出手段６１を構成する赤外線温度計１１
６と車室温検出手段７０を構成する車室温センサ１１５
て検出された乗員の皮膚温及び、現在の車室温、及び車
室温予測手段７１によって予測された１分後の予測車室
温か、温感予測手段６２に入力される。

実際の空調では温感情報検出手段６１である赤外線温度
計１１６により乗員の皮膚温を検出し、車室温検出手段
７０である車室温センサ（１５により車室内の温度を検
出する。前記車室温検出手段７０で検出された車室温を
基に、車室温予測手段７１にて１分後の車室温を予測す
る。

温感予測手段６２では第１２図に示すように入力層８１
には現在の皮膚温と以前に測定した時の皮膚温、さらに
現在の車室温と近い将来（１分後）の車室温の予測値を
基に、近い将来（１分後）の温感を予測する。

第２１図は、車室温の履歴も入れて温感を予測した場合
の本第４実施例による予測温感と従来法により推定した
温感及び被験者の申告値との比較である。本実験での初
期環境条件は、外気温度３５°Ｃ１初期車室温６０°Ｃ
１日射量９００Ｗ／ｈ・イである。

前記第３実施例では車室の現時点での温度のみを入力し
、その温度履歴は考慮していなかったため、第２０図の
空調初期におけるように皮膚温及び車室温の変化が急激
な条件に於いては、車室温か上昇傾向にあるのか下降傾
向にあるのかがわからず、将来の温感を十分に予測し得
ない状態にある。

それに対して、本第４実施例では車室内の温度履歴も入
力データとして使うことがら、車室温の変化を予測し予
測車室温を考慮して温感を精度良く予測することができ
、さらに特に皮膚温および車室温の変化か急激な空調初
期においても第２１図に示すように精度良く温感予測か
できる。

以上のように、本第４実施例は車室温の履歴を考慮して
いるため、皮膚温および車室温の変化か急激な場合にお
いても、温感予測精度を向上させることがてきる。

予測された温感と制御パターン記憶手段６３ての温感の
制御パターンとを制御量決定手段６４で比較し、予測し
た温感が寒い方にずれている場合、暖房期であれば暖房
能力を上げ、冷房期あれば冷房能力を下げるといった制
御量を空調制御手段６５に伝達する。この制御量に従っ
て、空調制御手段６５ではエアーミックスダンパー１０
５の開度及びエバポレータ１０３、ヒータコア１０４の
設定温度を変化させ風温を調整し、送風機１０２によっ
て風速を調整して車室９１内を空調する。

そのため本第４実施例では将来の皮膚温を予測する場合
、現在と将来の車室温の差によって、車室温が現時点で
上昇傾向にあるのか、下降傾向にあるのかを考慮しつつ
、将来の温感を予測することができる。また、本第４実
施例では、車室温の履歴に基づいて予測した車室温の予
測情報も使うことができ、さらに精度の高い温感予測か
可能になり、より正確な空調制御が実現できる。

尚、車室温予測手段７１は温感予測手段６２に含める事
も可能である。この場合の入力は、第１３図に示すよう
に、１分３０分前から現在まての３０秒毎の乗員の皮膚
温の履歴と乗員の回りの環境温度である車室温の履歴で
ある。

さらに、第１０図に示すように本第４実施例に前記第２
実施例の温感予測修正部７２を付加できることは、言う
までもない。

（効果） 本第４実施例は前記第１実施例乃至第３実施例の効果に
加え予測車室温を使うことて、現在の車室温か上昇傾向
にあるのか下降傾向にあるのかを知ることができ、現在
の車室内の温度と皮膚温のみて温感予測をする前記第３
実施例の場合よりも、さらに精度のよい温感予測を行う
ことが可能になり、迅速で的確な空調制御が実現される
。

その他の変形例 前記の第１実施例乃至第４実施例では、温感情報検出手
段として赤外線温度計を使用して乗員の皮膚温を検出し
たが、温感情報としては脳波、脈拍、皮膚電位等を用い
ても良い。また、直接人体の温感情報を測定するのでは
なく、人体と等価の信号を出す人体等価型のセンサーか
らの信号も温感情報として使用できる。

また、前記の実施例では車室内温度検出手段にて、車室
内の温度を検出したか、温感予測をより正確に行うため
、必要に応じて第１４図に示すように車室内の湿度を車
室温センサ１１５付近に設けた図示しない湿度センサー
によって入力し、日射量をダッシュホード上に設けた日
射量センサ１１３によって入力し、天井の温度等車室内
の環境情報を天井等に設けた図示しない温度センサによ
って入力し、さらには、車室外の温度、湿度等車室外の
環境情報も車両先端のダクト部に設けた外気温センサ兼
外気湿度センサ１１２によって入力することができる。

また、更に温感情報及び車室内温度情報において前記第
１実施例乃至第４実施例においては単一の計測点におけ
る情報を用いたが、これに代えて多点の計測点における
情報に基ついて温感を予測することもできる。この場合
には、入力数に応じて温感予測手段の入力素子数、中間
素子数を変えることによって、対応する事かできること
は当業者であれば容易に推測ができるてあろう。

【図面の簡単な説明】

第１図は本発明の第１実施例の構成を示すブロック図、
第２図は本発明の第１実施例の温感予測手段の構成図、
第３図は本発明の第１実施例に用いた温感予測手段の素
子の特性図、第４図は本発明の第１実施例に用いた温感
予測手段の調整方法のフローチャート、第５図は本発明
の第１実施例の温感制御パターンの線図、第６図は本発
明の第２実施例の空調制御装置の構成を示すブロック図
、第７図は本発明の第３実施例の構成を示すブロック図
、第８図は本発明の第４実施例の空調制御装置の構成を
示すブロック図、第９図は本発明の第３実施例の温感予
測手段の構成図、第１０図は本発明の第４実施例の空調
制御装置の構成を示すブロック図、第１Ｉ図は本発明の
第４実施例の車室温予測手段の構成図、第１２図は本発
明の第４実施例の温感予測手段の構成図、第１３図は本
発明の第４実施例の温感予測手段の変形例の構成図、第
１４図は本発明の実施例の模式断面図、第１５図は本発
明の第１実施例の温感予測結果の線図、第１６図は本発
明の第２実施例の修正前の温感予測結果の線図、第１７
図は本発明の第２実施例の修正後の温感予測結果の線図
、第１８図は本発明の第２実施例の制御パターン修正前
の温感の線図、第１９図は本発明の第２実施例の制御パ
ターン修正後の温感の線図、第２０図は本発明の第３実
施例の温感予測結果の線図、第２１図は本発明の第４実
施例の温感予測結果の線図である。 温感情報検出手段、 温感予測手段、 制御パターン記憶手段、 制御量決定手段、 空調制御手段、 送風機、 ・所望温感入力手段、 ・学習データ記憶手段、 ・温感予測修正手段、 ・車室温検出手段、 ・車室温予測手段

Claims (1)

1. 【特許請求の範囲】 　室内における人の温感に関する情報を検出する温感情
   報検出手段と、 該温感情報検出手段から出力される所定時間内の温感情
   報の履歴に基づいて近い将来の温感を予測する温感予測
   手段と、 目標温感に到達するために予め定められた温感の制御パ
   ターンを記憶する制御パターン記憶手段と、 該記憶手段に記憶された温感の制御パターンと前記温感
   予測手段から出力される近い将来の温感とが一致するよ
   うに風量、温度等の温調空気の制御量を決定する制御量
   決定手段と、 該制御量決定手段から出力される制御量に基づいて室内
   へ送風する温調空気の温度を制御する空調制御手段と、 前記制御量決定手段の制御量に従い室内へ温調空気を送
   風する送風機と、 から成ることを特徴とする空調制御装置。