JP2000001114A - 車両用空調装置 - Google Patents

Abstract

(57)【要約】 【課題】 空調装置の制御ロジックの主要素である車室
内温度を推定する際に、ニューラルネットワークの入力
信号を適正に選択することにより、車室内温度を高精度
に制御することのできる車両用空調装置を提供すること
を目的とする。 【解決手段】 内気温センサ６からの測定温度Ｔ_ｉと、
外気温Ｔ_Ａ，日射量Ｔ_Ｓから成る環境因子と、吹出しモ
ード，吹出し温度，吹出し風量から成る空調機器の状態
とをニューラルネットワークの入力信号にするととも
に、吹出しモードで設定される吹き出し口以外の吹出し
口の温度データを所定の値に固定するようにした。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、空調装置に関する
もので、特に車室内の温度を適正に目標温度に制御する
ための車両用空調装置に関するものである。

【０００２】

【従来の技術】図８は、従来の車両用空調装置の制御フ
ローを示す図で、従来の車両用空調装置は、温度設定器
４で設定された目標温度Ｔ_Ｚに対して、車室内に設置さ
れた車室内温度検出手段としての内気温センサ６で測定
した測定温度Ｔ_ｉをフィードバック値とした制御ロジッ
ク１ｐにより、車室内に送風する空調空気の温度や風量
等を制御するようにしている。しかしながら、上記内気
温センサ６は、通常、フロントパネルの下方に設置され
ているので、外気温や日射等の影響のため、乗員の着座
位置近傍の温度（車室内温度）Ｔ_０とは異なっている。
そこで、上記フィードバック値を実際の車室内温度Ｔ_０
に近づけるため、車両に外気温センサや日射センサを設
けて、上記各センサの出力に基づいて上記測定温度Ｔ_ｉ
を補正したり、更には、空調空気の吹出しモード等に基
づいて上記測定温度Ｔ_ｉを補正していた。

【０００３】

【発明が解決しようとする課題】しかしながら、内気温
センサで測定した測定温度Ｔ_ｉと実際の車内温度Ｔ_０と
の差を補正するためには、上記制御ロジックで用いるパ
ラメータが多いため、マッチング作業に時間がかかると
いう問題点があった。また、特開平６−１９５３２３号
公報には、図９に示すように、目標温度Ｔ_Ｚ，車内温度
（内気温センサの測定温度）Ｔ_ｉ，外気温Ｔ_Ａ，日射量
Ｔ_Ｓとを入力信号としたニューラルネットワーク型追加
学習装置を用いて、空調空気の送風量等を制御する技術
が開示されている。これは、ニューラルネットワークに
おいて、目標吹出し温度，吹出しモード状態，ブロア風
量等の各演算式を学習して求めて最終送風量を制御する
ものであるが、ニューラルネットワークの入出力関係を
学習するために使用する教師信号が多いため、学習が収
束しにくく、また、学習時間が長くなってしまうといっ
た問題点があった。

【０００４】そこで、本出願人は、空調装置の制御ロジ
ックの主要素である車室内温度を出力値とするニューラ
ルネットワークで構成した温度推定器を備え、上記推定
値に基づいて車室内の温度を制御することにより、制御
ロジックの調整を容易とし、かつ、車室内温度を高精度
に制御する技術を提案している（特願平１０−００７９
３０号）。これは、ニューラルネットワークの入力信号
として、内気温センサで測定した測定温度Ｔ_ｉと、外気
温，日射量から成る環境因子と、吹出しモード，ミック
スドア開度，ブロアモータデューティ比から成る空調機
器の状態とを用いて車室内の温度Ｔ_Ｎを推定し、上記推
定値Ｔ_Ｎに基づいて車室内の温度を制御するものであ
る。しかしながら、上記入力信号中、吹き出し温度に対
応する入力信号であるミックスドア開度は、吹出しモー
ドやブロアモータデューティ比の影響を受けやすいた
め、車室内温度の推定精度が十分とは言えなかった。

【０００５】本発明は、従来の問題点に鑑みてなされた
もので、空調装置の制御ロジックの主要素である車室内
温度を推定する際に、ニューラルネットワークの入力信
号を適正に選択することにより、車室内温度を高精度に
制御することのできる車両用空調装置を提供することを
目的とする。

【０００６】

【課題を解決するための手段】本発明の請求項１に記載
の車両用空調装置は、車室内温度検出手段の検出温度と
車両の環境因子及び空調機器の状態とを入力信号とし、
車室内の温度の推定値を出力値とするニューラルネット
ワークを構成する際、上記環境因子を外気温と日射量と
し、上記空調機器の状態を吹出しモード，吹出し温度，
吹出し風量とするとともに、吹出しモードで設定される
吹き出し口以外の吹出し口の温度データを所定の値に固
定するようにしたものである。

【０００７】請求項２に記載の車両用空調装置は、上記
推定値をフィードバック値として車室内の温度を制御す
るようにしたものである。

【０００８】請求項３に記載の車両用空調装置は、ニュ
ーラルネットワークの学習時に使用する教師信号を、運
転席と助手席のそれぞれの頭部及び足部に相当する位置
の４点平均温度としたものである。

【０００９】請求項４に記載の車両用空調装置は、ニュ
ーラルネットワークの学習時に使用する、教師信号の入
力状態を、０．０２から０．９８に正規化するようにし
たものである。

【００１０】請求項５に記載の車両用空調装置は、ニュ
ーラルネットワークに使用するシグモイド関数を、入力
範囲により異なる係数を有する一次関数から構成され、
かつ上記一次関数のそれぞれの入力範囲における出力値
と上記シグモイド関数の出力値との誤差の絶対値が３％
以内になるように上記入力範囲及び上記一次関数の係数
を設定した関数で近似するようにしたものである。

【００１１】

【発明の実施の形態】以下、本発明の実施の形態につい
て、図面に基づき説明する。 実施の形態１．図１は本発明の実施の形態１に係わる車
両用空調装置の構成を示す図で、１は制御装置、２はエ
アダクト、３は空調空気の温度や風量等の設定を行う設
定パネル、４は設定パネル３から入力された車室内の目
標温度Ｔ_Ｚを設定し制御装置１に出力する温度設定器、
５はエアダクト２内のミックスドア２ｃの開度調整等を
行う複数の駆動装置、６はフロントパネルの下方に設置
された室内温度検出手段としての内気温センサ、７は車
両のバンパー近傍に設置された外気温センサ、８はフロ
ントパネルの上部に設置された日射センサである。エア
ダクト２は、エアダクトに導入する内気と外気との割合
を調整する内外気切換ドア２ａと、上記内外気切換ドア
２ａからの吸入空気を送風するブロア２ｂと、送風空気
を冷却するエバポレータ２ｃと、送風空気を暖めるヒー
タ２ｄと、その開閉度によりエバポレータ２ｃで冷却さ
れた送風空気のうちヒータ２ｄを通過する空気量を制御
して送風空気の温度を調節するミックスドア２ｅと、上
記温度調節された空気を上部吹出し口２ｆ及び下部吹出
し口２ｇに分配する吹出し口切換ドア２ｈとから構成さ
れる。なお、上部吹出し口２ｆには、上部吹出し口２ｆ
の温度を検出する上部吹出し口温度センサ２ｍが設置さ
れ、下部吹出し口２ｇには、下部吹出し口２ｇの温度を
検出する下部吹出し口温度センサ２ｎが設置されてい
る。また、駆動装置５は、上記内外気切換ドア２ａ、ミ
ックスドア２ｅ、吹出し口切換ドア２ｈを開閉する複数
のアクチュエータと、ブロア２ｂを駆動するブロア駆動
回路とから構成される。制御装置１は、外気温等の環境
因子や空調空気の吹出しモード等の空調機器の状態（制
御因子）に応じて、ミックスドア２ｅの開度等を制御す
る制御信号を各駆動装置５に出力する制御ロジック１ａ
と、内気温センサ６からの測定温度Ｔ_ｉと制御ロジック
１ａからの環境因子や空調機器の状態の情報を入力信号
とし、上記制御ロジック１ａに出力する車室内の温度の
推定値Ｔ_Ｎを出力値とするニューラルネットワークで構
成された温度推定器１ｂとを備えている。なお、上記制
御因子は、例えば、外気温センサ７や日射センサ８から
の出力、内外気切換ドア２ａ，ミックスドア２ｅ，吹出
し口切換ドア２ｈの開閉度、ブロア２ｂの駆動電圧など
がある。

【００１２】図２は、温度推定器１ｂにおけるニューラ
ルネットワークの構成（温度モデル）を示す図で、ニュ
ーラルネットワークは、入力層、隠れ層、出力層から成
る３層の階層型ネットワークである。入力信号は、内気
温センサ（Ｉｎｃ．ｓ）６からの測定温度Ｔ_ｉ（℃）、
外気温センサ７からの外気温Ｔ_Ａ（℃）、日射センサ８
からのの日射量（Ｋｃａｌ／ｍ^２ｈｏｕｒ）、ブロア２
ｂの駆動電圧に相当するブロアデューティ比（％）、設
定パネル３で設定された吹出しモード（１，２，３，
４，５）、下部吹出し口温度センサ２ｎからのフット吹
出し温度Ｔ_Ｆ（℃）、上部吹出し口温度センサ２ｍから
のベント吹出し温度Ｔ_Ｂ（℃）とから成り、出力値は、
車室内の温度の推定値Ｔ_Ｎ（℃）である。但し、上記フ
ット吹出し温度Ｔ_Ｆ（℃）と上記ベント吹出し温度Ｔ_Ｂ
（℃）とは、上記吹出しモードで設定される吹き出し口
以外の吹出し口の温度データを所定の値（例えば、２５
℃）に固定するものとする。また、このニューラルネッ
トワークでは以下の式（１）のようなシグモイド関数が
使用される。 ｙ_ｊ＝１／（１＋ｅｘｐ（−｜ｘ_ｊ｜）‥‥‥（１） ここで、ｘ_ｊは、層ｉへの各入力信号ｖ_ｉにウエイトｗ
_ｉｊを乗算した値からバイアスｂ_ｊを減じたもの（ｘ_ｊ
＝Σｖ_ｉ・ｗ_ｉｊ−ｂ_ｊ）で、ｙ_ｊは層ｉからの出力信
号（層ｊへの入力信号）である。なお、このシグモイド
関数は、図３に示すように、入力変数が−∞〜＋∞に対
して、０から１を出力する。温度推定器１ｂは、ニュー
ラルネットワークの学習時の教師信号として、運転席と
助手席のそれぞれの頭部及び足部に相当する位置の４点
平均温度を用い、上記推定値Ｔ_Ｎの演算式の各入力信号
に対するウエイトｗ_ｉｊやバイアスｂ_ｊの値を学習によ
って求め、制御時には、上記各入力信号に対して、車室
内の温度の推定値Ｔ_Ｎを制御ロジック１ａに出力するも
のである。

【００１３】ニューラルネットワークへの入力状態とし
て、各入力信号は、計測データの最小値から最大値を０
から１に正規化し、上記各入力信号の種類に対するウエ
イトｗ_ｉｊを同じに評価できるようにしている。一方、
上記教師信号は、上記シグモイド関数の出力特性として
０及び１が飽和出力値であることを考慮し、計測データ
の最小値から最大値を０．０２から０．９８に正規化し
ている。すなわち、上記シグモイド関数をニューロンの
入力関数としているニューラルネットワークの学習にお
いては、学習効率及び安全性を考慮すると、上記教師信
号を０から１に正規化するよりも、若干狭い範囲の０．
０２から０．９８に正規化した方が収束速度も速く有効
である。

【００１４】図４は、上述したニューラルネットワーク
で構成された温度推定器１ｂにおいて、下記の学習条件
で十分学習した後、外気温データを入力して車室内温度
Ｔ_０を推定したグラフである。なお、上記車室内温度Ｔ
_０は、運転席と助手席のそれぞれの頭部及び足部に相当
する位置で計測した各計測温度の平均値である。 学習条件 外気温‥‥−１０〜 ３５（℃） 日射 ‥‥ ０〜６６０（Ｋｃａｌ／ｍ^２ｈｏｕｒ） 車速 ‥‥アイドル〜４０（Ｋｍ／ｈ相当） 実線で示した温度推定器１ｂの出力値（推定値Ｔ_Ｎ）の
変化をみると、最大誤差は１．９℃、誤差の絶対値の平
均は０．５℃と、上述したミックスドア開度を入力信号
とした場合（最大誤差；４．９℃、誤差の絶対値の平
均；０．８３℃））に比べ小さく、しかも、同図の○で
示した車室内温度Ｔ_０の変化に対する追従性もよい。こ
れは、入力信号として用いた因子が適切に選択されてい
るだけでなく、吹出しモードで設定される吹き出し口以
外の吹出し口の温度データを所定の値（例えば、２５
℃）に固定したため不用な温度変動がなくなり、車室内
の温度の推定値Ｔ_Ｎを更に正確に求めることができるよ
うになったためである。なお、同図の破線は、Ｉｎｃ．
ｓ（内気温センサ）６の検出温度である。

【００１５】次に、上記車両用空調装置の車室内温度の
制御方法について、図５の制御フローに基づき説明す
る。制御ロジック１ａは、入力された外気温等の環境因
子や空調空気の吹出しモード等の空調機器の状態から成
る各制御因子から、温度推定器１ｂの入力信号となる制
御因子を抽出し、温度推定器１ｂに出力する。温度推定
器１ｂは、上記抽出された制御因子と、Ｉｎｃ．ｓ（内
気温センサ）６からの測定温度Ｔ_ｉとを入力信号とし、
ニューラルネットワークにより、車室内温度の推定値Ｔ
_Ｎを求めて制御ロジック１ａに出力する。制御ロジック
１ａは、上記各制御因子と上記推定値Ｔ_Ｎから、車室内
温度Ｔ_０が温度設定器４で設定された目標温度Ｔ_Ｚにな
るように、ブロアデューティ比（％）等のエアダクト２
の制御要素を予め設定された制御ロジック１ａに従って
車室内の温度をフィードバック制御する。すなわち、車
室内の温度は、上記内気温センサ６で測定された後、温
度推定器１ｂに入力され、推定値Ｔ_Ｎとして制御ロジッ
ク１ａにフィードバックされる。したがって、制御ロジ
ック１ａは、内気温センサ６からの測定温度Ｔ_ｉではな
く、車室内温度Ｔ_０に極めて近い値である温度推定器１
ｂからの車室内温度の推定値Ｔ_Ｎをフィードバック値と
した制御を行うので、車室内の温度を正確にかつ迅速に
目標温度Ｔ_Ｚにすることができる。

【００１６】実施の形態２．上記実施の形態１において
は、ニューラルネットワークに式（１）に示すシグモイ
ド関数を用いたが、このシグモイド関数を複数の直線で
近似することにより、温度推定器１ｂの必要メモリ数を
低減できるとともに、演算時間を大幅に短縮することが
できるので、車室内の温度を更に迅速に目標温度Ｔzに
することができる。すなわち、式（１）に示すシグモイ
ド関数を、例えば８ビットの組込み型マイコンでプログ
ラムする場合には、精度維持のため、指数関数と浮動小
数演算ライブラリが必要となるため、ＲＯＭ容量や計算
時間が大きくなる。一方、一次関数は割り算を含んでい
ないので浮動小数演算の必要もなく、整数演算を用いて
も演算精度を維持できるとともに、ＲＯＭ容量や計算時
間を小さくできるという利点がある。そこで、ニューラ
ルネットワークが学習するときには上記（１）式のシグ
モイド関数を使用し、学習後のネットワークを実際の組
込み型マイコンにプログラムするときには、図６に示す
ように、上記（１）式のシグモイド関数を誤差が、例え
ば±０．００５以内になるような１７本の直線（一次関
数）で近似した関数を、上記（１）式のシグモイド関数
の代用とすることにより、ＲＯＭ容量や計算時間を小さ
くでき、なおかつ、演算精度を維持することができる。
図７は、（１）式のシグモイド関数とシグモイド関数を
上記一次関数で近似した関数との誤差を示す図で、誤差
の大きさは、全入力範囲で±０．００５以内にあること
がわかる。

【００１７】なお、上記例では、シグモイド関数を誤差
が±０．００５以内になるような１７本の直線近似した
が、誤差が０．０３（±３）％以内であれば実用上問題
はない。また、上記近似した関数は必ずしも折れ線であ
る必要はなく、直線数（入力範囲の分割数）を少なくし
計算速度を早くするためにはむしろ不連続とした方が良
い場合もある。また、上記実施の形態１，２では、式
（１）の対数型シグモイド関数を使用した場合について
説明したが、以下の式（２）に示すようなｔａｎｈ型シ
グモイド関数などの他の型のシグモイド関数を用いても
よいことはもちろんである。 ｙ_ｊ＝（ｔａｎｈ（ｘ_ｊ）＋１）／２‥‥‥（２）

【００１８】

【発明の効果】以上説明したように、請求項１に記載の
車両用空調装置は、ニューラルネットワークの入力信号
を、車室内温度検出手段の検出温度と、環境因子である
外気温，日射量と、上記空調機器の状態である吹出しモ
ード，吹出し温度，吹出し風量とするとともに、吹出し
モードで設定される吹き出し口以外の吹出し口の温度デ
ータを所定の値に固定するようにしたので、不用な温度
変動がなくなり、車室内の温度の推定値を正確に求める
ことができ、したがって、車室内の温度を速やかに目標
温度にすることができる。

【００１９】請求項２に記載の車両用空調装置は、実際
の室内温度に近い上記推定値をフィードバック値とし
て、車室内に送風する空調空気の温度や風量等を調整し
て車室内の温度を制御するようにしたので、正確にかつ
迅速な温度制御を行うことができる。

【００２０】請求項３に記載の車両用空調装置は、ニュ
ーラルネットワークの学習時に使用する教師信号を、運
転席と助手席のそれぞれの頭部及び足部に相当する位置
の平均温度としたので、車室内温度の推定値と実際の車
室内温度との差を極めて小さくすることができる。

【００２１】請求項４記載の車両用空調装置は、ニュー
ラルネットワークの学習時に使用する教師信号の入力状
態を０．０２から０．９８に正規化するようにしたの
で、ニューラルネットワークの学習の学習効率及び安全
性を向上させることができる。

【００２２】請求項５記載の車両用空調装置は、ニュー
ラルネットワークの学習時に使用するシグモイド関数
を、一次関数のそれぞれの入力範囲における出力値と上
記シグモイド関数の出力値との誤差の絶対値が３％以内
になるような入力範囲及び上記一次関数の係数を設定し
た関数で近似することにより、必要メモリ数を低減でき
るとともに演算時間を大幅に短縮することができるの
で、車室内の温度を更に迅速に目標温度にすることがで
きる。

【図面の簡単な説明】

【図１】本発明の実施形態１に係わる車両用空調装置の
構成を示す図である。

【図２】本発明の実施形態１に係わる温度推定器のニュ
ーラルネットワークの構成を示す図である。

【図３】ニューラルネットワークに使用されるシグモイ
ド関数を示す図である。

【図４】本発明の実施形態１の温度推定器による車室内
温度の推定値と実測値の関係を示す図である。

【図５】本発明の実施形態１に係わる車両用空調装置の
制御フローを示す図である。

【図６】本発明の実施形態２に係わるシグモイド関数の
近似方法を示す図である。

【図７】シグモイド関数と一次関数との誤差を示す図で
ある。

【図８】従来の車両用空調装置の制御フローを示す図で
ある。

【図９】従来の車両用空調装置のニューラルネットワー
クの構成を示す図である。

【符号の説明】

１ 制御装置、１ａ 制御ロジック、１ｂ （ＮＮによ
る）温度推定器 ２ エアダクト、３ 設定パネル、４ 温度設定器、５
駆動装置、６ 内気温センサ、７ 外気温センサ、８
日射センサ。

Claims (5)

【特許請求の範囲】
1. 【請求項１】 車室内の温度を検出する車室内温度検出
   手段と、上記車室内温度検出手段の検出温度と車両の環
   境因子及び空調機器の状態とを入力信号とし車室内の温
   度の推定値を出力値とするニューラルネットワークで構
   成した温度推定器とを備え、上記推定値に基づいて車室
   内の温度を制御する車両用空調装置において、上記環境
   因子を外気温と日射量とし、上記空調機器の状態を吹出
   しモード，吹出し温度，吹出し風量とするとともに、吹
   出しモードで設定される吹き出し口以外の吹出し口の温
   度データを所定の値に固定するようにしたことを特徴と
   する車両用空調装置。
2. 【請求項２】 上記推定値をフィードバック値として車
   室内の温度を制御するようにしたことを特徴とする請求
   項１記載の車両用空調装置。
3. 【請求項３】 ニューラルネットワークの学習時に使用
   する教師信号を、運転席と助手席のそれぞれの頭部及び
   足部に相当する位置の４点平均温度としたことを特徴と
   する請求項１に記載の車両用空調装置。
4. 【請求項４】 ニューラルネットワークの学習時に使用
   する、教師信号の入力状態を、０．０２から０．９８に
   正規化するようにしたことを特徴とする請求項１に記載
   の車両用空調装置。
5. 【請求項５】 ニューラルネットワークに使用するシグ
   モイド関数を、入力範囲により異なる係数を有する一次
   関数から構成され、かつ上記一次関数のそれぞれの入力
   範囲における出力値と上記シグモイド関数の出力値との
   誤差の絶対値が３％以内になるように上記入力範囲及び
   上記一次関数の係数を設定した関数で近似するようにし
   たことを特徴とする請求項１に記載の車両用空調装置。