JP2000001116A

JP2000001116A - 車両用空調装置

Info

Publication number: JP2000001116A
Application number: JP16901798A
Authority: JP
Inventors: Hidehiro Adachi; 秀博安立; Yoshinobu Ito; 榮信伊藤; Mamoru Seiji; 護政氏
Original assignee: Zexel Corp
Current assignee: Bosch Corp
Priority date: 1998-06-16
Filing date: 1998-06-16
Publication date: 2000-01-07

Abstract

(57)【要約】【課題】ワンボックス用ツインタイプの車両用空調装
置において、１個の車室内温度検出手段からの検出温度
を用いて空調装置の制御ロジックの主要素である前部及
び後部の車室内温度を推定し、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】車室内の温度を検出する車室内温度検出
手段を内気温センサ６の１個とするとともに、上記内気
温センサ６からの検出温度Ｔ_ｉと、外気温Ｔ_Ａ，日射量
Ｔ_Ｓ，ブロアデューティ比等の車両の環境因子及び空調
機器の状態とを入力信号とし、車室内前部の温度の推定
値Ｔ_Ｎ１と後部の温度の推定値Ｔ_Ｎ２をそれぞれの出力
値とするニューラルネットワークで構成した２つの温度
推定器１２ａ，１２ｂにより車室内前部及び後部の温度
の推定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、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、特に、ワンボックス用ツインタイプの車両に用
いられる車両用空調装置に関するものである。

【０００２】

【従来の技術】図１２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と実際の車室内温度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ると
いう問題点があった。また、特開平６−１９５３２３号
公報には、図１３に示すように、目標温度Ｔ _Ｚ，車室内
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、演算
時間が長くまた学習が収束しにくいといった問題点があ
った。特に、車室内の前部と後部とのそれぞれで、設定
温度Ｔ_Ｚ１，Ｔ_Ｚ２及び送風量Ｗ_Ｚ１，Ｗ_Ｚ２を設定で
きるワンボックス用ツインタイプの車両用空調装置で
は、車室内の前部及び後部の空調空気の状態が、それぞ
れ他方の空調空気に影響を与えるので、更に学習が収束
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。更に、従来のワンボックス用ツインタ
イプの車両用空調装置では、車室内の前部及び後部にそ
れぞれ内気温センサを備える必要があるため、コストア
ップとなってしまうだけでなく、後部用の内気温センサ
は制御ユニットから遠い場所に設置されているためハー
ネスが長くなり、更にコストアップとなる。また、前部
の制御部のみ内気温センサを備え、前部及び後部の制御
部が同時に動いているときは、上記内気温センサの出力
を後部の制御部に入力し、前部の制御部が動いていない
ときは、後部の制御部はマニュアル操作を行うタイプの
空調装置もあるが、この場合には、内気温センサの出力
が後部の温度を十分反映していないので、後部の制御が
不十分であるだけでなく、前部の制御部が動いていない
ときの機能低下が著しいといった問題点があった。

【０００４】本発明は、従来の問題点に鑑みてなされた
もので、車室内の前部と後部の設定温度や送風量等を設
定できるタイプの車両用空調装置において、１個の車室
内温度検出手段からの検出温度を用いて空調装置の制御
ロジックの主要素である前部及び後部の車室内温度を推
定し、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。

【０００５】

【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、車室内の温度を検出する車室内温
度検出手段を１個とし、上記車室内温度検出手段からの
検出温度と車両の環境因子及び空調機器の状態とをそれ
ぞれの入力信号とし、車室内前部の温度の推定値と後部
の温度の推定値をそれぞれの出力値とするニューラルネ
ットワークで構成した２つの温度推定器を備え、上記２
つの推定値に基づいて車室内の温度を制御するようにし
たものである。

【０００６】請求項２に記載の車両用空調装置は、車室
内の温度を検出する車室内温度検出手段を１個とし、上
記各車室内温度検出手段から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、車室内前部の
温度の推定値と後部の温度の推定値をそれぞれの出力値
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２つの推定値に基づいて車室内の温度を制御
するようにしたものである。

【０００７】請求項３に記載の車両用空調装置は、上記
２つの推定値をフィードバック値として車室内の前部及
び後部に送風する空調空気の温度や風量等を調節して車
室内の温度を制御するようにしたものである。

【０００８】請求項４に記載の車両用空調装置は、上記
環境因子を外気温及び日射量とし、上記空調機器の状態
を車室の前部及び後部の吹出しモード，ミックスドア開
度，吹出し風量の各情報のいずれかの組合せかあるいは
全部としたものである。

【０００９】請求項５に記載の車両用空調装置は、車室
内前部の温度の推定値を求めるニューラルネットワーク
において、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。

【００１０】請求項６に記載の車両用空調装置は、車室
内後部の温度の推定値を求めるニューラルネットワーク
において、学習時に使用する教師信号を、後部席の右、
中央、左のそれぞれの頭部及び足部に相当する位置の平
均温度としたものである。

【００１１】請求項７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。

【００１２】請求項８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。

【００１３】

【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、２Ａは
フロント用のエアダクト、２Ｂはリア用のエアダクト、
３は空調空気の温度や風量等の設定を行う設定パネル、
４ａ，４ｂは設定パネル３から入力された車室内の前部
及び後部の目標温度Ｔ_Ｚ１，Ｔ_Ｚ２をそれぞれ設定し制
御装置１に出力する温度設定器、５ａ，５ｂは各エアダ
クト２Ａ，２Ｂ内のミックスドア２ｃの開度調整等をそ
れぞれ行う複数の駆動装置、６は車室内前部の温度検出
手段としての内気温センサで、本実施の形態１において
は、この内気温センサ６をフロントパネルの下方に設置
されたフロント用の内気温センサとした。また、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、９は前部座
席、１０は後部座席である。エアダクト２Ａは、エアダ
クト２Ａ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５ａは、上記内外気切換ドア２ａ、ミックスドア２
ｅ、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。なお、エアダクト２Ｂも上記エアダクト２Ａ
と同様の構造である。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前部及び後部の空調機
器の状態（制御因子）に応じて、前部または後部のミッ
クスドア２ｅの開度等を制御する制御信号を駆動装置５
ａまたは駆動装置５ｂに出力する前席制御ロジック１１
ａ及び後席制御ロジック１１ｂと、上記内気温センサ６
からの測定温度Ｔ_ｉと制御ロジック１１ａ，１１ｂから
の環境因子や空調機器の状態の情報をそれぞれ入力信号
とし、上記制御ロジック１１ａ，１１ｂに出力する車室
内の温度の推定値Ｔ_Ｎ１，Ｔ_Ｎ２をそれぞれ出力値とす
るニューラルネットワークで構成された２つの温度推定
器１２ａ，１２ｂ（図では、前部の温度推定器Ａ，後部
の温度推定器Ｂ）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。

【００１４】図２（ａ）は、前部の温度推定器１２ａに
おけるニューラルネットワーク（フロント用Ｉｎｃ．ｓ
モデル）の構成を示す図で、フロント用ニューラルネッ
トワーク１２Ｆ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。また、図２（ｂ）は、
後部の温度推定器１２ｂにおけるニューラルネットワー
ク（リア用Ｉｎｃ．ｓモデル）の構成を示す図で、リア
用ニューラルネットワーク１２Ｒは、上記フロント用ニ
ューラルネットワーク１２Ｆと同一の層構造を有してい
る。フロント用ニューラルネットワーク１２Ｆの入力信
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からの日射量（Ｋｃａｌ／ｍ²ｈｏｕｒ）、
設定パネル３で設定された吹出しモード（１，２，３，
４，５）、フロントミックスドア２ｅの開度（％）、フ
ロントブロア２ｂの駆動電圧に相当するフロントブロア
モータデューティ比（％）とから成り、出力値は、車室
内前部の温度の推定値Ｔ_Ｎ１（℃）である。また、リア
用ニューラルネットワーク１２Ｒの入力信号は、上記フ
ロント用ニューラルネットワーク１２Ｆの入力信号と同
様で、フロント用ニューラルネットワーク１２Ｆの入力
信号の内、前部の空調機器の制御因子を後部の空調機器
の制御因子に置き換えたもので、出力値は、車室内前部
の温度の推定値Ｔ_Ｎ１（℃）である。但し、後部には内
気温センサが設けられていないので、測定温度としては
上記内気温センサ６からの測定温度Ｔ_ｉ（℃）を入力信
号としている。

【００１５】このニューラルネットワーク１２Ｆ，１２
Ｒ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、入力変数がが−∞〜＋∞に
対して、０から１を出力する。ここで、前部の温度推定
器１２ａは、ニューラルネットワーク１２Ｆ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、車室内前部
における温度の推定値Ｔ_Ｎ１を求める演算式の各入力信
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
室内前部の温度の推定値Ｔ_Ｎ１を制御ロジック１１ａに
出力する。一方、後部の温度推定器１２ｂは、教師信号
として、後部席の右、中央、左のそれぞれの頭部及び足
部に相当する位置の平均温度を用い、車室内後部におけ
る温度の推定値Ｔ_Ｎ２を求める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、車室内後
部の温度の推定値Ｔ_Ｎ２を制御ロジック１１ｂに出力す
る。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。

【００１６】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１２ａ，１２ｂ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
車室内後部の温度Ｔ_２を推定したグラフである。なお、
車室内後部の温度Ｔ_２（○印）は、後部席の右、中央、
左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。また、破線は、従来の後部
用内気温センサがあった位置に、比較データ用の内気温
センサを設置して計測した温度である。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）図４において、実線で示した後部の温度推定器１２ｂの
出力値（推定値Ｔ_Ｎ２）の変化をみると、最大誤差は
３．６℃と大きいが、破線で示した上記後部の内気温セ
ンサからの測定温度Ｔ_ｉ２の変化に比べて、○で示した
車室内温度Ｔ_２の変化に対する追従性がよいことがわか
る。

【００１７】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６の制御フローに基づき説明す
る。前席制御ロジック１１ａは、前部の各制御因子と前
部の温度推定器１２ａからの推定値Ｔ_Ｎ１とから、車室
前部の温度Ｔ_１が温度設定器４ａで設定され目標温度Ｔ
_Ｚ１になるように、前部のエアダクト２Ａを制御する。
同様に、後席制御ロジック１１ｂは、後部の各制御因子
と後部の温度推定器１２ｂからの推定値Ｔ_Ｎ _２とから、
車室後部の温度Ｔ_２が温度設定器１２ｂで設定され目標
温度Ｔ_Ｚ２になるように、後部のエアダクト２Ｂを制御
する。前席制御ロジック１１ａ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１２ａの入力信
号となる制御因子を抽出し、温度推定器１２ａに出力す
る。温度推定器１２ａ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
前部の温度の推定値Ｔ_Ｎ１を求めて制御ロジック１１ａ
に出力する。制御ロジック１１ａは、上記各制御因子と
上記推定値Ｔ_Ｎ１とから、車室内温度Ｔ_１が温度設定器
４ａで設定され目標温度Ｔ_Ｚ１になるように、ミックス
ドア２ｅの開度等のエアダクト２Ａの制御要素を予め設
定された制御ロジックに従って車室内前部の温度をフィ
ードバック制御する。後席制御ロジック１１ｂも、同様
に、車室内温度Ｔ_２が温度設定器４ｂで設定され目標温
度Ｔ_Ｚ２になるように、ミックスドア２ｅの開度等のエ
アダクト２Ｂの制御要素を予め設定された制御ロジック
に従って車室内後部の温度をフィードバック制御する。
すなわち、前席制御ロジック１１ａ，後席制御ロジック
１１ｂは、従来のように前部と後部の内気温センサから
の測定温度Ｔ_ｉ１，Ｔ_ｉ２ではなく、車室内前部及び後
部の温度Ｔ_１，Ｔ_２に極めて近い値である温度推定器１
２ａ，１２ｂからの車室内前部及び後部の温度の推定値
Ｔ_Ｎ１，Ｔ_Ｎ２をフィードバック値とした制御を行うの
で、車室内前部及び後部の温度を正確にかつ迅速に目標
温度Ｔ_Ｚ _１，Ｔ_Ｚ２にすることができる。

【００１８】実施の形態２．上記実施の形態１において
は、車室内の温度を検出する車室内温度検出手段を内気
温センサ６の１個とするとともに、上記内気温センサ６
からの検出温度Ｔ_ｉを入力信号の１つとし、車室内前部
の温度の推定値Ｔ_Ｎ１と後部の温度の推定値Ｔ_Ｎ２をそ
れぞれの出力値とするニューラルネットワークで構成し
た２つの温度推定器１２ａ，１２ｂにより車室内前部及
びの温度の推定値を求めたが、図６に示すように、内気
温センサ６からの検出温度Ｔ_ｉを入力信号の１つとし、
車室内前部の温度の推定値と後部の温度の推定値との２
つ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１２により車室内前部及び後部の温度の推定値
Ｔ_Ｎ１，Ｔ_Ｎ２を求めるようにしてもよい。図７は、温
度推定器１２におけるニューラルネットワークの構成を
示す図で、ニューラルネットワーク１２Ｋの入力信号
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からの日射量（Ｋｃａｌ／ｍ²ｈｏｕｒ）、車
室内前部の制御因子であるフロント吹出しモード、フロ
ントミックスドアの開度（％），フロントブロアの駆動
電圧に相当するフロントブロアモータデューティ比
（％）、車室内後部の制御因子であるリア吹出しモー
ド，リアミックスドアの開度（％），リアブロアモータ
デューティ比（％）とから成り、出力値は、車室内前部
の温度の推定値Ｔ_Ｎ１（℃）と後部の温度の推定値Ｔ
_Ｎ２（℃）である。

【００１９】また、温度推定器１２は、ニューラルネッ
トワーク１２Ｋ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
均温度と、後部席の右，中央，左のそれぞれの頭部及び
足部に相当する位置の６点平均温度を用い、車室内前部
及びにおける温度の推定値Ｔ_Ｎ１，Ｔ_Ｎ２を求める演算
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、車室内前部及び後部の温度の推定値Ｔ_Ｎ１，
Ｔ_Ｎ２を前部及び後部の制御ロジック１１ａ，１１ｂに
それぞれ出力する。

【００２０】図８（ａ），（ｂ）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１２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
して車室内前部及び後部の温度Ｔ_１，Ｔ_２を推定したグ
ラフである。なお、図８（ａ）の○印は、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の４点平均
温度、図８（ｂ）○印は、後部席の右、中央、左のそれ
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６点平均温度である。また、図８（ａ）の破線は内
気温センサ６で計測した温度であり、図８（ｂ）の破線
は、従来の後部用内気温センサがあった位置に、比較デ
ータ用の内気温センサを設置して計測した温度である。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）図８（ａ），（ｂ）において、実線で示した温度推定器
１２の出力値（推定値Ｔ_Ｎ１，Ｔ_Ｎ２）の変化は、とも
に最大誤差が２．８℃と大きいが、破線で示した内気温
センサ６及び上記後部の内気温センサからの測定温度Ｔ
_ｉ１，Ｔ_ｉ２の変化に比べて、○で示した車室内温度Ｔ
_１，Ｔ_２の変化に対する追従性がよく、十分実用性があ
ることがわかる。

【００２１】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９の制御フローに基づき説明す
る。前席制御ロジック１１ａは、前部の各制御因子と温
度推定器１２からの推定値Ｔ_Ｎ１とから、車室前部の温
度Ｔ_１が温度設定器１２ａで設定され目標温度Ｔ_Ｚ _１に
になるように、前部のエアダクト２Ａを制御する。同様
に、後席制御ロジック１１ｂは、後部の各制御因子と温
度推定器１２からの推定値Ｔ_Ｎ２から、車室後部の温度
Ｔ_２が温度設定器１２ｂで設定され目標温度Ｔ_Ｚ２にな
るように、後部のエアダクト２Ｂを制御する。制御ロジ
ック１１ａ，１１ｂ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１２の入力信号となる制御
因子を抽出し、温度推定器１２に出力する。温度推定器
１２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、車室内前部及び後部の温
度の推定値Ｔ_Ｎ１，Ｔ_Ｎ２を求めて制御ロジック１１
ａ，１１ｂに出力する。制御ロジック１１ａは、上記各
制御因子と上記推定値Ｔ_Ｎ１とから、車室内温度Ｔ_１が
温度設定器４ａで設定され目標温度Ｔ_Ｚ１になるよう
に、ミックスドア２ｅの開度等のエアダクト２Ａの制御
要素を予め設定された制御ロジックに従って車室内前部
の温度をフィードバック制御する。後席制御ロジック１
１ｂも、同様に、車室内温度Ｔ_２が温度設定器４ｂで設
定され目標温度Ｔ_Ｚ２になるように、ミックスドア２ｅ
の開度等のエアダクト２Ｂの制御要素を予め設定された
制御ロジックに従って車室内後部の温度をフィードバッ
ク制御する。したがって、前席制御ロジック１１ａ，後
席制御ロジック１１ｂは、従来のように前部と後部の内
気温センサからの測定温度Ｔ_ｉ１，Ｔ_ｉ２ではなく、車
室内前部及び後部の温度Ｔ_１，Ｔ_２に極めて近い値であ
る温度推定器１２ａ，１２ｂからの車室内前部及び後部
の温度の推定値Ｔ_Ｎ１，Ｔ_Ｎ２をフィードバック値とし
た制御を行うので、車室内前部及び後部の温度を正確に
かつ迅速に目標温度Ｔ _Ｚ１，Ｔ_Ｚ２にすることができ
る。

【００２２】なお、上記実施の形態１，２においては、
車室内の温度を検出する検出手段として従来の内気温セ
ンサ６を用いたが、内気温センサの設定位置はこれに限
るものではなく、車両の大きさ等により適宜決定される
ものであることは言うまでもない。また、ニューラルネ
ットワークで使用する後部温度に関する教師信号を、後
部席の右、中央、左のそれぞれの頭部及び足部に相当す
る位置での平均温度としたが、２列部及び３列部からな
る２つの後部座席を有する車両で、上記２つの後部座席
を１つの後部空調機器で空調する場合には、上記教師信
号を、例えば、２列目後の右、中央、左のそれぞれの頭
部及び足部に相当する位置の６点と、３列目の右、中
央、左のそれぞれの頭部及び足部に相当する位置での６
点の計１２点の平均温度とすればよい。

【００２３】実施の形態３．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１１ａ，１１ｂ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１０に示すように、上記（１）式のシグモイド関
数を誤差が、±０．００５以内になるような、例えば、
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、Ｒ
ＯＭ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１１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。

【００２４】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）

【００２５】

【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、車室内の温度を検出する車室内温度
検出手段を１個とし、上記車室内温度検出手段からの検
出温度と車両の環境因子及び空調機器の状態とをそれぞ
れの入力信号とし、車室内前部の温度の推定値と後部の
温度の推定値をそれぞれの出力値とするニューラルネッ
トワークで構成した２つの温度推定器を備え、上記２つ
の推定値に基づいて車室内の温度を制御するようにした
ので、前部座席と後部座席でそれぞれ設定温度や送風量
が異なる場合にも、互いの影響を考慮した制御ができ、
車室内の前部及び後部の温度を速やかにそれぞれの目標
温度にすることができる。しかも、車室内温度検出手段
が１個なので、装置の作製も容易で、かつ、開発期間の
短縮とコストの低減を図ることができる。

【００２６】請求項２に記載の車両用空調装置は、車室
内の温度を検出する車室内温度検出手段を１個とし、更
に車室内前部の温度の推定値と後部の温度の推定値をそ
れぞれの出力値とするニューラルネットワークで構成し
た１台の温度推定器により前部と後部の温度の推定値を
求めるようにしたので、更に、開発期間の短縮とコスト
の低減を図ることができる。

【００２７】請求項３に記載の車両用空調装置は、上記
２つの推定値をフィードバック値として車室内の前部及
び後部に送風する空調空気の温度や風量等を調節して車
室内の温度を制御するようにしたので、車室内の前部及
び後部の温度を正確にかつ迅速にそれぞれの目標温度に
することができる。

【００２８】請求項４に記載の車両用空調装置は、上記
環境因子を外気温及び日射量とし、上記空調機器の状態
を車室の前部及び後部の吹出しモード，ミックスドア開
度，吹出し風量の各情報のいずれかの組合せかあるいは
全部としたので、前部座席と後部座席のお互いの設定状
況を考慮した制御を確実に行うことができる。

【００２９】請求項５に記載の車両用空調装置は、車室
内前部の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。

【００３０】請求項６に記載の車両用空調装置は、車室
内前後部の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、後部席の右、中央、左のそれぞれの頭部及
び足部に相当する位置で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。

【００３１】請求項７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。

【００３２】請求項８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
になるように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に係わる温度推定モデルの
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に係わる車両用空調装置の
構成を示す図である。

【図７】本発明の実施形態２に係わる温度推定モデルの
構成を示す図である。

【図８】本発明の実施形態２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９】本発明の実施形態２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１０】本発明の実施形態３に係わるシグモイド関数
の近似方法を示す図である。

【図１１】シグモイド関数と一次関数との誤差を示す図
である。

【図１２】従来の車両用空調装置の制御フローを示す図
である。

【図１３】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、２Ａ，２Ｂエアダクト、３設定パネ
ル、４，４ａ，４ｂ温度設定器、５ａ，５ｂ駆動装
置、６内気温センサ、７外気温センサ、８日射セン
サ、９前部座席、１０後部座席、１１ａ前席制御
ロジック、１ｂ後席制御ロジック、１２，１２ａ，１
２ｂ温度推定器。

───────────────────────────────────────────────────── フロントページの続き (72)発明者政氏護埼玉県大里郡江南町大字千代字東原39番地株式会社ゼクセル江南工場内Ｆターム(参考） 3L011 AF02

Claims

【特許請求の範囲】

【請求項１】車室内の温度を検出する車室内温度検出
手段を１個とし、上記車室内温度検出手段からの検出温
度と車両の環境因子及び空調機器の状態とをそれぞれの
入力信号とし、車室内前部の温度の推定値と後部の温度
の推定値をそれぞれの出力値とするニューラルネットワ
ークで構成した２つの温度推定器を備え、上記２つの推
定値に基づいて車室内の温度を制御するようにしたこと
を特徴とする車両用空調装置。
【請求項２】車室内の温度を検出する車室内温度検出
手段を１個とし、上記各車室内温度検出手段からの検出
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、車室内前部の温度の推定値と後部の温度の推定値
をそれぞれの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２つの推定値に基づいて
車室内の温度を制御するようにしたことを特徴とする車
両用空調装置。
【請求項３】上記２つの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または請求項２に記載の車両用空調装置。
【請求項４】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車室前部及び後部の吹出しモード，
ミックスドア開度，吹出し風量の各情報のいずれかの組
合せかあるいは全部としたことを特徴とする請求項１ま
たは請求項２に記載の車両用空調装置。
【請求項５】車室内前部の温度の推定値を求めるニュ
ーラルネットワークにおいて、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ことを特徴とする請求項１ま
たは請求項２に記載の車両用空調装置。
【請求項６】車室内後部の温度の推定値を求めるニュ
ーラルネットワークにおいて、学習時に使用する教師信
号を、後部席の右、中央、左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ことを特徴とする請求
項１または請求項２に記載の車両用空調装置。
【請求項７】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または請
求項２に記載の車両用空調装置。
【請求項８】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したことを特
徴とする請求項１または請求項２に記載の車両用空調装
置。