学習制御空調装置の教師データ作成方法

トップ :: G 物理学 :: G05 制御;調整

【発明の名称】	学習制御空調装置の教師データ作成方法
【発明者】	【氏名】一志好則【住所又は居所】愛知県刈谷市昭和町１丁目１番地株式会社デンソー内
【要約】	【課題】ニューラルネットワークにより空調制御を行う空調装置において、人的ミスが無く、かつ、早く、容易に教師データを作成できるようにする。【解決手段】ニューラルネットワークの出力を汎用コンピュータ２０でシフトさせ、シフトされた出力と、その出力に対応する入力とを反映して教師データ２１をコンピュータ２０に作成させる。これにより、人的ミスが無く、かつ、早く、容易に教師データ２１を作成することができる。

【特許請求の範囲】
【請求項１】ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、前記ニューラルネットワークの結合係数を計算するために用いる教師データ（２１）の作成方法であって、前記ニューラルネットワークの出力をコンピュータ（２０）でシフトさせ、前記シフトされた出力と、その出力に対応する入力とを反映して前記教師データ（２１）を前記コンピュータ（２０）に作成させることを特徴とする教師データ作成方法。
【請求項２】ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、前記ニューラルネットワークの結合係数を計算するために用いる教師データ（２１）の作成方法であって、前記ニューラルネットワークの出力項目毎に、その出力をコンピュータ（２０）でシフトさせることを特徴とする教師データ作成方法。
【請求項３】前記コンピュータは、前記学習制御空調装置と通信可能な外部のコンピュータ（２０）であることを特徴とする請求項１または２に記載の教師データ作成方法。
【請求項４】作成した教師データ（２１）の内容を前記コンピュータ（２０）で確認可能としたことを特徴とする請求項１ないし３のいずれか１つに記載の教師データ作成方法。
【請求項５】前記シフトされた出力が前記空調制御量の変化を急激にさせるものとなった場合には、前記急激になった部分の変化が緩やかになるように補正して教師データ（２１）を作成することを特徴とする請求項１ないし４のいずれか１つに記載の教師データ作成方法。
【請求項６】前記シフトされた出力が前記空調制御量の変化を急激にさせるものとなった場合には、前記急激になった部分付近の教師データ数を増やして教師データ（２１）を作成することを特徴とする請求項１ないし４のいずれか１つに記載の教師データ作成方法。
【請求項７】ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、前記ニューラルネットワークの結合係数を計算するために用いる教師データ（２１）の作成をコンピュータ（２０）に実行させるためのプログラムであって、前記ニューラルネットワークの出力を前記コンピュータ（２０）でシフトさせ、前記シフトされた出力と、その出力に対応する入力とを反映して前記教師データ（２１）を前記コンピュータ（２０）に作成させることを特徴とするプログラム。
【請求項８】ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、前記ニューラルネットワークの結合係数を計算するために用いる教師データ（２１）の作成をコンピュータ（２０）に実行させるためのプログラムであって、前記ニューラルネットワークの出力項目毎に、その出力を前記コンピュータ（２０）でシフトさせることを特徴とするプログラム。

【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、ニューラルネットワークによって学習制御される空調装置において、教師データを作成する方法に関するものである。
【０００２】
【従来の技術】特開平１１－３０１２３９号公報では、上記学習制御空調装置を車両用の空調装置に適用したものが記載されている。この空調装置は、乗員の設定温度操作等に基づいて学習するニューラルネットワークを備えており、このニューラルネットワークにより算出された空調制御量に基づいて空調制御を行うものである。
【０００３】このような学習制御空調装置では、空調装置を市場に出荷する前段階において、数万点～数十万点からなる教師データによりニューラルネットワークを学習させて、ニューラルネットワークの結合係数を予め初期設定しておくといったチューニング作業が必要となる。ここで、上記教師データに不具合があると、空調装置の作動に対する乗員の温感、音感等の不満が多くなってしまう。そこで従来では、以下の手順で教師データの良否を評価しつつ、チューニング作業を行うようにしている。
【０００４】初めに、所定の教師データに基づいて学習したニューラルネットワークを用いて空調装置を実際に作動させる。そして、この作動に対する温感、音感等の評価を、環境条件（例えば外気温度、日射量等）や乗員操作（例えば設定温度等）の設定毎に行う（■空調評価）。なお、上記評価は、ニューラルネットワークの出力項目（例えばフェイス吹出温度、風量、吹出口モード）毎に行う。
【０００５】その後、上記評価に基づいて、温感、音感等の評価に不満があったポイントを抽出し、教師データをどのように変更したら不満が解消されるかを検討する（■空調評価結果検討）。そして、上記検討に基づいて前記所定の教師データを変更して作成する（■教師データ作成）。
【０００６】そして、変更作成された教師データに基づいて再度ニューラルネットワークを学習させる（■学習）。そして、再度学習したニューラルネットワークの出力と教師データの出力データとの誤差が、所定の誤差範囲に収まっているか否かを検証する（■学習誤差検証）。なお、所定誤差範囲に収まっていない場合には、再度■教師データ作成および■学習の作業を行い、所定誤差範囲に収まるようにする。
【０００７】そして、所定誤差範囲に収まった状態のニューラルネットワークをＲＯＭに搭載し（■ＲＯＭ搭載）、ＲＯＭに搭載されたニューラルネットワークにより実際に空調装置を作動させてみて不具合の有無をチェックする（■ＲＯＭチェック）。その後、上記■空調評価の作業を再度行う（■再空調評価）。
【０００８】
【発明が解決しようとする課題】しかし、上記手番■～■のうち、手番■の空調評価結果検討の作業は、手作業で評価結果を解析して教師データ改良ポイントを割り出す作業となるため、非常に繁雑な作業であり、人的ミスが発生しやすい。
【０００９】さらに、手番■の空調評価において、環境条件や乗員操作の設定を変えると、１つの出力項目（例えばフェイス吹出温度）のみならず、他の出力項目（例えば風量や吹出口モード）も変化してしまうため、最適な出力を探すのが困難であり、作業時間も増大する。
【００１０】本発明は、上記点に鑑み、ニューラルネットワークにより空調制御を行う空調装置において、人的ミスが無く、かつ、早く、容易に教師データを作成できるようにすることを目的とする。
【００１１】
【課題を解決するための手段】上記目的を達成するため、請求項１に記載の発明では、ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、ニューラルネットワークの結合係数を計算するために用いる教師データの作成方法であって、ニューラルネットワークの出力をコンピュータ（２０）でシフトさせ、シフトされた出力と、その出力に対応する入力とを反映して教師データ（２１）をコンピュータ（２０）に作成させることを特徴とする。
【００１２】これにより、人的ミスが無く、かつ、早く、容易に教師データ（２１）を作成することができる。
【００１３】請求項２に記載の発明では、ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、ニューラルネットワークの結合係数を計算するために用いる教師データの作成方法であって、ニューラルネットワークの出力項目毎に、その出力をコンピュータ（２０）でシフトさせることを特徴とする。
【００１４】これにより、人的ミスが無く、かつ、早く、容易に教師データ（２１）を作成することができる。
【００１５】請求項３に記載の発明では、コンピュータは、学習制御空調装置と通信可能な外部のコンピュータ（２０）であることを特徴とする。これにより、例えば、フェイス目標吹出温度や日射補正量などのように、通常の学習制御空調装置では操作できない空調制御量をも外部のコンピュータ（２０）を用いてシフト操作できる。
【００１６】請求項４に記載の発明では、作成した教師データ（２１）の内容をコンピュータ（２０）で確認可能としたことを特徴とする。これにより、シフト操作した結果、教師データ（２１）の変更度合がどのくらいの範囲に影響したかを確認することができる。
【００１７】ところで、空調制御量の変化が急激である部分の学習は困難である。これに対し、請求項５に記載の発明では、シフトされた出力が空調制御量の変化を急激にさせるものとなった場合には、急激になった部分の変化が緩やかになるように補正して教師データ（２１）を作成することを特徴とするので、学習の困難な、空調制御量の変化が急激な部分を、教師データ（２１）作成時点で無くすことができる。よって、学習を容易に行える。
【００１８】また、請求項６に記載の発明では、シフトされた出力が空調制御量の変化を急激にさせるものとなった場合には、急激になった部分付近の教師データ数を増やして教師データ（２１）を作成することを特徴とするので、学習の困難な、空調制御量の変化が急激な部分の教師データ（２１）の数を増やして、学習時になるべく学習結果が教師データ（２１）にフィットするようにできる。
【００１９】請求項７に記載の発明では、ニューラルネットワークによって算出された空調制御量に基づいて空調制御を行う学習制御空調装置において、ニューラルネットワークの結合係数を計算するために用いる教師データ（２１）の作成をコンピュータ（２０）に実行させるためのプログラムであって、ニューラルネットワークの出力をコンピュータ（２０）でシフトさせ、シフトされた出力と、その出力に対応する入力とを反映して教師データ（２１）をコンピュータ（２０）に作成させることを特徴とする。これにより、請求項１に記載の発明の効果と同様の効果をコンピュータに発揮させることができる。
【００２０】また、請求項８に記載の発明では、ニューラルネットワークの出力項目毎に、その出力を前記コンピュータ（２０）でシフトさせることを特徴とする。これにより、請求項２に記載の発明の効果と同様の効果をコンピュータに発揮させることができる。
【００２１】なお、上記各手段の括弧内の符号は、後述する実施形態に記載の具体的手段との対応関係を示す一例である。
【００２２】
【発明の実施の形態】以下、本発明を図に示す実施形態について説明する。
【００２３】（第１実施形態）本実施形態は、ニューラルネットワークによって学習制御される空調装置のうち車両用空調装置に、本発明の教師データの作成方法を適用したものである。図１は、車両用空調装置に備えられた空調用電子制御装置（以下、エアコンＥＣＵという）１０および本実施形態の教師データ作成方法を行うための汎用コンピュータ２０等のハード構成を示す模式図であり、前記車両用空調装置は特開平１１－３０１２３９号公報に記載の車両用空調装置と同様のものである。
【００２４】このエアコンＥＣＵ１０は、乗員の設定温度操作等に基づいて学習するニューラルネットワークを備えており、このニューラルネットワークにより算出された空調制御量に基づいて車両用空調装置の空調制御を行うものである。なお、エアコンＥＣＵ１０は、特開平１１－３０１２３９号公報に記載のＥＣＵと同様のものであり、周知のマイクロコンピュータ（空調用コンピュータ）とその周辺回路との組み合わせからなるものである。
【００２５】なお、この車両用空調装置には、車室内の設定温度ｔｓｅｔを設定する温度設定器が設けられている。この温度設定器は車両計器盤の空調操作パネルに設けられ、手動操作される温度設定手段である。また、車両用空調装置には、車室内の内気温ｔｒを検出する内気センサと車室外の外気温ｔａｍを検出する外気センサが設けられ、さらに、車室内への日射量ｔｓを検出する日射センサ、エバポレータの冷却温度（吹出空気温度）ｔｅを検出するエバポレータ温度センサ、およびヒータコアに流入する温水の温度Ｔｗを検出する水温センサが設けられている。
【００２６】そして、エアコンＥＣＵ１０は、温度設定信号ｔｓｅｔ、内気温センサ信号ｔｒ、および外気温センサ信号ｔａｍ等を入力とし、ニューラルネットワークにより目標吹出温度ｔａｏ、ブロワ電圧ＶＭ等を算出する算出手段として機能する。
【００２７】次に、ニューラルネットワークの概要について簡単に説明すると、ニューラルネットワークは、ある入力信号（例えば、ｔｓｅｔ、ｔａｍ、ｔｒ）を与えたときに、その出力が、予め設定された所望の値（教師データ）になるように、ニューラルネットワークの結合係数（シナプス荷重）を修正するという誤差逆伝播学習機能（バックプロパーゲーション機能）を備えた階層構造のネットワークである。
【００２８】そして、教師データを変更した場合は、再び、ある入力信号に対する出力が変更後の教師データとなるように、繰り返し「学習」させることにより、結合係数（シナプス荷重）を修正する。つまり、多量のデータ（教師データ）からその相関関数（結合係数）を自動生成する特徴を持っている。
【００２９】ところで、このような学習制御機能を有する車両用空調装置では、空調装置を市場に出荷する前段階において、数万点～数十万点からなる教師データによりニューラルネットワークを学習させて、ニューラルネットワークの結合係数を予め初期設定しておくといったチューニング作業が必要となる。ここで、上記教師データに不具合があると、空調装置の作動に対する乗員の温感、音感等の不満が多くなってしまう。
【００３０】そこで本実施形態では、図２のフローチャートに示す手順で、教師データの良否を評価しつつチューニング作業を行っている。
【００３１】初めに、所定の教師データに基づいて学習したニューラルネットワークを用いて空調装置を実際に作動させる。そして、この作動に対する温感、音感（例えば送風機の騒音に対する音感）等の評価を、環境条件（例えば、ｔａｍ、ｔｒ、ｔｓ等）や乗員操作（例えばｔｓｅｔ等）の設定毎に行う（空調評価（ステップＳ１０））。
【００３２】その後、上記評価に基づいて、温感、音感等の評価に不満があったポイントを抽出し、教師データをどのように変更したら不満が解消されるかを検討する（空調評価結果検討（ステップＳ２０））。
【００３３】そして、汎用コンピュータ２０を用いて、上記検討に基づいて前記所定の教師データを、後に詳述する方法で変更して作成する（教師データ作成（ステップＳ３０））。なお、図１の符号２１は、ステップＳ３０で変更作成された教師データ群を示しており、汎用コンピュータ２０のディスプレイ（表示装置）２２に表示されている。
【００３４】また、この教師データ２１の入力値は、車室内温度ｔｒと設定温度ｔｓｅｔｄとの差から決定される偏差値ｔｄｄ、外気温度ｔａｍ、日射量ｔｓであり、出力値（空調制御量）はブロワ電圧ＶＭである。なお、本実施形態の車両用空調装置は車室内の運転席側と助手席側とを左右独立に空調可能なものであり、前記偏差値ｔｄｄは、運転席側の前席設定温度ｔｓｅｔｄと前席車室内温度ｔｒとの偏差値ｔｄである。
【００３５】ところで、エアコンＥＣＵ１０は、当該車両に搭載された他のＥＣＵと通信線Ｗにより接続されており、所定の通信プロトコル（例えばＣＡＮ）により通信可能になっている。そして、汎用コンピュータ１０には通信線Ｗを接続するための通信線接続用カード２２が備えられており、このカード２２に通信線Ｗを接続することにより、エアコンＥＣＵ１０と汎用コンピュータ２０とが、上記通信プロトコルで通信可能になっている。
【００３６】これにより、ステップＳ３０では、エアコンＥＣＵ１０からｔｒ、ｔａｍ、ｔｓ等のデータを汎用コンピュータ２０に入力し、これらの入力データを用いて教師データ２１を作成することができる。そして、車両にもともと存在する通信線Ｗおよび通信プロトコルを利用することにより、空調用コンピュータのハード改造を無くすことができる。或いは、このようなハード改造を最小限に抑えることができる。よって、学習制御空調装置の設計費のコストダウンを図ることができる。
【００３７】次に、変更作成された教師データ２１の入力値と出力値とをデータ補間（例えば線形補間、最近傍点補間、キュービック補間等）して最適化関数を計算し、空調装置作動中の入力値（この場合はｔｄｄ、ｔａｍ、ｔｓ）に対する最適化関数の演算値を出力値（この場合はＶＭ）とする（エミュレータ組み込み（ステップＳ４０））。本実施形態ではデータ補間として線形補間を採用しているため、最適化関数を計算する時間は、従来の手番■によりニューラルネットワークを学習させる時間に比べて極めて短時間で済む。
【００３８】なお、汎用コンピュータ１０には上記のようにデータ補間して最適化関数を計算するアプリケーションソフト（例えばＭＡＴＬＡＢ）がインストールされている。
【００３９】次に、最適化関数の演算値である出力値（ｔａｏｄ）をエアコンＥＣＵ１０に送信し、この送信された出力値（ｔａｏｄ）に基づいて、実際に車両用空調装置を作動させてみる。そして、通信入出力値、演算値に不具合がないかを検証する（作動チェック（ステップＳ５０））。
【００４０】ここで、このように検証するにあたり、空調装置の作動が教師データ２１のうちいずれの部分のデータに基づくものかを、図１の符号２２ａに示すようにディスプレイ２２に表示するようにしている。これにより、空調内容に不満があった時、教師データ２１が悪いのか、ニューラルネットワーク以外の制御が悪いのかが判断しやすくなる。
【００４１】次に、空調の再評価を行い、ステップＳ２０での不満が軽減されているかを確認する（再空調評価（ステップＳ６０））。
【００４２】なお、入出力値はセンサ信号等をそれぞれ０～１に規格化（正規化）されたものであり、実際に出力された値は、０～１から逆変換する作業が必要である。例えば、内気センサにより検出される内気温Ｔｒの実際の検出範囲は、通常、０℃～５０℃であり、この検出値を規格化部で０～１に割り当て、ニューラルネットワークの入力層に入力する。出力層からの出力結果も０～１の値が出力されるので、出力変換部において予め設定された変換マップによってセンサ信号等に対応する実際の値に逆変換される。
【００４３】次に、本発明の要部である、ステップＳ３０における教師データ２１の作成方法を説明する。
【００４４】図３は、汎用コンピュータ２０により教師データ２１を作成させる作動を示すフローチャートであり、初めに、ステップＳ１０で用いた所定の教師データ２１を汎用コンピュータに読み込む（ステップＳ３１０）。
【００４５】次に、専用プログラムを用いて、読み込んだ所定の教師データ２１を線形補間して制御パターンを作成する（ステップＳ３２０）。以下にその作成手順を説明すると、図４は、ブロワ電圧ＶＭの制御パターンを示す、偏差値ｔｄｄとブロワ電圧ＶＭとの特性図であり、この特性図は、図１に示すように汎用コンピュータ２０のディスプレイ２２に表示される。
【００４６】また、ディスプレイ２２には、空調装置の作動が教師データ２１のうちいずれの部分のデータに基づくものかが、図１の符号２２ａに示すように表示される。これにより、空調内容に不満があった時、教師データ２１が悪いのか、ニューラルネットワーク以外の制御が悪いのかが判断しやすくなる。
【００４７】さらに、ディスプレイ２２には、ブロワ電圧ＶＭの制御パターンをシフトさせるツールバーＡと、フェイス吹出温度ＴＡＶの制御パターンをシフトさせるツールバーＢとが表示される。ここで、図４（ａ）に示す特性図中の点線は、ステップＳ１０で用いた所定の教師データ２１によるオリジナル制御パターンを示しており、上記ツールバーＡ、Ｂを操作することにより、制御パターンをシフトさせることができる。
【００４８】具体的には、ツールバーＡを用いて、オリジナル制御パターン上のデータＤ１をデータＤ２に変更する１回目の操作を行うと、データＤ２を通るようにオリジナル制御パターンの傾斜の部分が平行移動（シフト）する。この１回目の変更操作を学習した後のブロワ電圧特性ＶＭは図４（ａ）の実線に示す制御パターンとなる。
【００４９】次に、ステップＳ３２０にて上記ツールバーＡの操作によりブロワ電圧ＶＭの制御パターンが変更されているか否かを判定する（ステップＳ３３０）。そして、変更があったと判定されればステップＳ３４０に進み、上記ツールバーＡの操作を学習し、制御パターンを変更する。
【００５０】この変更の具体例を以下に説明すると、図４（ｂ）に示す特性図中の一点鎖線は、１回目の学習後の制御パターンを示しており、１回目学習後制御パターン上のデータＤ３をデータＤ４に変更する２回目の操作を行うと、データＤ２およびデータＤ４を通るように１回目学習後制御パターンの傾斜の傾きを変更する。この２回目の変更操作を学習した後のブロワ電圧特性ＶＭは図４（ｂ）の実線に示す制御パターンとなる。
【００５１】図４（ｃ）に示す特性図中の二点鎖線は、２回目の学習後の制御パターンを示しており、２回目学習後制御パターン上のデータＤ５をデータＤ６に変更する３回目の操作を行うと、２回目学習後制御パターンを、データＤ２、データｄ４、データＤ６を最小二乗近似する傾きに変更して線形補間する。この３回目の変更操作を学習した後のブロワ電圧特性ＶＭは図４（ｃ）の実線に示す制御パターンとなる。
【００５２】そして、３回目以上の変更操作に対しては、変更後の各データを最小二乗近似する傾きを求めて制御パターンを作成する。そして、以上の学習が終了した場合およびステップＳ３３０にて変更がなかったと判定された場合には、ステップＳ３５０に進む。
【００５３】そして、ステップＳ３５０にて評価試験が終了したか否かを判定し、終了していなければステップＳ３３０に戻り、終了していればステップＳ３６０に進み、ステップＳ３４０で学習した制御パターンから、所定間隔でデータをサンプリングし、これらのサンプリングデータに基づいて教師データ２１を専用プログラムを用いて作成する。
【００５４】以上により本実施形態によれば、ステップＳ３０において、シフトされた出力であるブロワ電圧ＶＭと、そのブロワ電圧ＶＭに対応する偏差値ｔｄｄ等とを反映して最終的な教師データ２１を汎用コンピュータ２０に作成させて、その教師データ２１を用いてニューラルネットワークを学習させることができる。よって、人的ミスが無く、かつ、早く、容易に教師データ２１を作成することができる。
【００５５】また、本実施形態によれば、作成した教師データ２１の内容を汎用コンピュータ２０のディスプレイ２２で確認可能となるので、シフト操作した結果、教師データ２１の変更度合がどのくらいの範囲に影響したかをディスプレイ２２上で確認することができる。
【００５６】また、本実施形態によれば、学習制御空調装置と通信可能な外部の汎用コンピュータ２０を用いて教師データ２１を作成するので、例えば、フェイス目標吹出温度ＴＡＶや日射補正量ｔｓなどのように、通常の学習制御空調装置では操作できない空調制御量をも、汎用コンピュータ２０を用いてシフト操作できる。
【００５７】また、本実施形態によれば、汎用コンピュータ２０におけるツールバーＢを用いて、フェイス吹出温度ＴＡＶの制御パターンを設定できるので、通常、車両計器盤の空調操作パネルからは設定操作できない空調制御量（ＴＡＶ）を設定でき、教師データ２１の作成を容易にできる。
【００５８】また、本実施形態によれば、ステップＳ４０がエミュレート手段として機能し、教師データ２１を用いて、エアコンＥＣＵ１０に代わって汎用コンピュータ２０が出力値（ＶＭ）を直接算出することができる。よって、従来膨大な時間がかかっていた手番■の学習作業を省いて教師データ２１の良否を評価できるとともに、時間のかからない簡易な手法で出力値（ＶＭ）を直接算出できるので、教師データ２１の評価日数を短縮することができ、ひいては学習制御空調装置の設計費のコストダウンを図ることができる。
【００５９】（第２実施形態）図５は、本実施形態のエアコンＥＣＵ１０および汎用コンピュータ２０等のハード構成を示す模式図であり、ハード構成は第１実施形態と同様である。そして、第１実施形態ではディスプレイ２２に、ブロワ電圧ＶＭの制御パターンをシフトさせるツールバーＡと、フェイス吹出温度ＴＡＶの制御パターンをシフトさせるツールバーＢとを表示させていたが、本実施形態では、これらのツールバーＡ、Ｂに加え、ツールバーＣ、Ｄ、Ｅ、Ｆをも表示させている。
【００６０】これらのツールバーＡ～Ｆは、ニューラルネットワークの出力項目毎に、その出力をコンピュータ２０でシフトさせるものであり、具体的には、ツールバーＣは運転席側の目標吹出温度ｔａｏｄの制御パターンを、ツールバーＤは助手席側の目標吹出温度ｔａｏｐの制御パターンを、ツールバーＥは日射量ｔｓの制御パターンを、ツールバーＦは吹出口モード算出値ｓの制御パターンを、それぞれシフトさせるものである。
【００６１】図６は、本実施形態に係る、汎用コンピュータ２０により教師データ２１を作成させる作動を示すフローチャートであり、第１実施形態の図３に示すフローチャートのステップＳ３３０を図６に示すステップＳ３３１に変更したものであり、その他のステップは第１実施形態と同様である。
【００６２】そして、ステップＳ３２０ではツールバーＡ～Ｆの操作により各制御パターンを変更できるようになっており、ステップＳ３３１にて、これらのツールバーＡ～Ｆ操作により制御パターンの変更がなされたか否かを判定するようになっている。
【００６３】（第３実施形態）図７は、本実施形態に係る、汎用コンピュータ２０により教師データ２１を作成させる作動を示すフローチャートであり、第１実施形態の図３に示すフローチャートのステップＳ３４０を図７に示すステップＳ３４１、Ｓ３４２、Ｓ３４３に変更したものである。
【００６４】ステップＳ３４１では、第１実施形態の図４に示す要領で制御パターンを変更させたのと同じように制御パターンを変更させる。そして、この変更によりシフトされた制御パターンがブロワ電圧ＶＭの変化を急激にさせたか否かを、ステップＳ３４２にて判定する。本実施形態では、偏差値ｔｄｄ１℃当たりのブロワ電圧ＶＭの変化が１．６Ｖより大きいか否かにより上記判定を行うようにしている。
【００６５】そして、ステップＳ３４２にて、ブロワ電圧ＶＭの変化が急激に変化する制御パターンであると判定した場合には、図７のステップＳ３４３に示すように、ステップＳ３４３にて急激になった部分の変化が緩やかになるように補正する。その後、第１実施形態の図３に示すステップＳ３５０に進み、以降、第１実施形態と同様のフローチャートで作動する。
【００６６】以上により、本実施形態によれば、シフトされた出力が空調制御量の変化を急激にさせるものとなった場合には、急激になった部分の変化が緩やかになるように補正して教師データ２１を作成するので、学習の困難な、空調制御量の変化が急激な部分を、教師データ２１作成時点で無くすことができる。よって、学習を容易に行える。
【００６７】（第４実施形態）図８は、本実施形態に係る、汎用コンピュータ２０により教師データ２１を作成させる作動を示すフローチャートであり、第３実施形態の図７に示すフローチャートのステップＳ３４２、Ｓ３４３を廃止し、第１実施形態の図３に示すフローチャートのステップＳ３５０とステップＳ３６０との間に、図８に示すステップＳ３５１およびＳ３５２を追加したものである。
【００６８】ステップＳ３５１では、図７に示すステップＳ３４２と同様にして、ステップＳ３４１にて変更された制御パターンがブロワ電圧ＶＭの変化を急激にさせたか否かを判定する。
【００６９】そして、ステップＳ３５２にて、ブロワ電圧ＶＭの変化が急激に変化する制御パターンであると判定した場合には、図８のステップＳ３５２に示すように、ステップＳ３４３にて急激になった部分付近の教師データ数を増やす。なお、図中のアンダーラインに示す教師データが増加されたデータである。
【００７０】これにより、シフトされた出力が空調制御量の変化を急激にさせるものとなった場合には、急激になった部分付近の教師データ数を増やして教師データ２１を作成するので、学習の困難な、空調制御量の変化が急激な部分の教師データの数を増やして、学習時になるべく学習結果が教師データ２１にフィットするようにできる。

【出願人】	【識別番号】０００００４２６０【氏名又は名称】株式会社デンソー【住所又は居所】愛知県刈谷市昭和町１丁目１番地
【出願日】	平成１３年１１月５日（２００１．１１．５）
【代理人】	【識別番号】１００１０００２２【弁理士】【氏名又は名称】伊藤洋二（外２名）
【公開番号】	特開２００３－１４０７０８（Ｐ２００３－１４０７０８Ａ）
【公開日】	平成１５年５月１６日（２００３．５．１６）
【出願番号】	特願２００１－３３９４５４（Ｐ２００１－３３９４５４）