CN105573114B - 电烤箱及其双端智能控制方法 - Google Patents

电烤箱及其双端智能控制方法 Download PDF

Info

Publication number
CN105573114B
CN105573114B CN201511009888.6A CN201511009888A CN105573114B CN 105573114 B CN105573114 B CN 105573114B CN 201511009888 A CN201511009888 A CN 201511009888A CN 105573114 B CN105573114 B CN 105573114B
Authority
CN
China
Prior art keywords
temperature sensor
heating tube
baking
parameter
real
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.)
Active
Application number
CN201511009888.6A
Other languages
English (en)
Other versions
CN105573114A (zh
Inventor
阎楠
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.)
Beijing Xiaobei Technology Co Ltd
Original Assignee
Beijing Xiaobei Technology Co Ltd
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 Beijing Xiaobei Technology Co Ltd filed Critical Beijing Xiaobei Technology Co Ltd
Priority to CN201511009888.6A priority Critical patent/CN105573114B/zh
Publication of CN105573114A publication Critical patent/CN105573114A/zh
Application granted granted Critical
Publication of CN105573114B publication Critical patent/CN105573114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Temperature (AREA)
  • Baking, Grill, Roasting (AREA)

Abstract

本申请提供了一种电烤箱及其双端智能控制方法，所述电烤箱包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与上温度传感器和下温度传感器电连接；所述方法包括：针对不同的烘焙对象进行烘焙实验，生成烘焙实验数据；利用动态建模工具对烘焙实验数据进行模拟仿真，得出内部隐含层的所有未知参数值，建立输入参数与输出参数之间的关联关系，形成神经网络模型；将烘焙对象参数值以及上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用神经网络模型生成对上加热管和下加热管进行控制的输出参数。本申请通过上述手段能够灵活、精准控制烘焙过程。

Description

电烤箱及其双端智能控制方法
技术领域
本申请涉及电烤箱领域，特别地，涉及一种电烤箱及其双端智能控制方法。
背景技术
随着人们生活水平的提高，对食品健康越来越关注，越来越多的人关注并喜爱上家庭烘焙，家用烤箱走进了家庭厨房。为了适应不同食物对于火力的要求，目前电烤箱一般设置上下两个加热管进行烘烤加热，加热过程中两管同时作用使烤箱腔内的温场上下同时受热，更好的满足不同食物的烘烤要求。
现有烤箱的温场控制一般是依靠烤箱内的温度传感器和控制回路进行，而烤箱内的温场分布并不是十分均匀，尤其是随着烘焙对象的不同，中间温场会由空间被分割的情况不同而产生变化，用现有的加热控制手段无法达到满意的烘烤效果。
发明内容
本申请提供一种电烤箱的双端智能控制方法，用于解决现有加热控制手段无法实现满意烘烤效果的问题。本申请还提供了一种具备双端智能控制功能的电烤箱，以保证上述方法在实际中的应用。
本申请公开的一种电烤箱的双端智能控制方法，所述电烤箱包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与所述上温度传感器和下温度传感器电连接；所述方法包括：针对不同的烘焙对象进行烘焙实验，生成烘焙实验数据；其中，所述烘焙实验数据包括输入参数和输出参数；所述输入参数包括烘焙对象参数、上温度传感器实时测量的温度和下温度传感器实时测量的温度；所述输出参数包括上加热管的实时给定温度和功率、下加热管的实时给定温度和功率；利用动态建模工具对所述烘焙实验数据进行模拟仿真，建立所述输入参数与输出参数之间的关联关系，形成神经网络模型；将烘焙对象参数值以及所述上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用所述神经网络模型生成对上加热管和下加热管进行控制的输出参数。
优选的，所述烘焙对象参数具体包括烘焙对象的体积、厚度和/或形状。
优选的，所述电烤箱还包括设置在箱体内的摄像扑捉单元，所述摄像扑捉单元与所述控制单元电连接，用于获取烘焙对象参数。
优选的，所述输出参数还包括上加热管的加热时间和下加热管的加热时间。
优选的，所述动态建模工具为matlab。
优选的，所述烘焙对象参数还包括烘焙对象盛装工具，所述盛装工具为烤网或烤盘。
本申请公开的一种具备双端智能控制功能的电烤箱，包括：包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与所述上温度传感器和下温度传感器电连接；所述控制单元具体包括：模型生成子单元，用于获取对不同的烘焙对象进行烘焙实验生成的烘焙实验数据，利用动态建模工具对烘焙实验数据进行模拟仿真，建立所述输入参数与输出参数之间的关联关系，形成神经网络模型；其中，所述烘焙实验数据包括输入参数和输出参数；所述输入参数包括烘焙对象参数、上温度传感器实时测量的温度和下温度传感器实时测量的温度；所述输出参数包括上加热管的实时给定温度和功率、下加热管的实时给定温度和功率；烘焙控制子单元，用于将烘焙对象参数值以及所述上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用所述神经网络模型生成对所述上加热管和下加热管进行控制的输出参数。
优选的，所述烘焙对象参数具体包括烘焙对象盛装工具，以及烘焙对象的体积、厚度和/或形状；所述盛装工具为烤网或烤盘。
优选的，所述输出参数还包括上加热管的加热时间和下加热管的加热时间。
优选的，还包括设置在箱体内的摄像扑捉单元；所述摄像扑捉单元与所述控制单元电连接，用于为所述控制单元获取烘焙对象参数。
优选的，所述动态建模工具为matlab。
与现有技术相比，本申请具有以下优点：
本申请优选实施例利用神经网络模型作为烤箱的智能控制模型，能够较好地模拟出加热管温度对烤箱温场产生的变化，同时可以兼顾烘焙对象的体积形状等对内部温场变化的影响，具有非常的灵活性和控制精准性，具有智能化控制的优点。
附图说明
图1为本申请电烤箱的双端智能控制方法一实施例的流程图；
图2为图1所示的电烤箱的双端智能控制方法中神经网络模型的逻辑结构示意图；
图3为本申请具备双端智能控制功能的电烤箱一实施例的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1，示出了本申请电烤箱的双端智能控制方法一实施例的流程，该方法的执行主体电烤箱包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与所述上温度传感器和下温度传感器电连接；本优选方法实施例包括以下步骤：
步骤S101：针对不同烘焙对象的进行烘焙实验，获得烘焙实验数据；
本优选实施例中的烘焙实验数据包括输入参数和输出参数。
步骤S102：利用动态建模工具对上述烘焙实验数据进行模拟仿真，建立输入参数与输出参数之间的数值关系（关联关系），形成神经网络模型；
本申请优选实施例生成的神经网络模型可以是一种对非线性可微分函数进行权值训练的多层网络，可借助样本数据即可实现多个输入神经元模式向量组成的向量空间到多个输出神经元模式向量组成的向量空间的非线性映射。其将烤箱的加热管对烤箱温场的作用可以看做一个黑箱模型，只需要关心加热管温度以及烘焙对象对烤箱温场变化的影响，从而得到烤箱内温场以及上下加热管之间的内部联系，其逻辑结构如图2所示，包括输入层、隐含层和输出层，其中：
输入层的输入参数包括上温度传感器实时采集的温度、下温度传感器实时采集的温度以及烘焙对象参数，其中的烘焙对象参数可以根据实际情况设定，可以包括烘焙对象的体积、形状、厚度等，还可以包括烘焙对象盛装工具，如烤网、烤盘等；
输出层的输出参数包括上加热管的实时给定温度、功率和时间，以及下加热管的实时给定温度、功率和时间；
隐含层包括多个内部未知参数，在模拟仿真过程中获得上述所有内部未知参数值，进而建立由m个输入神经元的模式向量P组成的Pm空间到由n个输出节点的模式向量Y组成的Yn空间的非线性映射关系；
在本优选实施例中，可以针对不同的烘焙对象分别进行实验测量，实时记录所有测量值（即输入参数）和控制输出值（即输出参数），利用matlab矩阵工厂工具（也可以利用其他动态建模工具）进行模拟仿真，获得模型内部隐含层的所有未知参数，建立输入向量空间与输出向量空间之间的线性或非线性映射关系（即数值关系），形成烤箱内部的神经网络模型。
步骤S103：将烘焙对象参数值以及所述上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用所述神经网络模型生成对上加热管和下加热管进行控制的输出参数。
在上述方法实施例的一个进一步的优选实施例中，所述电烤箱还可以在箱体内（如腔室的侧壁内或顶壁内）设置摄像扑捉单元，其中的摄像扑捉单元与控制单元电连接，用于为控制单元获取烘焙对象的体积、厚度等参数，以及识别烘焙对象的盛装工具，如烤网、烤盘等。
本申请上述优选实施例采用神经网络模型对烤箱内部温场进行模拟，不仅考虑上、下加热管的实时加热温度和功率对烤箱内部温场的影响，也兼顾到烘焙对象对温场的影响，由于神经网络模型本身具有比较好的拟合性，内部的隐含层的参数可以在训练过程（即神经网络模型生成过程）中较好的模拟烤箱内部的场景，因此可以比较全面的将烤箱的温场变化勾勒出来，在实际操作中能够灵活地使用并给出控制策略，达到良好的操作效果。
对于前述的各方法实施例，为了描述简单，故将其都表述为一系列的动作组合，但是本领域的技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为根据本申请，某些步骤可以采用其他顺序或同时执行；其次，本领域技术人员也应该知悉，上述方法实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
参照图3，示出了本申请具备双端智能控制功能的电烤箱一实施例的结构框图，包括设置在腔室顶部的上加热管11和上温度传感器12，设置在腔室底部的下加热管21和下温度传感器22，以及设置在箱体上的控制单元3，其中的控制单元3分别与上温度传感器12和下温度传感器22电连接；控制单元3具体包括模型生成子单元31和烘焙控制子单元32，其中：
模型生成子单元31，用于获取针对不同的烘焙对象进行烘焙实验时生成的烘焙实验数据，利用动态建模工具对烘焙实验数据进行模拟仿真，建立所述输入参数与输出参数之间的关联关系，形成神经网络模型；
上述的烘焙实验数据包括输入参数和输出参数；所述输入参数包括烘焙对象参数、上温度传感器实时测量的温度和下温度传感器实时测量的温度；所述输出参数包括上加热管的实时给定温度和功率、下加热管的实时给定温度和功率。
具体的，烘焙对象参数可以包括烘焙对象盛装工具（如烤网、烤盘等），以及烘焙对象的体积、厚度、形状等参数。
对上加热管11和下加热管21进行控制的输出参数还可以包括上加热管的加热时间和下加热管的加热时间。
烘焙控制子单元32，用于将烘焙对象参数值以及上温度传感器12和下温度传感器22实时测量的温度值作为输入参数，利用模型生成子单元31建立的神经网络模型生成对上加热管11和下加热管12进行控制的输出参数。
进一步的，本申请电烤箱还可以在箱体内设置用于为控制单元3获取烘焙对象参数的摄像扑捉单元4；该摄像扑捉单元4与控制单元3通过导线电连接。
具体实施时，模型生成子单元31可以采用matlab矩阵工厂工具生成烤箱内部的神经网络模型，也可以采用其他动态建模工具，本申请对此不予限制。
需要说明的是，上述电烤箱产品实施例属于优选实施例，所涉及的单元和模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上对本申请所提供的一种电烤箱及其双端智能控制方法，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (9)

1.一种电烤箱的双端智能控制方法，其特征在于，所述电烤箱包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与所述上温度传感器和下温度传感器电连接；所述方法包括：
针对不同的烘焙对象进行烘焙实验，生成烘焙实验数据；其中，所述烘焙实验数据包括输入参数和输出参数；所述输入参数包括烘焙对象参数、上温度传感器实时测量的温度和下温度传感器实时测量的温度，所述烘焙对象参数具体包括烘焙对象盛装工具，以及烘焙对象的体积、厚度和/或形状；所述输出参数包括上加热管的实时给定温度和功率、下加热管的实时给定温度和功率；
利用动态建模工具对所述烘焙实验数据进行模拟仿真，建立所述输入参数与输出参数之间的关联关系，形成神经网络模型；
将烘焙对象参数值以及所述上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用所述神经网络模型生成对上加热管和下加热管进行控制的输出参数。
2.根据权利要求1所述的方法，其特征在于，所述电烤箱还包括设置在箱体内的摄像扑捉单元，所述摄像扑捉单元与所述控制单元电连接，用于获取烘焙对象参数。
3.根据权利要求1所述的方法，其特征在于，所述输出参数还包括上加热管的加热时间和下加热管的加热时间。
4.根据权利要求1所述的方法，其特征在于，所述动态建模工具为matlab。
5.根据权利要求1所述的方法，其特征在于，所述盛装工具为烤网或烤盘。
6.一种电烤箱，其特征在于，包括设置在腔室顶部的上加热管和上温度传感器，设置在腔室底部的下加热管和下温度传感器，以及设置在箱体上的控制单元，所述控制单元分别与所述上温度传感器和下温度传感器电连接；所述控制单元具体包括：
模型生成子单元，用于获取对不同的烘焙对象进行烘焙实验生成的烘焙实验数据，利用动态建模工具对烘焙实验数据进行模拟仿真，建立所述输入参数与输出参数之间的关联关系，形成神经网络模型；其中，所述烘焙实验数据包括输入参数和输出参数；所述输入参数包括烘焙对象参数、上温度传感器实时测量的温度和下温度传感器实时测量的温度，所述烘焙对象参数具体包括烘焙对象盛装工具，以及烘焙对象的体积、厚度和/或形状；所述输出参数包括上加热管的实时给定温度和功率、下加热管的实时给定温度和功率；
烘焙控制子单元，用于将烘焙对象参数值以及所述上温度传感器和下温度传感器实时测量的温度值作为输入参数，利用所述神经网络模型生成对所述上加热管和下加热管进行控制的输出参数。
7.根据权利要求6所述的电烤箱，其特征在于：
所述盛装工具为烤网或烤盘；
或，
所述输出参数还包括上加热管的加热时间和下加热管的加热时间。
8.根据权利要求6所述的电烤箱，其特征在于，还包括设置在箱体内的摄像扑捉单元；所述摄像扑捉单元与所述控制单元电连接，用于为所述控制单元获取烘焙对象参数。
9.根据权利要求6所述的电烤箱，其特征在于，所述动态建模工具为matlab。
CN201511009888.6A 2015-12-30 2015-12-30 电烤箱及其双端智能控制方法 Active CN105573114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201511009888.6A CN105573114B (zh) 2015-12-30 2015-12-30 电烤箱及其双端智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201511009888.6A CN105573114B (zh) 2015-12-30 2015-12-30 电烤箱及其双端智能控制方法

Publications (2)

Publication Number Publication Date
CN105573114A CN105573114A (zh) 2016-05-11
CN105573114B true CN105573114B (zh) 2019-06-28

Family

ID=55883381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201511009888.6A Active CN105573114B (zh) 2015-12-30 2015-12-30 电烤箱及其双端智能控制方法

Country Status (1)

Country Link
CN (1) CN105573114B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105902186B (zh) * 2016-06-15 2018-10-02 宁波方太厨具有限公司 一种烤箱及其工作方法
CN105919449B (zh) * 2016-06-15 2018-08-07 宁波方太厨具有限公司 一种烤箱及其工作方法
CN105902185B (zh) * 2016-06-15 2018-10-02 宁波方太厨具有限公司 一种烤箱及其工作方法
CN106419615A (zh) * 2016-08-31 2017-02-22 杭州老板电器股份有限公司 电烤箱及电烤方法
CN107886170B (zh) * 2017-09-30 2020-08-11 珠海格力电器股份有限公司 烹饪器具的控制方法、装置和系统、存储介质、处理器
CN109287687B (zh) * 2018-09-29 2021-04-13 广东科学技术职业学院 一种基于深度学习的智能烘烤装置以及方法
CN109602293A (zh) * 2018-12-25 2019-04-12 昌顺烘焙科技（上海）股份有限公司 一种智能化程度高的烤箱及其工作流程
CN109464028A (zh) * 2019-01-14 2019-03-15 珠海格力电器股份有限公司 电器设备及其控制方法和装置
US11873997B2 (en) * 2020-06-29 2024-01-16 Haier Us Appliance Solutions, Inc. Oven appliance and methods for high-heat cooking
CN112528941B (zh) * 2020-12-23 2021-11-19 芜湖神图驭器智能科技有限公司 基于神经网络的自动化参数设定系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104287640A (zh) * 2014-11-03 2015-01-21 华帝股份有限公司 一种具有拍照功能的烤箱
CN104914720A (zh) * 2015-04-16 2015-09-16 贵州省烟草公司遵义市公司 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070299562A1 (en) * 2006-06-26 2007-12-27 Lawrence Kates Method and apparatus for temperature-based load management metering in an electric power system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104287640A (zh) * 2014-11-03 2015-01-21 华帝股份有限公司 一种具有拍照功能的烤箱
CN104914720A (zh) * 2015-04-16 2015-09-16 贵州省烟草公司遵义市公司 具有自动学习功能的电子鼻智能烘烤控制系统及控制方法

Also Published As

Publication number Publication date
CN105573114A (zh) 2016-05-11

Similar Documents

Publication Publication Date Title
CN105573114B (zh) 电烤箱及其双端智能控制方法
Baker et al. PASLINK and dynamic outdoor testing of building components
CN105611657B (zh) 基于温度变化智能补偿加热时间的方法和装置、电烤箱
CN104950669B (zh) 一种基于模糊算法的Smith预估器参数估计方法
Holtkötter et al. Rapid-control-prototyping as part of model-based development of heat pump dryers
CN108717505A (zh) 一种基于k-rvfl的固化热过程时空建模方法
CN103984248B (zh) 烹饪数据测试系统及其控制方法
Shadab Persistence of excitation in an online monitoring of transformer
Morozov et al. Modeling of the management of the microwave grain drying process
Christensen et al. Simplified equations for transient heat transfer problems at low Fourier numbers
Seo et al. Design of domestic electric oven using uniformity of browning index of bread in baking process
Cabeza-Gil et al. Digital twins for monitoring and predicting the cooking of food products: a case study for a French crêpe
CN110135090A (zh) 一种基于响应面法的电路系统容差建模与分析方法
CN110440313A (zh) 菜谱的功率补偿方法及装置
Ionesi et al. On-line parameter estimation of an Air Handling Unit model: experimental results using the modulating function method
CN112948755A (zh) 一种遥测正弦参数判读方法
CN111625995A (zh) 一种集成遗忘机制和双超限学习机的在线时空建模方法
Landi et al. A virtual design approach to simulate the hob energy performance
CN113887112B (zh) 微波加热运动颗粒群的仿真方法、装置、设备及存储介质
CN108959818A (zh) 烤箱负载质量的计算方法、装置及烤箱
CN109062280A (zh) 烤曲奇的控制方法及控制装置、存储介质和烹饪设备
CN110276100B (zh) 基于Volterra级数的行为模型建模及实现方法
CN112417759B (zh) 一种基于动态神经网络的导热反问题求解方法
CN118021165A (zh) 一种烹饪设备的运行程序设定方法及烹饪设备
CN108693411B (zh) 一种基于多目标的产品电磁辐射性能评价方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant