CN108954403A - 防干烧灶具及其控制方法 - Google Patents

Abstract

本发明提供了一种防干烧灶具及其控制方法，其中方法包括：在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率；根据灶具热效率设定防干烧灶具的烹饪时长；在防干烧灶具的使用时间达到烹饪时长时，自动关闭燃气开关。本发明的方法能够防止炊具及内容物温度过高，有效避免炊具内部发生干烧，提高了灶具使用的安全性。本发明的方法避免使用温度传感器直接检测炊具表面温度，克服了现有技术中炊具温度检测不准确的技术缺陷，从而能够更加准确地判断干烧发生的时间点，提高了防干烧灶具智能控制的准确度。

Description

防干烧灶具及其控制方法

技术领域

本发明涉及厨具，特别涉及一种防干烧灶具及其控制方法。

背景技术

燃气灶为现代家庭中一种常用的灶具，其通过燃烧煤气产生明火以加热或烹饪食物。这种燃气灶一般在其面板上设置有控制火力大小和火力开关的旋钮，用户通过该旋钮开启/开闭燃气灶。但是，在某些情况下，用户可能在烹饪期间忘记关闭煤气灶，炊具内物料长时间加热，其液体熬干，出现干烧现象。若干烧持续进行，不仅会烧焦食物，造成浪费，严重的时候，还会导致炊具温度过高，引发火灾。因此，在燃气灶领域，如何智能地关闭燃气开关，从而防止干烧情况的出现成为重要的研究课题。

现有燃气灶为了解决上述问题，会在燃气灶上设置一温度传感器，以检测炊具内部物料的温度变化。当上述温度值超过一阈值温度时，则判定发生干烧，此时燃气开关自动切断，燃气灶停止工作。然而，目前的防干烧灶具在用户烹饪的过程中，温度传感器容易受到灶具高温的影响导致测量不准确。因此，这必然导致干烧发生的时间点判断不准确，从而产生误差，影响灶具的智能控制。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的防干烧灶具及其控制方法。

本发明的一个目的是为了防止灶具出现干烧。

本发明的另一个目的是为了准确计算防干烧灶具的热效率。

一方面，本发明提供了一种防干烧灶具的控制方法，包括：在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率；根据灶具热效率设定防干烧灶具的烹饪时长；在防干烧灶具的使用时间达到烹饪时长时，自动关闭燃气开关；其中热效率计算模型由多组样本数据按照预设的机器学习算法进行训练得到，每组样本数据包括：一次烹饪过程中获取的炊具参数、灶具参数和灶具热效率。

可选地，在防干烧灶具的使用过程中，获取炊具参数、灶具参数的步骤包括：获取炊具的图像信息；提取图像信息的图像特征；根据图像特征查询预置的数据库得到炊具参数；其中炊具参数包括：炊具种类、炊具重量和炊具材质。

可选地，在防干烧灶具的使用过程中，获取炊具参数、灶具参数的步骤包括：获取防干烧灶具燃气管道的燃气流量以及开度以作为灶具参数。

可选地，在防干烧灶具的使用过程中，获取炊具参数、灶具参数的步骤之前还包括：在多次烹饪过程中获取样本数据，组成多组样本数据，其中每次获取的样本数据包括：炊具参数、灶具参数和灶具热效率；根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型。

可选地，在多次烹饪过程中获取样本数据，组成多组样本数据的步骤还包括：在每次获取样本数据的过程中，选取一预设时间段，检测炊具及其内容物在预设时间段内的重量下降值；根据重量下降值确定炊具及其内容物吸收的热量值；检测预设时间段内防干烧灶具燃气管道的燃气流量以及开度；根据燃气流量以及开度确定防干烧灶具产生的热量值；根据炊具及其内容物吸收的热量值以及防干烧灶具产生的热量值之比计算得到灶具热效率。

另一方面，本发明还提供了一种防干烧灶具，包括：参数获取装置，配置成在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；计算装置，与参数获取装置电连接，配置成利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率；并根据灶具热效率设定防干烧灶具的烹饪时长；控制装置，与计算装置电连接，配置成在防干烧灶具的使用时间达到烹饪时长时，自动关闭燃气开关，停止加热炊具。

可选地，参数获取装置包括：摄像装置，设置于防干烧灶具的灶体上方，用于获取炊具的图像信息；图像识别装置，与摄像装置电连接，配置成提取图像信息的图像特征，根据图像特征查询预置的数据库得到炊具参数。

可选地，参数获取装置包括：限位器，设置于灶具的燃气管路上，用于测量燃气的流量；开度检测器，设置于燃气开关上，用于检测燃气开关的开度。

可选地，上述防干烧灶具还包括：样本采集模块，配置成在多次烹饪过程中获取样本数据，组成多组样本数据，其中每次获取的样本数据包括：炊具参数、灶具参数和灶具热效率；自学习模块，与样本采集模块电连接，配置成根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型。

可选地，上述防干烧灶具还包括：重力检测装置，配置成每次获取样本数据的过程中，选取一预设时间段，检测炊具及其内容物在预设时间段内的重量下降值；其中样本采集模块，还配置成根据重量下降值确定炊具及其内容物吸收的热量值；根据燃气流量以及开度确定防干烧灶具产生的热量值；根据炊具及其内容物吸收的热量值以及防干烧灶具产生的热量值之比计算得到灶具热效率。

本发明提供了一种防干烧灶具的控制方法，包括：在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率；根据灶具热效率设定防干烧灶具的烹饪时长；在防干烧灶具的使用时间达到烹饪时长时，自动关闭燃气开关。本发明的方法利用热效率计算模型计算确定灶具的热传递效率，并根据热传递效率值确定烹饪时长，并在达到烹饪时长时自动关闭燃气开关，防止炊具及内容物温度过高，能够有效避免炊具内部发生干烧，提高了灶具使用的安全性。本发明的方法避免使用温度传感器直接检测炊具表面温度，克服了现有技术中炊具温度检测不准确的技术缺陷，从而能够更加准确地判断干烧发生的时间点，提高了防干烧灶具智能控制的准确度。

进一步地，本发明的方法还包括：根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型。本发明的方法通过机器学习(或自学习)，根据炊具参数、灶具参数和灶具热效率之间的映射关系训练得到热效率计算模型。利用该计算模型能够精确计算不同的烹饪情况下灶具的热效率，从而进一步提高了防干烧灶具智能控制的准确度。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1是根据本发明一个实施例的防干烧灶具的示意图；

图2是根据本发明一个实施例的防干烧灶具的示意框图；

图3是根据本发明一个实施例的防干烧灶具的控制方法的示意图；和

图4是根据本发明一个实施例的防干烧灶具的控制方法的流程图。

具体实施方式

本发明提供了一种防干烧灶具，如图1、2所示，在本实施例中，该灶具为燃气灶。该燃气灶包括：灶体10、参数获取装置80、计算装置60和控制装置70。灶体10包括用于承载炊具的台面板11以及位于台面板11下方的底壳12，台面板11和底壳12共同限定出灶体10的容纳腔，该容纳腔主要用于容纳燃气管和灶具的主控板及相关电路元件。在底壳12的四个边角的位置设置有支脚14，以用于支撑灶体10。上述炊具包括但不限于炒锅、高压锅、平底锅等。台面板11上设置有灶眼20，灶眼20用于燃烧燃气产生火力，炊具放置于灶眼20正上方以加热烹煮食物。灶眼20的个数可以为1个或多个，在本实施例中，灶眼20的数量为两个，即一般所称“双灶”。灶眼20进一步包括：火盖、点火针等装置，其具体结构为本领域技术人员所熟知的，这里不再进行赘述。

参数获取装置80，配置成在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数。上述炊具参数包括：炊具种类、炊具重量和炊具材质。灶具参数包括防干烧灶具燃气管道的燃气流量以及开度。

具体地，参数获取装置80主要包括：摄像装置41和图像识别装置42。摄像装置41设置于灶体10的上方，且与灶体间隔一定距离设置，具体的间隔距离根据摄像装置41的焦距和灶体大小进行设定。摄像装置41用于获取炊具的图像信息。在本实施例中，摄像装置41具体固定设置于与灶体相配合使用的吸油烟机的底面上，固定方式可以是螺纹连接。摄像装置41可以为照相机或摄像机。摄像装置41的镜头向下设置，并能够拍摄炊具的俯视图像，在摄像装置41的镜头上可以安装一系列的摄像光学系统，以提高图像质量。

图像识别装置42与摄像装置41电连接，配置成提取图像信息的图像特征，根据图像特征查询预置的数据库得到炊具的炊具参数。在本实施例中，图像识别装置42可以和摄像装置41集成设置于吸油烟机上。图像识别装置42首先对上述炊具的俯视图像进行预处理，得到图像信息。上述预处理包括：进行去噪声处理、灰度处理等，上述预处理目的是便于后续提取图像的图像特征。预处理后，图像识别装置42提取图像信息的图像特征，上述图像特征包括：颜色特征、纹理特征、形状特征和空间关系特征等。例如：一种炊具A的图像信息，对其进行图像特征提取得到形状特征为：开口为圆形且开口面积40cm²；颜色特征为：银白色；空间关系特征为：炊具把手至炊具边缘的距离为5cm等等。一般而言，不同品牌或型号的炊具，其结构、形状、颜色不尽相同，体现在其图像的图像特征不同。因此，图像识别装置42可以根据不同的图像特征确定炊具参数。上述炊具参数包括：炊具的品牌、种类、材质、型号、形状、大小、重量中的一个或多个。

具体地，在图像识别装置42得到图像特征后，以上述图像特征作为目标图像特征首先查询预置的数据库，数据库可以预先存储于灶具的主控板内。数据库中存储有多组数据，每组数据包含不同图像特征所对应的炊具参数。图像识别装置42将目标图像特征和数据库中预存的多个数据进行比对，确定是否存在匹配目标图像特征的炊具参数，若存在，则获取该炊具参数。若不存在，则通过WiFi或其他上网手段联网登录云服务器，在云服务器中的在线数据库中查询目标图像特征。确定在线数据库中是否存在匹配目标图像特征的炊具参数，若存在，则获取该炊具参数。

参数获取装置80还包括：限位器91和开度检测器92。限位器91设置于燃气管上，用于检测燃气的流量，或者说消耗速度，即单位时间内消耗的燃气体积。开度检测器92连接防干烧灶具的旋钮开关，用于检测燃气管的开度。在本实施例中，开度检测器92可以为一角度传感器，通过检测旋钮角度得到燃气管的开度大小。

计算装置与参数获取装置80电连接，配置成利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率；并根据灶具热效率设定防干烧灶具的烹饪时长。上述热效率是指，灶具燃气产生的热量传递给炊具的热传递效率。对于不同家庭的灶具，由于结构或煤气压力不同等原因，其热效率会有所差异。因此，灶具热效率无法被设定为一个定值参数，预先储存在防干烧灶具的主控板中。而且，对于同一个灶具而言，其热效率也是变化的。经发明人多次实验发现，灶具热效率实际上与上述炊具参数和灶具参数相关。比如说，灶具热效率与炊具的材质相关，有些炊具的材质易于吸热，那么此时灶具热效率会比较高；再例如，灶具热效率还与灶具的燃气流量相关，当灶具燃气流量较大，火力较猛的情况下，热量散失反而较多，那么此时灶具热效率会相对较低。在本实施例中，防干烧灶具预先通过机器学习得到适用于该灶具使用的热效率计算模型。在每次灶具使用的过程中，计算装置利用热效率计算模型对炊具参数、灶具参数进行分析，以得到本次烹饪过程中的灶具热效率。

在获取灶具热效率之后，计算装置根据灶具热效率设定防干烧灶具的烹饪时长，以避免出现干烧。一般而言，灶具热效率越高，炊具温度升高的越快，从而烹饪时长设定值越小；相反灶具热效率越低，则烹饪时长设定值越长。在本实施例中，可通过计算炊具及其内容物上升至阈值温度所需时间来确定烹饪时长。在本发明另外一些实施例中，可以根据技术人员的实践经验将灶具热效率与烹饪时长建立对应关系并将上述对应关系预先存储于主控板的数据库中，防干烧灶具在获取灶具热效率后查询预置的对应关系，直接获得烹饪时长。

上述防干烧灶具还包括电磁阀90，电磁阀90设置于燃气管上，用于打开或关闭燃气管。控制装置70与电磁阀90电路连接，以控制燃气管的开闭状态。控制装置70可以通过向电磁阀90发送电磁脉冲以实现自动关闭电磁阀90。具体原理为本领域技术人员熟知的，这里不再赘述。

控制装置70与计算装置60和灶具的燃气开关(即电磁阀90)电连接，并配置成在灶具的持续使用时间大于烹饪时长的情况下，切断灶具的燃气开关，停止加热炊具，防止炊具发生干烧。

根据前文描述，本实施例的防干烧灶具具有机器学习功能。具体地，防干烧灶具还包括：样本采集模块61和自学习模块62。样本采集模块61配置成在用户多次烹饪过程中获取样本数据，组成多组样本数据，其中每次获取的样本数据包括：炊具参数、灶具参数和灶具热效率。自学习模块62与样本采集模块61电连接，配置成根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型。

样本采集模块61与参数获取装置80相连，在每次样本数据的采集过程中，参数获取装置80获取灶具参数和炊具参数并向采集模块提供。

在本实施例中，防干烧灶具还具有重力检测装置50，以辅助样本采集模块61获取灶具热效率数据。重力检测装置50配置成每次获取样本数据的过程中，选取一预设时间段，检测炊具及其内容物在预设时间段内的重量下降值。在本实施例中，重力检测装置为设置于灶具台面板11下方的称重装置，该称重装置内设置有重力传感器，以感应炊具及其内容物的总重量。称重装置分别检测预设时间段起点和终点时炊具及其内容物的总重量，再将两次检测的重量数据相减，即得到预设时间段内炊具及其内容物的重量下降值。

样本采集模块61，还配置成根据重量下降值确定炊具及其内容物吸收的热量值；根据燃气流量以及开度确定防干烧灶具产生的热量值；根据炊具及其内容物吸收的热量值以及防干烧灶具产生的热量值之比计算得到灶具热效率。一般而言，炊具其及内容物重量下降主要是由于水分蒸发引起的，通过计算蒸发水分所需的相变热，即可以得到炊具及其内容物吸收的热量值Q₁。根据燃气流量以及开度能够确定燃气的消耗量，结合燃气的热值计算得到防干烧灶具在预设时间段内产生的总热量Q₂。根据炊具及其内容物吸收的热量值Q₁以及防干烧灶具产生的热量值Q₂之比计算得到灶具热效率e，即灶具热效率e＝Q₁/Q₂。

采集模块在每次数据采集的过程中，分别得到炊具参数、灶具参数和对应的灶具热效率，并组成一组样本数据。自学习模块62根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型，以供后续防干烧功能确定烹饪时长时使用。

本发明还提供了一种防干烧灶具的控制方法。图3是根据本发明一个实施例的防干烧灶具的控制方法的示意图，该方法用于在炊具出现干烧时自动切断灶具的燃气开关，以实现防干烧功能。上述控制方法一般性地包括以下步骤：

步骤S302，在防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数。在本实施例中，炊具参数包括：炊具种类、炊具重量和炊具材质。灶具参数包括：防干烧灶具燃气管道的燃气流量和开度。

步骤S304，利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率。上述热效率是指，灶具燃气产生的热量传递给炊具的热传递效率。对于不同家庭的灶具，由于结构或煤气压力不同等原因，其热效率会有所差异。因此，灶具热效率无法设定为一个定值参数，预先储存在防干烧灶具的主控板中。进一步地，对于同一个灶具而言，其热效率也是变化的。经发明人多次实验发现，灶具热效率实际上与上述炊具参数和灶具参数相关。比如说，灶具热效率与炊具的材质相关，有些炊具的材质易于吸热，那么此时灶具热效率会比较高；再例如，灶具热效率与灶具的燃气流量相关，当灶具燃气流量较大，火力较猛的情况下，热量散失反而较多，那么此时灶具热效率会相对较低。在本实施例中，防干烧灶具预先通过机器学习得到适用于该灶具使用的热效率计算模型。在每次灶具使用的过程中，利用热效率计算模型对炊具参数、灶具参数进行分析，以得到本次烹饪过程中的灶具热效率。

步骤S306，根据灶具热效率设定防干烧灶具的烹饪时长。灶具热效率用于后续设定烹饪时长，烹饪时长用于控制防干烧灶具的加热时间，以避免出现干烧。一般而言，灶具热效率越高，炊具温度升高的越快，从而烹饪时长设定值越小；相反灶具热效率越低，则烹饪时长设定值越大。在本实施例中，可通过计算炊具及其内容物上升至阈值温度所需时间来确定烹饪时长。在本发明另外一些实施例中，可以根据技术人员的实践经验将灶具热效率与烹饪时长建立对应关系并将上述对应关系预先存储于主控板的数据库中，防干烧灶具在获取灶具热效率后查询预置的对应关系，直接得到烹饪时长。

步骤S308，判断灶具的持续使用时间是否大于烹饪时长。若灶具的持续使用时间大于烹饪时长，炊具温度上升过高并存在干烧风险。若灶具的持续使用时间小于或等于加热时间，表示不存在干烧风险。

步骤S310，若步骤S308的判断结果为是，关闭灶具的燃气开关，停止加热炊具，以避免炊具发生干烧。

图4是根据本发明一个实施例的防干烧灶具的控制方法的流程图，该方法依次执行以下步骤：

步骤S402，在多次烹饪过程中获取样本数据，组成多组样本数据。上述多组样本数据用于后续防干烧灶具进行机器学习，以获得适用于该灶具的热效率计算模型。其中每次获取的样本数据包括：炊具参数、灶具参数和灶具热效率。

在得到热效率计算模型之前，多防干烧灶具对多次烹饪过程进行样本数据采集。其中，灶具热效率通过以下方法计算获得：在每次获取样本数据的过程中(即每次烹饪的过程中)，选取一预设时间段t，检测炊具及其内容物在预设时间段内的重量下降值W。在本实施例中，上述预设时间段t可以选取为防干烧灶具开启后的任意10min时间长度，在另外一些实施例中，也可以选取为20min或更长时间。根据重量下降值确定炊具及其内容物吸收的热量值Q₁。一般而言，炊具其及内容物重量下降主要是由于水分蒸发引起的，通过计算蒸发水分所需的相变热，即可以得到炊具及其内容物吸收的热量值Q₁。即Q₁＝q×W，其中q为单位重量水的相变热值。

同时，检测预设时间段内防干烧灶具燃气管道的燃气流量F以及开度k。根据燃气流量、开度以及煤气的燃烧热值确定防干烧灶具产生的热量值Q₂即Q₂＝F×k×t×M。其中，M为煤气的燃烧热值。

根据炊具及其内容物吸收的热量值Q₁以及防干烧灶具产生的热量值Q₂之比计算得到灶具热效率，即灶具热效率e＝Q₁/Q₂。

步骤S404，根据多组样本数据按照预设的机器学习算法进行训练得到热效率计算模型。从广义上讲，机器学习是一种能够赋予机器学习的能力，让它以此完成直接编程无法完成的功能的方法。但从实践的意义上讲，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。机器学习目前已经广泛使用于家用电器领域，以实现家电的某些智能化操作功能。在本实施例中，防干烧灶具具有自学习能力，能够使用步骤S402中采集的多组数据进行自学习，从而进行训练得到热效率计算模型，在后续的烹饪过程中，通过使用热效率计算模型能够准确的计算出不同烹饪情况下，防干烧灶具的灶具热效率。

以下步骤详细描述在使用防干烧灶具的过程中，使用热效率计算模型分析得到灶具本次烹饪的热效率，从而进一步确定防干烧的烹饪时长。

步骤S406，在防干烧灶具开始工作后，利用设置于防干烧灶具上方的摄像装置41得到炊具的俯视图像。

步骤S408，对俯视图像进行预处理，得到图像信息。上述预处理包括：进行去噪声处理、灰度处理等，上述预处理目的是便于后续提取图像的图像特征。

步骤S410，提取图像信息的图像特征。预处理后，提取图像信息的图像特征，上述图像特征包括：颜色特征、纹理特征、形状特征和空间关系特征等。

步骤S412，查询预置的数据库，得到炊具参数。在参数获取装置80得到图像特征后，以上述图像特征作为目标图像特征首先查询预置数据库，数据库可以预先存储于灶具的主控板内。数据库中存储有多组数据，每组数据包含不同图像特征所对应的炊具参数。将目标图像特征和数据库中预存的多个数据进行比对，确定是否存在匹配目标图像特征的炊具参数。数据库在灶具出厂前，预先存储于主控板内。数据库内包含大部分常用炊具的图像特征和炊具参数的数据信息。

步骤S414，获取防干烧灶具燃气管道的燃气流量以及开度以作为灶具参数。

步骤S416，利用热效率计算模型对炊具参数、灶具参数进行分析，得到相应的灶具热效率。就前文描述，在防干烧灶具进行机器学习后，得到热效率计算模型，灶具检测出本次烹饪的炊具参数和灶具参数，并将这些参数带入到热效率计算模型中，即可分析得出本次烹饪过程的灶具热效率。

步骤S418，分别获取放置于灶具上的炊具的重量和炊具中内容物的重量。根据上述步骤中获取的炊具参数获取炊具的重量。利用重力检测装置检测得到炊具及其内容物的总重量。结合炊具的重量计算得到内容物重量。具体地，在得到炊具和内容物的总重量之后，用该数值减去炊具的重量即得到内容物的重量。

步骤S420，根据炊具和内容物的重量、燃气流量和开度、以及灶具热效率计算确定炊具及其内容物的温度值上升至阈值温度所需的加热时间。在本实施例中，通过计算上述加热时间以作为防干烧限定的烹饪时长。

具体地，首先根据炊具的材质查询预置的比热数据库得到炊具的比热容。对于不同材质的炊具，其比热容也往往不同。例如：铁的比热容为：0.46*10³J/(kg·℃)；铜的比热容为0.39*10³J/(kg·℃)。比热数据库中存储不同材质所对应的比热容数据，通过查询数据库得到炊具的比热容。

然后，根据炊具的种类确定内容物的种类和比热容。内容物的种类主要分为油和水两种，在本实施例中，可以根据炊具的种类确定其内容物的类型，进而确定内容物的比热容。例如：对于平底锅、炒锅而言，其内容物一般为油；对于蒸锅、高压锅而言，其内容物一般为水。上述炊具的种类也可以通过查询炊具参数获得。在确定炊具的种类后查询预置的比热数据局库，确定内容物的类型和比热容。

然后，获取炊具及其内容物的初始温度并计算得到炊具及其内容物由初始温度上升至阈值温度所需的热量。在本实施例中，检测室内环境温度以作为炊具及其内容物的初始温度。上述阈值温度是炊具即将发生干烧时的临界温度值，在本实施例中，阈值温度设定为230℃。具体地，上述所需的热量根据如下公式进行计算：

Q＝(M-L)×(230-T)×C₁+L×C₂×(230-T)

其中，Q为热量，M为炊具及其内容物的总质量，L为炊具的质量，C₁为内容物的比热容，C₂为炊具的比热容，T为炊具和内容物的初始温度值。

最后，计算得到加热时间。燃气产生的热量有一部分传递给炊具及其内容物，即eQ₀＝Q，其中Q₀为燃气在一定时间内燃烧产生的热量，e为灶具热效率。燃气产生的热量可以进一步表示为：Q₀＝t×q×p，其中，t为灶具使用时间，q为燃气的热值，这里的热值是指单位体积的燃气完全燃烧产生的热量，上述热值亦可以通过查询得到。p为燃气的流量，也就是单位时间内消耗的燃气体积。将步骤S434中的等式带入到eQ₀＝Q中得到：

e×t×q×p＝(M-L)×(230-T)×C₁+L×C₂×(230-T)，从而得到加热时间

t＝[(M-L)×(230-T)×C₁+L×C₂×(230-T)]/e×q×p

步骤S438，判断灶具的持续使用时间是否大于加热时间。

步骤S440，若步骤S438的判断结果为是，切断灶具的燃气开关，停止加热炊具。

本领域技术人员应理解，在没有特别说明的情况下，本发明实施例中所称的“上”、“下”、“左”、“右”、“前”、“后”等用于表示方位或位置关系的用语是以灶具的实际使用状态为基准而言的，这些用语仅是为了便于描述和理解本发明的技术方案，而不是指示或暗示所指的装置或部件必须具有特定的方位，因此不能理解为对本发明的限制。

至此，本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种防干烧灶具的控制方法，包括：

在所述防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；

利用热效率计算模型对所述炊具参数、灶具参数进行分析，得到相应的灶具热效率；

根据所述灶具热效率设定所述防干烧灶具的烹饪时长；

在所述防干烧灶具的使用时间达到所述烹饪时长时，自动关闭燃气开关；其中

所述热效率计算模型由多组样本数据按照预设的机器学习算法进行训练得到，每组样本数据包括：一次烹饪过程中获取的所述炊具参数、灶具参数和灶具热效率。

2.根据权利要求1所述的控制方法，其中在所述防干烧灶具的使用过程中，获取所述炊具参数和灶具参数的步骤包括：

获取所述炊具的图像信息；

提取所述图像信息的图像特征；

根据所述图像特征查询预置的数据库得到所述炊具参数；其中

所述炊具参数包括：炊具种类、炊具重量和炊具材质。

3.根据权利要求1所述的控制方法，其中在所述防干烧灶具的使用过程中，获取所述炊具参数和灶具参数的步骤包括：

获取所述防干烧灶具燃气管道的燃气流量以及开度以作为所述灶具参数。

4.根据权利要求1所述的控制方法，其中在所述防干烧灶具的使用过程中，获取炊具参数、灶具参数的步骤之前还包括：

在多次烹饪过程中获取样本数据，组成多组样本数据，其中每次获取的样本数据包括：所述炊具参数、灶具参数和灶具热效率；

根据多组样本数据按照预设的机器学习算法进行训练得到所述热效率计算模型。

5.根据权利要求4所述的控制方法，其中在多次烹饪过程中获取样本数据，组成多组样本数据的步骤还包括：

在每次获取样本数据的过程中，选取一预设时间段，检测所述炊具及其内容物在所述预设时间段内的重量下降值；

根据所述重量下降值确定所述炊具及其内容物吸收的热量值；

检测所述预设时间段内所述防干烧灶具燃气管道的燃气流量以及开度；

根据所述燃气流量以及开度确定所述防干烧灶具产生的热量值；

根据所述炊具及其内容物吸收的热量值以及所述防干烧灶具产生的热量值之比计算得到所述灶具热效率。

6.一种防干烧灶具，包括：

参数获取装置，配置成在所述防干烧灶具的使用过程中，获取正在操作的炊具的炊具参数和灶具参数；

计算装置，与所述参数获取装置电连接，配置成利用热效率计算模型对所述炊具参数、灶具参数进行分析，得到相应的灶具热效率；并根据所述灶具热效率设定所述防干烧灶具的烹饪时长；

控制装置，与所述计算装置电连接，配置成在所述防干烧灶具的使用时间达到所述烹饪时长时，自动关闭燃气开关，停止加热所述炊具。

7.根据权利要求6所述的防干烧灶具，其中所述参数获取装置包括：

摄像装置，设置于所述防干烧灶具的灶体上方，用于获取所述炊具的图像信息；

图像识别装置，与所述摄像装置电连接，配置成提取所述图像信息的图像特征，根据所述图像特征查询预置的数据库得到所述炊具参数。

8.根据权利要求7所述的防干烧灶具，其中所述参数获取装置包括：

限位器，设置于所述防干烧灶具的燃气管路上，用于测量燃气的流量；

开度检测器，设置于所述燃气开关上，用于检测所述燃气开关的开度。

9.根据权利要求8所述的防干烧灶具，还包括：

样本采集模块，配置成在多次烹饪过程中获取样本数据，组成多组样本数据，其中每次获取的样本数据包括：所述炊具参数、灶具参数和灶具热效率；

自学习模块，与所述样本采集模块电连接，配置成根据多组样本数据按照预设的机器学习算法进行训练得到所述热效率计算模型。

10.根据权利要求9所述的防干烧灶具，还包括：

重力检测装置，配置成在每次获取样本数据的过程中，选取一预设时间段，检测所述炊具及其内容物在所述预设时间段内的重量下降值；其中

所述样本采集模块，还配置成根据所述重量下降值确定所述炊具及其内容物吸收的热量值；根据所述燃气流量以及开度确定所述防干烧灶具产生的热量值；根据所述炊具及其内容物吸收的热量值以及所述防干烧灶具产生的热量值之比计算得到所述灶具热效率。