JP3206055B2 - 炊飯器 - Google Patents
炊飯器Info
- Publication number
- JP3206055B2 JP3206055B2 JP31764891A JP31764891A JP3206055B2 JP 3206055 B2 JP3206055 B2 JP 3206055B2 JP 31764891 A JP31764891 A JP 31764891A JP 31764891 A JP31764891 A JP 31764891A JP 3206055 B2 JP3206055 B2 JP 3206055B2
- Authority
- JP
- Japan
- Prior art keywords
- ratio
- learning
- rice
- input
- determining means
- 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.)
- Expired - Fee Related
Links
Landscapes
- Cookers (AREA)
- Feedback Control In General (AREA)
Description
【０００１】
【産業上の利用分野】本発明は炊飯時の通電比率の現場
学習を可能とした炊飯器に関するものである。
学習を可能とした炊飯器に関するものである。
【０００２】
【従来の技術】従来のいわゆるマイコン炊飯器は、メー
カが最適であると判断した通電比率で沸騰維持を行うも
のであった。すなわち、通電比率決定手段が被調理物の
量に応じて通電比率を決定するが、これは、温度検出素
子の検出値から、あらかじめ炊飯器が持っている線形関
数やファジィ推論器やルックアップテーブル等の入出力
関係に従って通電比率を決定するものである。
カが最適であると判断した通電比率で沸騰維持を行うも
のであった。すなわち、通電比率決定手段が被調理物の
量に応じて通電比率を決定するが、これは、温度検出素
子の検出値から、あらかじめ炊飯器が持っている線形関
数やファジィ推論器やルックアップテーブル等の入出力
関係に従って通電比率を決定するものである。
【０００３】
【発明が解決しようとする課題】しかし個々の炊飯器に
よって温度センサの位置の微妙なずれや、加熱手段の加
熱特性の微妙な違いがあるため、従来の炊飯器では個々
の炊飯器に応じたきめ細かな炊飯ができないという課題
があった。また、使用者の好みや、使用環境による通電
比率の変更ができないという課題があった。
よって温度センサの位置の微妙なずれや、加熱手段の加
熱特性の微妙な違いがあるため、従来の炊飯器では個々
の炊飯器に応じたきめ細かな炊飯ができないという課題
があった。また、使用者の好みや、使用環境による通電
比率の変更ができないという課題があった。
【０００４】そこで本発明は、このような従来の課題を
解決しようとするものであって、炊飯終了後に炊飯結果
に応じて次回以後の炊飯条件を変更して、きめの細かい
炊飯ができる炊飯器を提供することを第一の目的とする
ものである。
解決しようとするものであって、炊飯終了後に炊飯結果
に応じて次回以後の炊飯条件を変更して、きめの細かい
炊飯ができる炊飯器を提供することを第一の目的とする
ものである。
【０００５】また、前記第一の目的を達成する第二・第
三・第四・第五・第六・第七の手段を提供することを第
二・第三・第四・第五・第六・第七の目的とするもので
ある。
三・第四・第五・第六・第七の手段を提供することを第
二・第三・第四・第五・第六・第七の目的とするもので
ある。
【０００６】
【課題を解決するための手段】前記第一の目的を達成す
るための本発明の第一の手段は、加熱手段と、この加熱
手段の通電比率を制御する制御手段と、被調理物の温度
を検出する温度検出素子と、時間を計測する計時手段
と、学習型通電比率決定手段とを備え、前記学習型通電
比率決定手段は、購入当初の初期設定状態に於いては炊
飯量から通電比率を決定する炊飯量と通電比率の所定の
入出力関係であり、炊飯後は炊飯結果から学習すること
で次回以降の炊飯で行う通電比率決定を前回までの炊飯
結果に応じたものに変更していくものであり、制御手段
は炊飯時の加熱手段の通電比率を学習型通電比率決定手
段の決定した通電比率に従って制御する炊飯器とするも
のである。
るための本発明の第一の手段は、加熱手段と、この加熱
手段の通電比率を制御する制御手段と、被調理物の温度
を検出する温度検出素子と、時間を計測する計時手段
と、学習型通電比率決定手段とを備え、前記学習型通電
比率決定手段は、購入当初の初期設定状態に於いては炊
飯量から通電比率を決定する炊飯量と通電比率の所定の
入出力関係であり、炊飯後は炊飯結果から学習すること
で次回以降の炊飯で行う通電比率決定を前回までの炊飯
結果に応じたものに変更していくものであり、制御手段
は炊飯時の加熱手段の通電比率を学習型通電比率決定手
段の決定した通電比率に従って制御する炊飯器とするも
のである。
【０００７】第二の目的を達成するための本発明の第二
の手段は、前記本発明の第一の手段の構成に加え、温度
検出手段の検出値より沸騰維持時間を計測する沸騰時間
計測手段を備え、この沸騰時間計測手段の計測値を学習
型通電比率決定手段の入力とする炊飯器とするものであ
る。
の手段は、前記本発明の第一の手段の構成に加え、温度
検出手段の検出値より沸騰維持時間を計測する沸騰時間
計測手段を備え、この沸騰時間計測手段の計測値を学習
型通電比率決定手段の入力とする炊飯器とするものであ
る。
【０００８】また第三の目的を達成するための本発明の
第三の手段は、前記本発明の第一の手段の構成に加え、
炊飯結果の評価値を入力する評価値入力手段を備え、こ
の評価値入力手段の入力値を学習型通電比率決定手段の
入力とする炊飯器とするものである。
第三の手段は、前記本発明の第一の手段の構成に加え、
炊飯結果の評価値を入力する評価値入力手段を備え、こ
の評価値入力手段の入力値を学習型通電比率決定手段の
入力とする炊飯器とするものである。
【０００９】第四の目的を達成するための本発明の第四
の手段は、前記本発明の第一の手段の構成に加え、学習
型通電比率決定手段として、通電比率決定手段と、この
通電比率決定手段の入出力特性を前回までの炊飯結果に
応じて変更する学習手段を備えた炊飯器とするものであ
る。
の手段は、前記本発明の第一の手段の構成に加え、学習
型通電比率決定手段として、通電比率決定手段と、この
通電比率決定手段の入出力特性を前回までの炊飯結果に
応じて変更する学習手段を備えた炊飯器とするものであ
る。
【００１０】また第五の目的を達成するための本発明の
第五の手段は、前記本発明の第一の手段の構成に加え、
前記第一の手段の学習型通電比率決定手段として、通電
比率の初期値を決定する通電比率初期値決定手段と、こ
の初期値を補正する補正値を決定する通電比率補正値決
定手段と、この通電比率補正値決定手段の入出力特性を
前回までの炊飯結果に応じて変更する学習手段を備えた
炊飯器とするものである。
第五の手段は、前記本発明の第一の手段の構成に加え、
前記第一の手段の学習型通電比率決定手段として、通電
比率の初期値を決定する通電比率初期値決定手段と、こ
の初期値を補正する補正値を決定する通電比率補正値決
定手段と、この通電比率補正値決定手段の入出力特性を
前回までの炊飯結果に応じて変更する学習手段を備えた
炊飯器とするものである。
【００１１】第六の目的を達成するための本発明の第六
の手段は、前記本発明の第一の手段の構成に加え、学習
型通電比率決定手段として、ファジィ推論器と、このフ
ァジィ推論器の推論ルールを変更するニューロ・ファジ
ィ学習手段を備えた炊飯器とするものである。
の手段は、前記本発明の第一の手段の構成に加え、学習
型通電比率決定手段として、ファジィ推論器と、このフ
ァジィ推論器の推論ルールを変更するニューロ・ファジ
ィ学習手段を備えた炊飯器とするものである。
【００１２】更に第七の目的を達成するための本発明の
第七の手段は、前記本発明の第一の手段の構成に加え、
学習型通電比率決定手段として、ニューラルネットワー
クと、このニューラルネットワークを変更するニューラ
ルネットワーク学習手段を備えた炊飯器とするものであ
る。
第七の手段は、前記本発明の第一の手段の構成に加え、
学習型通電比率決定手段として、ニューラルネットワー
クと、このニューラルネットワークを変更するニューラ
ルネットワーク学習手段を備えた炊飯器とするものであ
る。
【００１３】
【作用】本発明の第一の手段による作用は以下の通りで
ある。即ち、炊飯器は初めは、炊飯量に応じた通電比率
を入出力関係として持っている。毎回の炊飯が終了する
都度、学習型通電比率決定手段が炊飯結果に従って次回
以後の炊飯に使用する入出力関係を変更する。このため
炊飯器１台１台が、それぞれに最適な通電比率を学習す
ることができ、使用者の要求に応じたきめの細かい炊飯
ができる炊飯器として作用するものである。
ある。即ち、炊飯器は初めは、炊飯量に応じた通電比率
を入出力関係として持っている。毎回の炊飯が終了する
都度、学習型通電比率決定手段が炊飯結果に従って次回
以後の炊飯に使用する入出力関係を変更する。このため
炊飯器１台１台が、それぞれに最適な通電比率を学習す
ることができ、使用者の要求に応じたきめの細かい炊飯
ができる炊飯器として作用するものである。
【００１４】本発明の第二の手段は、前記本発明の第一
の手段による作用に、沸騰時間計測手段による作用が加
わるものである。つまり、米のα化にはある沸騰維持時
間が必要である。そこで測定した沸騰時間を、学習型通
電比率決定手段の入力として採用するもので、従って、
次回からの炊飯は沸騰時間が最適になるように通電比率
を変更することができるものである。
の手段による作用に、沸騰時間計測手段による作用が加
わるものである。つまり、米のα化にはある沸騰維持時
間が必要である。そこで測定した沸騰時間を、学習型通
電比率決定手段の入力として採用するもので、従って、
次回からの炊飯は沸騰時間が最適になるように通電比率
を変更することができるものである。
【００１５】本発明の第三の手段は、前記本発明の第一
の手段による作用に評価値入力手段による作用が加わる
ものである。即ち、炊飯後に使用者が炊飯結果に対する
評価値を評価値入力手段に入力する。入力された評価値
は、学習型通電比率決定手段の入力として採用され、従
って、使用者の好みに応じた炊飯ができる炊飯器として
作用する。
の手段による作用に評価値入力手段による作用が加わる
ものである。即ち、炊飯後に使用者が炊飯結果に対する
評価値を評価値入力手段に入力する。入力された評価値
は、学習型通電比率決定手段の入力として採用され、従
って、使用者の好みに応じた炊飯ができる炊飯器として
作用する。
【００１６】また本発明の第四の手段は、学習型通電比
率決定手段として、通電比率決定手段と学習手段を備え
ており、学習手段が通電比率決定手段の入出力関係を最
適に変更していく炊飯器として作用するものである。
率決定手段として、通電比率決定手段と学習手段を備え
ており、学習手段が通電比率決定手段の入出力関係を最
適に変更していく炊飯器として作用するものである。
【００１７】本発明の第五の手段による作用は以下の通
りである。即ち、学習型通電比率決定手段として、通電
比率初期値決定手段と通電比率補正値決定手段と学習手
段を備えている。従って、学習手段が補正値を調整する
ことで、小容量のプログラムで学習手段が通電比率決定
手段の入出力関係を最適に変更していく炊飯器として作
用するものである。
りである。即ち、学習型通電比率決定手段として、通電
比率初期値決定手段と通電比率補正値決定手段と学習手
段を備えている。従って、学習手段が補正値を調整する
ことで、小容量のプログラムで学習手段が通電比率決定
手段の入出力関係を最適に変更していく炊飯器として作
用するものである。
【００１８】本発明の第六の手段は、以下のように作用
する。即ち、学習型通電比率決定手段として、ファジィ
推論器とニューロ・ファジィ学習手段を有している。こ
のニューロ・ファジィ学習手段が、ファジィ推論のルー
ルを教示データに応じて変更することで、炊飯を行う毎
にその時の炊飯量だけではなくその時の炊飯量付近の炊
飯量に対する通電比率を適正化できる。
する。即ち、学習型通電比率決定手段として、ファジィ
推論器とニューロ・ファジィ学習手段を有している。こ
のニューロ・ファジィ学習手段が、ファジィ推論のルー
ルを教示データに応じて変更することで、炊飯を行う毎
にその時の炊飯量だけではなくその時の炊飯量付近の炊
飯量に対する通電比率を適正化できる。
【００１９】更に本発明の第七の手段による作用は以下
の通りである。即ち、学習型通電比率決定手段は、ニュ
ーラルネットワークと、ニューラルネットワーク学習手
段を備えている。ニューラルネットワーク学習手段は、
教示データに応じてニューラルネットワークを最適に変
更する。
の通りである。即ち、学習型通電比率決定手段は、ニュ
ーラルネットワークと、ニューラルネットワーク学習手
段を備えている。ニューラルネットワーク学習手段は、
教示データに応じてニューラルネットワークを最適に変
更する。
【００２０】
【実施例】以下本発明の第一の実施例である炊飯器の全
体構成を図１に基づいて説明する。１は本体で、底部に
はヒータとトライアック或はヒータと電流制御回路等で
構成した加熱手段３と、加熱手段３を制御する制御手段
７を備えている。また、上部には蓋５を内部には内鍋２
を有している。内鍋２の中央底部には、被調理物の温度
を検出するサーミスタ等の温度検出素子４を設けてい
る。また本体１は、時間を計測する計時手段６と、温度
検出素子４の情報により計時手段６を用いて沸騰維持時
間を計測する沸騰時間計測手段９と、沸騰時間計測手段
９の計測値を入力とする第一の学習型通電比率決定手段
８とを備えている。計時手段６・制御手段７・第一の学
習型通電比率決定手段８と沸騰時間計測手段９は、本実
施例ではマイクロコンピュータで構成している。
体構成を図１に基づいて説明する。１は本体で、底部に
はヒータとトライアック或はヒータと電流制御回路等で
構成した加熱手段３と、加熱手段３を制御する制御手段
７を備えている。また、上部には蓋５を内部には内鍋２
を有している。内鍋２の中央底部には、被調理物の温度
を検出するサーミスタ等の温度検出素子４を設けてい
る。また本体１は、時間を計測する計時手段６と、温度
検出素子４の情報により計時手段６を用いて沸騰維持時
間を計測する沸騰時間計測手段９と、沸騰時間計測手段
９の計測値を入力とする第一の学習型通電比率決定手段
８とを備えている。計時手段６・制御手段７・第一の学
習型通電比率決定手段８と沸騰時間計測手段９は、本実
施例ではマイクロコンピュータで構成している。
【００２１】次に、前記第一の学習型通電比率決定手段
８の構成を図２に基づいて説明する。通電比率決定手段
１０は、温度上昇率を入力とし、通電比率を出力とする
ファジィ推論器である。この温度上昇率は、温度検出素
子４の出力を微分することで容易に得ることができる。
ニューロ・ファジィ学習手段１１は、沸騰時間計測手段
９により計測された沸騰時間を入力として、通電比率決
定手段１０のファジィ推論ルールを変更する。
８の構成を図２に基づいて説明する。通電比率決定手段
１０は、温度上昇率を入力とし、通電比率を出力とする
ファジィ推論器である。この温度上昇率は、温度検出素
子４の出力を微分することで容易に得ることができる。
ニューロ・ファジィ学習手段１１は、沸騰時間計測手段
９により計測された沸騰時間を入力として、通電比率決
定手段１０のファジィ推論ルールを変更する。
【００２２】通電比率決定手段１０であるファジィ推論
器の実施例を、図３・図４に基づいて説明する。推論ル
ールは例えば、「温度上昇率が小さければ、通電比率を
大きくする」といったもので図３に示す３個のルールか
ら成っている。温度上昇率が「小さい」とか、通電比率
を「大きく」といった定性的な概念は、図４に示すメン
バーシップ関数により定量的に表現される。
器の実施例を、図３・図４に基づいて説明する。推論ル
ールは例えば、「温度上昇率が小さければ、通電比率を
大きくする」といったもので図３に示す３個のルールか
ら成っている。温度上昇率が「小さい」とか、通電比率
を「大きく」といった定性的な概念は、図４に示すメン
バーシップ関数により定量的に表現される。
【００２３】次に、ニューロ・ファジィ学習手段１１の
実施例を示す。沸騰時間２０分を理想条件として、沸騰
時間計測手段９により計測された沸騰時間とこの２０分
とを比較する。沸騰時間が２０分より短い場合は、通電
比率が大きすぎたということであるから、次回から通電
比率を下げる。学習のための教示データは、このとき通
電比率決定手段１０に入力された温度上昇率と、理想的
な通電比率のデータをセットとする。この教示データを
用いて、ファジィ推論のルールおよびメンバーシップ関
数を最急降下法（ニューラルネットワークに用いられる
学習則の一つで、誤差関数を最小にする方法である）に
よって最適に設定する。次回の炊飯からは、新しく設定
されたファジィ推論ルールを用いて通電比率を決定す
る。
実施例を示す。沸騰時間２０分を理想条件として、沸騰
時間計測手段９により計測された沸騰時間とこの２０分
とを比較する。沸騰時間が２０分より短い場合は、通電
比率が大きすぎたということであるから、次回から通電
比率を下げる。学習のための教示データは、このとき通
電比率決定手段１０に入力された温度上昇率と、理想的
な通電比率のデータをセットとする。この教示データを
用いて、ファジィ推論のルールおよびメンバーシップ関
数を最急降下法（ニューラルネットワークに用いられる
学習則の一つで、誤差関数を最小にする方法である）に
よって最適に設定する。次回の炊飯からは、新しく設定
されたファジィ推論ルールを用いて通電比率を決定す
る。
【００２４】このように本実施例によると、沸騰維持の
時間を入力することで、炊飯器１台１台の特性に応じた
通電比率の決定や、電圧や温度などの使用状況に応じた
通電比率の決定を行う事ができる。また、通電比率決定
手段をファジィ推論器とし、ニューロ・ファジィ学習手
段でファジィ推論のルールを変更することで、炊飯を行
う毎にその時の炊飯量だけではなくその時の炊飯量付近
の炊飯量に対する通電比率が適正化される。
時間を入力することで、炊飯器１台１台の特性に応じた
通電比率の決定や、電圧や温度などの使用状況に応じた
通電比率の決定を行う事ができる。また、通電比率決定
手段をファジィ推論器とし、ニューロ・ファジィ学習手
段でファジィ推論のルールを変更することで、炊飯を行
う毎にその時の炊飯量だけではなくその時の炊飯量付近
の炊飯量に対する通電比率が適正化される。
【００２５】なお本実施例ではファジィ推論の後件部変
数を一般的な三角型としたが、実数値で実現した場合も
同様に最急降下法で適正化ができる。
数を一般的な三角型としたが、実数値で実現した場合も
同様に最急降下法で適正化ができる。
【００２６】次に本発明の第二の実施例の炊飯器の全体
構成について、図５を基に説明する。１２は炊飯が終了
した後から出来ばえ等について使用者が評価値を入力す
る評価値入力手段である。また１３は評価値入力手段１
２に入力された評価値を入力とする第二の学習型通電比
率決定手段である。第二の学習型通電比率決定手段１３
は、本実施例ではマイクロコンピュータで構成してい
る。なお、前記第一の実施例と同様の機能を有する部材
については、図１で用いた番号と同様の番号を用いて説
明を省略する。
構成について、図５を基に説明する。１２は炊飯が終了
した後から出来ばえ等について使用者が評価値を入力す
る評価値入力手段である。また１３は評価値入力手段１
２に入力された評価値を入力とする第二の学習型通電比
率決定手段である。第二の学習型通電比率決定手段１３
は、本実施例ではマイクロコンピュータで構成してい
る。なお、前記第一の実施例と同様の機能を有する部材
については、図１で用いた番号と同様の番号を用いて説
明を省略する。
【００２７】次に第二の学習型通電比率決定手段１３の
構成を、図６に基づいて説明する。本実施例では、通電
比率は（初期値＋補正値）として求めている。この補正
値のみを、学習によって変更するものである。また通電
比率初期値決定手段１４は、温度上昇率を入力として通
電比率の初期値を出力する。通電比率補正値決定手段１
５は、温度上昇率を入力として通電比率の補正値を出力
するニューラルネットワークである。ニューラルネット
ワーク学習手段１６は、評価値入力手段１２に入力され
た評価値を入力として、通電比率補正値決定手段１５の
ニューラルネットワークを変更する。
構成を、図６に基づいて説明する。本実施例では、通電
比率は（初期値＋補正値）として求めている。この補正
値のみを、学習によって変更するものである。また通電
比率初期値決定手段１４は、温度上昇率を入力として通
電比率の初期値を出力する。通電比率補正値決定手段１
５は、温度上昇率を入力として通電比率の補正値を出力
するニューラルネットワークである。ニューラルネット
ワーク学習手段１６は、評価値入力手段１２に入力され
た評価値を入力として、通電比率補正値決定手段１５の
ニューラルネットワークを変更する。
【００２８】次に、ニューラルネットワーク学習手段１
６の実施例を示す。炊飯後に使用者が評価値入力手段１
２に炊飯結果の評価値を入力する。例えば、ベタベタし
ていると言う評価を得たときは、沸騰維持の通電比率が
低かったので通電比率の理想値はこのとき使用した通電
比率より少し高い。学習のための教示データは、このと
き通電比率補正値決定手段１５に入力された温度上昇率
と、理想的な通電比率と初期値との差のデータのセット
とする。この教示データを用いて、ニューラルネットワ
ークを最急降下法によって最適に設定する。次回の炊飯
からは、新しく設定されたニューラルネットワークを用
いて通電比率を決定する。
６の実施例を示す。炊飯後に使用者が評価値入力手段１
２に炊飯結果の評価値を入力する。例えば、ベタベタし
ていると言う評価を得たときは、沸騰維持の通電比率が
低かったので通電比率の理想値はこのとき使用した通電
比率より少し高い。学習のための教示データは、このと
き通電比率補正値決定手段１５に入力された温度上昇率
と、理想的な通電比率と初期値との差のデータのセット
とする。この教示データを用いて、ニューラルネットワ
ークを最急降下法によって最適に設定する。次回の炊飯
からは、新しく設定されたニューラルネットワークを用
いて通電比率を決定する。
【００２９】このように本実施例によると、評価値入力
手段を備え炊飯結果に対する評価値を入力することで、
使用者の好みに応じた通電比率の決定を行うことができ
る。また、通電比率を（初期値＋補正値）とし、補正値
のみを学習する構成としているため、小容量のマイクロ
コンピュータプログラムで学習を実現できる。通電比率
補正値決定手段をニューラルネットワークとし、ニュー
ラルネットワーク学習手段でニューラルネットワークを
変更する構成とすることによって、炊飯を行う毎に、そ
の時の炊飯量だけではなくその時の炊飯量付近の炊飯量
に対する通電比率が適正化される。
手段を備え炊飯結果に対する評価値を入力することで、
使用者の好みに応じた通電比率の決定を行うことができ
る。また、通電比率を（初期値＋補正値）とし、補正値
のみを学習する構成としているため、小容量のマイクロ
コンピュータプログラムで学習を実現できる。通電比率
補正値決定手段をニューラルネットワークとし、ニュー
ラルネットワーク学習手段でニューラルネットワークを
変更する構成とすることによって、炊飯を行う毎に、そ
の時の炊飯量だけではなくその時の炊飯量付近の炊飯量
に対する通電比率が適正化される。
【００３０】
【発明の効果】以上説明したように本発明の第一の手段
によれば、主として学習型通電比率決定手段を備えた構
成とすることによって、炊飯終了後に炊飯結果に応じて
次回以後の沸騰維持通電比率を変更することができ、き
めの細かい炊飯ができる炊飯器を実現することができる
ものである。
によれば、主として学習型通電比率決定手段を備えた構
成とすることによって、炊飯終了後に炊飯結果に応じて
次回以後の沸騰維持通電比率を変更することができ、き
めの細かい炊飯ができる炊飯器を実現することができる
ものである。
【００３１】また本発明の第二の手段によれば、主とし
て温度検出手段の検出値より沸騰維持時間を計測する沸
騰時間計測手段を備え、この沸騰時間計測手段の計測値
を最適にする構成とすることによって、最適な通電比率
を決定することができ、きめの細かい炊飯ができる炊飯
器を実現することができるものである。
て温度検出手段の検出値より沸騰維持時間を計測する沸
騰時間計測手段を備え、この沸騰時間計測手段の計測値
を最適にする構成とすることによって、最適な通電比率
を決定することができ、きめの細かい炊飯ができる炊飯
器を実現することができるものである。
【００３２】本発明の第三の手段によれば、主として、
炊飯結果の評価値を入力する評価値入力手段を備えこの
評価値入力手段の入力値を学習型通電比率決定手段の入
力とする構成とすることによって、使用者の好みにあっ
た通電比率を決定することができ、きめの細かい炊飯が
できる炊飯器を実現することができるものである。
炊飯結果の評価値を入力する評価値入力手段を備えこの
評価値入力手段の入力値を学習型通電比率決定手段の入
力とする構成とすることによって、使用者の好みにあっ
た通電比率を決定することができ、きめの細かい炊飯が
できる炊飯器を実現することができるものである。
【００３３】また本発明の第四の手段によれば、主とし
て、通電比率決定手段とその通電比率決定手段の入出力
関係を学習する学習手段を有した構成とすることによっ
て、通電比率のきめ細かな学習を行うことができ、きめ
の細かい炊飯ができる炊飯器を実現することができるも
のである。
て、通電比率決定手段とその通電比率決定手段の入出力
関係を学習する学習手段を有した構成とすることによっ
て、通電比率のきめ細かな学習を行うことができ、きめ
の細かい炊飯ができる炊飯器を実現することができるも
のである。
【００３４】さらに本発明の第五の手段によれば、主と
して、通電比率の初期値を決定する通電比率初期値決定
手段と、この初期値を補正する補正値を決定する通電比
率補正値決定手段とで構成した学習型通電比率決定手段
と、この通電比率補正値決定手段の入出力特性を前回ま
での炊飯結果に応じて変更する学習手段を備えた構成と
することによって、小容量のプログラムで学習手段が通
電比率決定手段の入出力関係を最適に変更していくこと
ができ、きめの細かい炊飯ができる炊飯器を実現するこ
とができるものである。
して、通電比率の初期値を決定する通電比率初期値決定
手段と、この初期値を補正する補正値を決定する通電比
率補正値決定手段とで構成した学習型通電比率決定手段
と、この通電比率補正値決定手段の入出力特性を前回ま
での炊飯結果に応じて変更する学習手段を備えた構成と
することによって、小容量のプログラムで学習手段が通
電比率決定手段の入出力関係を最適に変更していくこと
ができ、きめの細かい炊飯ができる炊飯器を実現するこ
とができるものである。
【００３５】また本発明の第六の手段によれば、主とし
て、ファジィ推論器とこのファジィ推論器の推論ルール
を変更するニューロ・ファジィ学習手段で構成した学習
型通電比率決定手段を有した構成とすることによって、
炊飯を行う毎にその時の炊飯量だけではなくその時の炊
飯量付近の炊飯量に対する通電比率を適正化することが
できる。またファジィ推論を用いていることで、学習経
過が分かりやすく演算が容易であり、きめの細かい炊飯
ができる炊飯器を実現することができるものである。
て、ファジィ推論器とこのファジィ推論器の推論ルール
を変更するニューロ・ファジィ学習手段で構成した学習
型通電比率決定手段を有した構成とすることによって、
炊飯を行う毎にその時の炊飯量だけではなくその時の炊
飯量付近の炊飯量に対する通電比率を適正化することが
できる。またファジィ推論を用いていることで、学習経
過が分かりやすく演算が容易であり、きめの細かい炊飯
ができる炊飯器を実現することができるものである。
【００３６】さらに本発明の第七の手段によれば、主と
して、学習型通電比率決定手段をニューラルネットワー
クと、このニューラルネットワークを変更するニューラ
ルネットワーク学習手段とで構成することにより、複雑
な入出力関係を学習することができ、きめの細かい炊飯
ができる炊飯器を実現することができるものである。
して、学習型通電比率決定手段をニューラルネットワー
クと、このニューラルネットワークを変更するニューラ
ルネットワーク学習手段とで構成することにより、複雑
な入出力関係を学習することができ、きめの細かい炊飯
ができる炊飯器を実現することができるものである。
【図１】本発明の第一の実施例である炊飯器の全体構成
を示す模式的断面図
を示す模式的断面図
【図２】同第一の学習型通電比率決定手段を示すブロッ
ク図
ク図
【図３】同通電比率決定手段であるファジィ推論器の推
論ルールを示す図
論ルールを示す図
【図４】同ファジィ推論器の推論ルールの前件部及び後
件部のメンバーシップ関数を示す図
件部のメンバーシップ関数を示す図
【図５】本発明の第二の実施例である炊飯器の全体構成
を示す模式的断面図
を示す模式的断面図
【図６】同第二の学習型通電比率決定手段を示すブロッ
ク図
ク図
３ 加熱手段 ４ 温度検出素子 ６ 計時手段 ７ 制御手段 ８ 第一の学習型通電比率決定手段 ９ 沸騰時間計測手段 １０ 通電比率決定手段 １１ ニューロ・ファジィ学習手段 １２ 評価値入力手段 １３ 第二の学習型通電比率決定手段 １４ 通電比率初期値決定手段 １５ 通電比率補正値決定手段 １７ ニューラルネットワーク学習手段
───────────────────────────────────────────────────── フロントページの続き (72)発明者 寺井 春夫 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (72)発明者 貞平 匡史 大阪府門真市大字門真1006番地 松下電 器産業株式会社内 (56)参考文献 特開 平２−277417（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) A47J 27/00 109 G05B 13/02 F24C 7/04 301 F24C 7/02
Claims (7)
- 【請求項１】 加熱手段と、この加熱手段の通電比率を
制御する制御手段と、被調理物の温度を検出する温度検
出素子と、時間を計測する計時手段と、学習型通電比率
決定手段とを備え、前記学習型通電比率決定手段は、購
入当初の初期設定状態に於いては炊飯量から通電比率を
決定する炊飯量と通電比率の所定の入出力関係であり、
炊飯後は炊飯結果から学習することで次回以降の炊飯で
行う通電比率決定を前回までの炊飯結果に応じたものに
変更していくものであり、制御手段は炊飯時の加熱手段
の通電比率を学習型通電比率決定手段の決定した通電比
率に従って制御する炊飯器。 - 【請求項２】 温度検出手段の検出値より沸騰維持時間
を計測する沸騰時間計測手段を備え、この沸騰時間計測
手段の計測値を学習型通電比率決定手段の入力とする請
求項１記載の炊飯器。 - 【請求項３】 炊飯結果の評価値を入力する評価値入力
手段を備え、この評価値入力手段の入力値を学習型通電
比率決定手段の入力とする請求項１記載の炊飯器。 - 【請求項４】 学習型通電比率決定手段として、通電比
率決定手段と、この通電比率決定手段の入出力特性を前
回までの炊飯結果に応じて変更する学習手段を備えた請
求項１記載の炊飯器。 - 【請求項５】 学習型通電比率決定手段として、通電比
率の初期値を決定する通電比率初期値決定手段と、この
初期値を補正する補正値を決定する通電比率補正値決定
手段と、この通電比率補正値決定手段の入出力特性を前
回までの炊飯結果に応じて変更する学習手段を備えた請
求項１記載の炊飯器。 - 【請求項６】 学習型通電比率決定手段として、ファジ
ィ推論器と、このファジィ推論器の推論ルールを変更す
るニューロ・ファジィ学習手段を備えた請求項１記載の
炊飯器。 - 【請求項７】 学習型通電比率決定手段として、ニュー
ラルネットワークと、このニューラルネットワークを変
更するニューラルネットワーク学習手段を備えた請求項
１記載の炊飯器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31764891A JP3206055B2 (ja) | 1991-12-02 | 1991-12-02 | 炊飯器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31764891A JP3206055B2 (ja) | 1991-12-02 | 1991-12-02 | 炊飯器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05154041A JPH05154041A (ja) | 1993-06-22 |
| JP3206055B2 true JP3206055B2 (ja) | 2001-09-04 |
Family
ID=18090490
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31764891A Expired - Fee Related JP3206055B2 (ja) | 1991-12-02 | 1991-12-02 | 炊飯器 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3206055B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200490763Y1 (ko) * | 2018-02-14 | 2019-12-30 | 김병진 | 담뱃갑 스티커 부재 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3056661B2 (ja) * | 1994-12-27 | 2000-06-26 | シャープ株式会社 | ヒータ制御装置 |
-
1991
- 1991-12-02 JP JP31764891A patent/JP3206055B2/ja not_active Expired - Fee Related
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR200490763Y1 (ko) * | 2018-02-14 | 2019-12-30 | 김병진 | 담뱃갑 스티커 부재 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05154041A (ja) | 1993-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR900006796B1 (ko) | 가열장치 | |
| KR940003016B1 (ko) | 조리기 | |
| US6781097B2 (en) | System and method for proportional control of oven heating elements | |
| JP3206055B2 (ja) | 炊飯器 | |
| JP2753136B2 (ja) | 炊飯器 | |
| JPH1197164A (ja) | 加熱調理器およびこれを用いた加熱調理方法 | |
| JPH0691863B2 (ja) | 炊飯器 | |
| JP2871419B2 (ja) | 炊飯器 | |
| JP2676992B2 (ja) | 炊飯器 | |
| JP2907792B2 (ja) | 炊飯器 | |
| JP2899372B2 (ja) | 炊飯器 | |
| JPH0580885B2 (ja) | ||
| JP2800602B2 (ja) | 炊飯器 | |
| JPH04261611A (ja) | 炊飯器 | |
| KR0128557B1 (ko) | 전자렌지의 중량감지 자동조리 제어방법 | |
| JPS6029522A (ja) | 電子レンジ | |
| JPH04292118A (ja) | 電気調理器 | |
| JP2926444B2 (ja) | 炊飯器 | |
| JP3327034B2 (ja) | 炊飯器 | |
| KR940004979B1 (ko) | 전자렌지의 자동요리방법 및 장치 | |
| JPS59138824A (ja) | 電子レンジ | |
| JPH0364775B2 (ja) | ||
| JPH04356620A (ja) | 高周波加熱装置 | |
| JPH05154043A (ja) | 炊飯器 | |
| JPH0380814A (ja) | 炊飯器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |