专利名称：：利用控制旋转叶轮的速度来控制冰箱温度的方法和装置的制作方法
技术领域：
：本发明涉及一种冰箱温度控制的方法和装置，其中，根据模糊推理(fuzzyinference)和神经网络学习(learningbyneuronnetwork)得到的距离旋转叶轮的距离，精确地将冷气排放到要冷却的位置，使冷藏室温度得到均一控制。一般来说，因为在冰箱冷藏室各部分被冷藏的物品负荷是不同的，特别是在一大冰箱中，因此在冷藏室内均匀地保持温度是困难的。因此一直在研究当冰箱内存储容量增大时，均匀地控制冷藏室温度的方法。由旋转一个安装在冷藏室后壁上的旋转叶轮控制冷气的排放是这样的一种方法。冷气被排到高温部分将冷藏室内温度均一。旋转叶轮根据它的静止位置(一预定静止角度)确定一冷气排放方向，或象通风风扇那样以恒定速度连续旋转排放冷气。但是，在一具有旋转叶轮的冰箱中，因为叶轮旋转的通风力是一定的，所以不能根据旋转叶轮到被冷却目标区域的距离来控制冷气的排放。换言之，当要将冷气排到距旋转叶轮远的冷藏室前部，为了将冷气排到前部应该提高旋转叶轮的转速。同时，当要将冷气排到距旋转叶轮近的冷藏室后部，应低速旋转叶轮或完全停止叶轮旋转使冷气排放速度减小。但是，常规的旋转叶轮由于具有固定的旋转速度而不能适当控制冷气排放速度。而且，作为一个通过控制旋转叶轮的转速来控制冷气排放速度的先决条件是，与距离旋转叶轮的距离相应的每一部分的温度应该被精确测量。但是仅在冷藏室上部和下部设置两个温度传感器的常规冰箱中，精确地测量每一部分的温度是困难的。并且，即使以某种准确度通过模糊数学推理方法推断各部温度，也不能校正在大批量生产的常规冰箱中可能产生的每一冰箱的特定误差，因而推测的准确度有一定限制。本发明的一个目的是提供一种冰箱温度控制的方法和装置，其中利用小数目的温度传感器精确地推断冷藏室内各部分的温度，并根据推断的温度控制一旋转叶轮的转速，以致根据从旋转叶轮到冷藏室内各部分的距离，均匀一致地排放冷气。根据本发明的一个方面，提供了一冰箱温度控制方法，其中，向冷藏室排放的冷气速度是根据旋转叶轮的旋转速度控制的，使得根据被冷却的目标部分离旋转叶轮的距离均匀一致地排放冷气，该温度控制方法包括以下步骤(a)构成用于推断冷藏室内诸多部分中最高温度部分的一模糊模型；(b)在预定数目的部分上测定温度变化；(c)基于在步骤(a)中构成的模糊模型，利用被测量到的温度变化值进行模糊推理，推断一接收排放冷气的温度-平衡位置，并计算旋转叶轮的最佳平衡速度来将冷气排到该温度-平衡位置；和(d)根据在步骤(c)中计算的平衡速度控制旋转叶轮的转速。根据本发明，该步骤(a)可以包括以下子步骤(a-1)提供由冷藏室内的温度传感器测定的温度变化值和距离旋转叶轮距离的数据；(a-2)基于在步骤(a-1)得到的数据进行模糊划分(division)；(a-3)在相应于模糊划分区域的诸多划分结构中选出最佳结构；(a-4)基于在步骤(a-3)中选出的最佳结构，计算一线性公式来推断最高温度部分，其中，利用Takagi-Sugeno-Kang(TSK)模糊模型精确地推断冷藏室内的温度。而且，步骤(d)可以包括以下子步骤(d-1)产生一交流电压，它的有效值与旋转叶轮的最高转速相应；(d-2)计算一平衡电压，它的有效值与该平衡速度相应；(d-3)将该交流电压的波形切掉一预定区段以产生该平衡电压；和(d-4)将该平衡电压施加到一驱动电机，驱动旋转叶轮，从而驱动电机的速度被由相对于最高电压产生的所需电压顺利地控制。这里，步骤(d-3)可以包括以下子步骤(d-3-1)从该交流电压的波形中探测一零交叉点；(d-3-2)计算一由零交叉点起的延迟时间，在这个时间里，该交流电压的波形被切掉以便产生该平衡电压；(d-3-3)在步骤(d-3-2)计算的由零交叉点起的延迟时间中，切掉该波形，而用于此功能的硬件容易实现。在温度控制的方法中，该方法还可包括以下步骤测定旋转叶轮的实转速；计算在该实转速与平衡速度之间的差值；通过将计算的速度差值反馈到该平衡速度控制旋转叶轮实转速，使实转速达到该平衡速度，从而旋转叶轮转速很精确地得到控制。按照本发明的另一方面，提供了一冰箱温度控制装置，其中，根据旋转叶轮的转速控制向冷藏室排放冷气的速度，以根据应被冷却的目标距旋转叶轮的距离相应地分配冷气，该温度控制装置包括在冷藏室内的预定数个部分上测定温度变化的装置；根据该温度测定装置测定的温度变化进行模糊推理的模糊推理装置，来推断与旋转叶轮的最佳转速相应的一平衡速度，该最佳转速是在冷藏室内保持温度平衡需要的；和根据该平衡速度控制旋转叶轮转速的装置。根据本发明，该控制装置可以包括一电源，该电源提供交流电压，该交流电压的有效值与旋转叶轮的最高转速相应；一平衡电压发生器，该发生器通过将该交流电压切掉一预定区段产生一平衡电压，该平衡电压具有的有效值与该平衡速度相应；和一驱动电机，该电机根据该平衡电压驱动旋转叶轮。另外，最好该平衡电压发生器包括一零交叉点测定器，用于测定该交流电压的零交叉点；一延迟时间计算器，用于计算从零交叉点起的延迟时间，在该时间当中，该交流电压的波形应被切掉，以便产生该平衡电压；和一波形剪切装置，该装置在延迟时间当中从该零交叉点起切掉该交流电压波形。而且，最好该波形剪切装置包括一三端双向可控硅开关(TRIAC)，该元件与电源串联连接；和一触发装置，在该延迟时间之后向该三端双向可控硅开关的栅极端施加一触发信号。另外，最好该温度控制装置进一步包括测定旋转叶轮实转速的装置；和计算该实转速与平衡速度之间差值的装置，其中，该控制装置通过将该差值反馈到该平衡速度上控制旋转叶轮实转速。通过参考下列附图的一优选实施例的详细介绍，本发明的目的和优点会更明确图1是示出冰箱内部的透视图；图2是旋转叶轮的放大透视图；图3是说明通过控制旋转叶轮转速向冷藏室各部排冷气的剖面图，其中冷藏室各部以不同距离与旋转叶轮分开；图4示出相应于到旋转叶轮距离的旋转叶轮转速；图5A、5B和5C分别示出当表1所示数据被模糊划分成三部分时的被划分的结构；图6示出各架上测温的部分的示意透视图；图7示出本发明的神经网络结构的示意图；图8更详细地示出图7的神经网络；图9是本发明温度控制装置的方框图10是实行本发明控制旋转叶轮转速方法的转速控制器的电路图；图11示出一交流电源电压波形；图12示出由零交叉点探测器测定的零交叉点输出波形图；图13示出由微处理器产生的一触发信号，该信号从图12的波形延迟一预定区段(α)；图14示出被切掉一预定区段(α)的交流电压波形，该电压被加到一驱动电机上。如图1所示，冰箱的冷藏室10一般位于冰箱下部，冷藏室10被间隔开，被间隔开的冷藏室最下部是用做水果和蔬菜的储存室1。一般，除了水果和蔬菜储存室1之外，冷藏室10被间隔成四部分，其中最上部2一般称为保鲜室，从上向下的其余部分称为第一、第二和第三部分5、6和7。而且如果冷藏室的高度是“H”，第一、第二和第三部分5、6和7分别被称为3H/4，1H/2和1H/3室。两个温度传感器安置在冷藏室10中，其中探测冷藏室10左上部温度的S1温度传感器11安装在第一部分5(即3H/4室)的左壁上，探测冷藏室10右下部温度的S2温度传感器12安装在第三部分7(即1H/3室)的右壁。另外在冷藏室10的后壁中心是冷气排放部分15。这里由冷气排放部分15出来的冷气的排放由图2所示的旋转叶轮20控制。参看图2，旋转叶轮20包括与第一、第二、第三部分5、6和7相应的上叶轮21、中叶轮22和下叶轮23。上中下三叶轮21、22和23整体地以旋转轴25为中心旋转。上中下叶轮21、22和23相互错开60°，向不同方向引导空气。在冷藏室10旋转叶轮20的后侧还装有一蒸发器(未示出)。由蒸发器到部分5、6和7的冷气排放速度是由叶轮20的旋转速度控制。当旋转叶轮20指向一预定方向时可通冷气向一高温部分集中排放冷气。而且，在冰箱冷却时旋转叶轮20可连续旋转以向整个冷藏室10均匀排放冷气。当旋转叶轮20快速旋转时，冷气被排放到远离旋转叶轮20的冷藏室10的前部，而旋转叶轮20慢转时，冷气便仅被排到离旋转叶轮20近的冷藏室10的后部。图3示出通过控制旋转叶轮的转速将冷气排放到冷藏室各部的截面图，各部以不同的距离与旋转叶轮分开。图4示出相应于距旋转叶轮距离的旋转叶轮的转速。在图3中，PR表示离旋转叶轮近的冷藏室的后部，PF代表离旋转叶轮远的冷藏室前部，PM代表在后部和前部之间的中间部。在图4中，当旋转叶轮在低速VL旋转时冷气被排到PR，旋转叶轮中速VM旋转时冷气被排到PM，旋转叶轮高速VH旋转时冷气被排到PF。这样控制旋转叶轮的转速，使冷气到达被推断是温度最高的部分，使被控转速具有连续性。本发明是为了保持在整个冷藏室中均一温度，为此冷藏室的每一部分的温度均被推断，并且基于被推断的温度数据进行学习，以便将冷气排放到最高温度部位，通过下面三个步骤可以实现本发明第一，利用两个温度传感器S1和S2测得的温度，根据基于Takagi-Sugeno-Kang(TSK)的模糊数学模型的模糊推断，推断出以距旋转叶轮20的不同距离分开的冷藏室10各部的温度。第二，由模糊模型推断的温度的相应位置，经由神经网络加以校正，以便更准确计算被冷却的位置。即，以两个温度传感器S1和S2测得的温度值为输入节点，以冷藏室10内的最高温度位置(下文称之为温度-平衡位置)为输出节点构成神经网络。然后，该温度-平衡位置与借助于神经网络学习推断的位置相比较，从而更准确地计算温度-平衡位置。第三，控制旋转叶轮20的转速，以一预定的最佳速度排放冷气到计算出的温度-平衡位置。施加到驱动电机上驱动旋转叶轮20的电压的波型，被部分地切掉一预定区段以减小电压有效值，从而放慢旋转叶轮的转速。下面将对上述三个步骤进行详细介绍首先，对模糊推理步骤的TSK模糊模型介绍如下。为了进行模糊数学推理，需要相对于多个变量的多个数据。数据的例子示于表1。表1</tables>在表1中有三个输入变量X1、X2和X3和一个输出变量Y，其中多个输入变量和输出变量之间的数值上的关系由实测得到。TSK模糊推理的最终目的是用多个测量的值通过数值公式表达输入和输出变量之间的线性关系。因此，表达输入和输出变量之间关系的线性公式表示如下Y＝a0+a1X1+a2X2+a3X3＝a4X4(1)如表1所示，与输入变量变化相对应的输出值，根据各输入变量对整个输出值的影响度而不同。输出值的差值量分别表示成输入变量X1、X2、X3和X4的系数a1、a2、a3和a4。每一输入变量被表示成X1＝S2(K)-S1(K)X2＝S2(K-1)-S1(K-1)X3＝S2(K-2)-S1(K-2)这里S1(K)和S2(K)是当前测量的温度值，S1(K-1)和S2(K-1)是1分钟前测量的温度值，S1(K-2)和S2(K-2)是2分钟前测量的温度值，其中温度值分别由两个温度传感器S1和S2测得。下面按阶段介绍模糊推理步骤。阶段1首先用表1所示的数据得到代表输入和输出变量之间关系的一线性公式。这里使用数值分析的最小二乘法(minimumsquaremethod)，并利用基于误差率的变量递减的方法(variabledecreasingmethod)具有较小影响度的变量看成是最小的，从而有以下公式(2)Y＝15.3+1.97X1-1.35X2-1.57X3(2)公式(2)与上述公式(1)相似，但公式(2)是构成模糊推理的模糊数学模型的基本公式，不是最终公式。利用公式(2)在具有最大影响度的变量基础上划分数据区域，产生最佳线性公式，其中每个变量的影响度均被恰当地表达出。如在公式(2)中所示，根据基于变量递减法的算法，从上述公式(1)中消去了输入变量X4。作为一个对非线性系统中输入和输出变量之间关系建立模型成具有多个输入变量的多项式的方法，一个均方差判据(UnbiasednessCriterion)应用到公式(2)。为得到此均方差判据的UC值，整个数据被分成A组和B组，然后代换下述公式(3)中的变量。UC=|Σi=1nA(yiAB-yiAA)2+Σi=1nB(yiBA-yiBB)2|12.....(3)]]>这里nA表示A组数据数目，nB表示B组数据数目，YiAA表示由A组得到的模糊数学模型从A组估计的一个输出，YiAB表示由B组得到的模糊数学模型从A组估计的一个输出，YiBB表示由B组得到的模糊数学模型从B组估计的一个输出，YiBA表示由A组得到的模糊模型从B组估计的一个输出，第一项表示相对于A组输入数据在A与B两组之间的估计输出之间的偏差，第二项表示相对于B组输入数据在A与B两组之间的估计输出之间的偏差。由上述得到的UC被称为UC(1)，由表1所示数据得到的UC如下。UC(1)＝3.8(4)阶段2建立采用两分支规则(twoplantrule)的模糊模型。这里，应建立与模糊模型的“if-then”(“如果-则”)规则的“if”(“如果”)部分相应的先决条件部分的结构。在建立此结构之中，变量的选择和模糊划分(division)同时考虑。首先，具有变量X1、X2、X3和X4中之一为一先决条件部分变量的一个结构被假定，并且数据区域被分成两部。这样，4个结构被考虑为先决条件部分。例如，第一结构具有采用以下两分支规则的一模糊模型L1如果X1＝小的，则Y11＝-0.536+0.451X1+0.771X2+0.128X3L2如果X1＝大的，则Y12＝0.141+1.055X1-0.041X2+0.981X3而且，第二结构具有采用下列两分支规则的一模糊模型L1如果X2＝小的，则Y11＝-1.656+0.429X1+0.848X2+0.69X3L2如果X2＝大的，则Y12＝-0.006+1.336X1-0.189X2+0.768X3建立具有上述结构的先决条件部分的参数，然后基于建立的先决条件部分建立结论部分的一结构和各参数。上述四个结构的UC值可计算如下UC(2-1)＝5.4UC(2-2)＝3.5UC(2-3)＝3.3UC(2-4)＝4.6这里在括号中的第一数字表示分成两个的模糊划分，第二数表示变量的下标。例如，UC(2-4)表示当以变量X4为基础执行分为两个的模糊划分时的UC值。比较上述4个UC值，UC(2-3)是最小的，以致以变量X3为基础的一模糊模型建立如下L1如果X3＝小的则Y1＝3.13X1-1.91X2+13.6X3L2如果X3＝大的则Y2＝8.92+1.84X1-1.32X2+0.14X3阶段3在第二阶段的先决条件部分中包括变量X3，以变量X3为基础进行的模糊三划分。即，在阶段2中具有最小UC值的变量被优先地加入到模糊三划分中。在图5A到5C所示的三个结构可以考虑为先决条件部分的被划分开的数据区域的结构。例如，第三结构(见图5C)如下L1如果X3＝小的，则Y＝-0.536+0.451X1+0.771X2+0.128X3L2如果X3＝中的，则Y＝0.512+0.989X1+1.241X2+0.212X3L3如果X3＝大的，则Y＝0.141+1.051X1-0.041X2+0.105X3建立基于具有上述结构的先决条件部分的结论部分的结构和变量，然后可以计算UC值。其结果，可以见到第一结构具有最小的UC值。因此，在第一结构基础上建立的模糊模型如下L1如果X3＝小的则Y1＝20.5+3.3X1-1.85X3-4.98X3L2如果X3＝大的并且X2＝小的则Y2＝12.7+2.98X1-0.56X3L3如果X3＝大的并且X2＝大的则Y3＝7.1+1.82X1-0.34X2-0.42X3上述数据划分结构是阶段3的模糊模型。阶段4对每一划分结构重复上述模糊划分和UC值的计算。这一重复进行到直至最小的UC值得到为止。当得到最小的UC值时，相应的结构就被选为最佳结构，然后便得到一结论部分的公式。因此认为得到的结论部分公式在最佳程度上反应了每一变量的影响度。下面介绍由“if-then”规则的上述结论部分获得一线性公式的过程。为了利用图1中S1和S2温度传感器11和12测量的温度估计冷藏室内温度的分布以取得模糊模型，需要反映在各自上部和下部与叶轮分开不同距离的各个位置上的温度变化的数据。图6表示进行测温的各架上的部分，其中示出共27个位置，在高度为3H/4、1H/2和1H/3的每一架上9个(3×3)。将该27个位置命名为t1到t27。首先，用两个温度传感器S1和S2测量温度之间的差异，并在表中记录随时间的推移在27个位置上温度差中的变化值。得到的表相似于上面的表1。这表表示相对于温度传感器S1和S2测量温度的差异在27个位置上温度变化率，这是建立本发明模糊推理的模糊模型所需要的。这里，输入变量X1、X2和X3表达如下，它们是在27个位置上(t1到t27)随时间推移温度差。X1＝S2(K)-S1(K)X2＝S2(K-1)-S1(K-1)X3＝S2(K-2)-S1(K-2)这里S1(K)和S2(K)是现在被测量的温度值，S1(K-1)和S2(K-1)是1分钟前测量的温度值，S1(K-2)和S2(K-2)是2分钟前测量的温度值，其中温度分别由两个温度传感器S1和S2测量。因此，X1表示分别用温度传感器S1和S2测量的当前温度差，X2表示1分钟以前分别用温度传感器S1和S2测量的温度差，X3表示在2分钟以前分别用温度传感器S1和S2测量的温度差。输出变量被表示成相对于输入变量X1、X2和X3的27个位置上(t1到t27)的温度。因此，该数据包括由温度传感器S1和S2测量的温度差和随时间推移在27个位置上温度差的变化率。利用此表来应用上述TSK模糊理论。即，相对于各变量进行模糊二划分，并在具有最小UC值的一变量的基础上进行模糊三划分，以便选出具有最小UC值的一个模糊结构。因此求得相对于该被选的模糊结构的先决条件部分的变量，然后根据得到的变量建成预期的最终线性公式。为了说明起见，假设最终模糊结构如下。这里为了表达最终公式假设被选的结构和数值。因此根据实验数据的最终模糊结构和根据它的结构的公式数值可能是不同的。L1如果X1＝小的则Y1＝9.03+0.175X1-0.347X2+0.174X3L2如果X1＝中间的则Y2＝9.43-2.6955X1+4.042X2-1.041X3L3如果X1＝大的X2＝小的则Y3＝-15.97+8.82X1-14.12X2+2.528X3L4如果X1＝大的X2＝大的则Y4＝1.1-0.48X1+0.616X2-0.145X3这里，假定通过分为四个的模糊划分得到最优结构，并且在分为四个的模糊结构的每一区域Y1到Y4是线性公式。输出Y′由上述模糊模型计算如下。当g1＝-(|X1+6|-|X1-8|)/14g2＝-(|X1-6|-|X1-8|)/11W1[1]＝0.5(1+g1)W1[2]＝0.5(-g1-g2)W1[3]＝0.5(1+g2)W2[1]＝0.5(1-|X2-2|-|X2-16|)/14W2[2]＝1-W2[1]Y′＝W1[1]Y1+W1[2]W2[1]Y2+W1[2]W2[1]Y3+W1[3]Y4这里，g1和g2表示上述模糊模型的第一和第二划分方式的隶属函数(membershipfunction)，W表示模糊推理的加权因子(weight)，增加它是为了相对于根据TSK模糊模型的一般理论得到的公式，补偿每一区域的影响度。最终的输出Y′表示为了实现最佳的温度平衡冷气应排放的目标位置。同时，冷气向着该目标位置排放的旋转叶轮旋转的转速，通过微处理器以图4所示的图为基础进行计算。下面通过神经网络的学习进行计算一个“温度-平衡位置”的第二步，该“温度-平衡位置”表示一个为了达到最佳温度平衡排放冷气的目标位置。由温度传感器S1和S2探测的早先温度和当前温度的实际值和旋转叶轮的早先转速，来计算在一随后的取样周期中旋转叶轮的转度。该神经网络有4个输入节点a1、a2、a3和a4，和一个输出节点Y。这里，a1相应于一个取样周期中的旋转叶轮的转速V(k)，a2、a3和a4分别相应于用在模糊推理上的变量X1、X2和X3。Y表示经神经网络对由模糊推理推测出的目标位置校正后得到的温度平衡位置。图7示出具有上述结构的神经网络。在图7中，W1表示在一输入层和一隐藏层之间的施加的权值(weight)，W2表示在隐藏层和一输出层之间施加的权值。B1和B2分别表示加到隐藏层和输出层上的偏值，详细地说，B1和B2是内外部输入的为了提高学习的正确性的常数，其中，这些常数值一般是“1”。这里，隐藏层由一层构成，并有20个输入节点。最终的神经网络有一如图8所示的结构。根据反向传播法(backpropagationmethod)，利用由第一步骤得到的监控TSK模糊模型的输出值进行具有输入和输出节点的神经网络的学习。用于学习的输入节点的参考数据是作为测量值的输入节点a1、a2、a3和a4的值，输出节点的参考值是在Y值和Y′值之间的一个差值，该值与由模糊推理推导出的转速相比较，反映学习的程度。在图8中所示的输入节点和隐藏节点之间的关系，是根据神经网络的一般公式得到的，如下所示。C1＝W11a1+W21a2+W31a3+W41a4-b11C2＝W12a1+W22a2+W32a3+W42a4-b21C3＝W13a1+W23a2+W33a3+W43a4-b31C4＝W14a1+W24a2+W34a3+W44a4-b41C5＝W15a1+W25a2+W35a3+W45a4-b51C6＝W16a1+W26a2+W36a3+W46a4-b61C7＝W17a1+W27a2+W37a3+W47a4-b71C8＝W18a1+W28a2+W38a3+W48a4-b81C9＝W19a1+W29a2+W39a3+W49a4-b91C10＝W110a1+W210a2+W310a3+W410a4-b101C11＝W111a1+W211a2+W311a3+W411a4-b111C12＝W112a1+W212a2+W312a3+W412a4-b121C13＝W113a1+W213a2+W313a3+W413a4-b131C14＝W114a1+W214a2+W314a3+W414a4-b141C15＝W115a1+W215a2+W315a3+W415a4-b151C16＝W116a1+W216a2+W316a3+W416a4-b161C17＝W117a1+W217a2+W317a3+W417a4-b171C18＝W118a1+W218a2+W318a3+W418a4-b181C19＝W119a1+W219a2+W319a3+W419a4-b191C20＝W120a1+W220a2+W320a3+W420a4-b201隐藏节点和输出节点之间的关系如下。Y＝W1C1+W2C2+W3C3+W4C4+W5C5+W6C6+W7C7+W8C8+W9C9+W10C10+W11C11+W12C12+W13C13+W14C14+W15C15+W16C16+W17C17+W18C18+W19C19+W20C20-b2下面介绍将旋转叶轮控制到被推导出的最优转速的第三步骤。图9是根据本发明的一温度控制装置方框图。在冰箱中的全部控制是由一微处理器31进行。S1和S2温度传感器11和12探测冷藏室内的温度以提供模糊推理所要的温度变化数据。旋转叶轮位置传感器37根据旋转叶轮20的位置的变化探测旋转叶轮实际转速，为更精确控制旋转叶轮20的转速提供所需数据。F风扇33和R风扇34分别是冷冻室和冷藏室的冷风通风扇。微处理器31控制F和R风扇33和34及一压缩机32，从而控制整个冰箱的工作。稍后将介绍一个零交叉点探测器38。图10是实行本发明控制旋转叶轮转速的方法的一转速控制器电路图。该转速控制器包括一驱动电机41、一向该驱动电机41提供交流电压的交流电源47，一将交流电源47来的电压转换成能被微处理器31探测的小信号的变压器49和一波形剪切部分40。微处理器31具有一模糊推理部分和一神经网络部分，它根据温度传感器S1和S2测定的温度计算一“平衡速度”，该平衡速度表示达到平衡温度所需的旋转叶轮转速，和基于计算的平衡速度控制转速。交流电源47提供旋转叶轮20所需的电源。由交流电源47提供的电压是用于将旋转叶轮20在最大速度上旋转，该电压具有图11所示的正弦波形。波形剪切部分40切断电压的预定区段，以控制加到驱动电机41上的电压有效值，从而控制旋转叶轮20的转速。控制旋转叶轮20转速的过程如下。由交流电源47来的电压经变压器49降压到一能被微处理器31探测的预定电平。即，变压器49的输出电压是几伏大小。电压经由一电桥电路46全波整流，然后经由一晶体管放大器48加到微处理器31上。微处理器31探测全波整流电压波形的零交叉点。这样，微处理器31的功能是起上述的零点交叉探测器38的作用。根据上述基于S1和S2温度传感器探测的温度推导出的最终公式，微处理器31的模糊推理部分输出一个在冷藏室中具有最高温度的温度-平衡位置，为了温度平衡通过旋转旋转叶轮20向此位置排放冷气。微处理器31计算施加到驱动电机41上电压的有效值，用于使旋转叶轮20在一“平衡速度”上旋转，而该“平衡速度”是表示向该平衡位置排放冷气所需的旋转叶轮的转速。图11是表示交流电源电压波形的图。为了产生具有计算出的有效值的电压，图11所示的波形预定区段被波形剪切部分40切掉。波形剪切部分40包括一光学三端双向可控硅开关43和另一三端双向可控硅开关45。可控硅开关45串联连接交流电源47和驱动电动41，并接受由光学可控硅开关43的输出作为栅极信号。光学可控硅开关43凭借由微处理器31来的一触发信号，产生向可控硅开关45输出的栅极信号。微处理器31决定从零交叉点开始切掉的波形的预定区段，并在相应于切掉区段的时间间隔之后，向光学可控硅开关45提供触发信号。图12示出由零交叉点探测器探测的输出零点电压(即零交叉点)波形。图13示出从图12所示波形的零交叉点延迟一预定时间(α)之后，由微处理器31产生的触发信号。加到可控硅开关45上的交流电压，如图14所示，被从零交叉点起切去图13所示的一区段α，使将施加到驱动电机41上的电压有效值减少。因此降低了旋转叶轮的转速。若微处理器31计算的平衡速度较低，剪切区段α进一步加大。相反，当平衡速度高，剪切区段又减小，从而使驱动电机41转速提高。当旋转叶轮旋转时，旋转叶轮位置传感器37以一预定时间间隔，探测旋转叶轮的角度位置信号，然后将被测到的角度位置信号传送给微处理器31。微处理器31探测旋转叶轮位置的变化，以计算旋转叶轮的实际转速，然后将此计算的实转速与平衡速度比较。如果实转速等于平衡速度，转速便被保持在平衡速度上；相反，在实转速和平衡速度之间的偏差被反馈到平衡速度。即，当实转速比平衡速度快，增加区段α以减小电源电压有效值，从而使旋转叶轮的实转速减小。而当实转速比平衡速度慢，减小区段α以提高电源电压有效值，从而使旋转叶轮实转速提高。通过上述反馈过程旋转叶轮的转速被较准确地控制以达到平衡速度。如上所述，在根据本发明的冰箱温度控制方法和装置中，仅利用少量温度传感器测定的温度值由一模糊模型来准确推断各部分的温度，然后根据推断的冷气应被排放位置，恰当地控制旋转叶轮转速。其结果，根据旋转叶轮和目标位置之间距离，冷气被恰当地排到每一位置，使在整个冷藏室均匀地达到最佳温度平衡。权利要求1.一种冰箱温度控制方法，其中，根据旋转叶轮的转速控制向冷藏室排放冷气的速度，以根据从旋转叶轮到被冷却的目标部分之间的距离，均衡地排放冷气，所述温度控制方法包括以下步骤(a)构成一模糊模型，该模型用于从冷藏室内诸多部分中推断出最高温度的部分；(b)在预定数目的所述部分上测量温度的变化；(c)基于在所述步骤(a)中建立的模糊模型，利用测得的温度变化值，进行模糊推理以推断出一个排放冷气的温度-平衡位置，并计算旋转叶轮的最佳平衡速度，此最佳平衡速度是将冷气排放到该温度平衡位置所需的速度；以及(d)根据在所述步骤(c)中计算的平衡速度控制旋转叶轮的转速。2.根据权利要求1所述的冰箱温度控制方法，其中所述步骤(a)包括以下子步骤(a-1)提供由冷藏室的温度传感器测定的温度变化值和到旋转叶轮的距离的数据；(a-2)在所述步骤(a-1)得到的数据基础上进行模糊划分；(a-3)在相应于模糊划分区域的诸多被划分的结构当中选择最佳结构；(a-4)基于在所述步骤(a-3)中选择的最佳结构，计算用于推断最高温度部分的线性公式。3.根据权利要求1所述的冰箱温度控制方法，其中，所述步骤(d)包括如下子步骤(d-1)产生一个具有与旋转叶轮最高转速相应的有效值的交流电压；(d-2)计算一个具有与该平衡速度相应的有效值的平衡电压；(d-3)将该交流电压的波形切掉一预定区段以产生该平衡电压；以及(d-4)将该平衡电压施加到驱动电机来驱动该旋转叶轮。4.根据权利要求2所述的冰箱温度控制方法，其中所述步骤(d)包括以下子步骤(d-1)产生一个具有与旋转叶轮的最高转速相应的有效值的交流电压；(d-2)计算一个具有与该平衡速度相应的有效值的平衡电压；(d-3)将该交流电压波形切掉一预定区段以产生该平衡电压；以及(d-4)将该平衡电压施加到驱动电机来驱动该旋转叶轮。5.根据权利要求3所述的冰箱温度控制方法，其中，所述步骤(d-3)包括以下子步骤(d-3-1)检测该交流电压波形的零点交叉点；(d-3-2)计算一个从该零点交叉点起的延迟时间，在此延迟时间中的该交流电压波形被切掉以产生该平衡电压；(d-3-3)从该零交叉点起，切掉在所述步骤(d-3-2)中计算的延迟时间下的该波形。6.根据权利要求5所述的冰箱温度控制方法，还包括以下步骤测定该旋转叶轮的实转速；计算该实转速与平衡速度之间的差；以及通过将计算的速度差反馈到该平衡速度来控制旋转叶轮的实转速，使实转速达到该平衡速度。7.一种冰箱温度控制装置，其中根据旋转叶轮的转速控制向冷藏室排放冷气的速度，以根据从旋转叶轮到被冷却的目标部分之间的距离分布冷气，所述温度控制装置包括温度检测装置，用于检测在冷藏室中预定数目部分上的温度变化；模糊推理装置，用于根据所述温度检测装置测定的温度变化进行模糊推理，以推断出与旋转叶轮最佳转速相应的平衡速度，该最佳转速是在冷藏室内保持温度平衡所需要的转速；控制装置，用于根据该平衡速度控制旋转叶轮的转速。8.根据权利要求7所述的冰箱温度控制装置，其中，所述控制装置包括一电源，用于提供一具有与旋转叶轮的该最高转速相应的有效值的交流电压；一平衡电压发生器，用于通过将该交流电压切掉一预定区段，以产生具有与该平衡速度相应的有效值的一平衡电压；以及一驱动电机，用于根据该平衡电压驱动旋转叶轮。9.根据权利要求8所述的冰箱温度控制装置，其中所述平衡电压发生器包括一零交叉点检测器，用于测定该交流电源的零交叉点；一延迟时间计算器，用于计算从该零交叉点起的一延迟时间，此延迟时间下的该交流电压的波形被切掉以便产生该平衡电压；以及波形剪切装置，用于从零交叉点起切掉该延迟时间下该交流电压的波形。10.根据权利要求9所述的冰箱温度控制装置，其中，所述波形剪切装置包括一三端双向可控硅开关，该开关与所述电源串联；和触发装置，该装置在该延迟时间之后向所述三端双向可控硅开关的栅极端施加一触发信号。11.根据权利要求7所述的冰箱温度控制装置，还包括检测该旋转叶轮实转速的装置；以及计算该实转速与平衡速度之间差值的装置；其中，所述控制装置通过将该差值反馈到该平衡速度来控制该旋转叶轮的实转速。12.根据权利要求8所述的冰箱温度控制装置，还包括检测该旋转叶轮实转速的装置；以及计算该实转速与平衡速度之间差值的装置；其中，所述控制装置通过将该差值反馈到该平衡速度来控制该旋转叶轮的实转速。13.根据权利要求9所述的冰箱温度控制装置，还包括检测该旋转叶轮实转速的装置；以及计算该实转速与平衡速度之间差值的装置；其中，所述控制装置通过将该差值反馈到该平衡速度来控制该旋转叶轮的实转速。14.根据权利要求10所述的冰箱温度控制装置，还包括检测该旋转叶轮实转速的装置；以及计算该实转速与平衡速度之间差值的装置；其中，所述控制装置通过将该差值反馈到该平衡速度来控制该旋转叶轮的实转速。全文摘要一种通过控制旋转叶轮转速来控制冰箱温度的方法和装置,其中基于叶轮平衡转速的用于推断温度平衡的模糊模型,仅利用少量温度传感器测定在冷藏室内预定数目部分上的温度变化值,计算该平衡速度并可准确推断每一部分的温度,然后根据被推断的应对其排放冷气的位置和平衡速度,恰当地控制旋转叶轮转速。其结果,根据旋转叶轮与一目标位置之间的距离,冷气被恰当地排放到每一部分,使在冷藏室内获得最佳温度平衡。文档编号G05D23/19GK1177093SQ9710971公开日1998年3月25日申请日期1997年4月25日优先权日1996年4月29日发明者朴海辰,姜闰硕申请人:三星电子株式会社