电烤箱及其双端智能控制方法
【技术领域】
[0001 ]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】
[0002]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。
[0003]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】
[0004]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。
[0005]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。
[0006]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。
[0007]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。
[0008]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。
[0009]优选的，所述动态建模工具为matlib。
[0010]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。
[0011]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。
[0012]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。
[0013]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。
[0014]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。
[0015]优选的，所述动态建模工具为matlib。
[0016]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】
[0017]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】
[0018]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。
[0019]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SlOl: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。
[0020]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η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。
[0021]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。
[0022]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。