[发明专利]厨房电器工作参数控制方法及烤箱功率控制方法

说明书

本发明涉及一种厨房电器的工作参数控制方法，针对待控制工作参数X及其对应的目标参数Y，设置用于控制待控制工作参数X调节速度的趋势参数Q和用于抑制待控制工作参数X超调的动态参数D，其中Q和D均为待控制工作参数对应的目标参数误差值E的函数，E＝Y_now－Y_set，其中Y_now为实时检测的目标参数值，Y_set为目标参数设定值；当前控制周期待控制工作参数X的计算公式为：X＝X_last+QE_now+D*(E_now－E_last)，其中X_last为上控制周期计算的控制工作参数值，E_now为当前控制周期的目标参数误差值，E_last为上控制周期的目标参数误差值。该厨房电器的工作参数控制方法的计算量小且能保证产品控制的一致性。本发明还涉及应用该方法的烤箱功率控制方法。

技术领域

本发明涉及一种厨房电器的工作参数控制方法，本发明还涉及应用该工作参数控制方法的烤箱功率控制方法。

背景技术

现有如烤箱、蒸箱等厨房电器中的控制参数，都是在设计开发阶段依据样机调试获取的，进而实现厨房电器实现比较好的烹饪效果。但是产品在进行批量生产后，就会因为产品中零部件的固有误差而导致如控温系统等控制单元存在一定的控制误差，再加上部件组装时的一致性不能保证，导致开发阶段设计的控制算法在批量整机中使用时会出现控制误差，无法保证用户使用的一致性。

针对这种不一致性，现有的控制算法中具有能够解决该问题的迭代学习控制方法，迭代学习控制是学习控制的一个重要分支，它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，适应性强，易于实现；更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。目前这种迭代学习控制算法有很多，如神经网络、模糊算法、自适应算法等，但是这些高级的迭代学习控制算法都是通过大量数据进行学习迭代，例如神经网络是每次将输入与输出间的关系值通过不同级别的神经元进行各种加权处理得到输出值，有些算法的神经元层数多达几十层，需要GHz级别的计算机硬件支撑，无法适用于厨房电器中。受成本，空间等制约因素，厨房电器的控制器更多的使用单片机，频率都在MHz级别。故很多高级控制算法不能在厨房电器上进行实现。相应则很难解决产品中零部件的固有误差、零部件安装不一致性导致的控制误差的情况，用户对产品的使用一致性差。

发明内容

本发明所要解决的第一个技术问题是针对上述现有技术提供一种计算量小且能保证产品控制一致性问题的厨房电器的工作参数控制方法。

本发明所要解决的第二个技术问题是针对上述现有技术提供一种能够降低产品零部件固有差异以及零部件安装的不一致性对功率控制一致性的影响，用户体验更佳的烤箱功率控制方法。

本发明解决上述第一个技术问题所采用的技术方案为：一种厨房电器的工作参数控制方法，其特征在于：针对待控制工作参数X及其对应的目标参数Y，设置用于控制待控制工作参数X调节速度的趋势参数Q和用于抑制待控制工作参数X超调的动态参数D，其中Q和D均为待控制工作参数对应的目标参数误差值E的函数，E＝Y_now－Y_set，其中Y_now为实时检测的目标参数值，Y_set为目标参数设定值；

当前控制周期待控制工作参数X的计算公式为：X＝X_last+QE_now+D*(E_now－E_last)，其中X_last为上控制周期计算的控制工作参数值，E_now为当前控制周期的目标参数误差值，E_last为上控制周期的目标参数误差值。