专利名称：控制电饭锅的优化模糊方法
技术领域：
本发明涉及一种控制电饭锅的优化模糊方法，特别涉及一种将基因算法(genetic algorithm)应用于模糊函数的、决定电饭锅中大米的数量及在蒸煮过程中决定加热器的开关型式的优化方法。
利用模糊方法控制电饭锅的传统技术如下所述1991年7月1日提交申请的美国专利No.5,300,757公开了一种电饭锅装置，它包括用于获取表示给定数量被蒸煮食品的一个或一组数值的装置以及应用加热条件的模糊推理部分。
1990年7月2日提交申请的已公开的日本专利平4-61817公开了一种用于使用模糊测量装置的电饭锅的、通过最佳导电性来蒸煮食品的加热装置。
下面，结合附图来描述传统电饭锅装置以及用来控制该电饭锅的模糊方法。
图4给出了一种典型电饭锅结构的横断面示意图，图5是用于控制电饭锅的传统模糊方法的流程图。
如图4所示，一个传统电饭锅包括一安装在壳体1内侧中的锅体3；一与壳体1内侧底部相结合的主加热器6；一与壳体1内侧壁相结合的带式加热器5；一与所述壳体1顶部相配合的盖子2；一与所述盖子2相结合的盖加热器4；以及一与壳体1内侧底部相结合的温度传感器7，用于检测所述锅体3的温度。
同时，如图5所示，控制电饭锅的传统模糊方法包括以下步骤步骤S1，荻取试验数据并将其转化成适合加热条件的理想数据；步骤S3，为将所述数据分成模糊区域的模糊逻辑；步骤S4，根据所述划分的模糊区域构造模糊函数；步骤S5，根据模糊函数的误差值来校验所述所构造的模糊函数；步骤S6，为比较模糊函数步骤，如果模糊函数的所述误差值未在参考值范围内，则返回所述步骤S3；步骤S7，如果模糊函数的所述误差值在参考值范围之内，则将所述模糊函数输入微型计算机(以下称为微机)。
下面对根据前述结构的传统电饭锅以及模糊方法加以描述。
首先，参照图4，传统电饭锅的操作如下所述。
在一个蒸煮过程中，主加热器6以适当的开关型式被接通和断开，并且在保温期间，带式加热器5和盖加热器4被接通和断开。此处，所述温度传感器7使用一个热敏电阻。
近来，对于优化蒸煮操作，趋向于采用模糊函数来确定食物的数量和所述主加热器6的开/关控制。
下面，如图5所示，控制电饭锅的模糊方法的操作如下。
首先，在“获取数据和转化数据”的步骤S1中，获取了试验数据后，其转化成适合加热条件的理想数据。其次，在“划分模糊区域”的步骤S3中，将所述数据划分成模糊区域。更具体地说，分别对大米数量，水量和所加电压进行转化以测量在设定时间内锅体的温度从而形成一个可接受的模糊函数，其后根据专家经验应用所述获得的温度数据来划分所述的模糊区域。
然后，在“构造模糊函数”的步骤S4中，根据所述划分出的模糊区域构造一个模糊函数，在“校验模糊函数”的步骤S5中，在对所述构造的模糊函数进行校验后，得出一个模糊函数的误差值。在步骤S6中，测量该误差值。如果它不小于参考值，则流程返回步骤S3。
如果所述误差值低于参考值，则流程转入“输入微机”的步骤S7，在该步骤中模糊函数被输入微机用于蒸煮。
因此，根据所述划分出的模糊区域构造所述模糊函数，然后，如果所需条件之一不利于前一循环的蒸煮，则需返回去重新划分在前一循环中所得到的模糊区域，并考察其结果。
但是，传统的控制电饭锅的模糊方法必须获得满足每一条件如米量、水量和所加电压的优化模糊函数。如果蒸煮操作不满足其中任一条件，操作可能要经过多次反复考察以前获得的重分模糊区域的结果的循环。因此存在极难达到优化蒸煮控制的问题。
因此，本发明意在提供一种用于控制电饭锅的优化模糊方法，它基本排除了由于相关技术的局限性和缺陷而导致的上述的一个或多个问题。
本发明的目的在于提供一种方法，该方法将基因算法用于在蒸煮过程中用以确定蒸煮食物量及开关型式的模糊函数，且该方法减少了产生优化模糊函数的重复次数。
为实现上述目的，控制电饭锅的优化模糊方法包括以下步骤
获取试验数据并将其转化为适合加热条件的理想数据；模糊逻辑步骤，其中将所述数据分成多个模糊区域，根据所述划分出的模糊区域构造模糊函数，并且在对构造的模糊函数进行校验后而得出所述模糊函数的误差值；若模糊函数的所述误差值在参考值范围内则将该模糊函数输入微机；若所述误差值超出参考值范围则进行基因算法，并随后返回所述模糊逻辑运算步骤。
以下将结合附图对本发明的优选实施例加以具体描述，其中
图1为一流程图，用以说明根据本发明实施例的控制电饭锅的优化模糊方法；图2为一流程图，用以说明根据本发明实施例的基因算法；图3为描述本发明电饭锅内部温度与所用时间之间关系的图；图4为一描述传统电饭锅的横截面示意图；以及图5为控制电饭锅的传统模糊方法的流程图。
以下结合附图对本发明优选实施例作详细描述。
如图1所示，根据本发明的控制电饭锅的优化模糊方法包括“获取数据和转化数据”步骤S10，其中，先获取试验数据，随后将其转化为适合加热条件的理想数据；“划分模糊区域”步骤S21，其中，将所述数据划分成多个模糊区域；“构造模糊函数”步骤S22，其中，根据所述划分的模糊区域构造所述模糊函数；“校验模糊函数”步骤S23，其中，在校验所述构造的模糊函数后，产生所述模糊函数的误差值；步骤S30，其中，对所述模糊函数加以比较以判断该模糊函数的所述误差值是否在设定值范围内；“进行基因算法运算”步骤S40，其中，若所述模糊函数误差值超出参考值范围，则进行基因算法运算并随后返回步骤S21；以及“输入微机”步骤S50，其中，如果所述模糊函数的误差值在参考值范围内，则将所述模糊函数输入微机用于蒸煮。
如图2所示，“进行基因算法运算”的步骤S40包括“设置参数”步骤S41，在该步骤中，构造参数组(parameters ofpopulation)、基因交换率(crossover rate)和个体变异率(mutation rate)；“构造第一参数组”的步骤S42，在该步骤中，根据随机样本数来构造第一参数组；进行模糊逻辑运算步骤S43，在该步骤中，利用所述第一参数组得出一模糊函数，并把由所述获取数据和转化数据步骤S10中所得数据代入所述模糊函数；“适应函数(fitness function)”步骤S44，在该步骤中，根据代入的结果，获得目前所构造的模糊函数的适应函数；步骤S45，在该步骤中，确定所述适宜函数值高于还是低于理想的设定值；“基因交换(crossover)”步骤S46，在该步骤中，如果所述适应函数小于所述设定值，在总适应度中产生每一模糊函数的适应率，并且根据该适宜率，将所述模糊函数相互交换以得到一个高的复制概率；以及“个体变异(mutation)”步骤S47，在该步骤中，产生一个与第一参数组等大的新的参数组并对其个体变异，然后返回所述模糊逻辑运算步骤S43。
下面，对本发明的模糊方法作更具体的描述。
图3是描述本发明的电饭锅内部温度相对于所耗时间的图示。在被主加热器6加热时，电饭锅中的水温在时间段A中保持稳定。其后，在时间段B中，水被加热到100℃；在此期间大米温度对时间的斜率大约为1。在时间段C中，水温保持在100℃直至水被蒸发或被大米吸收。由于装置内液态水的消失而导致电饭锅内部温度的迅速上升即标志该时间段的结束。时间段C是一个重要阶段，在该阶段必须对蒸煮状况加以监控。模糊控制根据在时间段A所获取的温度值而确定出模糊函数的值，然后在时间段C内控制所述主加热器6的开/关型式从而保持其中的温度不变。
图1为一用以说明控制电饭锅的优化模糊方法的流程图。
首先，进行“获取数据和转化数据”步骤S10，获取试验数据并将其转化为适合加热条件的理想数据。根据本发明，该数据包括设置条件大米量、水量和所加电压。时间段A内电饭锅的内部温度是该数据经过处理后的结果。
特别地，所述米量设定条件包含了2～10人的食量。当对电饭锅施加常用220V交流电压时，所加电压的设定条件为以下五种类型之一186，203，220，238，或254。水量设定条件为“大”，“中”或“小”。因此，就有135种可能的组合(9×5×3＝135)。
然后，如图3所示，从数据中得到电压x1，x2，x3，x4，x5，并将这些电压作用于传统微机的模糊输入端。然后获得所述主加热器6的开关时间Y并将其作用于模糊输出端。这里，所述模糊输出端为加热器的温度，同时所述电压x1，x2，x3，x4，x5产生于设定时间间隔t1，t2，t3，t4，t5，这些时间间隔是根据时间段A中所确定的设定电压X0而定的。
此后，便进入模糊逻辑运算步骤S20。它包括“划分模糊区域”步骤S21，在该步骤中所述数据被划分成多个模糊区域；“构造模糊函数”步骤S22，在该步骤中根据所述划分的模糊区域来构造模糊函数；以及“校验模糊函数”步骤S23，在该步骤中在对所述构造的模糊函数进行校验之后，得出所述模糊函数的误差值。
更特别地，将电压-时间对X1Y，X2Y，X3Y，X4Y，X5Y应用于所述基因算法。由于所述主加热器6的开/关时间Y会较大程度地影响食物的状况，因此该时间应以专家经验数据为基础。
之后，在所述模糊函数比较步骤S30中，判断所述误差值是否小于参考值。若不小于参考值，则进行“应用基因算法”步骤S40，在该步骤中，先进行基因算法运算，随后顺序执行模糊逻辑运算步骤S20。
相反，如果误差值小于参考值，则转至“输入微机”步骤S50，在该步骤中将模糊函数输入微机。
所述基因算法在70年代早期由John Holland教授提出。它包括这样一种概念进化，自然选择(natural selection)，个体变异(mutation)和繁殖(reproduction)。
根据适者生存理论，所述进化通过染色体产生。虽然所述自然选择经常会产生显性染色体但是同时也会有选择地消除隐性染色体。并且所述个体变异会产生母体和其它染色体，而所述繁殖则将新的染色体转移给子体，该子体通过与母体的基因交换而具有母体的基因特征。
同时，所述基因算法代表了构造在所述概念基础上的一种优化算法。因此，它用于模糊函数并由此产生一种优化模糊方法。
如图2所示，所述基因算法如下运算。
首先，在“设置参数”步骤S41中，设立“参数组，基因交换率，个体变异率”等参数，并在随后的“构造第一参数组”步骤S42中根据随机样本数构造第一参数组。
随后在进行模糊逻辑运算步骤S43中，利用第一参数组构造所述模糊函数。将从如图1所示“获取数据和转化数据”步骤S10中获得的数据代入该模糊函数。
此后，在“适应函数”步骤S45中根据所述代入结果从模糊函数中得到适应函数。该适应函数如下适应函数＝1/∑(误差)**2(1)在步骤S45中判断所述适应函数值是否超过理想设定值ε。如果否，则进入“基因交换”步骤S46，在该步骤中，在总适应度中产生每个模糊函数的适应率，并根据所述适应率将所述模糊函数相互基因交换从而得到一个高的复制概率。
此后，“个体变异”步骤S47生成一个与用于产生所述个体变异的第一参数组数目相同的新的参数组，并返回所述模糊逻辑运算步骤S43。更特别地，判断所述适应函数是否符合所述新的参数组，并重复步骤S41-S47从而最终产生一串模糊输出。因此，在得到如图1所示的所述优化模糊函数后，执行“输入微机”步骤S50，将所述模糊函数输入微机。
总之，在这一控制电饭锅的优化模糊方法中，在蒸煮过程中的任何时间获得作为模糊输入信号的电饭锅温度，并通过必须适合所述加热条件的模糊输出控制所述加热器的开/关型式。并且在所述输入和输出信号应用于所述基因算法之后，构造出了所述模糊函数。
如上所述，本发明能够提供一种控制电饭锅的优化模糊方法，该方法在蒸煮过程中，将基因算法应用于模糊函数用以确定蒸煮食物量及蒸煮过程中的开关转换型式，并大大减少为确定一个优化模糊函数而重复的次数。
显然，对于本领域的技术人员来说，在不脱离本发明实质和范围的情况下，能够对用于本发明控制电饭锅优化模糊方法作出各种改进和变化。因而，本发明包括其提供的改进和变化，它们均在其后的权利要求书及其等同物范围内。
权利要求
1.一种控制电饭锅的优化模糊方法，该方法通过在蒸煮过程中利用一模糊函数、根据电饭锅加热器的开/关时间来控制电饭锅，所述方法包括以下步骤获取试验数据并随后将其转化为适合加热条件的理想数据；模糊逻辑运算步骤，在该步骤中，将所述数据划分成多个模糊区域，且根据所述划分的模糊区域构造一个模糊函数，并在校验所述构造的模糊函数后产生一所述模糊函数的误差值；比较模糊函数步骤，在该步骤中，如果所述误差值在参考值范围内则将所述模糊函数输入微机；以及如果所述误差值超出参考值范围则将基因算法(genetic algorithm)应用于模糊函数，并且在其后返回所述模糊逻辑运算步骤。
2.如权利要求1所述的控制电饭锅的优化模糊方法，其特征在于，所述数据获取和转化步骤中的加热条件为米量、水量和所加电压。
3.一种如权利要求1所述的控制电饭锅的优化模糊方法，其特征在于，所述基因算法(genetic algorithm)包括以下步骤构造参数组，基因交换率和个体变异率；根据随机样本数构造第一参数组；应用模糊逻辑运算的步骤，在该步骤中，利用第一参数组构造一模糊函数，并将从所述获取数据和转化数据步骤获得的数据代入该函数；应用适应函数的步骤，在该步骤中，根据所述的代入而得到当前所构造的模糊函数的适应度；确定所述适应函数是否超过一个理想设定值；基因交换步骤，在该步骤中，如果所述适应函数低于所述设定值，则在总适应度中产生每一模糊函数的适应率，同时根据所述适应率，所述模糊函数相互基因交换而得到一个高的复制概率；以及个体变异步骤，在该步骤中产生一个与用于产生个体变异的第一参数组等大的新参数组，并返回到所述模糊逻辑运算步骤。
4.一种如权利要求3所述的控制电饭锅的优化模糊方法，其特征在于，所述适应函数为1/∑(误差)**2。
全文摘要
本发明提供了一种将基因算法用于模糊函数的优化模糊方法，其决定米量及分辨蒸煮过程加热器的开关形式。一种用于控制电饭锅的优化模糊方法，通过在蒸煮过程中利用一模糊函数、控制加热器开/关时间来控制电饭锅，所述方法包括一获取试验数据并将其转化为适合加热条件的理想数据的步骤一模糊逻辑运算步骤；一比较模糊函数步骤；及应用基因算法步骤。
文档编号A47J27/00GK1163085SQ9710319
公开日1997年10月29日 申请日期1997年1月19日 优先权日1997年1月19日
发明者赵晟五 申请人:三星电子株式会社