本发明涉及涉及语音识别与智能家电控制，尤其涉及基于语音识别的电磁炉控制方法。
背景技术：
1、语音识别电磁炉控制系统基于声学信号处理技术，将用户语音输入转化为可执行指令；当用户发出命令，如调节温度或启动加热，集成麦克风捕获声音波形，通过预处理算法滤除噪声，再应用模式识别方法提取特征并映射到预设语义模型，识别出意图和参数；系统随后生成数字控制信号传输到电磁炉微控制器单元；微控制器解析信号并驱动功率变换电路，动态调整感应线圈电流，实现精准温控响应。这种智能化交互机制减少了人工操作负担，提升烹饪效率与安全性。
2、语音识别电磁炉在控制调节方面面临的技术痛点在于语音指令识别精度受环境噪声影响可能导致功率控制指令误执行，从而引发安全风险或操作失误；具体而言，模式识别算法在强噪声干扰下难以有效区分有用语音特征和背景杂波，错误映射语义模型后向微控制器传输偏差控制信号，功率变换电路据此调整感应线圈电流时可能产生非预期的热力输出变化。例如，厨房高噪声场景中用户语音指令"降低火力"被误识为"增大火力"，微控制器驱动电路提升电流至高于设定阈值，最终导致局部过度加热并增加烧焦食物或设备损坏的可能性。
技术实现思路
1、针对现有技术不足，本发明提供基于语音识别的电磁炉控制方法，解决语音识别电磁炉在复杂噪声环境下控制指令误触发及功率调节失准的问题。
2、为解决上述技术问题，本发明的具体技术方案如下：
3、本发明提供的基于语音识别的电磁炉控制方法，包括：
4、同步采集用户语音信号与唇部运动信号，通过时戳对齐生成多模态感知数据；
5、基于所述多模态感知数据，进行跨模态抗噪处理，输出包含降噪语音特征与唇动特征的融合特征张量；
6、将所述融合特征张量输入语义理解流程，执行指令解析与危险模式识别，生成含温度参数与火力参数的风险过滤控制指令；
7、响应所述风险过滤控制指令的参数，调用热力学动态模型计算功率控制参数；
8、将所述功率控制参数转换为空间矢量调制波形，驱动电磁炉负载电路，同时采集锅底实际温度数据；
9、比较所述实际温度数据与目标温度，当偏差超过阈值时，触发抗噪处理流程及热力学模型的参数更新。
10、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述采集用户语音信号与唇部运动信号包括：
11、采用定向波束成形技术处理麦克风阵列接收的声波，生成时域语音信号流；通过毫米波雷达解析唇部微多普勒效应，输出唇动位移轨迹坐标数据；
12、对所述时域语音信号流和唇动位移轨迹坐标数据执行时间戳插值对齐操作，生成绑定同步时戳的所述多模态感知数据。
13、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述跨模态抗噪处理包括：
14、对所述多模态感知数据中的声学信号进行语音噪声分离，提取降噪声学特征；
15、对所述多模态感知数据中的视觉信号进行连续帧唇动分析，提取唇动视觉特征向量；
16、通过域自适应对抗训练流程融合所述降噪声学特征与所述唇动视觉特征向量，应用跨模态权重分配策略生成所述融合特征张量。
17、进一步地，本发明所述的基于语音识别的电磁炉控制方法，生成风险过滤控制指令包括：
18、对所述融合特征张量执行端到端语义映射，生成初始指令文本；
19、搜索预构建的烹饪知识图谱，获取当前锅具状态与火力阈值约束关系；
20、通过关联推理检测所述初始指令文本是否违背所述火力阈值约束关系，若违背则修正指令参数并生成含温度/火力参数的所述风险过滤控制指令。
21、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述搜索预构建的烹饪知识图谱包括：
22、调取锅具材质导热系数库中的数据记录；
23、执行图节点注意力计算，识别锅具状态与火力指令的关联关系；
24、当检测到空锅状态与最大火力指令的组合模式时，强制重置所述风险过滤控制指令中的火力参数。
25、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述调用热力学动态模型计算功率控制参数包括：
26、基于所述风险过滤控制指令中的温度参数及锅具三维导热特性，建立热传导偏微分方程；
27、通过滚动优化算法在预设时间窗内迭代求解所述方程，生成pwm占空比序列；
28、依据历史温度变化率计算热惯量补偿因子，调整所述pwm占空比序列，输出空间矢量调制波形参数。
29、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述触发抗噪处理流程及热力学模型的参数更新包括：
30、依据同步采集的锅底实际温度数据，构建锅底温度场分布云图；
31、采用强化学习策略计算实际温度与目标温度的控制偏差补偿值；
32、当控制偏差超过所述阈值时，采用元学习策略重校准所述热力学模型的参数。
33、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述采用强化学习策略计算控制偏差补偿值包括：
34、通过评估网络分析所述控制偏差；
35、通过生成网络输出补偿参数；
36、计算同步优化温度追踪精度与功率波动率的损失函数，更新所述评估网络与生成网络的参数。
37、进一步地，本发明所述的基于语音识别的电磁炉控制方法，还包括联邦进化机制：
38、采集本地噪声特征并加密上传噪声模式特征向量；
39、云端执行多设备数据聚合，生成全局降噪模型；
40、根据所述全局降噪模型更新跨模态抗噪处理的模型参数，周期性下发更新后的模型参数至电磁炉终端。
41、进一步地，本发明所述的基于语音识别的电磁炉控制方法，所述云端执行多设备数据聚合包括：
42、对上传的噪声模式特征向量执行差分隐私加密操作；
43、应用特征蒸馏技术压缩所述全局降噪模型的参数传输量；
44、在更新抗噪处理模型参数时，设置语义解析流程参数为冻结状态。
45、本发明有益效果；
46、本发明通过三重协同技术机制产生显著有益效果：多模态抗噪验证机制通过毫米波雷达唇动追踪与声学特征交叉验证，有效降低噪声干扰导致的指令误触发率，语音识别鲁棒性提升；知识图谱约束的热力学建模在语义解析层主动拦截危险指令，在功率控制层动态补偿热传导迟滞效应，功率调节精度提高；联邦进化式闭环优化依据实时温度偏差重校准本地模型参数，同步聚合多设备噪声特征更新全局抗噪模型，系统自适应复杂环境能力持续增强。该方案从指令识别准确性、功率控制稳定性及系统进化能力三个维度实现技术突破，降低语音控制安全风险。
1.基于语音识别的电磁炉控制方法，其特征在于，包括：
2.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，所述采集用户语音信号与唇部运动信号包括：
3.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，所述跨模态抗噪处理包括：
4.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，生成风险过滤控制指令包括：
5.根据权利要求4所述的基于语音识别的电磁炉控制方法，其特征在于，所述搜索预构建的烹饪知识图谱包括：
6.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，所述调用热力学动态模型计算功率控制参数包括：
7.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，所述触发抗噪处理流程及热力学模型的参数更新包括：
8.根据权利要求7所述的基于语音识别的电磁炉控制方法，其特征在于，所述采用强化学习策略计算控制偏差补偿值包括：
9.根据权利要求1所述的基于语音识别的电磁炉控制方法，其特征在于，还包括联邦进化机制：
10.根据权利要求9所述的基于语音识别的电磁炉控制方法，其特征在于，所述云端执行多设备数据聚合包括：