一种基于AI的饮料机控制系统的制作方法
本发明涉及饮料机控制领域,尤其涉及一种基于ai的饮料机控制系统。
背景技术:
1、随着现制饮料行业的快速发展,智能饮料机已广泛部署于办公场景、商业场所及公共服务领域。用户对饮料口味的个性化需求日益增长,传统的固定配方及简单调节模式已难以满足不同用户在甜度、浓度、气泡感、温度等多维度上的差异化偏好。
2、在此背景下,将智能优化算法引入饮料机控制系统成为技术演进的必然方向。其核心思想是:将原浆流量比、甜度阀开度、碳酸气体压力、加热功率等多个物理控制参数统一建模为可优化的决策变量,以用户口味评分和传感器实时测量值构成的适应度函数为优化目标,通过迭代搜索算法自动寻找最优参数组合,从而实现千人千味的自适应调节。
3、然而,饮料机控制场景具有鲜明的工程特殊性:控制参数之间存在强耦合关系,执行器存在物理死区,控制信号的切换需要平滑过渡以避免机械冲击,且用户口味具有时间漂移特性。这些约束使得通用优化算法难以直接迁移应用,亟需面向饮料机场景的专用控制方法。
4、现有技术通常将所有控制参数放在同一优化框架中同时迭代。但实际上,原浆流量比与甜度阀开度主要决定口味,碳酸气体压力与加热功率主要决定口感,两者对用户满意度的影响机制不同,且参数间的耦合程度也不同。混合优化不仅增加了搜索空间的维度,还可能导致优化过程在两类参数之间反复振荡,收敛效率低下。
5、现有技术在每次用户使用时均从随机初始种群或固定默认配方开始搜索,未利用该用户此前的优化历史。然而,同一用户的口味偏好具有较强的一致性和稳定性,每次都从零搜索不仅浪费迭代次数,还可能因初始种群随机分布不佳而收敛至次优解。
6、因此,我们提出了一种基于ai的饮料机控制系统用于解决上述问题。
技术实现思路
1、本发明提供了一种基于ai的饮料机控制系统,用于实现饮料机在复杂多变工况下对用户口味的精准的无级调节。
2、本发明第一方面提供了一种基于ai的饮料机控制系统,所述基于ai的饮料机控制系统包括:目标构建模块,用于将饮料机的控制参数映射至预设区间,形成无量纲的决策向量;对用户反馈数据与传感器测量值进行融合处理,构建适应度目标值;初始种群模块,用于利用预设序列生成算法产生一组所述决策向量作为初始种群,其中所述决策向量的分量均落在所述预设区间内;迭代优化模块,用于以所述适应度目标值为优化依据,通过预设震荡规则对所述决策向量的位置进行迭代更新,并结合边界处理与扰动机制,以寻求最优决策向量;分阶段优化模块,用于将寻求所述最优决策向量的优化过程拆分为依次执行的第一阶段和第二阶段:所述第一阶段仅对所述控制参数中的第一类参数执行所述迭代更新,所述第二阶段保持所述第一阶段优化后的所述第一类参数不变,仅对所述控制参数中的第二类参数执行所述迭代更新,得到所述最优决策向量;执行驱动模块,用于对所述最优决策向量执行死区补偿以转换为连续控制信号,并以渐变方式驱动所述饮料机的执行机构进行调节。
3、可选的,在本发明第一方面的第一种实现方式中,所述控制参数包括原浆流量比、甜度阀开度、碳酸气体压力以及加热功率;所述预设区间为0至1区间;
4、所述第一类参数为口味相关参数,具体包括所述原浆流量比和所述甜度阀开度;所述第二类参数为口感相关参数,具体包括所述碳酸气体压力和所述加热功率;
5、所述目标构建模块在对用户反馈数据与传感器测量值进行融合处理,构建适应度目标值时,具体用于:将所述用户反馈数据具体化为用户输入的口味评分,对所述口味评分与所述传感器测量值分别进行指数滑动平均处理,并将两者加权组合成无量纲的适应度目标值。
6、可选的,在本发明第一方面的第二种实现方式中,所述预设序列生成算法为混沌映射;所述初始种群模块,具体用于:
7、以预设的初始混沌种子为起点,利用logistic迭代方程连续迭代产生多个混沌数,每d个混沌数构成一个所述决策向量,其中d为所述控制参数的总维度;
8、在迭代产生过程中,若某混沌数等于logistic映射的固定点,则对该混沌数施加随机偏移;得到的全体决策向量构成所述初始种群。
9、可选的,在本发明第一方面的第三种实现方式中,所述迭代优化模块,具体用于:
10、在每次迭代更新中,对所述初始种群中的每个所述决策向量,依据随机数选择采用正弦震荡规则或余弦震荡规则,分别以正弦函数或余弦函数的当前值作为步长缩放因子,计算出该决策向量的新位置;
11、所述边界处理具体为:当更新后的所述决策向量中某个分量小于0时取其相反数,当大于1时取其与2的差值,以保证所有分量始终处于0至1区间内;
12、所述扰动机制具体为:每隔固定迭代次数,对当前的所述最优决策向量施加一个随机扰动以跳出局部极值,得到变异后的候选决策向量,该候选决策向量参与下一轮适应度比较。
13、可选的,在本发明第一方面的第四种实现方式中,所述分阶段优化模块包括:
14、在所述第一阶段,将所述决策向量中的所述第二类参数的分量固定为预设中值,仅对所述第一类参数的分量执行迭代优化,得到第一阶段最优决策向量;
15、在所述第二阶段,将所述第一阶段最优决策向量中的所述第一类参数的分量保持不变,仅对所述第二类参数的分量执行迭代优化,得到第二阶段最优决策向量,该第二阶段最优决策向量为获得的所述最优决策向量。
16、可选的,在本发明第一方面的第五种实现方式中,所述执行驱动模块包括:
17、预先测定所述执行机构不响应控制信号的死区阈值;将所述最优决策向量的分量按线性比例映射至所述执行机构的物理控制量程,对落入所述死区阈值内的分量值叠加固定偏移量使其越过死区起始点,得到所述连续控制信号;
18、所述渐变方式是指将所述连续控制信号与所述执行机构的当前执行状态之间的差值等分为多个中间步进值,按固定时间间隔依次输出,使所述执行机构在设定时间内平滑过渡至目标状态;
19、所述执行机构包括比例阀或微步电机。
20、可选的,在本发明第一方面的第六种实现方式中,还包括历史记录模块:
21、用于预先为每个用户建立历史参数记录,所述历史参数记录包含该用户最近若干次优化后得到的历史最优决策向量;
22、所述初始种群模块,还用于当同一用户再次使用时,提取该用户历史参数记录中最新的历史最优决策向量作为所述初始混沌种子,使生成的所述初始种群中的决策向量围绕该历史最优决策向量分布。
23、可选的,在本发明第一方面的第七种实现方式中,所述历史记录模块中仅保存该用户最近三次优化后得到的所述历史最优决策向量;
24、当该用户再次使用且其当前的传感器测量基线值与所述历史参数记录中对应基线值的偏差超出预设范围时,丢弃该用户的所述历史参数记录,改用默认配方得到初始混沌种子。
25、可选的,在本发明第一方面的第八种实现方式中,所述分阶段优化模块,还用于:
26、在所述第一阶段完成后,计算所述第一阶段最优决策向量对应的所述适应度目标值;
27、若该适应度目标值低于预设的合格阈值,则跳过所述第二阶段,直接将所述第一阶段最优决策向量作为获得的所述最优决策向量;若该适应度目标值不低于所述合格阈值,则继续执行第二阶段。
28、可选的,在本发明第一方面的第九种实现方式中,所述适应度目标值具体为实际综合误差,所述预设的合格阈值具体为动态松弛阈值;
29、所述分阶段优化模块在所述第一阶段完成后,具体用于:
30、将所述第一阶段最优决策向量代入数字孪生评估模型,测算得到所述饮料机在当前状态下的所述实际综合误差;
31、通过系统内置的动态松弛阈值公式计算得到所述动态松弛阈值,以引入时间惩罚:
32、;
33、其中,为动态松弛阈值,为基准误差阈值,为最大误差松弛容限,为急迫度形状因子,为当前系统计时器记录的用户已等待时间,为预设基准最大等待时间;
34、通过判断实际综合误差是否低于所述动态松弛阈值,以决定是否提前结束所述分阶段优化模块的运算并执行出杯指令。
35、本发明的机理如下:将饮料调配这一多参数强耦合的复杂工业控制问题,解构为模拟人类先调口味、后调口感认知逻辑的分层进化优化过程,在工程层面解决了智能算法输出与实际硬件执行之间的非线性失真与阶跃冲击问题,完成从数据计算到物理味觉的链路智能化闭环,实现饮料机在复杂多变工况下对用户口味的精准调节;
36、有益效果:将正弦与余弦函数交替作为步长缩放因子,使决策向量的更新轨迹兼具方向性与随机性;配合周期性混沌扰动对全局最优解施加变异,从机制层面解决了传统遗传算法和粒子群算法在多峰适应度面上早熟收敛的问题,饮料机在面对复杂口味偏好时,能够真正逼近全局最优解而非停滞于还不错的局部解,用户首杯即获高满意度的概率大幅提升;
37、将口味参数(原浆流量比、甜度阀开度)与口感参数(碳酸气体压力、加热功率)分阶段依次优化,后一阶段以前一阶段最优解为参考起点,搜索难度从四维联合降为两次二维搜索,迭代次数显著减少,同时避免了两类参数之间的相互干扰,优化结果更加精准稳定;
38、对用户评分和传感器数据分别进行时间序列加权融合,而非直接使用原始值,单次偶然评分偏差或传感器瞬时噪声不会导致优化方向剧烈偏移,系统对用户真实偏好的判断更加可靠,出杯一致性明显改善;
39、对死区内分量叠加偏移量并以多步进方式渐变输出,优化算法的每一分精度都能被执行器忠实还原,设备运行更平稳,使用寿命更长;
40、用户历史偏好驱动的混沌种子机制实现了越用越懂你的个性化加速。将用户历史最优解作为混沌映射初始种子,使初始种群围绕其偏好分布,回头客无需从零开始搜索,收敛速度大幅加快,首杯满意度显著高于冷启动场景;同时设置基线偏差检测,环境变化时自动重置,避免过时偏好误导,兼顾了个性化与鲁棒性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com