一种咖啡萃取温度曲线的自适应控制方法与流程

摘要: 本发明涉及咖啡机智能控制,特别是一种咖啡萃取温度曲线的自适应控制方法。背景技术:1、咖啡机在执行咖啡萃取时,锅炉或即热加热单元需要按照设定温度向冲煮头供水,萃取...
一种咖啡萃取温度曲线的自适应控制方法与流程

本发明涉及咖啡机智能控制,特别是一种咖啡萃取温度曲线的自适应控制方法。

背景技术:

1、咖啡机在执行咖啡萃取时,锅炉或即热加热单元需要按照设定温度向冲煮头供水,萃取水经过连接水路、阀体、接头、冲煮头以及粉饼后形成萃取液。为控制萃取温度,现有咖啡机通常在启动或待机后检测加热单元温度,并根据检测温度控制加热功率,使加热单元达到预设温度后进入萃取过程。

2、对于待机后第一杯咖啡温度偏低的问题,一些控制方式根据距离上次制作咖啡或冲泡系统预热的时间间隔判断是否启动预热,并通过热水冲洗冲泡系统,使冲煮头和水路升温。还有一些控制方式在首次加热后,根据加热结束至用户请求制备第一杯之间的时间延迟,对第一杯采用不同的温度调节,以补偿热惯性造成的温度偏移。

3、上述处理主要围绕待机间隔、当前检测温度或预热动作进行控制。咖啡机待机期间,锅炉壁、加热腔内存水、连接水路、冲煮头和热交换部位分别具有不同热容量和散热路径。上一杯结束时的余热分布、待机持续时间、待机期间加热动作、水路内存水状态以及环境散热条件不同,会使机器在相同或相近检测温度下形成不同热储备。若在第一杯萃取开始后才根据实际温度偏差调节加热输出,已经流经冲煮头和粉饼的水段难以及时获得补偿;若通过延长预热或增加冲洗降低该影响,又会增加等待时间和用水量。

4、另外,咖啡机长期运行后,加热效率、水垢附着、传感器响应和散热条件会发生变化。在线自适应控制若直接利用第一杯初期温度偏差更新模型参数,待机造成的瞬态热状态差异可能被作为设备热特性变化保存;若完全限制模型参数更新,又难以适应长期热特性变化。因此亟需一种咖啡萃取温度曲线的自适应控制方法来解决此类问题。

技术实现思路

1、本发明实施例提供了一种咖啡萃取温度曲线的自适应控制方法,解决咖啡机待机后第一杯萃取初始热状态难以确定且参数误更新的问题。

2、本发明实施例提供了一种咖啡萃取温度曲线的自适应控制方法,其包括:

3、获取目标温度曲线和热历史数据,所述热历史数据表征上次咖啡萃取结束至本次咖啡萃取开始之间的热状态演化过程;

4、调用具有隐含热状态量和模型参数的热过程预测模型,读取上次咖啡萃取结束时保存的隐含热状态量;

5、按时间戳读取所述热历史数据,将相邻时间戳之间划分为待机递推区间,并按照所述待机递推区间内的加热输入、水路流动状态和散热状态确定待机递推区间类型;

6、以读取的隐含热状态量为递推起点,依据所述待机递推区间类型对应的递推参数递推隐含热状态量;

7、由递推后的隐含热状态量和本次咖啡萃取开始时取得的瞬时温度检测值形成初始隐含热状态量;

8、启动本次咖啡萃取,根据所述初始隐含热状态量、模型参数、加热控制量和萃取过程变量生成预测萃取温度,并由所述预测萃取温度与实际温度形成预测残差;

9、在初始状态校正阶段依据所述预测残差修正隐含热状态量并维持模型参数;

10、在所述初始状态校正阶段之后判断预测残差是否满足持续偏差条件,满足时更新模型参数,未满足时维持模型参数;

11、根据修正后的隐含热状态量和当前模型参数生成后续预测萃取温度,并按所述后续预测萃取温度与所述目标温度曲线的偏离确定后续加热控制量。

12、在一些实施例中,所述热历史数据包括待机阶段产生的温度检测数据、加热控制数据和水路动作状态数据;

13、所述水路动作状态数据包括泵运行记录、阀开闭记录、排水记录、预热出水记录、冲煮头冲洗记录和无水路动作状态记录中的至少一类;

14、所述待机递推区间类型包括自然散热区间、保温加热区间、水路动作区间和冲洗区间;当同一待机递推区间满足多个区间类型的判定条件时,按照冲洗区间、水路动作区间、保温加热区间和自然散热区间的顺序确定区间类型。

15、在一些实施例中,所述目标温度曲线按照萃取进程建立,所述萃取进程由萃取开始后的时间、累计出液量、累计进水量、泵运行阶段、预浸阶段、主萃取阶段和降压阶段中的至少一类确定;

16、所述萃取过程变量包括当前萃取进程、流量、压力、泵工作状态、阀工作状态、加热单元入口温度和加热单元出口温度中的至少一类;所述实际温度为萃取温度检测部件在当前控制周期采集的温度值。

17、在一些实施例中,所述隐含热状态量包括加热单元蓄热状态分量、水路存水热状态分量、冲煮头热状态分量和热交换部位蓄热状态分量;

18、所述模型参数包括加热增益、散热系数、热传递系数、流动换热系数和温度检测滞后系数中的至少两类参数;

19、所述热过程预测模型根据隐含热状态量、模型参数、加热控制量和萃取过程变量输出预测时域内各控制周期对应的预测萃取温度。

20、在一些实施例中,所述初始状态校正阶段从本次咖啡萃取启动后的首个控制周期开始,并在完成预设最小有效修正次数后,持续至如下条件中的任一项成立:

21、达到预设控制周期数;

22、达到预设累计出液量;

23、预测残差幅值进入预设残差范围;

24、在所述初始状态校正阶段内,将实际温度与相同萃取进程下的预测萃取温度进行匹配以生成预测残差,由预测残差和状态修正增益表计算状态修正量,并将状态修正量施加于当前隐含热状态量。

25、在一些实施例中,在所述初始状态校正阶段内,预测残差仅参与状态修正量的生成且不参与模型参数更新;当如下条件中的任一项成立时,判定该预测残差对应本次待机阶段形成的初始热状态差异:

26、状态修正量施加后的预测残差方向发生反转;

27、预测残差幅值低于状态偏差阈值;

28、预测残差幅值相对于状态修正前下降达到设定比例;

29、在判定该预测残差对应初始热状态差异后,通过当前隐含热状态量吸收该初始热状态差异。

30、在一些实施例中,在初始状态校正阶段结束后,根据状态校正有效性判据决定是否允许后续预测残差参与持续偏差条件判断;所述状态校正有效性判据包括记录施加状态修正量前后的预测残差幅值下降比例,并将所述预测残差幅值下降比例作为状态校正有效性比例;

31、当状态校正有效性比例达到预设有效比例、状态修正后的预测残差方向发生反转、状态修正后的预测残差幅值进入状态偏差阈值范围中的任一条件成立时,将对应预测残差归入初始热状态差异记录且不触发模型参数更新;

32、当状态校正有效性比例的有效样本数达到预设最小样本数、且连续记录的状态校正有效性比例均低于预设有效比例、且对应预测残差方向未因状态修正而反转时,允许初始状态校正阶段之后的预测残差进入持续偏差条件判断。

33、在一些实施例中,所述持续偏差条件包括:

34、在初始状态校正阶段之后,以多个连续有效控制周期作为同向超阈值判断窗口,按实际温度与相同萃取进程下的预测萃取温度之间的差值取得预测残差,并通过方向死区阈值确定预测残差偏离方向;

35、当所述同向超阈值判断窗口内各预测残差均具有相同的有效偏离方向,且各预测残差幅值均大于对应控制周期的参数偏差阈值时,生成参数更新触发信号;

36、所述参数偏差阈值基于基础参数偏差阈值、温度检测波动量和流动扰动量调节后经参数偏差阈值下限和参数偏差阈值上限饱和确定;

37、当出现泵阀异常切换、传感器跳变或冲洗介入时,将对应控制周期作为保守处理周期,中断当前同向超阈值判断窗口,并从所述保守处理周期后的控制周期重新形成同向超阈值判断窗口。

38、在一些实施例中,更新模型参数包括:

39、从本次咖啡萃取数据中选取位于初始状态校正阶段之后、与持续偏差条件对应且排除保守处理周期后的温度检测数据、加热控制数据和萃取过程变量,形成参数更新数据;

40、由参数更新数据计算各候选模型参数对预测残差的参数灵敏度,根据参数灵敏度从模型参数中选择待更新模型参数,并对待更新模型参数进行限幅更新;

41、所述初始状态校正阶段内用于生成状态修正量的数据不参与本次模型参数更新;

42、在完成本次咖啡萃取后,将由参数更新触发信号触发并经参数更新数据更新后的模型参数保存为后续咖啡萃取使用的模型参数。

43、在一些实施例中,确定后续加热控制量包括:

44、在当前控制周期内,以当前隐含热状态量和当前模型参数为预测起点,生成预测时域内多个候选加热控制量对应的候选预测萃取温度序列;

45、分别计算各候选预测萃取温度序列相对于目标温度曲线的偏离评价值;

46、选取偏离评价值满足控制目标的候选加热控制量作为当前控制周期的后续加热控制量;在下一控制周期根据新取得的实际温度重新形成预测残差;

47、在本次咖啡萃取结束时,保存最后一个控制周期对应的隐含热状态量作为终止隐含热状态量,并保存当前模型参数;

48、当本次咖啡萃取结束后进入待机阶段时,以所述终止隐含热状态量作为新的递推起点,根据待机阶段产生的热历史数据更新隐含热状态量。

49、本发明通过上述技术方案,至少可以实现如下有益效果:

50、本发明根据待机阶段形成的热历史数据递推隐含热状态量,并以递推后的隐含热状态量和瞬时温度检测值生成本次咖啡萃取开始时的初始隐含热状态量。由于待机持续过程中的加热输入、水路动作和散热状态被纳入初始状态确定过程,咖啡机在瞬时温度检测值相同或相近时仍能够区分加热单元、水路存水、冲煮头及热交换部位的热储备差异。因此,第一杯萃取开始阶段的温度预测以待机热过程后的综合热状态为起点,减少萃取开始后才依赖实时温度偏差进行滞后补偿的情况。

51、在初始状态校正阶段依据预测残差修正隐含热状态量,并将模型参数维持为当前取值。由于第一杯初期由待机热储备差异造成的残差先被隐含热状态量吸收,预测模型的长期热过程参数不因单次待机形成的瞬态偏差而更新。萃取初期的预测残差先经隐含热状态量吸收,再由状态校正有效性判据决定是否允许后续预测残差进入模型参数更新过程,降低一次性第一杯扰动进入后续模型参数的概率。

52、在预测残差经过隐含热状态量修正后,本方法继续根据多个控制周期中的残差持续特征判断是否更新模型参数。由于模型参数更新依赖状态校正后的残差趋势,而不是依赖单个控制周期的瞬时偏差,泵阀切换、传感器抖动、短时流动扰动或待机热状态差异形成的局部残差不直接触发参数变化;当状态校正后仍存在持续同向残差时,对应数据进入参数灵敏度判断和模型参数更新过程,使后续温度预测的模型基础与设备实际热特性相匹配。

53、本发明基于修正后的隐含热状态量和当前模型参数生成后续预测萃取温度,并按照后续预测萃取温度与目标温度曲线之间的偏离确定后续加热控制量。由于加热控制量由当前热状态、当前模型参数和目标温度曲线共同确定,控制器能够在每个控制周期对后续萃取进程进行滚动预测和修正,使第一杯萃取初期状态校正、持续偏差下的参数更新以及后续温度曲线控制形成连续闭环。