融合大数据分析与AI算法的咖啡饮品口感动态适配方法与流程
本发明属于咖啡饮品制备,具体是融合大数据分析与ai算法的咖啡饮品口感动态适配方法。
背景技术:
1、在咖啡连锁门店或智能咖啡制备系统中,当某一原料(如牛奶、燕麦奶、糖浆或咖啡豆批次)因供应或成本原因发生替换时,现有系统通常依据物料分类标签或供应商提供的理化指标(如脂肪含量、糖度值)调用预设配方参数,或对萃取水温、研磨度等执行器进行全局补偿调整,以此实现原料切换后的口感一致性。
2、然而,上述做法隐含一个基本假设:同类原料在口感贡献上具有等价性,且各口感维度(如香气释放、醇厚感)之间相互独立,因此可以通过线性参数校正实现替代;但在实际场景中,不同原料与咖啡浓缩基底混合后,其脂肪含量、多糖组成及乳化状态的差异会导致混合液在香气物质吸附速率、粘度响应等物理特性上产生变化;例如,一种高脂植物基原料替换低脂原料后,脂质可能物理性吸附咖啡中的香气分子,同时改变混合液的粘度,使其在萃取过程中表现出不同的剪切稀化行为;现有系统若仅依据物料类别进行静态参数补偿,当替代原料与基底混合后的流变特性或传质阻力偏离预设范围时,系统可能感知到某种口感缺陷(如香气不足)并据此调整单一执行器(如拉长萃取时间),但该补偿措施可能因混合液粘度特性耦合放大另一口感维度(如涩感)的偏离。
3、由于缺乏对替代原料与基底混合后物理-化学交互特性的量化表征,系统难以区分当前口感失衡是由单一维度偏移引起的,还是由跨维度耦合畸变导致的,从而可能采取与问题成因不匹配的补偿策略,导致反复调参仍无法收敛至预期口感。因此,如何通过量化表征替代原料引入后混合液的交互特性,并据此区分口感失衡的根本成因,是本领域亟待解决的技术问题。
技术实现思路
1、本发明的目的在于提供融合大数据分析与ai算法的咖啡饮品口感动态适配方法,用于解决现有技术无法通过量化表征替代原料引入后混合液的交互特性,并据此区分口感失衡的根本成因的问题;
2、本发明需要解决的技术问题为:如何提供一种可以通过量化表征替代原料引入后混合液的交互特性,并据此区分口感失衡的根本成因的融合大数据分析与ai算法的咖啡饮品口感动态适配方法。
3、本发明的目的可以通过以下技术方案实现:
4、融合大数据分析与ai算法的咖啡饮品口感动态适配方法,包括:
5、获取第一混合液样本,第一混合液样本由替代原料与当前浓缩基底按预设比例混合而成;
6、对第一混合液样本施加第一激励信号,采集第一混合液样本在第一激励信号作用下的机械响应信号与挥发物响应信号;
7、根据机械响应信号提取第一特征参数,根据机械响应信号与挥发物响应信号之间的时序关系提取第二特征参数,由第一特征参数和第二特征参数构成特征参数组;
8、根据特征参数组,分别调整后续萃取过程中压力反馈控制的采样周期与积分增益;
9、在按照调整后的采样周期与积分增益执行萃取的前一时间窗口内,采集物理响应信号,并根据物理响应信号、特征参数组以及预设参考值,计算感官偏离向量;
10、根据感官偏离向量与动态生成的交叉约束因子,求解执行器调整向量,交叉约束因子由感官偏离向量中的第一分量经非线性饱和变换得到;
11、将执行器调整向量叠加至当前配方参数上执行萃取。
12、本发明具备下述有益效果:
13、1、通过在第一混合液样本上施加双阶速度脉冲激励并同步采集机械响应信号与挥发物响应信号,提取流体特征指数与香气释放迟滞角,使系统能够量化表征替代原料与浓缩基底混合后的剪切稀化行为及香气传质阻力;这两个特征参数分别从动量传递与质量传递两个物理维度描述混合液的交互特性,为后续区分口感失衡的成因类型提供了可量化的数据基础;
14、2、根据流体特征指数和香气释放迟滞角分别调整压力反馈控制的采样周期与积分增益,使控制环的响应带宽与混合液的实际物理惯性相匹配;当香气释放迟滞角增大时采样周期相应延长以避免控制器在惯性延迟较大的被控对象上产生振荡,当流体特征指数减小时积分增益相应降低以防止积分饱和导致的压力过冲,该机制使得压力反馈控制的动态特性随原料物理属性的变化而自适应调整,避免了固定控制参数在不同流变特性的混合液下可能出现的压力震荡或响应滞后;
15、3、根据流量变化加速度、压力相对偏差、传质阻力相对系数以及流体特征指数计算感官偏离向量中的香气偏离分量与醇厚偏离分量,该计算过程基于流量-压力-传质阻力-流变特性之间的物理耦合关系而非统计拟合,使感官偏离向量中各分量的物理含义明确且可追溯;其中流量变化加速度反映萃取初期溶出速率的变化趋势,压力相对偏差反映粉饼阻力状态,传质阻力相对系数反映香气释放受阻程度,流体特征指数反映混合液的粘度响应特性,四者组合后能够区分当前口感失衡是由香气传质阻力变化引起的、由流变特性偏移引起的、还是由两者耦合作用导致的,为补偿策略的制定提供了成因指向性;
16、4、在求解执行器调整向量时引入由第一感官偏离分量经非线性饱和变换生成的交叉约束因子,该因子随香气偏离程度的加重而非线性增大并趋于饱和,在目标函数中起到抑制调整幅度的作用;当香气偏离处于可补偿范围内时系统正常求解调整向量进行补偿,当香气偏离超出预设范围时系统自动转向寻求使香气偏离与醇厚偏离综合最小的折中解,从而避免因单一执行器的强力补偿在物理上通过热力学路径或流体力学路径将另一口感维度推离目标区间,使各口感维度指标落入可接受范围所需的调参次数减少。
1.融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,包括:
2.根据权利要求1所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,机械响应信号为电机驱动电流经扭矩常数换算后得到的剪切应力时序信号;所述挥发物响应信号为气体传感器采集并经环境背景差分处理后的差分挥发物浓度变化率时序信号。
3.根据权利要求1所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,第一激励信号为双阶速度脉冲信号,包括持续第一时间段的第一角速度与持续第二时间段的第二角速度,所述第二角速度大于所述第一角速度。
4.根据权利要求3所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,根据所述机械响应信号提取第一特征参数的步骤包括:
5.根据权利要求3所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,根据所述机械响应信号与所述挥发物响应信号之间的时序关系提取第二特征参数的步骤包括:
6.根据权利要求1所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,根据所述特征参数组调整采样周期的步骤包括:
7.根据权利要求1所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,根据所述特征参数组调整积分增益的步骤包括:
8.根据权利要求1所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,物理响应信号包括冲煮头内部压力时序信号与出液口质量流量时序信号;所述预设参考值包括预设萃取目标压力值与设备出厂时标定的参考迟滞角。
9.根据权利要求8所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,根据所述物理响应信号、所述特征参数组以及预设参考值计算感官偏离向量的步骤包括:
10.根据权利要求9所述的融合大数据分析与ai算法的咖啡饮品口感动态适配方法,其特征在于,所述交叉约束因子的生成方式为:
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