基于气溶胶抽吸口感的加热控制方法和气溶胶生成装置与流程

本技术属于新型烟草加热控制领域，具体涉及一种基于气溶胶抽吸口感的加热控制方法和气溶胶生成装置。

背景技术：

1、加热卷烟的感官品质，包括香气丰富度、甜润感、刺激性、满足感等核心抽吸口感指标，由烟丝配方与加热程序的协同匹配效果共同决定，加热参数的动态调控特性直接影响烟气物质释放规律，进而决定最终抽吸口感表现。

2、现有加热程序的开发设计高度依赖人工试错经验，研发人员通常依据行业经验选取有限的若干组加热参数方案，通过反复实物制样、烟气释放检测以及人工感官评吸迭代调试，直至获得相对适配的加热程序参数。该传统研发模式存在明显技术缺陷与瓶颈，具体体现在以下方面：

3、第一，研发效率低、成本高。传统人工试错方式需要对每一组加热参数方案开展实物制备、理化检测与专业感官评吸，实验迭代周期长达数周，不仅耗费大量物料成本与人力成本，且加热程序参数的调试效率极低，难以快速适配不同目标口感的开发需求。

4、第二，参数寻优范围有限，易陷入局部最优。人工经验仅能小范围筛选有限的加热参数组合，无法覆盖预热温度、抽吸温度、升温速率、抽吸间隔等多维度加热参数的全域空间，参数遍历性差，极易导致最终优化结果收敛于局部最优解，难以获得适配目标口感的全局最优加热方案。

5、第三，缺乏参数与口感的定量关联机制。现有技术手段无法建立多维度加热程序参数与感官口感品质之间的量化映射关系，仅能依靠经验定性调整，无法根据预设的目标口感需求逆向求解、自适应匹配最优加热程序参数，参数调控精度差、口感匹配度低。

6、现有技术仅能够实现加热参数向烟气释放量的正向时序预测，仅可模拟加热条件对应的烟气物质释放规律，尚未构建从烟气动态特征到感官口感品质的定量映射模型，更未形成以目标口感为优化导向、结合硬件工程约束逆向求解最优加热程序的一体化自动寻优框架，行业内暂无完整、高效的口感反向驱动加热程序智能优化方案。

技术实现思路

1、有鉴于此，本技术目的是提供一种基于气溶胶抽吸口感的加热控制方法和气溶胶生成装置，用以解决上述问题。

2、为解决上述技术问题，本技术采用下述技术方案：

3、第一方面，本技术提供一种基于气溶胶抽吸口感的加热控制方法，加热控制方法包括：步骤s1：获取目标口感数据和加热程序集，目标口感数据包括香气丰富度、甜润感、低刺激性、满足感、细腻度和余味洁净度，加热程序集包括多条加热程序参数；步骤s2：根据目标口感数据，对比加热程序集中各加热程序参数关联的预测口感，筛选得到目标加热程序参数；步骤s3：根据目标加热程序参数，控制气溶胶生成装置对气溶胶形成基质进行加热，生成与目标口感数据匹配的气溶胶。

4、进一步的，步骤s2包括：步骤s21：基于预训练的lstm烟气释放预测模型，根据预热温度区间、抽吸温度区间和升温速率，对加热程序参数进行采样，得到加热程序集，并通过lstm烟气释放预测模型生成烟气释放时序数据，对烟气释放时序数据进行特征提取，得到烟气特征矩阵；步骤s22：对烟气特征矩阵进行特征降维，确定烟气主成分得分集；步骤s23：根据烟气主成分得分集和感官评吸数据，将烟气主成分和口感进行映射，得到加热程序集中各加热程序参数的预测口感数据；步骤s24：将预测口感数据与目标口感数据进行比对，筛选出与目标口感数据相似度最高的预测口感数据，并将预测口感数据所对应的加热程序参数确定为目标加热程序参数。

5、进一步的，lstm烟气释放预测模型的构建步骤包括：步骤m1：构建lstm烟气释放预测模型的输入层为并行分支输入层，并行分支输入层包括用于接收静态理化特征的第一输入层、接收热分解动力学特征的第二输入层和接收动态加热时序特征的第三输入层；步骤m2：构建与并行分支输入层连接的特征拼接层，特征拼接层用于将第一输入层、第二输入层和第三输入层的输出进行拼接整合；步骤m3：构建与特征拼接层连接的特征提取网络，特征提取网络包括特征维度为128的第一层lstm和特征维度为64的第二层lstm，第一层lstm和第二层lstm采用relu激活函数，特征提取网络用于将特征拼接层输出的数据进行融合，输出烟气释放时序数据。

6、进一步的，步骤s22包括：步骤s221：根据pca算法对烟气特征矩阵进行特征降维，得到初始烟气主成分得分集；步骤s222：将初始烟气主成分得分集中各烟气主成分按照方差贡献率降序排序，并计算得到各烟气主成分的累积贡献率；步骤s223：判断累积贡献率是否超过预设贡献阈值：若是，则确定累积贡献率对应的烟气主成分作为烟气主成分得分集；其中，预设贡献阈值的取值范围为80%~95%，优选85%。

7、进一步的，步骤s23包括：步骤s231：获取加热程序集对应的感官评吸数据，感官评吸数据与目标口感数据的类型相同；步骤s232：根据plsr算法，将烟气主成分得分集中各烟气主成分作为自变量，感官评吸数据作为因变量，对烟气主成分和口感进行映射，得到plsr回归系数矩阵；步骤s233：根据plsr回归系数矩阵对加热程序集中各加热程序参数进行计算，得到预测口感数据；具体地，对任一加热程序参数，将其对应的烟气主成分得分向量t代入下式计算得到该加热程序参数的预测口感数据： = t·b，其中，b为plsr回归系数矩阵，为预测口感数据向量。

8、进一步的，步骤s24包括：步骤s241：计算预测口感数据与目标口感数据之间的加权欧氏距离；步骤s242：将加权欧氏距离取值最小的预测口感数据所对应的加热程序参数，确定为目标加热程序参数；其中，加权欧氏距离越小，表示预测口感数据与目标口感数据的相似度越高。

9、进一步的，步骤s2还包括：步骤s25：基于启发式全局优化算法，启发式全局优化算法包括遗传算法、粒子群算法、差分进化算法和模拟退火算法中的至少一种对加热程序参数进行迭代寻优，得到优化后的加热程序参数向量，并更新加热程序集。

10、进一步的，步骤s25包括：步骤s251：以目标口感数据为优化目标，以预热温度区间、抽吸温度区间及升温速率作为参数约束条件，构建以目标口感数据与预测口感数据之间的加权欧氏距离为目标函数的适应度函数，将加热程序参数向量作为种群个体，迭代过程中调用预训练的lstm烟气释放预测模型，并结合烟气主成分-口感映射关系获取对应种群个体的预测口感数据；步骤s252：对种群个体执行选择、交叉、变异操作以更新种群，当满足迭代收敛条件时，确定对应的加热程序参数向量，以更新加热程序集；更新后的加热程序集返回步骤s24重新执行比对筛选，直至筛选得到满足匹配条件的目标加热程序参数。其中，当启发式全局优化算法为遗传算法时，遗传算法的适应度函数f(x)=1/(1+f(x))，f(x)为目标口感数据与预测口感数据之间的加权欧氏距离，遗传算法的交叉概率取值范围为0.6~0.9，变异概率取值范围为0.05~0.2。

11、进一步的，加热控制方法还包括：步骤s4：根据目标口感数据与目标加热程序参数，在预先构建的配方-口感映射库中匹配，得到适配的气溶胶配方并输出配方推荐结果。

12、第二方面，本技术提供一种气溶胶生成装置，气溶胶生成装置包括：加热腔室、加热组件和控制组件，加热组件用于加热在工作时收容在加热腔室内的气溶胶形成基质以产生气溶胶，控制组件控制加热组件加热，控制组件被配置为：获取目标口感数据和加热程序集，目标口感数据包括香气丰富度、甜润感、低刺激性、满足感、细腻度和余味洁净度，加热程序集包括多条加热程序参数的数据集；根据目标口感数据，对比加热程序集中各加热程序参数关联的预测口感，筛选得到目标加热程序参数；根据目标加热程序参数，控制气溶胶生成装置对气溶胶形成基质进行加热，生成与目标口感数据匹配的气溶胶。

13、其中，气溶胶生成制品是吸烟制品，包括气溶胶形成基质，其通过加热生成通过用户的口直接可吸入用户的肺中的气溶胶。

14、优选地，气溶胶形成基质是固体气溶胶形成基质。气溶胶形成基质可同时包括固体和液体组分。

15、优选地，气溶胶形成基质包括尼古丁。在一些优选实施方式中，气溶胶形成基质包括烟草。

16、气溶胶生成装置用于说明与气溶胶生成制品的气溶胶形成基质相互作用以生成气溶胶的装置。优选地，气溶胶生成装置是吸烟装置，其与气溶胶生成制品的气溶胶生成基质相互作用以生成通过用户的口直接可吸入用户的肺中的气溶胶。气溶胶生成装置可以是用于吸烟制品的固定器。

17、电源可以是任何适当的电源，例如直流电压源，比如电池。在一个实施方式中，电源是锂离子电池。可替代地，电源可以是镍金属氢化物电池、镍镉电池或锂基电池，例如锂钴、磷酸锂铁、钛酸锂或锂聚合物电池。

18、控制元件可以是简单的开关。可替代地，控制元件可以是电路，并且可以包括一个或多个微处理器或微控制器。

19、气溶胶生成系统可能包括气溶胶生成装置以及一个或多个气溶胶生成制品，气溶胶生成装置配置相应数量的加热腔室收容气溶胶生成制品。

20、由上述技术方案可知，本技术提出的基于气溶胶抽吸口感的加热控制方法和气溶胶生成装置的优点和积极效果在于：

21、1、本技术通过pca算法与plsr定量映射算法，实现感官口感量化计算，替代定性人工评价，并构建烟气动态特征与感官品质的精准量化映射模型，打破传统技术仅能定性调试、依赖研发人员主观经验的技术瓶颈，实现加热参数与香气丰富度、甜润感、刺激性、满足感等感官指标的精准关联，让口感调控标准化、可量化。

22、2、本技术摒弃传统人工反复试错、实物多轮实验调试的研发模式，无需多次开展实物制样、理化检测及人工感官评吸工作，将加热程序设计迭代周期由传统数周压缩至数小时，极大节省物料耗材与人工评吸成本，高效适配各类目标口感的快速开发需求。

23、3、本技术摒弃人工有限参数筛选的局限，可覆盖多维度加热参数全域空间开展迭代寻优，有效规避人工试错易陷入局部最优的问题，同时全程绑定烟具硬件极限、升温速率等工程约束条件，输出的加热程序参数可直接适配设备控制，工程落地性极强。

24、4.本技术打通加热参数热释放仿真、烟气特征提取、感官口感预测、目标口感逆向工艺匹配的完整技术闭环，填补了行业无口感反向驱动加热程序智能优化框架的技术空白，可适配多品类烟丝配方与差异化口感的定制化开发场景。