阅读说明：本技术 用于识别液体的沸腾状态的方法和装置 (Method and device for detecting the boiling state of a liquid ) 是由 J·林斯楚斯 M·库尔皮尔 于 2020-02-06 设计创作，主要内容包括：在例如家用烹调设备(10)的加热区(12)中的液体的加热过程期间可以通过如下方式来识别所述液体的沸腾状态：通过传感器(18)以测量信号(A)的形式来检测在加热该液体时所引起的噪声,而且分析单元(20)将所检测到的测量信号(A)的时间图(B)转换成频谱(D)并且接着借助于智能算法(E)基于该频谱(D)来确定所述液体的沸腾状态。(During a heating process of a liquid, for example in a heating zone (12) of a household cooking appliance (10), a boiling state of the liquid can be recognized by: the noise caused when the liquid is heated is detected by a sensor (18) in the form of a measurement signal (A), and an evaluation unit (20) converts a time diagram (B) of the detected measurement signal (A) into a frequency spectrum (D) and then determines the boiling state of the liquid on the basis of the frequency spectrum (D) by means of an intelligent algorithm (E).)

用于识别液体的沸腾状态的方法和装置

技术领域

本发明涉及一种用于在加热区中的液体加热过程期间识别所述液体的沸腾状态的方法和装置，所述液体尤其是在家用烹调设备的加热区的烹饪用具中的液体。

背景技术

在如尤其是灶台那样的传统的家用烹调设备的情况下，用户必须亲自监控在该设备的加热区上的烹饪用具中的烹饪物的加热过程和烹饪过程并且必要时手动地结束或调整该加热过程。为了改善用户的安全性和操作舒适性，存在对加热过程的自动监控以及必要时调整的需求。为了该目的，在烹饪用具中的液体的沸腾状态必须能够自动地被识别。已知用于确定烹饪用具或者它里面的东西的温度的不同的方法，但是还未已知用于识别在烹饪用具中的液体的沸腾状态的可靠的方法。

发明内容

本发明的任务是：提供一种用于识别在液体的加热过程期间识别液体的沸腾状态的方法和装置，利用所述方法和所述装置能够可靠地确定该液体的沸腾状态。

该任务通过独立权利要求的教导来解决。本发明的特别有利的设计方案和进一步改进方案是从属权利要求的技术方案。

在按照本发明的用于在加热区中的液体的加热过程期间识别所述液体的沸腾状态的方法中，以测量信号的形式来检测在加热液体时引起的噪声；将所检测到的测量信号的时间图转换成频谱；并且接着借助于智能算法基于该频谱来确定液体的沸腾状态。

本发明的方法检测在加热液体时由于蒸汽气泡的形成和破裂而引起的噪声。依据这些噪声，能够比仅依据液体或者包含该液体的容器的温度更精确并且更可靠地识别该液体的沸腾状态。此外，在本发明的方法中，不是分析噪声测量信号的时间图，而是分析例如借助于傅里叶变换而得到的频谱。亦即，沸腾状态不是依据所检测到的噪声的音量水平来检测，而是依据噪声或噪声水平的发生变化的频谱来检测，这同样提高了对沸腾状态的识别的精度和可靠性。最后，借助于智能算法来确定液体的沸腾状态，由此可以进一步提高沸腾状态识别的精度和可靠性。

用户不必亲自监控加热过程而是加热设备可以自身监控沸腾状态并且必要时自动地改变或结束加热过程的前提条件是：对沸腾状态的可靠的识别。这提高了加热设备对于用户来说的使用舒适性并且也提高了使用该加热设备的安全性。

液体的沸腾状态就这点而言包括液体和含有液体的混合物、尤其是烹饪物。加热过程就这点而言包括对液体的加热和烹饪。对沸腾状态的识别就这点而言包括：识别液体是否已经达到其沸点，但是也包括在达到沸点之前和在达到沸点之后的状态。

本发明的方法一般能应用于所有类型的液体和所有类型的加热过程。按照本发明的方法尤其能应用于在家用烹调设备、尤其是灶台的加热区的烹饪用具中的液体。

对智能算法的应用就这点而言优选地包括如下算法，所述算法配备人工智能工具、例如神经元网络、专家系统、机器学习和/或模糊逻辑和/或与它们相关联。智能算法优选地自主学习，以便改善沸腾状态识别的精度和可靠性并且与发生变化的或新的应用条件适配。

在本发明的一个设计方案中，对沸腾状态的确定包括将频谱与比较频谱组进行比较。这些比较频谱例如可以通过由制造商和/或消费者训练相应的加热设备或其分析单元来生成。优选地，这些比较频谱可以被改变/更新和补充。该比较频谱组例如存储在分析单元或加热设备的内部存储器中或者存储在外部存储器(例如云等等)中。

优选地，该比较频谱组包含针对在加热过程期间液体的不同的沸腾状态的频谱。附加地或替选地，该比较频谱组优选地包含针对不同的液体类型、不同的液体量和/或不同的液体容纳容器的频谱。该比较频谱组范围越广泛并且在不同的比较频谱中考虑越多个变量，则通过将所检测到的频谱与该比较频谱组进行比较来对沸腾状态的确定就越精确并且越可靠。

在本发明的另一设计方案中，还可以由一个或多个加热区的设备控制器来提供加热区信息，并且接着也可以通过智能算法基于所提供的加热区信息来确定沸点。以这种方式，可以进一步改善所确定的沸腾状态的精度和可靠性。加热区信息例如包括关于多个加热区中的哪个加热区当前在运行、多么强烈地被加热、已经被加热多久以及诸如此类的信息。如果加热区配备温度传感器，则加热区信息也可以包括关于加热区或例如烹饪容器的温度的信息。

在本发明的另一设计方案中，用户可以输入与影响液体的加热过程的参数有关的用户信息，并且接着也可以通过智能算法基于所输入的用户信息来确定沸点。以这种方式，可以进一步改善所确定的沸腾状态的精度和可靠性。这些用户信息例如包含关于液体的类型、液体量、包含液体的容器的尺寸、容器类型以及诸如此类的信息。

在本发明的另一设计方案中，在确定沸腾状态之后，用户可以输入关于所确定的沸腾状态的准确性方面的用户反馈。在该设计方案中，智能算法和/或比较频谱组可以优选地自主学习地与所输入的用户反馈适配。

替选地或附加地，液体的沸腾状态可以附加地通过光学和/或热监控单元来监控，所述光学和/或热监控单元在确定沸腾状态之后输入关于所确定的沸腾状态的准确性方面的监控反馈。在这种情况下，智能算法和/或比较频谱组也可以优选地自主学习地与所输入的监控反馈适配。

在本发明的另一设计方案中，在确定沸腾状态之后，向用户输出信息信号和/或向一个或多个加热区的设备控制器输出信息和/或控制信号。这些信息信号、信息和控制信号分别与所确定的沸腾状态有关。

按照本发明的用于在加热区中的液体的加热过程期间识别该液体的沸腾状态的装置包含：至少一个传感器，用于以测量信号的形式来检测在加热该液体时引起的噪声；和分析单元，该分析单元与所述至少一个传感器连接并且具有智能算法，其中，该分析单元被设计用于执行本发明的上述方法。

关于优点、优选的设计方案和概念阐述，补充性地参阅与按照本发明的方法相结合的上述实施方案。

用于检测在加热液体时所引起的噪声的传感器优选地被设计为振动传感器、加速度传感器、声音传感器、固体声音传感器或者诸如此类的。所述传感器可以布置在相应的加热设备之内或者可以布置在相应的加热设备之外；在灶台的情况下，例如布置在玻璃陶瓷板下方或者布置在灶台上方的抽油烟机上。

优选地，分析单元与相应的加热设备的设备控制器连接或者集成到该设备控制器中。

在本发明的一个设计方案中，所述装置还具有存储器和/或与外部存储器的接口，以用于存储比较频谱组，该比较频谱组包含针对在加热过程期间液体的不同的沸腾状态的频谱和/或针对不同的液体类型、不同的液体量和/或不同的液体容纳容器的频谱。

在本发明的一个设计方案中，分析单元具有用于从一个或多个加热区的设备控制器接收加热区信息的接口。

在本发明的一个设计方案中，分析单元具有用于从用户接收与影响液体的加热过程的参数有关的用户信息和/或关于所确定的沸腾状态的准确性方面的用户反馈的接口。

在本发明的另一设计方案中，所述装置还具有用于监控液体的沸腾状态的光学和/或热监控单元，该光学和/或热监控单元与该分析单元连接。

本发明的技术方案也是一种家用烹调设备，该家用烹调设备具有一个或多个加热区和用于操控至少一个加热区的设备控制器，该家用烹调设备具有本发明的上述装置，用于在加热区中的液体的加热过程期间识别该液体的沸腾状态。该家用烹调设备例如是(感应式)灶台。

附图说明

本发明的上述的以及其它的特征和优点能借助于附图对优选的、非限制性的实施例的以下描述更好地理解。在此，绝大部分示意性地示出：

图1示出了具有按照本发明的用于识别烹饪物的沸腾状态的装置的灶台；而

图2示出了阐述按照本发明的用于识别烹饪物的沸腾状态的方法的原理图。

具体实施方式

随后，本发明示例性地在(感应式)灶台的应用情况方面详细地予以阐述，而本发明不应限于在这种家用烹调设备或者一般的家用烹调设备中的应用。

灶台10具有多个(在该实施例中是四个)加热区12、一个操作装置14和一个灶台控制器(就本发明而言的设备控制器)16。灶台控制器16与操作装置14和加热区12连接，并且按照用户经由操作装置14的设置来控制这些加热区的运行。

如在图1中所勾画出的那样，灶台10还具有至少一个传感器18，以用于检测如下噪声，所述噪声在对加热区12之一上的烹饪用具中的烹饪物进行加热(加热、烹饪等等)时由于气泡的形成和破裂而引起。示例性地，传感器18在灶台10的玻璃陶瓷板下方布置在这四个加热区12之间的中间区域。传感器18例如是振动传感器、声音传感器或者固体声音传感器。

所述至少一个传感器18与分析单元20(无线或有线地)连接。分析单元20被设计用于：依据由传感器18所检测到的测量信号，按照随后描述的方法来识别在灶台10上的烹饪物的沸腾状态。分析单元20与灶台控制器16(无线或有线地)连接或者集成到灶台控制器16中。

可选地，灶台10附加地配备有热和/或光学监控单元22，该热和/或光学监控单元可以以热和/或光学方式监控在灶台10上的烹饪物的沸腾状态。监控单元22例如可以安装在灶台10上方的抽油烟机上。监控单元22同样与分析单元20(无线或有线地)连接。

图2示例性地阐明了按照本发明的用于识别在灶台10上的烹饪物的沸腾状态的方法的原理。

所述至少一个传感器18以测量信号A的形式来检测在加热过程中烹饪物的噪声，所述至少一个传感器将该测量信号传送给分析单元20。测量信号A首先以时间图B的形式来检测，亦即被检测为噪声水平-时间图。该时间图B由分析单元20借助于傅里叶变换C转换成频谱D，亦即转换成噪声水平-频率图。

在加热液体或者含有液体的混合物时，由于蒸汽气泡的形成、上升和破裂而引起的噪声随着温度升高而不仅仅变得声音更大(亦即噪声水平升高)。在加热所述液体期间，这些噪声在加热和烹饪过程的不同阶段也发生变化，而且这些噪声根据液体的类型和量并且根据烹饪用具的类型和尺寸而有区别。因此，就在达到沸点之前不久，通常形成具有高频嘶嘶声的典型沸腾噪声，在过渡到沸腾烹饪时，该高频嘶嘶声与由于蒸汽气泡的破裂和烹饪容器的振动而引起的低频噪声叠加。所要加热的液体的量和类型以及在所要加热的烹饪物中的液体份额也影响噪声的音量和类型。所产生的噪声也取决于烹饪容器的材料和尺寸以及在该烹饪容器上是否存在盖子。

接着，所检测到的测量信号A的频谱D由分析单元20的智能算法E来分析。在此，智能算法优选地使用人工智能工具、例如神经元网络、专家系统、机器学习和/或模糊逻辑。此外，该智能算法优选地以自主学习的方式来设计，以便必要时修正该智能算法的工作原理并且可以适配本身发生变化的或者新的应用条件。

分析单元20借助于智能算法基于频谱D来确定烹饪物的沸腾状态(沸腾状态确定F)。接着，根据所确定的沸腾状态，存在不同的反应G，这些不同的反应由分析单元20触发。根据所确定的沸腾状态，属于这些反应的尤其是：针对用户的信息信号，所述信息信号被发送给操作装置14和/或用户的移动设备(例如智能电话)，以便产生针对用户的相对应的光学和/或声音信号；和给灶台控制器16的信息和/或控制信号，以便改变对加热区12的操控(例如关断加热装置、降低加热功率、提高加热功率，等等)。

如果用户例如在灶台10的操作装置14上或者在该用户的智能电话上接收到关于烹饪物的当前的沸腾状态的信息，则该用户可以对此做出反应。例如，该用户可以在烹饪锅中的水达到沸腾之后将其它烹饪物、诸如面条加入到正在沸腾的水中。用户不必一直留在灶台处，而是可以将加热过程的时间用于其它任务，直至该用户被分析单元20相对应地通知。

另一方面，如果将信息和/或控制信号传送给灶台控制器16，使得灶台控制器16根据需要来结束或适配加热过程，则可以使烹饪过程自动化。例如，灶台控制器可以在液体(例如汤)达到沸腾之后降低相对应的加热区12的加热功率，以便使该液体在低热下继续沸腾，或者降低或结束相对应的加热区12的加热功率，以便防止烹饪物的烹饪过度。这样，在加热和烹饪期间，用户不必一直留在灶台处，而是可以将时间用于其它任务，直至该用户被分析单元20相对应地通知。

如在图2中阐明的那样，通过智能算法E在使用比较频谱组H的情况下来进行沸腾状态确定F。所述组H例如存储在分析单元20的内部存储器中或者存储在外部存储器(例如云等等)中。所述组包含针对在加热过程期间液体的不同的沸腾状态和针对不同的液体类型、不同的液体量和/或不同的液体容纳容器的频谱。所述比较频谱组H例如是由灶台10的制造商作为训练组来生成和存储的。替选地或附加地，训练组也可以由灶台10的用户生成。优选地，所述组10或所述组的频谱能通过分析单元的智能算法E来适配、修正和扩展。例如，在大约0至500Hz的频率范围内，将频谱D、H彼此进行比较。但是，所要分析的频率范围并不限于这些数值而且尤其也可以包括直至1000Hz或直至5000Hz的更高的频率。

通过将根据测量信号A产生的频谱D与比较频谱组H进行比较，智能算法E确定烹饪物的当前的沸腾状态。亦即，该算法确定：所述组H的比较频谱中的哪个比较频谱与当前的频谱D最相似。

为了使比较结果更精确并且更可靠，优选地，还由灶台控制器16将加热区信息J传送给该算法。例如，属于这些加热区信息J的是关于这些加热区中的哪个加热区在运行、这些加热区中的哪个加热区已经运行多久并且以怎样的加热功率在运行、这些加热区中的哪个加热区被烹饪用具占用以及诸如此类的信息。如果加热区12还装备有温度传感器，则加热区信息也可以包括关于加热区12或烹饪容器的温度的信息。

为了使比较结果还更精确并且更可靠，优选地，还由用户通过操作装置14将用户信息K输入给该算法。例如，属于这些用户信息J的是：关于烹饪物的类型、烹饪物的量、烹饪容器的类型(锅、平底锅等等)、烹饪容器的尺寸、烹饪容器的材料(铸铁、铝等等)、在烹饪容器上是否存在盖子以及诸如此类的信息。

智能算法可以依据附加的加热区信息J和用户信息K例如从所存储的比较频谱组H中选择与所要加热的烹饪物的当前的参数匹配的比较频谱的子组，以便接着将测量信号A的频谱D只与该子组的比较频谱进行比较。

为了进一步改善沸腾状态确定F的质量，智能算法E和比较频谱组H可以以自主学习的方式来适配/修正/改善。

为了该目的，在沸腾状态确定F结束之后，例如可以由用户通过操作装置14向分析单元20的智能算法E输入关于烹饪物的实际的沸腾状态或沸腾状态确定F的准确性的用户反馈L。亦即，智能算法E可以检查或获悉该智能算法的沸腾状态确定F正确还是错误。在沸腾状态确定F有错误时，算法E接着必要时可以修正该算法的工作原理和/或对比较频谱组H进行修正或扩展。以这种方式，随后的沸腾状态确定F的结果可以通过分析单元20来改善。

可选地，如果存在监控单元22的话，则在沸腾状态F结束之后，可以附加地由这种监控单元22向分析单元20的智能算法E输入关于烹饪物的实际的沸腾状态的监控反馈M。在该变型方案中，智能算法E接着也可以检查该智能算法的沸腾状态确定F正确还是错误，而且在沸腾状态确定F有错误时接着必要时修正该算法的工作原理和/或对比较频谱组H进行修正或扩展，以便这样通过分析单元20来改善随后的沸腾状态确定F的结果。

附图标记列表

10 家用烹调设备、尤其是(感应式)灶台

12 加热区

14 操作装置

16 设备控制器、尤其是灶台控制器

18 传感器

20 分析单元

22 监控单元

A 测量信号

B 时间图

C 傅里叶变换

D 频谱

E 智能算法

F 沸腾状态确定

G 对所确定的沸腾状态的反应

H 比较频谱(训练)组

J 加热区信息

K 用户信息

L 用户反馈

M 监控反馈