JPH0556863A - 調理器具 - Google Patents
調理器具Info
- Publication number
- JPH0556863A JPH0556863A JP21987091A JP21987091A JPH0556863A JP H0556863 A JPH0556863 A JP H0556863A JP 21987091 A JP21987091 A JP 21987091A JP 21987091 A JP21987091 A JP 21987091A JP H0556863 A JPH0556863 A JP H0556863A
- Authority
- JP
- Japan
- Prior art keywords
- temperature
- heating
- cooking
- food
- estimating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Control Of Resistance Heating (AREA)
- Baking, Grill, Roasting (AREA)
Abstract
(57)【要約】
【目的】 調理物の温度(表面、裏面温度)を温度推定
手段で実時間で推定し、調理の出来上りを向上し、自動
調理ができるようにする。 【構成】 調理物を加熱する第1、第2の加熱供給手段
13、14と、加熱室1内の環境を検出する環境物理量
検出手段5と、環境物理量検出手段5の出力に基づき調
理物の表面温度と裏面温度を推定する温度推定手段11
と、温度推定手段11の裏面温度出力が所定値T1にな
るまでは第1の加熱供給手段13のみを加熱させ、その
後は第2の加熱供給手段14のみを加熱させるととも
に、温度推定手段11の表面温度出力が所定値T2にな
れば第1、第2の加熱供給手段13、14の加熱を停止
させる制御手段12とを備え、温度推定手段11は実際
に調理する調理環境での学習が既に済んだ固定された複
数の結合重み係数を内部に持つ神経回路網模式手段を組
み込んだ構成とし、出来上り状態がよい自動調理を実現
する。
手段で実時間で推定し、調理の出来上りを向上し、自動
調理ができるようにする。 【構成】 調理物を加熱する第1、第2の加熱供給手段
13、14と、加熱室1内の環境を検出する環境物理量
検出手段5と、環境物理量検出手段5の出力に基づき調
理物の表面温度と裏面温度を推定する温度推定手段11
と、温度推定手段11の裏面温度出力が所定値T1にな
るまでは第1の加熱供給手段13のみを加熱させ、その
後は第2の加熱供給手段14のみを加熱させるととも
に、温度推定手段11の表面温度出力が所定値T2にな
れば第1、第2の加熱供給手段13、14の加熱を停止
させる制御手段12とを備え、温度推定手段11は実際
に調理する調理環境での学習が既に済んだ固定された複
数の結合重み係数を内部に持つ神経回路網模式手段を組
み込んだ構成とし、出来上り状態がよい自動調理を実現
する。
Description
【0001】
【産業上の利用分野】本発明は、電子レンジ、ガスオー
ブン、ロースターなどにおいて自動調理を行なう調理器
具に関する。
ブン、ロースターなどにおいて自動調理を行なう調理器
具に関する。
【0002】
【従来の技術】従来、この種の調理器具、たとえば電気
ロースターは図12に示すように構成されていた。以
下、その構成について説明する。
ロースターは図12に示すように構成されていた。以
下、その構成について説明する。
【0003】図に示すように、加熱室1は調理物を入れ
て調理するもので、調理物を加熱する加熱供給手段(ヒ
ータ)2を設け、内部温度を検出するサーミスタなどか
らなる温度検出手段3を設けている。制御手段4は温度
検出手段3からの情報で加熱供給手段2を制御するもの
である。このような構成で自動調理するために、調理物
の重量、初期温度などを知る必要がある。そのために電
源投入時から数分間の温度検出手段3の出力電圧勾配を
測定し、勾配が急であれば調理物の重量が軽く、勾配が
緩やかであれば重量が重いと判断し、その電圧勾配にあ
る定数Kを乗じた時間を最適調理時間としていた。温度
検出手段3の出力電圧特性を図13に示している。図1
3(a)は重量が軽いもの、図13(b)は重量が重い
ものである。そして非常に多くの調理実験をしその定数
を決定していた。
て調理するもので、調理物を加熱する加熱供給手段(ヒ
ータ)2を設け、内部温度を検出するサーミスタなどか
らなる温度検出手段3を設けている。制御手段4は温度
検出手段3からの情報で加熱供給手段2を制御するもの
である。このような構成で自動調理するために、調理物
の重量、初期温度などを知る必要がある。そのために電
源投入時から数分間の温度検出手段3の出力電圧勾配を
測定し、勾配が急であれば調理物の重量が軽く、勾配が
緩やかであれば重量が重いと判断し、その電圧勾配にあ
る定数Kを乗じた時間を最適調理時間としていた。温度
検出手段3の出力電圧特性を図13に示している。図1
3(a)は重量が軽いもの、図13(b)は重量が重い
ものである。そして非常に多くの調理実験をしその定数
を決定していた。
【0004】
【発明が解決しようとする課題】このような従来の調理
器具(ここでは、ロースター)では、加熱室1内の雰囲
気温度の勾配を検出して、それをもとに調理物(たとえ
ば、魚焼き)の重量を判断し調理時間を決定していたた
め、調理の出来上りにかなりのばらつきがあった。たと
えば、加熱室1内の初期温度が常に低いとは限らず、調
理を終えた後ですぐに調理をした場合には、加熱室1内
の初期温度は非常に高いものとなる。この場合、重量の
重い調理物を調理した場合、温度検出手段3の出力電圧
特性は図14のようになり、加熱室1内の温度は一瞬低
下する。これは、調理を開始しても加熱室1内の温度が
高いために、調理物に加熱室1内の熱が吸収されるため
である。このような場合、前記した方法では最適調理時
間を決定するのは困難であった。また、加熱供給手段2
はヒータであるので、商用電源電圧の変動により調理の
出来上りにかなりの影響を与える。つまり、調理を開始
するときの環境(調理物の種類、加熱室1の初期温度、
調理物の初期温度、電源電圧など)により、調理の出来
上りがかなりばらつくという問題を有していた。さら
に、魚などの焼きばえという点に関しては、表面の焼き
上がり状態と裏面の焼き上がり状態を考慮しなければな
らず、調理の出来上りを検出するのは非常に困難である
という課題を有していた。
器具(ここでは、ロースター)では、加熱室1内の雰囲
気温度の勾配を検出して、それをもとに調理物(たとえ
ば、魚焼き)の重量を判断し調理時間を決定していたた
め、調理の出来上りにかなりのばらつきがあった。たと
えば、加熱室1内の初期温度が常に低いとは限らず、調
理を終えた後ですぐに調理をした場合には、加熱室1内
の初期温度は非常に高いものとなる。この場合、重量の
重い調理物を調理した場合、温度検出手段3の出力電圧
特性は図14のようになり、加熱室1内の温度は一瞬低
下する。これは、調理を開始しても加熱室1内の温度が
高いために、調理物に加熱室1内の熱が吸収されるため
である。このような場合、前記した方法では最適調理時
間を決定するのは困難であった。また、加熱供給手段2
はヒータであるので、商用電源電圧の変動により調理の
出来上りにかなりの影響を与える。つまり、調理を開始
するときの環境(調理物の種類、加熱室1の初期温度、
調理物の初期温度、電源電圧など)により、調理の出来
上りがかなりばらつくという問題を有していた。さら
に、魚などの焼きばえという点に関しては、表面の焼き
上がり状態と裏面の焼き上がり状態を考慮しなければな
らず、調理の出来上りを検出するのは非常に困難である
という課題を有していた。
【0005】本発明は上記課題を解決するもので、調理
物の表面温度と裏面温度を現実に計測・検出できる加熱
室内の環境物理量で実時間を推定し、調理の出来上り状
態をよくすることを目的としている。
物の表面温度と裏面温度を現実に計測・検出できる加熱
室内の環境物理量で実時間を推定し、調理の出来上り状
態をよくすることを目的としている。
【0006】
【課題を解決するための手段】本発明は上記目的を達成
するために、調理するために調理物を格納する加熱室
と、前記調理物を加熱する第1および第2の加熱供給手
段と、前記加熱室内の環境を検出する環境物理量検出手
段と、前記環境物理量検出手段の出力に基づき前記調理
物の表面温度と裏面温度を推定する温度推定手段と、前
記温度推定手段の出力に基づき前記第1、第2の加熱供
給手段を制御する制御手段とを備え、前記制御手段は、
前記温度推定手段の裏面温度出力が所定値T1になるま
では前記第1の加熱供給手段のみを加熱させ、その後は
前記第2の加熱供給手段のみを加熱させるとともに、前
記温度推定手段の表面温度出力が所定値T2になれば前
記第1および第2の加熱供給手段の加熱を停止させ、前
記温度推定手段は、複数の神経素子より構成される神経
回路網を模した手法により獲得された調理物の温度を推
定する固定された神経回路網の複数の結合重み係数を内
部に持つ階層型の神経回路網模式手段を備えたことを課
題解決手段としている。
するために、調理するために調理物を格納する加熱室
と、前記調理物を加熱する第1および第2の加熱供給手
段と、前記加熱室内の環境を検出する環境物理量検出手
段と、前記環境物理量検出手段の出力に基づき前記調理
物の表面温度と裏面温度を推定する温度推定手段と、前
記温度推定手段の出力に基づき前記第1、第2の加熱供
給手段を制御する制御手段とを備え、前記制御手段は、
前記温度推定手段の裏面温度出力が所定値T1になるま
では前記第1の加熱供給手段のみを加熱させ、その後は
前記第2の加熱供給手段のみを加熱させるとともに、前
記温度推定手段の表面温度出力が所定値T2になれば前
記第1および第2の加熱供給手段の加熱を停止させ、前
記温度推定手段は、複数の神経素子より構成される神経
回路網を模した手法により獲得された調理物の温度を推
定する固定された神経回路網の複数の結合重み係数を内
部に持つ階層型の神経回路網模式手段を備えたことを課
題解決手段としている。
【0007】
【作用】本発明は上記した課題解決手段により、環境物
理量検出手段からの加熱室内の環境情報を温度推定手段
に入力することにより、実際に調理される実調理環境を
すべて学習し、内部に固定された結合重み係数として持
つ神経回路網模式手段を有する温度推定手段は、調理物
の表面温度、裏面温度を時々刻々推定していく。制御手
段は温度推定手段の裏面温度出力が所定値T1になるま
では第1の加熱供給手段(電気ロースターではヒータ)
のみを加熱させ、その後は第2の加熱供給手段を加熱さ
せて表面温度が所定値T2になれば第1および第2の加
熱供給手段の加熱を停止させる。調理物の温度上昇を裏
面と表面で間接的に検出していくことにより、調理の最
適な出来上りを認識できる。
理量検出手段からの加熱室内の環境情報を温度推定手段
に入力することにより、実際に調理される実調理環境を
すべて学習し、内部に固定された結合重み係数として持
つ神経回路網模式手段を有する温度推定手段は、調理物
の表面温度、裏面温度を時々刻々推定していく。制御手
段は温度推定手段の裏面温度出力が所定値T1になるま
では第1の加熱供給手段(電気ロースターではヒータ)
のみを加熱させ、その後は第2の加熱供給手段を加熱さ
せて表面温度が所定値T2になれば第1および第2の加
熱供給手段の加熱を停止させる。調理物の温度上昇を裏
面と表面で間接的に検出していくことにより、調理の最
適な出来上りを認識できる。
【0008】
【実施例】以下、本発明の一実施例を電気ロースターに
ついて図1および図2を参照しながら説明する。なお、
従来例と同じ構成のものは同一符号を付して説明を省略
する。
ついて図1および図2を参照しながら説明する。なお、
従来例と同じ構成のものは同一符号を付して説明を省略
する。
【0009】図に示すように、環境物理量検出手段5
は、加熱室1内の環境を検出するもので、本実施例で
は、サーミスタなどで構成して加熱室1内の雰囲気温度
を検出する。電圧レベル検出手段6は商用電源電圧の電
圧レベルを検出するものである。計時手段7は電源投入
時よりの時間をカウントする。操作手段8は調理物のカ
テゴリーを選択するカテゴリー選択キー9と調理開始・
停止を行なう調理キー10とで構成している。温度推定
手段11は、環境物理量検出手段5、電圧レベル検出手
段6、計時手段7およびカテゴリー選択キー9の出力に
基づき調理物の表面温度、裏面温度を推定するものであ
り、制御手段12は、温度推定手段11の出力に基づき
第1の加熱供給手段13と第2の加熱供給手段14とを
制御する。第1の加熱供給手段13と第2の加熱供給手
段14とはヒータで構成している。第1の加熱供給手段
13は加熱室1の下部に配設し、第2の加熱供給手段1
4は加熱室1の上部に配設している。表示手段15は蛍
光表示管よりなり、調理の残り時間などを表示する。ま
た、A/D変換手段16、17はそれぞれ環境物理量検
出手段5および電圧レベル検出手段6の出力をディジタ
ル量に変換するものである。操作手段8と表示手段15
は図2のように構成している。
は、加熱室1内の環境を検出するもので、本実施例で
は、サーミスタなどで構成して加熱室1内の雰囲気温度
を検出する。電圧レベル検出手段6は商用電源電圧の電
圧レベルを検出するものである。計時手段7は電源投入
時よりの時間をカウントする。操作手段8は調理物のカ
テゴリーを選択するカテゴリー選択キー9と調理開始・
停止を行なう調理キー10とで構成している。温度推定
手段11は、環境物理量検出手段5、電圧レベル検出手
段6、計時手段7およびカテゴリー選択キー9の出力に
基づき調理物の表面温度、裏面温度を推定するものであ
り、制御手段12は、温度推定手段11の出力に基づき
第1の加熱供給手段13と第2の加熱供給手段14とを
制御する。第1の加熱供給手段13と第2の加熱供給手
段14とはヒータで構成している。第1の加熱供給手段
13は加熱室1の下部に配設し、第2の加熱供給手段1
4は加熱室1の上部に配設している。表示手段15は蛍
光表示管よりなり、調理の残り時間などを表示する。ま
た、A/D変換手段16、17はそれぞれ環境物理量検
出手段5および電圧レベル検出手段6の出力をディジタ
ル量に変換するものである。操作手段8と表示手段15
は図2のように構成している。
【0010】温度推定手段11を構成する手段は、従来
の制御手法に用いられている解決的な方法が適用できな
いため、多次元情報処理手法として最適な神経回路網を
模した方法で構成している。神経回路網を模した手法に
おいては、調理物の温度(表面温度、裏面温度)を推定
する神経回路網の複数の結合重み係数を固定されたテー
ブルとして用いる方法と、学習機能を残し環境と使用者
に適応できるようにする方法とがある。本実施例は、神
経回路網を模した手法によって獲得された調理物の温度
を推定する固定された結合重み係数を内部にもつ神経回
路網模式手段を有する温度推定手段11を設けている。
の制御手法に用いられている解決的な方法が適用できな
いため、多次元情報処理手法として最適な神経回路網を
模した方法で構成している。神経回路網を模した手法に
おいては、調理物の温度(表面温度、裏面温度)を推定
する神経回路網の複数の結合重み係数を固定されたテー
ブルとして用いる方法と、学習機能を残し環境と使用者
に適応できるようにする方法とがある。本実施例は、神
経回路網を模した手法によって獲得された調理物の温度
を推定する固定された結合重み係数を内部にもつ神経回
路網模式手段を有する温度推定手段11を設けている。
【0011】調理物の出来上りに影響を与える要因とし
ては、加熱室内の初期温度、調理物の初期温度、調理物
の種類(カテゴリー)、商用電源の電圧レベルなどがあ
る。それらの要因によって調理物の出来上りは大きく変
動する。
ては、加熱室内の初期温度、調理物の初期温度、調理物
の種類(カテゴリー)、商用電源の電圧レベルなどがあ
る。それらの要因によって調理物の出来上りは大きく変
動する。
【0012】調理物の温度を推定する神経回路網におい
て固定された結合重み係数は、実際に調理するときの環
境(前記した要因のいろいろ組み合わせた環境)におい
て調理した場合、調理物の表面温度、裏面温度と加熱室
内の雰囲気温度がどのように変化するかというデータを
収集し、環境データと加熱室内の雰囲気温度データと調
理物の温度(表面、裏面)データとの相関を神経回路網
模式手段に学習させることによって得ることができる。
用いるべき神経回路網模式手段としては、文献1(D.
E.ラメルハート他2名著、甘利俊一監訳「PDPモデ
ル」1989年)、文献2(中野馨他7名著「ニューロ
コンピュータの基礎」(株)コロナ社刊、P102、1
990年)、特公昭63−55106号公報などに示さ
れたものがある。以下、文献1に記載された最もよく知
られた学習アルゴリズムとして誤差逆伝搬法を用いた多
層パーセプトロンを例にとり、具体的な神経回路網模式
手段の構成および動作について説明する。
て固定された結合重み係数は、実際に調理するときの環
境(前記した要因のいろいろ組み合わせた環境)におい
て調理した場合、調理物の表面温度、裏面温度と加熱室
内の雰囲気温度がどのように変化するかというデータを
収集し、環境データと加熱室内の雰囲気温度データと調
理物の温度(表面、裏面)データとの相関を神経回路網
模式手段に学習させることによって得ることができる。
用いるべき神経回路網模式手段としては、文献1(D.
E.ラメルハート他2名著、甘利俊一監訳「PDPモデ
ル」1989年)、文献2(中野馨他7名著「ニューロ
コンピュータの基礎」(株)コロナ社刊、P102、1
990年)、特公昭63−55106号公報などに示さ
れたものがある。以下、文献1に記載された最もよく知
られた学習アルゴリズムとして誤差逆伝搬法を用いた多
層パーセプトロンを例にとり、具体的な神経回路網模式
手段の構成および動作について説明する。
【0013】図3は、神経回路網模式手段の構成単位と
なる神経素子の概念図である。図3において、21〜2
Nは神経のシナプス結合を模擬する疑似シナプス結合変
換器であり、2aは疑似シナプス結合変換器21〜2N
からの出力を加算する加算器であり、2bは設定された
非線形関数、たとえば、しきい値をhとするシグモイド
関数、 f(y,h)=1/(1+exp(−y+h)) (式1) によって加算器2aの出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器21〜2Nと非線形変換器2bにつながってい
る。また、疑似シナプス結合変換器21〜2Nが神経回
路網模式手段の結合重み係数となる。この神経素子に
は、信号処理モードと学習モードの2つの種類の動作モ
ードがある。
なる神経素子の概念図である。図3において、21〜2
Nは神経のシナプス結合を模擬する疑似シナプス結合変
換器であり、2aは疑似シナプス結合変換器21〜2N
からの出力を加算する加算器であり、2bは設定された
非線形関数、たとえば、しきい値をhとするシグモイド
関数、 f(y,h)=1/(1+exp(−y+h)) (式1) によって加算器2aの出力を非線形変換する非線形変換
器である。なお、図面が煩雑になるので省略したが、修
正手段からの修正信号を受ける入力線が疑似シナプス結
合変換器21〜2Nと非線形変換器2bにつながってい
る。また、疑似シナプス結合変換器21〜2Nが神経回
路網模式手段の結合重み係数となる。この神経素子に
は、信号処理モードと学習モードの2つの種類の動作モ
ードがある。
【0014】以下、図3に基づいて神経素子のそれぞれ
のモードの動作について説明する。まず、信号処理モー
ドの動作の説明をする。神経素子はN個の入力X1〜X
nを受けて1つの出力を出す。i番面の入力信号Xi
は、四角で示されたi番目の疑似シナプス結合変換器2
iにおいてWi・Xiに変換される。疑似シナプス結合
変換器21〜2Nで変換されたN個の信号W1・X1〜
Wn・Xnは加算器2aに入り、加算結果yが非線形変
換器2bに送られ、最終出力f(y,h)となる。つぎ
に、学習モードの動作について説明する。学習モードで
は、疑似シナプス結合変換器21〜2Nと非線形変換器
2bの変換パラメータW1〜Wnとhを、修正手段から
の変換パラメータの修正量△W1〜△Wnと△hを表す
修正信号を受けて、 Wi+ΔWi ; i=1,2,・・,N h+Δh (式2) と修正する。
のモードの動作について説明する。まず、信号処理モー
ドの動作の説明をする。神経素子はN個の入力X1〜X
nを受けて1つの出力を出す。i番面の入力信号Xi
は、四角で示されたi番目の疑似シナプス結合変換器2
iにおいてWi・Xiに変換される。疑似シナプス結合
変換器21〜2Nで変換されたN個の信号W1・X1〜
Wn・Xnは加算器2aに入り、加算結果yが非線形変
換器2bに送られ、最終出力f(y,h)となる。つぎ
に、学習モードの動作について説明する。学習モードで
は、疑似シナプス結合変換器21〜2Nと非線形変換器
2bの変換パラメータW1〜Wnとhを、修正手段から
の変換パラメータの修正量△W1〜△Wnと△hを表す
修正信号を受けて、 Wi+ΔWi ; i=1,2,・・,N h+Δh (式2) と修正する。
【0015】図4は上記神経素子を4つ並列につないで
構成した信号変換手段の概念図である。いうまでもな
く、以下の説明は、この信号変換手段を構成する神経素
子の個数を4個に特定するものではない。図4におい
て、211〜244は疑似シナプス結合変換器であり、
201〜204は、図3で説明した加算器2aと非線形
変換器2bをまとめた加算非線形変換器である。図4に
おいて、図3と同様に図面が煩雑になるので省略した
が、修正手段からの修正信号を受ける入力線が疑似シナ
プス結合変換器211〜244と加算非線形変換器20
1〜204につながっている。疑似シナプス結合変換器
211〜244も結合重み係数となる。この信号変換手
段の動作については、図3で説明した神経素子の動作が
並列してなされるものである。
構成した信号変換手段の概念図である。いうまでもな
く、以下の説明は、この信号変換手段を構成する神経素
子の個数を4個に特定するものではない。図4におい
て、211〜244は疑似シナプス結合変換器であり、
201〜204は、図3で説明した加算器2aと非線形
変換器2bをまとめた加算非線形変換器である。図4に
おいて、図3と同様に図面が煩雑になるので省略した
が、修正手段からの修正信号を受ける入力線が疑似シナ
プス結合変換器211〜244と加算非線形変換器20
1〜204につながっている。疑似シナプス結合変換器
211〜244も結合重み係数となる。この信号変換手
段の動作については、図3で説明した神経素子の動作が
並列してなされるものである。
【0016】図5は、学習アルゴリズムとして誤差逆伝
搬法を採用した場合の信号処理手段の構成を示したブロ
ック図で、31は上述の信号変換手段である。ただし、
ここではN個の入力を受ける神経素子がM個並列に並べ
られたものである。32は学習モードにおける信号変換
手段31の修正量を算出する修正手段である。以下、図
5に基づいて信号処理手段の学習を行う場合の動作につ
いて説明する。信号変換手段31はN個の入力S
in(X)を受け、M個の出力Sout (X)を出力する。
修正手段32は、入力信号Sin(X)と出力信号Sout
(X)とを受け、誤差計算手段または後段の信号変換手
段からのM個の誤差信号δi (X)の入力があるまで待
機する。誤差信号δi (X)が入力され修正量を ΔWij=δi (X)・Siout(X)・(1−Siout(X))・Sjin (X) (i=1〜N,j=1−M) (式3) と計算し、修正信号を信号変換手段31に送る。信号変
換手段31は、内部の神経素子の変換パラメータを上で
説明した学習モードにしたがって修正する。
搬法を採用した場合の信号処理手段の構成を示したブロ
ック図で、31は上述の信号変換手段である。ただし、
ここではN個の入力を受ける神経素子がM個並列に並べ
られたものである。32は学習モードにおける信号変換
手段31の修正量を算出する修正手段である。以下、図
5に基づいて信号処理手段の学習を行う場合の動作につ
いて説明する。信号変換手段31はN個の入力S
in(X)を受け、M個の出力Sout (X)を出力する。
修正手段32は、入力信号Sin(X)と出力信号Sout
(X)とを受け、誤差計算手段または後段の信号変換手
段からのM個の誤差信号δi (X)の入力があるまで待
機する。誤差信号δi (X)が入力され修正量を ΔWij=δi (X)・Siout(X)・(1−Siout(X))・Sjin (X) (i=1〜N,j=1−M) (式3) と計算し、修正信号を信号変換手段31に送る。信号変
換手段31は、内部の神経素子の変換パラメータを上で
説明した学習モードにしたがって修正する。
【0017】図6は、神経回路網膜式手段を用いた多層
パーセプトロンの構成を示すブロック図であり、31
X、31Y、31ZはそれぞれK個、L個、M個の神経
素子からなる信号変換手段であり、32X、32Y、3
2Zは修正手段であり、33は誤差計算手段である。以
上のように構成された多層パーセプトロンについて、図
6を参照しながらその動作を説明する。信号処理手段3
4Xにおいて、信号変換手段31Xは、入力S
iin (X)(i=1〜N)を受け、出力Sjout(X)
(j=1〜K)を出力する。修正手段32Xは、信号S
iin (X)と信号Sjout(X)を受け、誤差信号δ
j (X)(j=1〜K)が入力されるまで待機する。以
下同様の処理が、信号処理手段34Y、34Zにおいて
行われ、信号変換手段31Zより最終出力Shout(Z)
(h=1〜M)が出力される。最終出力Shout(Z)
は、誤差計算手段33にも送られる。誤差計算手段33
においては、2乗誤差の評価関数COST(式4)に基
づいて理想的な出力T(T1,・・・・・,TM )との
誤差が計算され、誤差信号δh (Z)が修正手段32Z
に送られる。
パーセプトロンの構成を示すブロック図であり、31
X、31Y、31ZはそれぞれK個、L個、M個の神経
素子からなる信号変換手段であり、32X、32Y、3
2Zは修正手段であり、33は誤差計算手段である。以
上のように構成された多層パーセプトロンについて、図
6を参照しながらその動作を説明する。信号処理手段3
4Xにおいて、信号変換手段31Xは、入力S
iin (X)(i=1〜N)を受け、出力Sjout(X)
(j=1〜K)を出力する。修正手段32Xは、信号S
iin (X)と信号Sjout(X)を受け、誤差信号δ
j (X)(j=1〜K)が入力されるまで待機する。以
下同様の処理が、信号処理手段34Y、34Zにおいて
行われ、信号変換手段31Zより最終出力Shout(Z)
(h=1〜M)が出力される。最終出力Shout(Z)
は、誤差計算手段33にも送られる。誤差計算手段33
においては、2乗誤差の評価関数COST(式4)に基
づいて理想的な出力T(T1,・・・・・,TM )との
誤差が計算され、誤差信号δh (Z)が修正手段32Z
に送られる。
【0018】
【数1】
【0019】ただし、ηは多層パーセプトロンの学習速
度を定めるパラメータである。つぎに、評価関数を2乗
誤差とした場合には誤差信号は、 δh(Z)=−η・(Shout(Z)−Th ) (式5) となる。修正手段32Zは、上で説明した手続きにした
がって、信号変換手段31Zの変換パラメータの修正量
ΔW(Z)を計算し、修正手段32Yに送る誤差信号を
(式6)に基づき計算し、修正信号ΔW(Z)を信号変
換手段31Zに送り、誤差信号δ(Y)を修正手段32
Yに送る。信号変換手段31Zは、修正信号ΔW(Z)
に基づいて内部のパラメータを修正する。なお、誤差信
号δ(Y)は(式6)で与えられる。
度を定めるパラメータである。つぎに、評価関数を2乗
誤差とした場合には誤差信号は、 δh(Z)=−η・(Shout(Z)−Th ) (式5) となる。修正手段32Zは、上で説明した手続きにした
がって、信号変換手段31Zの変換パラメータの修正量
ΔW(Z)を計算し、修正手段32Yに送る誤差信号を
(式6)に基づき計算し、修正信号ΔW(Z)を信号変
換手段31Zに送り、誤差信号δ(Y)を修正手段32
Yに送る。信号変換手段31Zは、修正信号ΔW(Z)
に基づいて内部のパラメータを修正する。なお、誤差信
号δ(Y)は(式6)で与えられる。
【0020】
【数2】
【0021】ここで、Wij(Z)は信号変換手段31Z
の疑似シナプス結合変換器の変換パラメータである。以
下、同様の処理が信号処理手段34X、34Yにおいて
行われる。学習と呼ばれる以下の手続きを繰り返し行う
ことにより、多層パーセプトロンは入力が与えられると
理想出力Tをよく近似する出力を出すようになる。な
お、上記の説明においては、3段の多層パーセプトロン
を用いたが、これは何段であってもよい。また、文献1
にある信号変換手段のなかの非線形変換手段の変換パラ
メータhの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。
の疑似シナプス結合変換器の変換パラメータである。以
下、同様の処理が信号処理手段34X、34Yにおいて
行われる。学習と呼ばれる以下の手続きを繰り返し行う
ことにより、多層パーセプトロンは入力が与えられると
理想出力Tをよく近似する出力を出すようになる。な
お、上記の説明においては、3段の多層パーセプトロン
を用いたが、これは何段であってもよい。また、文献1
にある信号変換手段のなかの非線形変換手段の変換パラ
メータhの修正法についてと慣性項として知られる学習
高速化の方法については、説明の簡略化のため省略した
が、この省略は以下に述べる本発明を拘束するものでは
ない。
【0022】こうして、神経回路網模式手段は調理をす
るときの環境データ(加熱室内の初期温度、調理物の初
期温度、商用電源電圧レベル、調理物の種類など)と加
熱室内の雰囲気温度データと調理物の温度(表面、裏面
温度)データとの関係を学習し、簡単なルールで記述す
ることが容易でない制御の仕方を自然な形で表現するこ
とができる。本実施例は、こうして得られた情報を組み
込んで、温度推定手段11を構成するものである。具体
的には、十分学習を終えた後の多層パーセプトロンの信
号変換手段31X、31Y、31Zのみを神経回路網模
式手段として用いて、温度推定手段11を構成する。実
際に学習させたデータについて説明する。
るときの環境データ(加熱室内の初期温度、調理物の初
期温度、商用電源電圧レベル、調理物の種類など)と加
熱室内の雰囲気温度データと調理物の温度(表面、裏面
温度)データとの関係を学習し、簡単なルールで記述す
ることが容易でない制御の仕方を自然な形で表現するこ
とができる。本実施例は、こうして得られた情報を組み
込んで、温度推定手段11を構成するものである。具体
的には、十分学習を終えた後の多層パーセプトロンの信
号変換手段31X、31Y、31Zのみを神経回路網模
式手段として用いて、温度推定手段11を構成する。実
際に学習させたデータについて説明する。
【0023】図7は、加熱室1の初期温度が低く、商用
電源電圧100V、調理物の種類は鯵1匹、調理物の初
期温度は約10℃の場合に調理をしたときの特性を示し
たものである。図7(a)は環境物理量検出手段5(加
熱室1内の雰囲気温度)の変化を示し、図7(b)は調
理物の表面温度、図7(c)は調理物の裏面温度の変化
を示している。調理物の温度は熱電対などにより測定し
たものである。図8は、加熱室1の初期温度が高く、商
用電源電圧100V、調理物の種類は鯵1匹、調理物の
初期温度は約10℃の場合に調理したときの特性を示し
たものである。図9は、加熱室1の初期温度が低く、商
用電源電圧100V、調理物の種類は鯵4匹、調理物の
初期温度は約10℃の場合に調理をしたときの特性を示
したものである。図10は、加熱室1の初期温度が高
く、商用電源電圧100V、調理物の種類は鯵4匹、調
理物の初期温度は約10℃の場合に調理をしたときの特
性を示したものである。
電源電圧100V、調理物の種類は鯵1匹、調理物の初
期温度は約10℃の場合に調理をしたときの特性を示し
たものである。図7(a)は環境物理量検出手段5(加
熱室1内の雰囲気温度)の変化を示し、図7(b)は調
理物の表面温度、図7(c)は調理物の裏面温度の変化
を示している。調理物の温度は熱電対などにより測定し
たものである。図8は、加熱室1の初期温度が高く、商
用電源電圧100V、調理物の種類は鯵1匹、調理物の
初期温度は約10℃の場合に調理したときの特性を示し
たものである。図9は、加熱室1の初期温度が低く、商
用電源電圧100V、調理物の種類は鯵4匹、調理物の
初期温度は約10℃の場合に調理をしたときの特性を示
したものである。図10は、加熱室1の初期温度が高
く、商用電源電圧100V、調理物の種類は鯵4匹、調
理物の初期温度は約10℃の場合に調理をしたときの特
性を示したものである。
【0024】図8(a)〜図8(c)、図9(a)〜図
9(c)、図10(a)〜図10(c)は、図7(a)
〜図7(c)にそれぞれ対応している。加熱室1内の初
期温度、調理物の量により環境物理量検出手段5の出力
電圧変化(加熱室1内の雰囲気温度)が異なるのがわか
る。同様に、電源電圧を変化させた場合、調理物の種類
を変えた場合でも、また違った出力の変化をする。この
ような実験を実際調理するときのすべての環境の組み合
せについて同様に行なった。そして、その実験データを
神経回路網模式手段に入力し学習をさせた。つまり、神
経回路網模式手段へは環境物理量検出手段5の加熱室1
内の雰囲気温度情報と、雰囲気温度勾配情報として現時
点より1分前の雰囲気温度情報と、電圧レベル検出手段
6の商用電源電圧レベル情報と、計時手段7より得られ
る電源投入時からの経過時間情報と、カテゴリー選択キ
ー9より得られるカテゴリー情報の5情報と、理想出力
として調理物の表面温度情報、裏面温度情報の2情報を
入力し学習させ、神経回路網模式手段の中の信号変換手
段31X、31Y、31Zを確立し、それらを神経回路
網模式手段として表面温度推定手段11に組み込んでい
る。
9(c)、図10(a)〜図10(c)は、図7(a)
〜図7(c)にそれぞれ対応している。加熱室1内の初
期温度、調理物の量により環境物理量検出手段5の出力
電圧変化(加熱室1内の雰囲気温度)が異なるのがわか
る。同様に、電源電圧を変化させた場合、調理物の種類
を変えた場合でも、また違った出力の変化をする。この
ような実験を実際調理するときのすべての環境の組み合
せについて同様に行なった。そして、その実験データを
神経回路網模式手段に入力し学習をさせた。つまり、神
経回路網模式手段へは環境物理量検出手段5の加熱室1
内の雰囲気温度情報と、雰囲気温度勾配情報として現時
点より1分前の雰囲気温度情報と、電圧レベル検出手段
6の商用電源電圧レベル情報と、計時手段7より得られ
る電源投入時からの経過時間情報と、カテゴリー選択キ
ー9より得られるカテゴリー情報の5情報と、理想出力
として調理物の表面温度情報、裏面温度情報の2情報を
入力し学習させ、神経回路網模式手段の中の信号変換手
段31X、31Y、31Zを確立し、それらを神経回路
網模式手段として表面温度推定手段11に組み込んでい
る。
【0025】つぎに、図1に示したシステム構成図に基
づき動作を説明する。まず、調理物を加熱室1内に入
れ、操作手段8の内、カテゴリー選択キー9により調理
カテゴリーを選択する。そして調理キー10により調理
を開始する。カテゴリー情報は制御手段12を介して温
度推定手段11に入力される。制御手段12は計時手段
7に計時開始の信号を出力するとともに、第1の加熱供
給手段13を発熱させるように加熱開始信号を出力す
る。計時手段7の計時情報は温度推定手段11に入力さ
れている。そして、加熱室1内の環境物理量情報(雰囲
気温度情報)は環境物理量検出手段5の出力がA/D変
換手段16でディジタル変換され、時々刻々温度推定手
段11に入力している。また、電圧レベル検出手段6か
らの商用電源電圧の電圧レベル情報は、A/D変換手段
17でディジタル変換され温度推定手段11に入力され
ている。温度推定手段11は、これらの入力された信号
・情報をもとに調理物の表面温度、裏面温度を時々刻々
推定し、その情報を制御手段12に出力している。制御
手段12は、まずこの推定裏面情報が所定値T1(本実
施例では、100℃)になるまで第1の加熱供給手段1
3を制御して加熱させ、その後は第2の加熱供給手段1
4のみを制御して加熱させ、推定表面温度が所定値(本
実施例では、110℃)になれば調理終了と判断し、第
1の加熱供給手段13と第2の加熱供給手段14の加熱
を停止させる。図11はその制御シーケンスを示してい
る。また、本実施例では、所定値T1、T2として10
0℃、110℃としたが、この値は本発明を拘束するも
のではなく、調理物の種類によって変えることができ
る。
づき動作を説明する。まず、調理物を加熱室1内に入
れ、操作手段8の内、カテゴリー選択キー9により調理
カテゴリーを選択する。そして調理キー10により調理
を開始する。カテゴリー情報は制御手段12を介して温
度推定手段11に入力される。制御手段12は計時手段
7に計時開始の信号を出力するとともに、第1の加熱供
給手段13を発熱させるように加熱開始信号を出力す
る。計時手段7の計時情報は温度推定手段11に入力さ
れている。そして、加熱室1内の環境物理量情報(雰囲
気温度情報)は環境物理量検出手段5の出力がA/D変
換手段16でディジタル変換され、時々刻々温度推定手
段11に入力している。また、電圧レベル検出手段6か
らの商用電源電圧の電圧レベル情報は、A/D変換手段
17でディジタル変換され温度推定手段11に入力され
ている。温度推定手段11は、これらの入力された信号
・情報をもとに調理物の表面温度、裏面温度を時々刻々
推定し、その情報を制御手段12に出力している。制御
手段12は、まずこの推定裏面情報が所定値T1(本実
施例では、100℃)になるまで第1の加熱供給手段1
3を制御して加熱させ、その後は第2の加熱供給手段1
4のみを制御して加熱させ、推定表面温度が所定値(本
実施例では、110℃)になれば調理終了と判断し、第
1の加熱供給手段13と第2の加熱供給手段14の加熱
を停止させる。図11はその制御シーケンスを示してい
る。また、本実施例では、所定値T1、T2として10
0℃、110℃としたが、この値は本発明を拘束するも
のではなく、調理物の種類によって変えることができ
る。
【0026】また、計時手段7、温度推定手段11、制
御手段12は、すべて4ビットマイクロコンピュータで
構成したが、これらは1つのマイクロコンピュータで構
成することはもちろん可能である。なお、温度推定手段
11には、環境物理量検出手段5の温度勾配情報(現時
点と1分前の2情報)と、電圧レベル検出手段6より得
られる商用電源電圧の電圧レベル情報と、計時手段7よ
り得られる電源投入時からの経過時間情報、カテゴリー
選択キー9より得られる調理物のカテゴリー情報の5情
報を入力しているが、この限定は本発明を拘束するもの
ではない。また、環境物理量情報として雰囲気温度情報
を用いたが、煙情報、焦げ目の色情報、湿度情報、蒸気
情報など、またはこれらの組合せでも適用できることは
いうまでもない。また、本実施例では、調理器具として
電気ロースターを用いたが、電子レンジ、ガスオーブン
などでもよく、特に、電子レンジにおいては、調理物の
解凍調理をするときには最適である。つまり、調理物の
温度が推定できるので、固体(氷)から液体(水)への
相転移が生じる近辺(0℃付近)で調理を終了させれば
よいのである。このときの環境物理量情報としては、雰
囲気温度でもよく、調理物の電波の吸収量(電界強度)
情報が最適である。
御手段12は、すべて4ビットマイクロコンピュータで
構成したが、これらは1つのマイクロコンピュータで構
成することはもちろん可能である。なお、温度推定手段
11には、環境物理量検出手段5の温度勾配情報(現時
点と1分前の2情報)と、電圧レベル検出手段6より得
られる商用電源電圧の電圧レベル情報と、計時手段7よ
り得られる電源投入時からの経過時間情報、カテゴリー
選択キー9より得られる調理物のカテゴリー情報の5情
報を入力しているが、この限定は本発明を拘束するもの
ではない。また、環境物理量情報として雰囲気温度情報
を用いたが、煙情報、焦げ目の色情報、湿度情報、蒸気
情報など、またはこれらの組合せでも適用できることは
いうまでもない。また、本実施例では、調理器具として
電気ロースターを用いたが、電子レンジ、ガスオーブン
などでもよく、特に、電子レンジにおいては、調理物の
解凍調理をするときには最適である。つまり、調理物の
温度が推定できるので、固体(氷)から液体(水)への
相転移が生じる近辺(0℃付近)で調理を終了させれば
よいのである。このときの環境物理量情報としては、雰
囲気温度でもよく、調理物の電波の吸収量(電界強度)
情報が最適である。
【0027】以上のように本実施例によれば、実際に調
理する加熱室内の環境下で既に学習された神経回路網の
複数の固定結合重み係数を有する神経回路網模式手段を
組み込んだ温度推定手段を備えた構成としているので、
調理物の出来上り状態が表面温度、裏面温度で検出する
ことができ、その温度で加熱室1内の下部に配設した第
1の加熱供給手段13と上部に配設した第2の加熱供給
手段14とを制御するので、従来例に比べて調理状態を
よくすることができ、最適な自動調理が実現できる。
理する加熱室内の環境下で既に学習された神経回路網の
複数の固定結合重み係数を有する神経回路網模式手段を
組み込んだ温度推定手段を備えた構成としているので、
調理物の出来上り状態が表面温度、裏面温度で検出する
ことができ、その温度で加熱室1内の下部に配設した第
1の加熱供給手段13と上部に配設した第2の加熱供給
手段14とを制御するので、従来例に比べて調理状態を
よくすることができ、最適な自動調理が実現できる。
【0028】
【発明の効果】以上の実施例から明らかなように本発明
によれば、調理するために調理物を格納する加熱室と、
前記調理物を加熱する第1および第2の加熱供給手段
と、前記加熱室内の環境を検出する環境物理量検出手段
と、前記環境物理量検出手段の出力に基づき前記調理物
の表面温度と裏面温度を推定する温度推定手段と、前記
温度推定手段の出力に基づき前記第1、第2の加熱供給
手段を制御する制御手段とを備え、前記制御手段は、前
記温度推定手段の裏面温度出力が所定値T1になるまで
は前記第1の加熱供給手段のみを加熱させ、その後は前
記第2の加熱供給手段のみを加熱させるとともに、前記
温度推定手段の表面温度出力が所定値T2になれば前記
第1および第2の加熱供給手段の加熱を停止させるよう
にしたから、調理物の出来上り状態を認識できる調理物
の実裏面温度と実表面温度を間接的に検出でき、さら
に、その温度で加熱室に配設された第1の加熱供給手段
と第2の加熱供給手段とを制御するので、従来行なわれ
ていた雰囲気温度などの勾配より最適調理時間を決定し
ていたものに比べ、調理の出来上り状態をよくすること
ができる。
によれば、調理するために調理物を格納する加熱室と、
前記調理物を加熱する第1および第2の加熱供給手段
と、前記加熱室内の環境を検出する環境物理量検出手段
と、前記環境物理量検出手段の出力に基づき前記調理物
の表面温度と裏面温度を推定する温度推定手段と、前記
温度推定手段の出力に基づき前記第1、第2の加熱供給
手段を制御する制御手段とを備え、前記制御手段は、前
記温度推定手段の裏面温度出力が所定値T1になるまで
は前記第1の加熱供給手段のみを加熱させ、その後は前
記第2の加熱供給手段のみを加熱させるとともに、前記
温度推定手段の表面温度出力が所定値T2になれば前記
第1および第2の加熱供給手段の加熱を停止させるよう
にしたから、調理物の出来上り状態を認識できる調理物
の実裏面温度と実表面温度を間接的に検出でき、さら
に、その温度で加熱室に配設された第1の加熱供給手段
と第2の加熱供給手段とを制御するので、従来行なわれ
ていた雰囲気温度などの勾配より最適調理時間を決定し
ていたものに比べ、調理の出来上り状態をよくすること
ができる。
【0029】また、温度推定手段は、複数の神経素子よ
り構成される神経回路網を模した手法により獲得された
調理物の温度(表面温度、裏面温度)を推定する固定さ
れた神経回路網の複数の結合重み係数を内部に持つ神経
回路網模式手段を備え、または、複数の神経素子より構
成される層が多層組み合わされて構築される階層型の神
経回路網模式手段を備えたから、加熱室内の初期温度、
調理物の初期温度、調理物の量などにかかわらず調理物
の温度推定ができ、自動調理が可能となる。
り構成される神経回路網を模した手法により獲得された
調理物の温度(表面温度、裏面温度)を推定する固定さ
れた神経回路網の複数の結合重み係数を内部に持つ神経
回路網模式手段を備え、または、複数の神経素子より構
成される層が多層組み合わされて構築される階層型の神
経回路網模式手段を備えたから、加熱室内の初期温度、
調理物の初期温度、調理物の量などにかかわらず調理物
の温度推定ができ、自動調理が可能となる。
【0030】さらに、環境物理量検出手段は、加熱室内
の雰囲気温度を検出する温度検出手段を備え、その温度
検出手段で間接的に調理物の温度を推定するので、調理
物の温度を実際に検出センサ(たとえば、調理物の表面
温度を非接触で測定する焦電型赤外線センサや、調理物
に直接接触させる温度センサ)を用いる必要がなく、コ
スト低減ができる。
の雰囲気温度を検出する温度検出手段を備え、その温度
検出手段で間接的に調理物の温度を推定するので、調理
物の温度を実際に検出センサ(たとえば、調理物の表面
温度を非接触で測定する焦電型赤外線センサや、調理物
に直接接触させる温度センサ)を用いる必要がなく、コ
スト低減ができる。
【図1】本発明の一実施例の調理器具のシステム構成図
【図2】同調理器具の操作部と表示部の正面図
【図3】同調理器具に用いた神経回路網模式手段の構成
単位となる神経素子の概念図
単位となる神経素子の概念図
【図4】同調理器具に用いた神経素子で構成した信号変
換手段の概念図
換手段の概念図
【図5】同調理器具に用いた学習アルゴリズムとして誤
差逆伝搬法を採用した信号処理手段のブロック図
差逆伝搬法を採用した信号処理手段のブロック図
【図6】同調理器具に用いた神経回路網模式手段を用い
た多層パーセプトロンの構成を示すブロック図
た多層パーセプトロンの構成を示すブロック図
【図7】(a)〜(c)同調理器具の実験データの一例
を示す図
を示す図
【図8】(a)〜(c)同調理器具の実験データの他の
例を示す図
例を示す図
【図9】(a)〜(c)同調理器具の実験データの他の
例を示す図
例を示す図
【図10】(a)〜(c)同調理器具の実験データの他
の例を示す図
の例を示す図
【図11】同調理器具の制御シーケンスを示す図
【図12】従来の調理器具のシステム構成図
【図13】(a)、(b)同調理器具の実験データの一
例を示す図
例を示す図
【図14】同調理器具の実験データの他の例を示す図
1 加熱室 5 環境物理量検出手段 11 温度推定手段 12 制御手段 13 第1の加熱供給手段 14 第2の加熱供給手段
───────────────────────────────────────────────────── フロントページの続き (72)発明者 中 基孫 神奈川県川崎市多摩区東三田3丁目10番1 号 松下技研株式会社内
Claims (4)
- 【請求項1】調理するために調理物を格納する加熱室
と、前記調理物を加熱する第1および第2の加熱供給手
段と、前記加熱室内の環境を検出する環境物理量検出手
段と、前記環境物理量検出手段の出力に基づき前記調理
物の表面温度と裏面温度を推定する温度推定手段と、前
記温度推定手段の出力に基づき前記第1、第2の加熱供
給手段を制御する制御手段とを備え、前記制御手段は、
前記温度推定手段の裏面温度出力が所定値T1になるま
では前記第1の加熱供給手段のみを加熱させ、その後は
前記第2の加熱供給手段のみを加熱させるとともに、前
記温度推定手段の表面温度出力が所定値T2になれば前
記第1および第2の加熱供給手段の加熱を停止させるよ
うにした調理器具。 - 【請求項2】温度推定手段は、複数の神経素子より構成
される神経回路網を模した手法により獲得された調理物
の温度を推定する固定された神経回路網の複数の結合重
み係数を内部に持つ神経回路網模式手段を備えた請求項
1記載の調理器具。 - 【請求項3】温度推定手段は、複数の神経素子より構成
される層が多層組み合わされて構築される階層型の神経
回路網模式手段を備えた請求項1記載の調理器具。 - 【請求項4】環境物理量検出手段は、加熱室内の雰囲気
温度を検出する温度検出手段を備えた請求項1記載の調
理器具。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP21987091A JP2855901B2 (ja) | 1991-08-30 | 1991-08-30 | 調理器具 |
CA002077018A CA2077018C (en) | 1991-08-30 | 1992-08-27 | Cooking appliance |
DE69221043T DE69221043T2 (de) | 1991-08-30 | 1992-08-28 | Kochgerät |
KR1019920015583A KR0150799B1 (ko) | 1991-08-30 | 1992-08-28 | 조리기구 |
AU21357/92A AU647956B2 (en) | 1991-08-30 | 1992-08-28 | Cooking appliance |
EP92114696A EP0529644B1 (en) | 1991-08-30 | 1992-08-28 | Cooking appliance |
US07/937,102 US5389764A (en) | 1991-08-30 | 1992-08-31 | Automatic cooking appliance employing a neural network for cooking control |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP21987091A JP2855901B2 (ja) | 1991-08-30 | 1991-08-30 | 調理器具 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0556863A true JPH0556863A (ja) | 1993-03-09 |
JP2855901B2 JP2855901B2 (ja) | 1999-02-10 |
Family
ID=16742350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP21987091A Expired - Fee Related JP2855901B2 (ja) | 1991-08-30 | 1991-08-30 | 調理器具 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2855901B2 (ja) |
-
1991
- 1991-08-30 JP JP21987091A patent/JP2855901B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2855901B2 (ja) | 1999-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR0150799B1 (ko) | 조리기구 | |
JPH0886448A (ja) | 調理装置および調理装置の制御方法 | |
JPH06241463A (ja) | 調理器具 | |
JP2548320B2 (ja) | 電子レンジ | |
JP2936838B2 (ja) | 調理器具 | |
JP3088506B2 (ja) | 調理器具 | |
JP2855901B2 (ja) | 調理器具 | |
JP2936839B2 (ja) | 調理器具 | |
JP2855902B2 (ja) | 調理器具 | |
JP3110505B2 (ja) | 調理器具 | |
JPH0556860A (ja) | 調理器具 | |
JP2943467B2 (ja) | 調理器具 | |
JP2936853B2 (ja) | 調理器具 | |
JP2943468B2 (ja) | 調理器具 | |
JP2861636B2 (ja) | 調理器具 | |
JP2917675B2 (ja) | 調理器具 | |
JP2943504B2 (ja) | 調理器具 | |
JPH05113221A (ja) | 調理器具 | |
JPH05312328A (ja) | 調理器具 | |
JPH05158562A (ja) | 加熱調理器 | |
JPH05172334A (ja) | 調理器具 | |
JP3072928B2 (ja) | 加熱調理器 | |
JP3232582B2 (ja) | 電気カーペット | |
JPH05288353A (ja) | 調理器具 | |
JP3168601B2 (ja) | 電気カーペット |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071127 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 10 Free format text: PAYMENT UNTIL: 20081127 |
|
FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 11 Free format text: PAYMENT UNTIL: 20091127 |
|
LAPS | Cancellation because of no payment of annual fees |