热力学基本概念华氏温标规定，在1atm下纯水的冰点时32°F。汽点是212°F（解：华氏温度与摄氏温度的换算关系 所以，此观点是错误的。从上式可知当摄氏温度为-40℃在环境压力为1atm下采用压力表对直径为1m的球形刚性容器内的气体压力进行测量，其读数为500mmHg，求容器内绝对压力（以Pa表示）和容器外表面的（以N表示）。解： 容器中的表压力Pe=600mmHg，气压计上的水银柱高为760mm，求容器中绝对压力（以Pa表示）。如果容器中绝对压力不变，而气压计上水银柱高度为755mm，求此时压力表上的读数（以Pa表示）是多少？解： 容器中绝对压力 P=Pe+Pb=600mmHg×133.3224Pa+760mmHg×133.3224Pa=1.81×105Pa压力表上的读数 有一绝对真空的钢瓶，当阀门打开时，在大气压力pb=1.013×105Pa的作用下，有容积为0.5m3的空气输入钢瓶，求大气对输入钢瓶的空气所做的功。解： W=P0V=1.013×105Pa×0.5m3=5.065×104J把压力为700kPa，温度为5℃的空气装于0.5 m3的容器中，加热容器中的空气温度升至115℃解： p1v1=m1RgT1→m1= p1v1/ 一蒸汽动力厂，锅炉的蒸汽产量mD=550kg/s，输出功率P=6000kW，全厂耗煤mG=5.5kg/s，煤的发热量qL=3×104kJ/kg。蒸汽在锅炉中的吸热量q=2800kJ/kg。求：①该动力厂的热效率ηt；②锅炉的效率ηB（蒸汽总吸热量/煤的总发热量）。解: 〉1？据统计资料，某蒸汽动力厂平均每生产1kW?h电耗标煤0.385kg。若使用的煤的发热量为3×104kJ/kg，试求蒸汽动力厂平均热效率ηt。解： 某房间冬季通过墙壁和窗户向外散热36000kJ/h，房内有4只60W的电灯照明，其他家电耗电约100W。为维持房间内温度不变，房主采用制热系数为4.3的空调来制热，你认为至少应该采用多大功率的空调？解： 热泵供暖功率为 因 故第二章 工质的热力性质2.1 已知氧气的摩尔质量为 M=32×10-3kg/mol，试求：①氮气的摩尔气体常数R0；②标准状态下氧气的比容v0和密度ρ0；③标准状态下1m3氮气的质量m0；④p=1atm，T=800K时氧气的比容v和密度ρ；⑤上

intens转换为openflow流规则的重要组成部分。ONOS也是一个分布式系统，至关重要的是ONOS分布式架构使其性能随着集群数量增加而提高。这份评估报告将ONOS看作一个整体的集群系统，计划从应用和操作环境两个角度去评估ONOS性能。

我们设计了一系列的实验，测试在各种应用和网络环境下ONOS的延迟和吞吐量。并通过分析结果，我们希望提供给网络运营商和应用开发商第一手资料去了解ONOS的性能。此外，实验的结果将有助于开发人员发现性能瓶颈并优化。
下图把ONOS分布式系统作为一个整体，介绍了关键的测试点。

图中包括如下性能测试点:

• A -交换机 连接/断开;

• F –迸发流规则安装。

ONOS最突出的特点是其分布式架构。因此，ONOS性能测试的一个关键方面是比较和分析不同集群大小下ONOS的性能。所有的测试用例将以ONOS集群节点数量为1,3,5,7展开。

为了展示ONOS的本质特征，使测试不受测试仪器的瓶颈限制，我们采用了一些比较实用的工具进行实验。所有实验，除了与Openflow协议交互的交换机和端口及其它相关的，我们在ONOS的适配层部署了一套Null Providers与ONOS core进行交互。Null Providers担任着生成device,link,host以及大量的流规则的角色。通过使用Null Providers,我们可以避免并消除Openflow适配和使用真实设备或者模拟的Openflow设备所存在的潜在的性能瓶颈。

我们将在后续的每个不同的测试过程中详细介绍这些生成器的配置。

A 7台 集群实验所需要的裸服务器。每个服务器的规格如下：

• 1Gbps的网络接口卡
• 集群之间使用ptpd同步

• 其他的具体与用例相关的ONOS参数将在具体的用例中进行说明

下面将具体介绍每个用例的细节配置，测试结果讨论及分析。

本实验是测试ONOS控制器在不同规模的集群环境中是如何响应拓扑事件的，测试拓扑事件的类型包括：

1）交换机连接或断开ONOS节点

2）在现有拓扑中链路的up和down

ONOS作为一个分布式的系统架构，多节点集群相比于独立节点可能会发生额外的同步拓扑事件的延迟。除了限制独立模式下的延迟时间，也要减少由于onos集群间由于EW-wise通信事件产生额外延时。

配置和方法—交换机连接/断开的延迟

下面的图表说明了测试设置。一个交换机连接事件，是在一个“floating”（即没有交换机端口和链路）的OVS（OF1.3）上通过“set-controller”命令设置OVS桥连接到onos1控制器。我们在OF控制层面网络上使用tshark工具捕捉交换机上线的时间戳，ONOS Device和Graph使用“topology-event-metrics”应用记录时间戳。通过整理核对这些时间戳，我们得出从最初的事件触发到ONOS在其拓扑中记录此事件的“端到端”的时序曲线。

所需得到的几个关键时间戳如下：

同样的，测试交换机断开事件，我们使用ovs命令“del-controller”断开交换机与它连接的ONOS节点，捕获的时间戳如下：

交换机断开端到端的延迟为（T1 - T0）

当我们增大ONOS集群的大小，我们只连接和断开ONOS1上的交换机，并记录所有节点上的事件时间戳。集群的整体延迟是Graph Event报告中最迟的节点的延时时间。在我们的测试脚本中，我们一次测试运行多个迭代（例如，20次迭代）来收集统计结果。

设置和方法—链路up/down的延迟

测试一条链接up / down事件的延迟，除了我们用两个OVS交换机创建链路（我们使用mininet创建一个简单的两个交换机的线性拓扑结构）外，我们使用了与交换机连接测试的类似方法。这两个交换机的主控权属于ONOS1。参照下面的图表。初步建立交换机-控制器连接后，设置一个交换机的接口up或down，我们通过端口up或down事件来触发此测试。
一些关键的时间戳记录，如下所述：
2a.在端口up的情况下，ONOS通过给每个OVS交换机发送链路发现消息来产生链路发现事件，同时ONOS收到其他交换机发送的Openflow PacketIn消息。

类似于交换机的连接测试，我们认为在Graph Event中登记的集群中最迟的节点的延时时间为集群的延迟。

当一个交换机连接到ONOS时，明显的时延划分为以下几个部分：
1.链路发现的中时延最长的部分，是从最初的tcp连接到ONOS收到Openflow features-replay消息。进一步分析数据包（在结果图中未示出），我们可以看到大部分时间是花在初始化控制器与交换机的OpenFlow握手阶段，ONOS等待OVS交换机响应它的features_request。而这个时延很大程度上不是由ONOS的处理引起的。

2.其次是在"OFP feature reply -> OFP role request"部分，这部分时延也会随着ONOS集群规模增加而增加，其主要花费在ONOS给新上线的交换机选择主控权上，这是由于单节点的ONOS只需在本地处理，而多节点的集群环境中，集群节点之间的通信将会带来这个额外的延时

断开交换机时，随着ONOS集群规模的增大ONOS触发Device事件的时延将略有增加。

总之，在OpenFlow消息交换期间，OVS对feature-request的响应时延占据了交换机建立连接事件中，整体时延的绝大部分。接着，ONOS花费约9毫秒处理主控权选。最后，ONOS在多节点集群环境下，由于各节点之间需要通信选举主节点，交换机上/下线时延将都会增加。

此次测试，我们首先观察到的是，链路up事件比链路down事件花费更长的时间。通过时延分析，我们可以看到OVS的端口up事件触发了ONOS特殊的行为链路发现，因此，绝大多数时延主要由处理链路发现事件引起。与单节点的ONOS相比这部分时延受集群节点的影响也比较大。另外，大多数ONOS core花费在向Graph登记拓扑事件上的时延在个位数的ms级别。

在大部分的网络操作情况下，虽然整体拓扑事件的低延迟是可以被容忍的，但是交换机/链路断开事件却至关重要，因为它们被更多的看作是applications的adverse events。当ONOS能更快速的检测到link down/up事件时，pplications也就能更快速的响应此adverse events，我们测试的此版本的ONOS具有在个位数ms级发现switch/link

这组测试旨在得到ONOS当一个application安装，退出多种批大小的intents时的延迟特性（即响应时间）。

这组测试结果将向网络运营商和应用开发者提供当operating intents时applications所期望的响应时间以及intents批的大小和集群数量的大小对时延的影响的第一手资料。

发送这些intents请求。当成功安装所有的intents时，返回延迟（响应时间）。随后退出这些intents并返回一个退出响应时间。当intents请求被发送时，ONOS内部转换intents到流规则并写入相应的分布式存储来分发intents和流表。

参考下图，特别是我们的实验中，intents被构建在一个端到端的7个线性配置的交换机上，也就是说所有intents的入口是从S1的一个端口和它们的出口是S7的一个端口。（我们使用在拓扑中额外的交换机S8进行intent re-route测试，这个测试后续描述）。我们通过Null Providers来构建交换机（Null Devices），拓扑（Null Links）和流量（Null

当增大集群节点数量时，我们重新平均分配switch的主控权到各个集群节点。

在这个实验中，我们将使用如下指标来衡量ONOS性能：

• 测试次数：每个用例重复测试20次（4次预测试之后统计）；
• 集群规模大小从1到3，5，7个节点。

同样参照上图，intent re-route延迟是一个测试ONOS在最短路径不可用的情况下，重新安装所有intents到新路径的速度。

1.我们通过“push-test-intents -i”选项预安装不会自动退出的intents在线性最短路径上。然后我们通过修改Null Provider 链路定义文件模拟最短路径的故障。当新拓扑被ONOS发现时，我们通过检查ONOS 日志获取触发事件的初始时间戳t0；

2.由于 6-hop最短路径已不可用。ONOS切换到通过S8的7-hop备份路径。Intent和流系统响应该事件，退出旧intents并删除旧流表（因为ONOS当前实现，所有intents和流已不可重新使用）。

5.测试脚本迭代的几个参数：
b.每个测试结果统计的是运行20次的结果平均值（4个预测试之后开始统计）；

我们从这个实验中得出结论：

1.正如预期，与单节点的ONOS相比，多个节点的ONOS集群由于EW-wise通信的需要延迟比较大
2.小批intents(1-100),不计批大小时，其主要的延时是一个固定的处理时延，因此当批大小增大，每一个intent安装时间减少，这就是时延大批的优点。
3.批大小非常大的情况下（如5000），随着集群大小增加（从3到7），延迟减少，其主要是由于每个节点处理较小数量的intents；
4.Re-routeing延时比初始化安装和退出的延迟都小。

本项测试的目的是衡量ONOS处理intents operations 请求的能力。SDN控制器其中一个重要用例就是允许agile applications通过intents和流规则频繁更改网络配置。作为一款SDN控制器，ONOS应该具有高水平的intents安装和撤销处理能力。ONOS使用的分布式架构, 随着集群规模的增加，理应能够维持较高的intent operation吞吐量。

本测试使用工具"intent-perf"来产生大量的Intents operation请求。这个intent-perf工具可以在ONOS集群环境中的任何一个节点激活并使用。这个工具在使用过程中有个三个参数需要配置：

• numNeighbors –程序运行时，发送到各个集群节点的方式。0表示本节点；-1表示所有的集群节点

当intent-perf在ONOS节点运行时，以恒定的速率产生大量的、ONOS系统可以支持的intents安装撤销请求。在ONOS 日志中或 cli request中，会周期性的给出总体的intents处理吞吐量。持续运行一段时间后，我们可以观察到在集群的某个或某些节点总体吞吐量达到了饱和状态。总体吞吐量需要包含intents安装撤销操作。统计所有运行intent-perf这个工具的ONOS节点上的吞吐量并求和，从而得到ONOS集群的总体吞吐量。

intent-perf只产生"1-hop" 的intents，即这些intents被编译而成的流表的出口和入口都是在同一个交换机上，所以Null providers模块不需要生成一个健全的拓扑结构。

特别是本实验中，我们使用两个相邻的场景。首先，设置numNeighbors = 0，这种场景下，intent-perf只需要为本地的ONOS节点产生的intents安装和撤销请求，从而把intents的东西向接口通信降至最低；其次，设置numNeighbors 为-1后，intent-perf生成器产生的intents安装和撤销请求需要分发到所有的ONOS集群节点，这样会把东西向接口的通信量最大化。本次测试持续进行了300秒的负载测试，统计集群的总体吞吐量。其他的参数使用默认值。

通过本次实验得出结论如下：
1.我们看到在ONOS的intents operations测试中一个明显趋势：总体吞吐量随着集群节点的增加而增加；
2.在流表子系统测试中集群的场景对吞吐量的影响微乎其微。

如前面所提到的，流子系统是onos的一个组成部分，其作用是将Intents转换成可以安装到openflow交换机上的流规则。另外，应用程序可以直接调用其北向api来注入流规则。使用北向api和intent框架是此次性能评估的关键。另外，此次实验不但给我们暴漏了端到端Intent performance的性能缺陷，而且展示了当直接与流规则子系统交互时对应用的要求。

为了产生一批将被onos安装删除的流规则，我们使用脚本“flow-tester.py”。实际上这些脚本是onos工具执行的一部分。具体位置在（$ONOS_ROOT/tools/test/bin）目录下。执行这个脚本将触发onos安装一套流规则到所控制的交换机设备，当所有流规则安装成功之后将会返回一个时延时间。这个脚本也会根据接收的一系列的参数去决定这个测试怎么运行。这些参数如下：

• 每个交换机所安装的流规则的数量
• 邻居的数量-由于交换机的连接的控制器并非本地的onos节点，需要onos本地节点同步流规则到（除了运行脚本的onos本地节点之外的）onos节点
• 服务的数量-运行onos脚本的节点数量，即产生流规则的onos节点数量

下图简要的描述了测试的配置：

从下图可以看出，onos1，onos2是运行onos脚本产生流规则的两个服务器；当两个流生成服务器生成流给两个邻居，也就是所生成的流规则被传递到两个与之相邻的节点安装。（因为这个流规则属于被邻居节点控制器的交换机）。

我们使用了Null Provider作为流规则的消费者，绕过了使用Openflow适配器和真实的或者模拟的交换机存在的潜在的性能限制。

• Null Devices的数量保持常量35不变，然后被平均的分配到集群中的所有节点，例如，当运行的集群中有5个节点，每个节点将控制7个Null Devices;
• 集群一共安装122500条流规则-选择这个值其一是因为它足够大，其二，它很容易平均分配到测试中所使用的集群节点。这也是工具“flow-tester.py”计算每个交换机所安装的流规则数量的一个依据。
• 我们测试了2个关联场景：1)邻居数量为0，即所有的流规则都安装在产生流的服务器上场景；2)邻居数量为-1，即每个节点给自己以及集群中的其它节点产生流规则
• 响应时间为4次预测试之后20次的的测试时间统计整合得出

备注：版本发布的时候，ONOS核心仍然采用Hazelcast作为存储协议来备份流规则。

实验表明，使用Hazelcast协议作为备份，可能导致流规则安装速率频繁迸发增长。

通过测试，可以得出如下系统性能测试结论：

1.根据测试数据显示，当配置N=0时，与配置N=“all”相比，系统有更高的吞吐量。也就是说当生成的流规则只安装给本地ONOS节点控制器的设备时，流子系统的性能比安装给所有ONOS节点控制的设备时高。因为，ONOS节点之间的EW-wise通信存在开销/瓶颈。即，当配置N=“all”时，性能低，符合预期值。

2.总的来说，这两种情况下通过增大集群节点数量测试，吞吐量随着集群数量的增加有明显的提高。但是这种提高是非线性的。例如，N=“all”与N=“0”相比，当节点间需要通信同步时，平稳增加的性能趋于平缓。

本发明涉及日用电器领域，尤其涉及一种煮饭设备及煮饭控制方法。

目前的煮饭设备通常采用对其内锅进行加热，以使得内锅内部的米和水受热，从而实现煮饭过程；同时，煮饭设备通常会采用温控器实现对煮饭过程的控制：在内锅的加热过程中，内锅内部的水没有蒸发完全时，由于水沸点恒定，内锅的温度会维持在一定范围内，温控器会继续实现对内锅的加热；当内锅内部的水快要蒸发完全时，内锅的温度会迅速升高以突破预设温度阈值，温控器会停止对内锅的加热，此时，煮饭过程终止。这种煮饭设备无法精确控制煮饭过程，无法控制煮饭过程水的蒸发量，内锅底部还会因局部过热而形成锅巴，影响饭食的品质。

本发明的目的是针对上述技术问题，提出了一种煮饭设备及煮饭控制方法。

本发明解决其技术问题的技术方案是：

本发明提出了一种煮饭设备，包括煲体，煲体内部形成有用于容纳内锅的容纳空间；煮饭设备还包括安装在煲体上、用于加热容纳于容纳空间中的内锅的加热装置；煮饭设备还包括用于接触内锅以感测内锅温度的测温结构；煲体上开设有用于打开容纳空间的门体；煲体上开设有用于连通容纳空间和外界环境的通气孔；煮饭设备还包括设置在通气孔中、用于感测蒸汽的气敏传感器。

本发明上述的煮饭设备中，加热装置包括设置在煲体底壁上、用于加热内锅的电磁感应加热线圈组件，以及用于控制给电磁感应加热线圈组件供电的电磁感应加热控制器。

本发明上述的煮饭设备中，电磁感应加热线圈组件顶部设置有用于支撑内锅的隔离板；当内锅支撑在隔离板上时，电磁感应加热线圈组件与内锅之间形成6mm-15mm的间隙。

本发明还提出了一种基于上述煮饭设备的煮饭控制方法，包括如下步骤：

步骤s1、预设糊化时间t2；获取内锅的质量m锅；

步骤s2、将大米倒入到内锅中，再向内锅中倒入水，以使得水位淹没大米并超过2mm-1.5cm；接着将内锅放置在容纳空间中，关闭门体；然后通过加热装置对内锅加热以使内锅的温度达到t0，并持续一段时间；其中，t0取值于30℃-55℃；

获取加热装置在内锅温度恒定于t0期间时的平均输出功率w0；再计算内锅的热量耗散平均功率w放：

步骤s3、通过加热装置继续对内锅加热以使得内锅的温度达到t1，并获取加热装置在内锅温度由t0上升到t1期间所输出的能量q升，获取内锅温度由t0上升到t1所耗费的时间t1；其中，t1取值于60℃-85℃；

计算步骤s2中倒入内锅中的大米质量m米和水质量m水：

其中，c锅表示内锅的比热容；

c米表示大米的比热容；

再通过加热装置继续对内锅加热，直至气敏传感器所探测到的蒸汽浓度达到γ，接着通过加热装置以w糊的输出功率对内锅加热t2的时间；这里，γ取值于70％-100％；

λ表示水在一个大气压下100℃时的汽化潜热；

步骤s4、加热装置停止对内锅加热，直到气敏传感器所探测到的蒸汽浓度降低到92％γ-98％γ；再启动加热装置对内锅加热，直到气敏传感器所探测到的蒸汽浓度达到γ-1.5γ并维持一段时间；然后终止加热装置对内锅加热。

本发明上述的煮饭控制方法中，获取加热装置在内锅温度恒定于t0期间时的平均输出功率w0包括如下步骤：

获取加热装置在内锅温度恒定于t0期间所输出的能量以及输出能量所持续的时间，然后依据其计算得到平均输出功率w0。

本发明的煮饭设备及煮饭控制方法因为采用电加热方式，使得烹饪过程消耗的能量能够精确度量，从而可以更精细地计算出实际烹饪的米水质量，最终实现蒸发量的精确控制。保证烹饪的准确性与一致性，避免了内锅底部形成锅巴的情况，设计巧妙，实用性强。

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1示出了本发明的优选实施例的煮饭设备的结构结构示意图。

为了使本发明的技术目的、技术方案以及技术效果更为清楚，以便于本领域技术人员理解和实施本发明，下面将结合附图及具体实施例对本发明做进一步详细的说明。

如图1所示，图1示出了本发明的优选实施例的煮饭设备的结构结构示意图。该煮饭设备包括煲体100，煲体100内部形成有用于容纳内锅200的容纳空间；煮饭设备还包括安装在煲体100上、用于加热容纳于容纳空间中的内锅200的加热装置300；煲体100上开设有用于打开容纳空间的门体110，在这里，门体110可以开设于煲体100的顶部或侧面。煮饭设备还包括用于接触内锅200以感测内锅200温度的测温结构400。在本实施例中，测温结构400设置在煲体100的朝向门体110的内壁上。

进一步地，在本实施例中，如图1所示，煲体100上开设有用于连通容纳空间和外界环境的通气孔120；煮饭设备还包括设置在通气孔120中、用于感测蒸汽的气敏传感器500。气敏传感器500通过感测蒸汽的浓度，而根据感测到的蒸汽浓度能够获知内锅内的煮饭情况；而通过相应的控制电路并根据感测到的蒸汽浓度能够实现煮饭过程的自动控制。

进一步地，如图1所示，加热装置300包括设置在煲体100底壁上、用于加热内锅200的电磁感应加热线圈组件310，以及用于控制给电磁感应加热线圈组件310供电的电磁感应加热控制器320。当内锅200设置在容纳空间中时，内锅200与电磁感应加热线圈组件310之间具有一定的间隙。也就是说，所述内锅200与电磁感应加热线圈组件310不接触。如此，防止所述内锅200被反复地推入或拉出的过程中与所述电磁感应加热线圈组件310频繁的摩擦而对电磁感应加热线圈组件310造成磨损。优选地，在本实施例中，电磁感应加热线圈组件310顶部设置有用于支撑内锅200的隔离板330。当内锅200支撑在隔离板330上时，电磁感应加热线圈组件310与内锅200之间形成6mm-15mm的间隙，能保证所述电磁感应加热线圈组件对内锅200的加热效果达到最佳。隔离板由绝缘材料制成，本实施例中，所述隔离板采用微晶玻璃。可以理解，加热装置300还可以采用热盘加热装置。

进一步地，本发明提出了一种基于上述煮饭设备的煮饭控制方法，包括如下步骤：

步骤s1、预设糊化时间t2；获取内锅200的质量m锅；

步骤s2、将大米倒入到内锅200中，再向内锅200中倒入水，以使得水位淹没大米并超过2mm-1.5cm；接着将内锅200放置在容纳空间中，关闭门体110；然后通过加热装置300对内锅200加热以使内锅200的温度达到t0，并持续一段时间；其中，t0取值于30℃-55℃；

获取加热装置300在内锅200温度恒定于t0期间时的平均输出功率w0；再计算内锅200的热量耗散平均功率w放：

在本步骤中，获取加热装置300在内锅200温度恒定于t0期间时的平均输出功率w0包括如下步骤：

获取加热装置300在内锅200温度恒定于t0期间所输出的能量以及输出能量所持续的时间，然后依据其计算得到平均输出功率w0。

当内锅200温度恒定于t0期间时，加热装置300给内锅200输送的能量与内锅200耗散的热量达到平衡，于是，就有w放＝w0。

步骤s3、通过加热装置300继续对内锅200加热以使得内锅200的温度达到t1，并获取加热装置300在内锅200温度由t0上升到t1期间所输出的能量q升，获取内锅200温度由t0上升到t1所耗费的时间t1；其中，t1取值于60℃-85℃；

计算步骤s2中倒入内锅200中的大米质量m米和水质量m水：

其中，c锅表示内锅200的比热容；

c米表示大米的比热容；

再通过加热装置300继续对内锅200加热，直至气敏传感器500所探测到的蒸汽浓度达到γ，接着通过加热装置300以w糊的输出功率对内锅200加热t2的时间；这里，γ取值于70％-100％；

λ表示水在一个大气压下100℃时的汽化潜热；

在本步骤中，在内锅200温度由t0上升到t1期间，内锅200所吸收的热量q锅有：

其中，c锅表示内锅200的比热容；

m锅表示内锅200的质量；

δt表示内锅200温度由t0上升到t1期间的温度差；

在内锅200温度由t0上升到t1期间，内锅200的耗散热量q放1为：

将内锅200内部大米和水的总质量记为m总，则有：

其中，α为米水比，取值于1-1.4；

于是，在内锅200温度由t0上升到t1期间，大米所吸收的热量q米有：

在内锅200温度由t0上升到t1期间，水所吸收的热量q水有：

联立计算式(1)-(5)，有：

当气敏传感器500所探测到的蒸汽浓度达到γ时，内锅200内的大米转入糊化阶段，内锅200内的水温仍然为沸点温度；糊化阶段持续t2时间，于是，糊化阶段内锅200的耗散热量q放2为：

从开始加热到糊化阶段结束时，水的蒸发量m汽化为：

其中，β生表示生大米的含水量，取值于0.1-0.15；

β熟表示熟大米的含水量，取值于0.55-0.70；

于是，水在糊化阶段的汽化热q汽化为：

其中，λ表示水在一个大气压下100℃时的汽化潜热，具体为2257.2kj/kg；

δ表示糊化阶段，水在糊化阶段占整个加热过程的蒸发量占比，δ取值于0.7-0.9；

于是，加热装置300在糊化阶段的输出总能量q糊化为：

步骤s4、加热装置300停止对内锅200加热，直到气敏传感器500所探测到的蒸汽浓度降低到92％γ-98％γ；再启动加热装置300对内锅200加热，直到气敏传感器500所探测到的蒸汽浓度达到γ-1.5γ并维持一段时间；然后终止加热装置300对内锅200加热。

本发明的煮饭设备及煮饭控制方法因为采用电加热方式，使得烹饪过程消耗的能量能够精确度量，从而可以更精细地计算出实际烹饪的米水质量，最终实现蒸发量的精确控制。保证烹饪的准确性与一致性，避免了内锅底部形成锅巴的情况，设计巧妙，实用性强。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。