CN104490371A - 一种基于人体生理参数的热舒适检测方法 - Google Patents

Abstract

本发明公开了一种基于人体生理参数的热舒适检测方法，包括以下步骤：采集包括皮肤温度、心电信号、指尖脉搏、呼吸、皮肤阻抗在内的人体生理参数；对心电信号进行峰值识别得到心率变异性信号和心率；对皮肤温度、心率变异性信号、心率、指尖脉搏、呼吸、皮肤阻抗通过相关性分析获取生理参数与热舒适性的相关程度，从而选取最优生理参数；对最优生理参数进行回归分析，建立生理参数与舒适程度的函数关系；将生理参数与舒适程度的函数关系输入到BP神经网络中，进行自动热舒适度判别。本方法可以通过实时检测人体生理参数，输入空调系统从而对空调温度实现智能调节，充分考虑了个体差异性，使得调节后的室内热环境更能贴近人体期望热环境。

Description

一种基于人体生理参数的热舒适检测方法

技术领域

本发明涉及人体热舒适检测技术领域，尤其涉及一种基于人体生理参数的热舒适检测方法，并阐明其在智能空调系统中的应用。

背景技术

热舒适性是指人们对热环境表示满意的意识状态。对人体舒适度检测技术进行研究具有重要的意义。一方面，随着科技的发展，在当今社会人们即使足不出户也能进行正常的工作和生活，人们在室内度过的时间越来越长，而室内环境的优劣对人的舒适感、工作效率以及身心健康有显著影响。在影响室内环境的各因素中，热环境因素对人体的影响最为显著，因此有必要对室内环境热舒性进行研究。另一方面，空调技术的发展使得人工改变室内的热环境成为现实。然而空调的广泛使用也带来了一些负面影响，例如：耗能量巨大。据数据统计，我国建筑总能耗约占社会总能耗的20.7％，其中采暖、空调能耗约占建筑能耗的65％。室内热环境质量对能耗与投资都有显著影响，在同等技术水平下，夏季(冬季)室内温度每提高(降低)1℃，冷(热)负荷可减少约10％，能耗可减少10％以上，相应全国每年可减排二氧化碳317万吨。因此，合理改善室内热环境条件、减少过度改善室内热环境而不必要消费的能源以及对健康的负面影响，是非常重要的。

从20世纪20年代起，欧美国家就开始了对室内热环境及人体热舒适的实测与研究。研究内容包括：采集室内物理参数、空气质量及人体热舒适性等数据，将其整理成综合数据库，建立热环境的评价指标，建立热舒适模型等。20世纪60年代，美国堪萨斯州立大学、丹麦哥本哈根工业大学相继建立了人体热舒适专用实验室，开始研究空气温度、周围物体温度、空气相对湿度及空气流动情况对人体热舒适的影响。1962年，Macpherson定义了影响热舒适的六个因素：空气温度、相对湿度、空气流速、平均辐射温度、衣服热阻和新陈代谢率。目前在热舒适性研究领域已经得出许多重要结论：空气温度对人体舒适度的影响很大，是衡量热舒适的一项重要指标。空气湿度将从一定程度上影响人体热感觉和皮肤的湿润度。另外，不对称的辐射区、局部的对流冷却、与较冷较热的地板接触或人体头和脚之间存在垂直温度差等因素引起的局部性的人体不舒适区会对人体的热舒适度造成很大的影响。

人体通过自身的热平衡条件和感觉到的环境状况获得是否舒适的感觉，这种舒适感包括生理反应和心理反应。生理方面包括：人体皮肤温度、皮肤湿度、排汗率、血压及体温等，心理方面主要分析人体在热环境中的主观感觉。在过去的研究中，对人体舒适度的判别多数采用主观评价的方法。但是考虑到各种客观因素和人体主观因素的耦合，只采用主观评价的方法给热舒适性的研究带来了一些问题，一方面室内人员的舒适性受到种类繁多的热环境参数的影响；另一方面，即使处于同一环境，设置完全相同的热环境参数，不同生活习性、不同生理活动状态下的人也会做出不同的主观评价。因此，提出一种新的评价舒适度的方法对于舒适度的研究至关重要。

发明内容

本发明提供了一种基于人体生理参数的热舒适检测方法，本发明建立了一种人体生理参数与热舒适度之间的直接关系，从而应用到空调系统，为人们提供更为舒适的热环境，详见下文描述：

一种基于人体生理参数的热舒适检测方法，所述热舒适检测方法包括以下步骤：

采集包括皮肤温度、心电信号、指尖脉搏、呼吸、皮肤阻抗在内的人体生理参数；对心电信号进行峰值识别得到心率变异性信号和心率；

对皮肤温度、心率变异性信号、心率、指尖脉搏、呼吸、皮肤阻抗通过相关性分析获取生理参数与热舒适性的相关程度，从而选取最优生理参数；

对最优生理参数进行回归分析，建立生理参数与舒适程度的函数关系；

将生理参数与舒适程度的函数关系输入到BP神经网络中，进行自动热舒适度判别。

检测皮肤温度时采用五点法，分别为：额、胸、背、上臂、大腿；

加权系数分别为：0.06，0.34，0.33，0.14，0.13。

所述相关性分析选择双侧检验，若相关系数小于0.01，表明生理参数在0.01的显著性水平上显著相关。

本发明提供的技术方案的有益效果是：本发明通过实时检测人体生理参数，并对生理参数与热舒适之间进行相关性分析和回归分析，来选取最佳生理参数或生理参数组。然后送入BP神经网络进行人体舒适度判别。这样就有助于为人们提供一个更为舒适的室内热环境，同时也有助于解决现存空调耗能量巨大的问题。相对于以往的设计，本方法可以通过实时检测人体生理参数，输入空调系统从而对空调温度实现智能调节，基于人体生理参数的热舒适调节充分考虑了个体差异性，使得调节后的室内热环境更能贴近人体期望热环境。该技术给实际应用带来了便捷，可应用于多种工作场景。

附图说明

图1为一种基于人体生理参数的热舒适检测方法的流程图；

图2为PMV与PPD的关系示意图；

图3为皮肤温度的采集示意图；

图4为BP神经网络拓扑结构图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

现在已有一些用人体生理参数进行舒适度评价的研究，但选用生理参数较为单一，所选变量多为环境参数，很少涉及人体运动负荷的改变，且实验多在夏季进行，很少研究冬季室内的舒适性。为此，本发明将对不同季节、不同温度、不同运动负荷下的人体舒适度进行研究，选用包括：平均皮肤温度、局部皮肤温度、血压、心率、心率变异性、皮肤阻抗、呼吸频率、指尖脉搏等在内的多种生理参数，通过各生理参数与不同环境下舒适度的相关性来进行选取与匹配，建立舒适度模型，并应用于空调系统。下面结合图1的流程图，对本方法进行详细说明，详见下文描述：

热舒适检测的评价指标；主要有：有效温度ET、新有效温度ET*、标准有效温度SET*、操作温度OPT、空气分布特性ADPI以及PMV-PPD指标。由于PMV-PPD指标考虑的环境因素最全面，且在国内国际范围内应用最为广泛，故方法采用PMV-PPD指标来最为衡量热舒适程度的标尺。其中，预测平均投票数PMV(Predicted Mean Vote)指标反映了人的热舒适程度，PMV标尺如下：

PMV热感觉标尺

PMV的计算公式为：

PMV＝[0.303e^-0.036M+0.0275]×L     (1)

$\begin{array}{c}L=M-W-3.05[5.733-0.007(M-W)-P_a]-0.42(M-W-58.15)\\ -1.73\×{10}^{-2}M(5.867-P_a)-0.0014M(34-t_a)-3.96\×{10}^{-8}{f}_{\mathrm{cl}}[\\ {(t_{\mathrm{cl}}+273)}^4-{(\stackrel{\‾}{t_r}+273)}^4]-f_{\mathrm{cl}}{h}_c(t_{\mathrm{cl}}-t_a)\end{array}---\left(2\right)$

t_cl＝35.7-0.028(M-W)-I_cl{3.96×10^-8f_cl[(t_cl+273)⁴-f_clh_c(t_cl-t_a)]}    (3)

$h_c=\left\{\begin{array}{cc}2.38(t_{\mathrm{cl}}-t_a)& 2.38{(t_{\mathrm{cl}}-t_a)}^{0.25}\≥12.1\sqrt{V_{\mathrm{air}}}\\ 12.1\sqrt{V_{\mathrm{air}}}& 2.38{(t_{\mathrm{cl}}-t_a)}^{0.25}\≤12.1\sqrt{V_{\mathrm{air}}}\end{array}\right.---\left(4\right)$

$f_{\mathrm{cl}}=\left\{\begin{array}{cc}1.00+{1.29I}_{\mathrm{cl}}& I_{\mathrm{cl}}\≤0.0078\\ 1.05+{0.645I}_{\mathrm{cl}}& I_{\mathrm{cl}}\≥0.0078\end{array}\right.---\left(5\right)$

式中：L—单位皮肤面积的人体热负荷，即人体产热量与对外散热量之差，W/m²；

M—单位皮肤面积的人体新陈代谢率，W/m²；

W—外部活动量，W/m²；

I_cl—服装热阻，clo，1clo＝0.155m²·℃/W；

f_cl—衣物遮盖的人体表面积与暴露在外面的人体表面积之比；

t_a—空气温度，℃；

—平均辐射温度，℃；

V_air—相对空气流速，m/s；

t_cl—衣服的表面温度，℃；

h_c—对流换热系数，W/(m²·K)；

P_a—人体周围水蒸气分压力，Pa。

其中，衣服表面温度t_cl是由公式(3)通过迭代计算得来的。利用PMV指标方程可以根据环境数据和其他参数的设置计算出热舒适评价值，反应室内热舒适度程度。PMV指标代表了同一环境下绝大多数人的热感觉，但由于不同人之间生理差异的存在，PMV指标并不能代表所有个人的热感觉。故而引入了预测不满意百分数PPD(Predicted Percentage ofDissatisfied)指标，它反映了人群对热环境的不满意程度。PMV、PPD之间的数学关系式为：

PPD＝100-95exp[-(0.03353PMV⁴+0.2179PMV²)]     (6)

将上式绘制成表格，如图2所示。

PMV-PPD热舒适模型是人体体温调节最早的数学模型，该模型提出的指标表示大多数人对热环境的平均投票值，其有七级感觉，即冷(-3)、凉(-2)、稍凉(-1)、中性(0)、稍暖(1)、暖(2)、热(3)。基本原理是人体热平衡，其理论依据是当人体处于稳态热环境下人体的热负荷越大，人体偏离热舒适状态就越远。PMV＝0时意味着室内热环境为最佳热舒适状态。ISO7730对PMV的推荐值为PMV值在-0.5～+0.5之间，PPD值应小于10％。

实验所需检测仪器。

a.对室内环境的检测：温度计，干湿球温度计，黑球温度计，风速仪；

b.对生理参数的检测：Pt 1000铂电阻，多生理信号采集系统。

夏季实验所取实验工况如下：

a.温度：23℃、27℃、31℃；

b.相对湿度：50％；

c.风速：v＝0.15m/s(室内正常自然风速)；

d.送风方式：散流器顶送；

e.人体活动：静坐，踏步；

f.统一受试者服装情况(夏季着装)：T恤，短裤，拖鞋。

冬季实验所取实验工况如下：

a.温度：14℃、18℃、22℃；

b.相对湿度：40％；

c.风速：v＝0.1m/s(室内正常自然风速)；

d.送风方式：散流器顶送；

e.人体活动：静坐，踏步；

f.统一受试者服装情况(冬季着装)：薄毛衣、长裤、保暖裤、厚底运动鞋。

实验前，受试者提前30min到达实验室休息，以减小因环境改变以及运动代谢对测试结果的影响，在这期间实验人员向受试者讲解实验操作步骤及实验注意事项，熟悉调查问卷的填写方法与填写时间，并粘贴所需电极。实验所需的调查问卷如下：

表1热感觉标尺

表2出汗感标尺

表3热舒适标尺

表4对室内环境的期望标尺

101：采集包括皮肤温度、ECG(心电)、指尖脉搏、呼吸、皮肤阻抗在内的人体生理参数；对ECG信号进行RR峰值识别得到HRV(心率变异性)信号和心率；

参见图3，本实验采用皮肤温度、心率、心率变异性、指尖脉搏、呼吸、皮肤阻抗作为人体神经系统和体温调节系统的代表性生理参数，研究人体生理参数对热环境变化的响应特征。其中检测皮肤温度时采用五点法，为：额(1)、胸(2)、背(3)、上臂(4)和大腿(5)。加权系数分别为：0.06，0.34，0.33，0.14，0.13。

对ECG信号进行基于小波变换的QRS波检测，分析RR间期获得HRV(心率变异性)和心率。

102：对皮肤温度、HRV(心率变异性)信号、心率、指尖脉搏、呼吸、皮肤阻抗通过相关性分析获取生理参数与热舒适性的相关程度，从而选取最优生理参数；

相关分析是研究随机变量之间是否存在某种依存关系，是一种非确定性的关系。一般情况下，当两种要素之间为线性相关时，就要研究它们之间的相关程度和相关方向，所谓相关程度，是指他们之间的相关关系是否密切；相关方向是指两种要素之间相关的正负。相关程度和相关方向，可以用相关系数来衡量。相关系数表示随机向量的各个变量之间线性关系的密切程度，其取值范围在-1～+1之间，当其为正时，说明两个要素正相关，反之为负相关。只计算出相关系数并不能说明其两要素之间是否具有显著的相关性，还要对相关系数进行显著性检验，一般设定显著性水平为0.05，当P≤0.05时，说明两要素显著相关。

相关性分析分为简单相关分析和偏相关分析，简单相关分析是研究两个变量之间直接相关的程度，相关系数受其他因素的影响。偏相关分析是在把其他要素的影响排除在外的情况下，单独研究两个要素之间的相关系数。

在多变量相关的场合，由于变量之间存在错综复杂的关系，因此，偏相关系数与简单相关系数在数值上可能相差很大，有时甚至符号都可能相反。偏相关分析的显著性水平对于单侧检验为0.05，对于双侧检验为0.01。本方法选择双侧检验，其值如果小于0.01，说明研究变量在0.01的显著性水平上显著相关。。分别对每种生理参数与热舒适性进行相关性分析，得到与热舒适性相关程度较大的几种生理参数。将这几种生理参数进行匹配，再次求取其与热舒适度的相关性，从而获得与舒适度相关性较大的生理参数组。

103：对最优生理参数进行回归分析，建立生理参数与舒适程度的函数关系；

回归分析是研究一个因变量与一个或多个解释变量之间的相互依存关系，并估计或预测解释变量对因变量的影响。回归分析和相关分析一样，也是研究变量之间非确定关系的多元统计分析方法，但其侧重点和应用面有所不同。回归分析是处理因变量Y和解释变量X之间关系的多元统计方法，由于X和Y之间关系的非确定性，对于固定解释变量的值，可以观察到一组因变量的值与之对应，这样就形成了以每一个解释变量X的给定值为条件的Y的条件分布，因此可以计算以X为条件Y相应取值的条件概率，这样通过一定的概率分布来描述因变量Y和解释变量X之间的关系。由于Y的条件平均值随着X的变化而变化，对于给定条件X时Y的条件数学期望

E(Y|X)＝f(X)     (7)

为随机变量Y对X的回归函数，或随机变量Y的均值对X的回归函数。通过回归分析可建立生理参数与舒适程度的函数关系，从而为后续判别做准备。

104：将生理参数与舒适程度的函数关系输入到BP神经网络中，进行自动热舒适度判别。

神经网络在信息处理的很多方面具有比传统方法更明显的优势：如采用非编程、自适应的信息处理方式可避免复杂的数据分析和建模工作；能完成各种复杂的非线性映射；自组织、自学习能力使网络具有很强的可塑性和适应能力等。神经网络系统最本质的特征是：它并不给出输入与输出间的解析关系，它的近似函数和处理信息的能力体现在网络中各个神经元之间的连接权值，由于网络具有学习功能,能够从示范模式的学习中逐渐调整权值，但样本数据对网络的性能有很大影响，因此样本数据的准确性对神经网络非常重要。神经网络的这种特性决定了它非常适用于PMV指标的智能预测。

人工神经元按照某种模式联接便构成各种人工神经网络模型。通常，神经网络模型由网络的拓扑结构、神经元特性和学习或训练规则三个因素所决定。实际应用中最常见的是误差逆传播网络(简称BP网络)。该网络的主要特点是新好向前传递，误差反向传播。在向前传递中，输入信号从输入层经隐含层逐层处理，直至输出层。典型的BP网络如图4所示。

BP神经网络预测前首先需要训练网络，训练过程主要包括以下几步：

a.根据系统的输出序列(X,Y)确定网络输入层节点数n，隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经原之间的连接权值ω_ij、ω_jk，初始化隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数。

b.根据输入向量X，输入层和隐含层间连接权值ω_ij以及隐含层阈值a，计算隐含层输出H。

$H_j=f(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{ij}}{x}_i-a_j),j=\mathrm{1,2},...,l---\left(8\right)$

BP神经网络的转换函数必须是连续可微的非线性函数，一般采用S型逻辑非线性函数为：

$f\left(x\right)=\frac{1}{1+e^{-x}}---\left(9\right)$

c.根据隐含层输出H、连接权值ω_jk和阈值b，计算BP神经网络预测输出O。

$O_k=\underset{j=1}{\overset{l}{\mathrm{\Σ}}}{H}_j{\mathrm{\ω}}_{\mathrm{jk}}-b_k,k=\mathrm{1,2},...,m---\left(10\right)$

d.根据网络预测输出O和期望输出Y，计算网络预测误差e。

e_k＝Y_k-O_k k＝1,2,…,m     (11)

e.根据网络预测误差e更新网络连接权值ω_ij、ω_jk。

${\mathrm{\ω}}_{\mathrm{ij}}={\mathrm{\ω}}_{\mathrm{ij}}+\mathrm{\η}{H}_j(1-H_j)x\left(i\right)\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{jk}}{e}_k,i=\mathrm{1,2},...n;j=\mathrm{1,2},...,l---\left(12\right)$

ω_jk＝ω_jk+ηH_je_k j＝1,2,…,l；k＝1,2,…,m     (13)

式中，η为学习效率。

f.根据网络预测误差e更新网络节点阈值a，b。

$a_j=a_j+\mathrm{\η}{H}_j(1-H_j)\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_{\mathrm{jk}}{e}_k,j=\mathrm{1,2},...,l---\left(14\right)$

b_k＝b_k+e_k k＝1,2,…,m     (15)

g.判断算法是否结束，若没有结束，返回步骤b。

综上所述，本发明提出了一种新的人体热舒适判别方案，不同于以往的研究，本方法采用人体生理参数作为输入量来智能调节空调系统，且考虑了人体处于不同运动情况下对热环境有不同的期望这一因素，充分考虑了冬季、夏季两种不同的热环境下，从而使空调系统可以准确、客观、简便的进行室内热舒适度判别。该项发明可有效的提高空调系统的智能性和人性化，并可获得可观的社会效益和经济效益。最佳实施方案拟采用专利转让、技术合作或产品开发。由于该技术操作简单，敏感性强，基于该技术开发的产品可应用于办公室、住宅等多种场景等。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于人体生理参数的热舒适检测方法，其特征在于，所述热舒适检测方法包括以下步骤：

采集包括皮肤温度、心电信号、指尖脉搏、呼吸、皮肤阻抗在内的人体生理参数；对心电信号进行峰值识别得到心率变异性信号和心率；

对皮肤温度、心率变异性信号、心率、指尖脉搏、呼吸、皮肤阻抗通过相关性分析获取生理参数与热舒适性的相关程度，从而选取最优生理参数；

对最优生理参数进行回归分析，建立生理参数与舒适程度的函数关系；

将生理参数与舒适程度的函数关系输入到BP神经网络中，进行自动热舒适度判别。

2.根据权利要求1所述的一种基于人体生理参数的热舒适检测方法，其特征在于，检测皮肤温度时采用五点法，分别为：额、胸、背、上臂、大腿；

加权系数分别为：0.06，0.34，0.33，0.14，0.13。

3.根据权利要求1所述的一种基于人体生理参数的热舒适检测方法，其特征在于，所述相关性分析选择双侧检验，若相关系数小于0.01，表明生理参数在0.01的显著性水平上显著相关。