基于多点测温的舒适度智能传感器研究*

叶廷东，黄晓红，彭选荣

(1. 广东轻工职业技术学院 信息技术学院，广东 广州 510300； 2. 广东省科学院，广东 广州 510070)

基于多点测温的舒适度智能传感器研究*

叶廷东1,2，黄晓红1，彭选荣1

(1. 广东轻工职业技术学院 信息技术学院，广东 广州510300；2. 广东省科学院，广东 广州510070)

针对人体舒适度的检测，基于手部皮肤平均温度与舒适度之间的定量关系，设计了一种舒适度智能传感器结构。该智能传感器利用三维集成多层结构将多个温度传感元件集成在一块硅基片上，利用基于一致可靠性测度的多传感信息故障判断与信息融合方法，在实现异常数据与器件故障判断的同时实现了多传感信息融合与舒适度检测。实验研究表明，该信息融合方法与平均加权融合相比，融合误差降低了约71.2%，舒适度最大检测误差为±0.051。

智能传感器；信息融合；故障判断；多传感信息；舒适度

0 引言

舒适度指标对人体身心愉悦健康、节能环保具有重要的影响[1-3]，随着人们生活水平的不断提高，人们对环境的舒适性要求也越来越高。目前环境的舒适度大多从热舒适度方面考量，主要采用PMV-PPD 指标描述和评价热环境，其中PMV指数为处于热环境中的群体对于热感觉的平均值，PPD 指数为对于热环境不满意的人数百分数[4-5]。影响PMV-PPD 指标的六个因素中有四个环境参数(干球温度、相对湿度、黑球温度、微风速) 和两个人体参数(穿衣指数、新陈代谢率)[6]。根据以上六个参数可以计算出PMV和PPD值，目前市场上成熟的舒适度检测仪大多是基于PMV-PPD指标的检测而设计的[7]。为了更准确地表征舒适度指标，国内外学者作了大量的研究，这些研究大多都是综合周围环境空气品质、环境参数，进行环境的舒适性评价实验，建立与主观评价结果相统一的环境舒适度评价方法[8-9]，然后根据相应的舒适度实验研究数据或者评价模型，利用各种传感器感知各环境因素实现舒适度的实时检测评价[10-11]。在这些研究中，少有涉及可穿戴应用的舒适度传感检测的研究报道。

本研究将从可穿戴应用的角度出发，利用人体生理指标的检测设计一个三维多层结构的舒适度智能传感器，利用多测点故障判断与信息融合方法，提高检测的准确性。

1 舒适度智能传感器结构设计

舒适度最客观、最直接的评价者是环境中的人，但在实际应用中人们是无法直接测出人体舒适度的，只能通过生理、物理等因素的监测来实现。近几年，各国学者把目光投向影响舒适度的生理指标上，比如脑电波、心率变异性，甚至出汗率、运动神经传导速度、感觉神经传导速度、皮肤温度、血压等生理指标都与人体舒适度均有着显著性的关系。在这些生理指标中人体皮肤温度是最容易监测且监测成本最低的指标之一。

研究表明：人体各部位皮肤的温度是不同的，一般来说头部较高，足部较低，但不同的皮肤温度都是由人体内部至皮肤表面和皮肤表面至环境之间的热平衡决定的[12]。经研究表明人体手部的平均皮肤温度可以作为人体舒适度的一个重要指标。为此，本文提出利用手部的平均皮肤温度来判断或预测人体的舒适程度，通过实验手段，可以建立手部平均皮肤温度与人体舒适度的定量关系[13]：

f(x)=-0.5x4+25.5x3-560.2x2+4 609.7x

(1)

其中x∈[31.6,34.5]为正常的人体手部平均皮肤温度范围。

由于测量人体舒适度是按照手部平均皮肤温度来进行的，为此设计如图1所示的基于多点测温的舒适度智能传感器结构，它主要由多个温度传感元件、微处理器及相关信号调理电路组成。智能传感器将多个测点温度量转换成相应的电信号，然后将它送到信号调理电路，经过滤波、放大、AD转换等信号调理流程，送到微处理器，最后由微处理器进行计算、存储、数据分析和处理。为有利用可穿戴应用，提高传感器集成度，减少体积，在加工时模块化多测点智能舒适度传感器采用微机械加工技术和大规模集成电路工艺技术，使用半导体材料硅将上述结构中的温度传感元件、信号调理电路以及微处理器等集成在一块芯片上[14]，可采用如图2所示的三维单片智能传感器的结构实现，该结构形式将电源、驱动、敏感元件、数据传输线、存储器和运算器等集成在一块硅基片上，将平面集成发展成三维集成，实现了多层结构。

图1 基于多点测温的智能舒适度传感器结构

图2 三维单片智能传感器的结构图

2 智能传感器的信息处理

智能传感器根据多点手部皮肤温度的测量来进行舒适度判断，而多点测量的好处在于信息融合的同时还可以进行测点故障诊断。

设由l个温度传感元件对手部皮肤进行测量，可以获得观测方程为:

Z=Hx+v

(2)

式中，x为待测量的皮肤温度，Z为l维测量向量，v为l维观测噪声向量，H=[1 1 … 1]T为l维常向量。

则根据多个测量值，可以计算出手部温度参数x的最小二乘融合估计：

(3)

式中，i=1,2,…，l。从公式(3)可知，多个温度检测值的融合权值是由传感元件的方差动态分配的。测量方差是传感器内部噪声与环境干扰的一种综合属性，这个属性始终存在于测量的全过程，它表征了传感器测量的可靠性，可以用下式计算：

(4)

(5)

为了在多传感信息融合的过程中进行故障判断，在此引入一致性测度系数，用它们来表示传感元件之间的支持程度。为了量化各传感元件在某一时刻观测值的相互支持度，采用模糊数学中最大最小贴近度来度量。

设k时刻传感元件i和传感元件j观测贴近度为：

dij(k)=dji(k)=min{xi(k),xj(k)}/max{xi(k),xj(k)}

(6)

则可以知道k时刻传感元件i与其他传感元件的一致性测度为：

(7)

图4 单路传感信号检测电路图

由公式(7)可知，当ri(k)接近1时，表明k时刻传感元件i与其他传感元件的观测值保持一致，反之，则表明第i个传感元件的观测值偏离多数传感元件的观测值。为此可以先用一致性测度来进行传感检测数据异常与故障判断，即如果某一个传感元件的一致性测度小于一致性测度阈值r0，则判定该检测数据异常并剔除。若存在多个元件的一致性测度小于一致性测度阈值，则判定传感器故障并进入故障处理程序，否则进行信息融合。多传感信息故障判断与信息融合方法的流程如图3所示，在图3中，为了在信息融合时体现传感元件的一致性测度，将公式(3)的加权融合系数修正为：

(8)

图3 多传感信息故障判断与融合方法

该系数称为一致性可靠测度，该系数通过一致性测度体现了多传感元件在某一个时刻采样结果的空间分析，通过方差则体现了一个传感元件多次采样结果的时间分析。基于一致可靠性的时空分析计算，可得到修正的多传感器信息融合加权系数：

(9)

3 实验与仿真分析

基于多点测温的舒适度智能传感器由于测量精度要求较高，为此选择3个具有A级准确度的铂膜片热敏电阻PT1000来组成实验电路来完成，智能传感器的单路温度传感检测电路如图4所示。图中CAT5113为程控电阻，CD4051为单八通道数字控制模拟电子开关，单片机通过程控电阻和片选开关可实现电阻型传感元件信号的增、损等变化调节，这种设计便于使用时用于校准，同时可以通过它们来模拟传感器故障。检测电路采用VREF恒压源激励，用1 kΩ精密电阻R3分压，采用AD627AR运放进行增益处理增强输出能力；分别采用CBG100505U070铁氧体磁珠、PESD3V3S1UB抑制二极管抑制信号线、电源线上的尖峰干扰、高频噪声和防止静电、瞬时脉冲对器件的损伤[16]。

智能传感器在测试实验时，先采集无故障情况下3个温度传感检测电路的信号，获得各温度传感检测电路的一致性测度指标，根据实验数据确定在信息处理时一致性测度阈值r0为0.95，计算各温度传感检测电路测量方差的窗口值N设为100。表1为使用各温度传感检测电路分别在32℃、33℃ 、34℃情况下进行测试的试验数据表。表中Vi为各温度传感元件的电压检测信号值，Ri是计算得到的各温度传感元件电阻值，Ti则是得到的温度值，ri是计算得到的一致性测度。

表1 智能传感器温度传感检测电路测量实验数据表

表2 传感元件方差与融合误差

从表1可知，智能传感器的3个温度传感检测电路对温度同时进行检测，第一组数据中的传感元件S3的一致性测度较低，小于一致性测度阈值存在数据异常现象，在数据融合时需要将该数据剔除；第二组数据属于正常数据；第三组数据由于传感元件S1的检测值偏离较大，造成S1和S3的一致性测度同时低于0.95，为此智能传感器将启动故障处理程序，提示用户进行故障处理。

在排除异常数据和传感元件故障后，基于各温度传感检测电路的测量方差和一致性测度，可得到温度信息融合检测值，其误差如表2所示。基于一致可靠性的融合误差与最小二乘加权融合误差相当，与平均加权融合方法相比，融合误差降低了约71.2%。

智能传感器通过三个温度传感检测电路测得手部皮肤平均温度后，利用公式(1)可以获得[0,1]间变化的舒适度值，如图5所示。图中拟合舒适度和实际检测舒适度的最大误差为±0.051，具有较高的检测准确度。

图5 手部温度与舒适度关系图

4 结论

本文针对人体舒适度的检测，进行了以下研究：

(1)基于手部皮肤平均温度与舒适度之间的定量关系，进行了一种舒适度智能传感器结构设计，该智能传感器将多个常规温度传感元件、信号调理电路、微处理器等连接起来，利用三维单片智能传感器结构集成在一块硅基片上，实现了三维集成多层结构。

(2)研究了一种基于一致可靠性测度的多传感信息故障判断与信息融合方法，该方法利用一致性测度表征在某时刻不同测量值之间的相互支持程度，通过阈值的设定来进行异常数据与器件故障的判决，之后在一致性测度和方差可靠性测度的基础上，实现多传感信息融合。实验研究表明，该信息融合方法与平均加权融合估计值相比，融合误差降低了约71.2%。

(3)利用基于多点测温的智能传感器测得手部皮肤平均温度后，即可获得人体的舒适度指标，研究表明，舒适度最大检测误差为±0.051。该舒适度智能传感器从人体生理指标出发设计，并采用三维集成的多层结构，便于在可穿戴场景中应用。

[1] 刘蔚巍.人体热舒适客观评价指标研究[D].上海:上海交通大学,2008.

[2] FERREIRA P M,RUANO A E,SILVA S,et al. Neural networks based predictive control for thermal comfort and energy savings in public buildings[J].Energy & Buildings,2012,55: 238-251.

[3] 杨娜.用户偏好的室内环境舒适度智能控制方法仿真研究[J].科学技术与工程,2013,13(25):7557-7562.

[4] 黄建华,张惠.人与热环境[M].北京:科学出版社,2011.

[5] de DEAR R J,BRAGER G S. Thermal comfort in naturally ventilated buildings: revisions to ASHRAE Standard 55[J]. Energy & Buildings,2002,34(6): 549-561.

[6] HOMOD R Z,SAHARI K S M,ALMURIB H A F,et al. RLF and TS fuzzy model identification of indoor thermal comfort based on PMV/PPD[J]. Building & Environment,2012,49(1): 141-153.

[7] KUMAR A,SINGH I P,SUD S K. An approach towards development of PMV based thermal comfort smart sensor[J].International Journal on Smart Sensing & Intelligent Systems,2010,3(4): 621-642.

[8] Zhao Qianchuan,Zhao Yin,Wang Fulin,et al. A data-driven method to describe the personalized dynamic thermal comfort in ordinary office environment: From model to application[J]. Building & Environment,2014,72(1),309-318.

[9] 张玲，王玲，吴桐.基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型[J]. 计算机应用,2014,34(3),775-779.

[10] 吴岳忠,汪涛,周训志,等.基于物联网的家居室内环境在线监控系统研究[J].微型机与应用,2014,33(14): 60-63.

[11] 殷松迁,郭培源,王建华.基于嵌入式及ZigBee技术的居室环境监测系统[J].电子技术应用,2012,38(8):23-25,29.

[12] BULCAO C F,FRANK S M,RAJA S N,et al. Relative contribution of core and skin temperatures to thermal comfort in humans[J]. Journal of Thermal Biology,2000,25(1): 147-150.

[13] 王冠. 基子数据的乘车环境舒适度评价方法[D].北京：北京交通大学，2013.

[14] 张盛东,吕世骥.半导体智能传感器的研制动态及技术课题[J].传感技术学报，1992,5(2):39-42.

[15] 仲崇权,董西路,张立勇,等.多传感器测量中的方差估计[J].数据采集与处理,2003,18(4):412-417.

[16] Huang Guojian,Liu Guixiong,Hong Xiaobin,et al. 9-ary tree based self-immunity smart sensors[C]. International Conference on Mechanic Automation and Control Engineering,Wuhan,2010,6: 2384-2387.

Research on intelligent comfort sensor based on multi-point temperature measurement

Ye Tingdong1,2,Huang Xiaohong1,Peng Xuanrong1

(1. College of Information Technology，Guangdong Industry Polytechnic,Guangzhou 510300,China;2. Guangdong Academy of Sciences,Guangzhou 510070,China)

In view of comfort detection about the human body,the paper designed an intelligent comfort sensor structure based on the quantitative relationship between hand skin temperature and comfort. The intelligent sensor adopted a three-dimensional integrated multi-layer structure，which integrated several temperature sensory units on a silicon substrate,and it used a fault judgment and information fusion method of multi-sensor information based on coherence and reliability,realizing the judgment of abnormal data and device fault judgment while achieving the multi-sensor information fusion and comfort detection . Experimental results show that the error of the proposed information fusion method is reduced by 71.2% compared with the average weighted fusion method,and the maximum error of comfort detection is ±0.051.

intelligent sensor; information fusion; fault judgment; multi-sensor information; comfort

中国博士后科学基金项目(2013M542157)；广东省科技计划项目(2015A020214025，2015A070710030)；省级“千百十工程”人才资助项目(RC2016-005)；广州市科技计划项目(201604020049)；创新强校工程项目(2A11105)

TP212.6

A

10.19358/j.issn.1674-7720.2017.24.022

叶廷东，黄晓红，彭选荣.基于多点测温的舒适度智能传感器研究J.微型机与应用，2017,36(24)：76-79，83.

2017-05-22)

叶廷东(1976-)，男，博士，副教授，主要研究方向：智能传感技术、物联网技术及应用。

黄晓红(1968-)，女，硕士，教授，主要研究方向：现代检测技术与控制系统。

彭选荣(1972-)，女，硕士，讲师，主要研究方向：微机应用与开发。