隋修武 劉啟俊 戚曉玲 楊國甫

摘要：不同特性的服裝給飛行員帶來不同的體能消耗，進而會影響飛行員的工作狀態(tài)和工作效率，為了解決飛行服裝耗能的測量和評價問題，本文提出了基于禁忌搜索算法（tabu search，TS）優(yōu)化支持向量機回歸（support vector machine regression， SVR）的服裝耗能測量與評價方法。首先以模特機器人為核心，再現(xiàn)飛行員在行走與駕機工作模式，搭建了飛行服裝耗能測試平臺，為減少試驗次數(shù)，設計正交試驗，探討了不同服裝特性參數(shù)對耗能的影響，提出了服裝耗能率的評價指標，建立了基于禁忌搜索算法改進SVR算法的服裝耗能模型。試驗結果表明，該模型對服裝耗能的預測準確度達95.5%以上。

關鍵詞：服裝耗能；支持向量機回歸；測試平臺；等級評估；禁忌算法

中圖分類號：V19文獻標識碼：ADOI：10.19452/j.issn1007-5453.2021.08.012

基金項目：航空科學基金（201729Q2001）

飛行員服裝是飛行員進行飛行任務時最重要的防護裝備之一，是確保任務有序進行而不受傷害的重要保障[1]。在保障基本性能和舒適性的前提下，如何減少服裝的耗能成為人們關注的熱點問題[2]。在工作時，飛行員需要時刻對服裝做大量無用功，主要體現(xiàn)在克服服裝的重力、克服服裝的摩擦力、克服意外沖擊振動等[3]。這些大量的無用功增加了飛行員的體能消耗，從而極大地降低了工作效率。目前，對服裝耗能的研究相對較少，對服裝的研究大部分集中在面料和性能上[4]，而在飛行員服裝耗能研究上，研究人員大部分從工作人員的主觀感受出發(fā)，對服裝進行尺寸大小等舒適性調(diào)節(jié)，雖然取得了一定的效果，但是沒有考慮到不同服裝對人體耗能的客觀測量與評價，不能定量地確定服裝種類和耗能之間的關系。

目前，對人體服裝耗能的研究多集中在以下幾種方法：行為觀察法、問卷調(diào)查法、心率監(jiān)測法、呼吸熱量計測定法、雙標記水法，以及采用各種機械或電子式的運動傳感器。Meijer[5]首先檢測到心率數(shù)據(jù)，然后對數(shù)據(jù)進行回歸分析，建立心率和服裝能耗之間的線性關系。由于影響心率的因素很多，如情緒、溫度等，很難保證試驗條件的穩(wěn)定。采用呼吸熱量計測量人體能量的消耗，運用呼吸時氣體的交換進行人體能量消耗的估計，測定結果準確度較高，但是對試驗條件要求苛刻，準備復雜，使用不便。Heyman[6]提出人體運動加速度絕對值對時間的積分與人體運動的能量消耗之間具有良好的線性關系，但是加速度計在測量時存在一定的系統(tǒng)干擾，并且沒考慮工作模式下的狀況，特別是無法對人體各個部位的局部運動做出總體評價。

以上大多從生理學的角度進行耗能測量，測量過程較為復雜，依賴臨床數(shù)據(jù)，針對上述問題，本文設計了基于模特機器人的服裝耗能測試平臺，根據(jù)模特機器人運動過程中著裝前后消耗能量的差異，測量飛行服裝在工作狀態(tài)下的人體能量消耗[7]。

本文首先設計了行走工況和駕機操作工況的模特機器人的機械結構與數(shù)據(jù)采集系統(tǒng)，搭建了服裝耗能測試平臺。提出了一種適用于不同種類、不同規(guī)格的飛行服裝的耗能預測模型。首先將9種不同規(guī)格的服裝穿在模特機器人上，模擬人的運動動作，采集模特機器人手臂的擺動速度與轉矩，得到運動過程中的耗能值，最后將不同類型服裝的參數(shù)作為輸入，耗能值作為輸出，得到禁忌搜索-支持向量機回歸（tabu search- support vector machine regression，TS-SVR）數(shù)學模型。建立不同規(guī)格的服裝參數(shù)和人體耗能之間的關系。

1飛行服裝耗能測試試驗

1.1飛行服裝耗能測試平臺

以模特機器人為核心，搭建飛行服裝耗能測試平臺，開展飛行員個體防護服裝耗能測試。飛行員的常規(guī)工作模式分為上機前行走模式和駕機飛行模式。所建立的機器人耗能測試平臺如圖1所示。

模特機器人的運動參數(shù)按飛行員實際工作工況設計，手臂的擺動范圍為前后擺角-60°～60°，擺動速度為1.5rad/s。

選用基于ARM內(nèi)核的STM32F103ZET6單片機作為下位機控制核心，上位機程序通過串口發(fā)送控制指令到單片機，單片機程序解析控制命令，根據(jù)命令向電機驅動器發(fā)送對應動作的PWM信號，驅動器驅動電機完成所需試驗動作，上肢和頸部輸出軸的轉矩與轉速信號，通過單片機上的A/D轉換器得到對應數(shù)字信號，串口將轉速扭矩信號發(fā)送至上位機，實現(xiàn)在上位機實時顯示。通過相應的數(shù)據(jù)濾波與分析計算，即可實現(xiàn)模特機器人模擬人體運動時的耗能測量[10]。測量系統(tǒng)結構圖如圖2所示。

1.2服裝耗能測試試驗

為驗證測試平臺的試驗效果，準備三套典型的不同服裝，分別為棉、絲綢、皮革材料上衣，在駕機模式試驗平臺進行耗能試驗。在試驗過程中，根據(jù)機器人的輸出轉矩和轉速，計算得到服裝耗能數(shù)據(jù)。繪制功率曲線如圖3所示。

結果表明，服裝耗能瞬時功率會隨著飛行員不同動作有所波動，耗能試驗平臺能夠有效地區(qū)分不同材質服裝的耗能功率。棉制服耗能功率最小，約為32.17W，皮革制服消耗的功率最大，約為42.15W，絲綢制服和棉制服裝消耗的功率相差不大。

由于瞬時耗能功率存在一定的波動，本文對20min工作狀態(tài)下，以上三種服裝的耗能進行了累計分析，如圖4所示。結果表明隨著時間的增加，三種服裝的耗能值隨時間變化線性增加，且差別逐漸明顯，20min時，三種服裝的耗能分別為38609.54J、45030.62J、50580.4J。

1.3服裝耗能測試正交試驗

影響服裝耗能的參數(shù)很多，如服裝的質量、面料、尺碼、摩擦因數(shù)等，為了確定這些參數(shù)對耗能大小的影響情況，需要采用控制變時法，進行單變量的大量的測試試驗。為了克服試驗數(shù)量大、需要的服裝種類多的難題，采用正交試驗法進行服裝耗能試驗。

根據(jù)研究的需要，準備三套不同質量（1：大；2：中；3：?。⑷撞煌馁|（1：棉；2：絲綢；3：皮革）、三套不同尺碼（1：大；2：中；3：小）、三套不同摩擦因數(shù)（1：高；2：中；3：低）的服裝進行測試試驗。其中質量的范圍為0.4～1.2kg，摩擦因數(shù)范圍為0.05～0.3，將每個變量分為三個等級水平，按照正交試驗法進行試驗，共進行9組試驗，減小了試驗的復雜度。表1中分別用1～3代表不同因素的三個水平。

將三種不同材料的服裝分別進行耗能試驗，記錄試驗數(shù)據(jù)，對影響服裝耗能的主要因素進行測試，進行1min測試的試驗數(shù)據(jù)見表1。其中kj為第j列同一水平出現(xiàn)的次數(shù)。Ij、IIj、IIIj分別為第j列1、2、3水平所對應的試驗指標的數(shù)值之和。

由表1的數(shù)據(jù)分析可知，在9組試驗中，不同參數(shù)的服裝對人體的耗能影響程度不同，可以通過極值對比進行分析，極差越大，則證明該因素在此條件下對服裝耗能影響程度越明顯。其中服裝質量的耗能比其他因素的影響更高，極差Dj為0.89kJ，說明在此取值范圍內(nèi)，服裝質量對服裝耗能的影響更為明顯，尺碼對服裝耗能的影響最小，極差為0.13kJ。在進行服裝設計時，應著重考慮服裝質量的影響。

2基于TS-SVR的服裝耗能模型

2.1 TS-SVR的基本原理

支持向量機（support vector machine，SVM）[11]是建立在統(tǒng)計學習理論的VC維理論和結構最小原理基礎上的，在解決小樣本、非線性及高維模式識別中有許多特有的優(yōu)勢[12]，支持向量回歸（SVR）是基于SVM的預測算法，其基本原理是將原始樣本數(shù)據(jù)投射到高維的特征空間，再通過線性回歸在高維空間中尋求最優(yōu)的回歸超平面，從而實現(xiàn)預測和數(shù)據(jù)分析的目的。

2.2 TS-SVR算法的改進

由于損失函數(shù)ε和松弛變量ξ、ξ*是影響SVR回歸效果的主要因素，為了達到更好的回歸預測效果，本文選用禁忌搜索算法進行這兩個參數(shù)的尋優(yōu)，提高模型回歸的準確性和抗干擾能力。經(jīng)過禁忌搜索優(yōu)化的SVR，在新的特征空間中回歸更精確，模型訓練時間更短。算法優(yōu)化的基本步驟為：（1）首先根據(jù)試驗得到耗能試驗數(shù)據(jù)，并初始化SVR的損失函數(shù)和松弛變量，隨機產(chǎn)生初始解x，置禁忌表為空。（2）判斷算法終止條件是否滿足：若是，則結束算法并輸出優(yōu)化結果；否則，繼續(xù)以下步驟。（3）利用當前解的鄰域函數(shù)產(chǎn)生其所有（或若干）鄰域解，并從中確定若干候選解。（4）對候選解判斷藐視準則是否滿足：若滿足，則用滿足藐視準則的最佳狀態(tài)y替代x成為新的當前解，并用與y對應的禁忌對象替換最早進入禁忌表的禁忌對象，同時用y替換“best so far”狀態(tài)，然后轉步驟（6）；否則，繼續(xù)以下步驟。（5）判斷候選解對應的各對象的禁忌屬性，選擇候選解集中非禁忌對象對應的最佳狀態(tài)為新的當前解，同時用與之對應的禁忌對象替換最早進入禁忌表的禁忌對象。（6）判斷算法終止條件是否滿足：若是，則結束算法并輸出優(yōu)化結果；否則，轉步驟（3）。（7）將優(yōu)化后的懲罰參數(shù)C與核函數(shù)參數(shù)寫入SVR回歸模型，進行訓練。TS-SVR算法流程如圖5所示。

2.3基于TS-SVR的服裝耗能模型

采用改進的支持向量機回歸算法TS-SVR，建立了服裝耗能模型，以服裝的4個參數(shù)（質量、材質、摩擦因數(shù)、尺碼）作為四維輸入矢量，以20min的服裝耗能作為輸出，進行非線性回歸。

為了驗證TS-SVR模型的服裝耗能模型的有效性，以及進行模型分析效率的評估，根據(jù)正交試驗中影響服裝耗能4種不同影響因素作為輸入，均取20min的服裝耗能作為輸出，對不同特性的服裝進行耗能回歸分析，將500組試驗數(shù)據(jù)，按照8：2進行訓練集和測試集劃分，進行回歸模型訓練與測試。模測預測耗能值與實際測量值對比，觀察擬合曲線的預測性能，見表2。從表2可以看出，預測精準度平均達到95.5%以上，基于TS-SVR的服裝耗能回歸模型具有很好的回歸預測性能。證明TS-SVR構建算法的可行性。

3服裝能耗率評估

由于服裝質量是影響服裝耗能的重要因素，眾所周知，服裝的質量越大，則相同工況下其能耗越大。為了分析服裝的面料、款式、摩擦因數(shù)以及裁剪方式等對能耗的影響，本文提出單位質量的服裝耗能率作為耗能的評價指標。

總結飛行員裝備的耗能機理，提出耗能的表征方法，提出耗能率及耗能特征曲線等參數(shù)的指標評價方法。其中，耗能率即單位質量服裝在單位時間內(nèi)的耗能量，考慮到量綱的大小，選取的量綱為W/kg；耗能特征曲線即耗能率隨工況（飛行員的運動狀態(tài)）的變化曲線。

根據(jù)上述試驗得到，耗能率的范圍為0.8～4.8W/kg。根據(jù)服裝耗能率，將耗能分為5個等級，分別對應等級Grade 1～5，以材質、尺碼、摩擦因數(shù)為空間三坐標，用不同顏色標注服裝耗能率，做出服裝耗能率三維散點圖，如圖6所示。其中三個坐標軸對應的數(shù)值為影響因素的高低值。為便于分析，材質主要體現(xiàn)在彈性上，用彈性系數(shù)表示，范圍為0.1～0.8，尺碼的范圍為1～3，摩擦因數(shù)的范圍為0.2～0.6。

從圖6可以看出，基于耗能率的服裝耗能等級隨著三個不同的影響因素的改變而變化。由左下的等級1的三個黑點可知，摩擦因數(shù)和尺碼在取值固定不變時，服裝材料取值的改變對服裝能耗等級幾乎沒有影響。在摩擦因數(shù)取較大值時，服裝耗能等級就會變大。因此可以根據(jù)上述試驗結果，根據(jù)不同的服裝能耗等級選擇最佳的服裝設計方案，為減小不同工況下工作人員的體能消耗提供了依據(jù)。

4結論

通過研究，可以得到以下結論：

（1）以模特機器人為核心，搭建的飛行服裝耗能測試平臺，可以完成飛行員個體防護服裝耗能的定量測試。

（2）基于TS-SVR的服裝耗能預測算法可較好地預測服裝的不同參數(shù)耗能大小的影響，預測準確率達95.2%，為飛行員裝備耗能研究、功能性設計、質量評定提供指導和依據(jù)。

（3）服裝耗能率，即單位質量服裝在單位時間內(nèi)的耗能量，作為服裝耗能的評價指標，可以在一定程度上為服裝能耗等級劃分提供依據(jù)。

參考文獻

[1]Murray S L，Simon Y L，Sheng H. The effects of chemical protective suits on human performance[J]. Journal of Loss Prevention in the Process Industries，2011，24（6SI）：774-779.

[2]張炯，曾銳.商用飛機單一飛行員駕駛模式設計及測試[J].航空科學技術，2020，31（6）：42-49. Zhang Jiong， Zeng Rui. Design and test of single pilot driving mode of commercial aircraft[J]. Aeronautical Science & Technology，2020， 31（6）：42-49.（in Chinese）

[3]Dorman L E，Havenith G. The effects of protective clothing on energy consumption during different activities[J]. European Journal ofApplied Physiology，2009，105（3）：463-470.

[4]余瑤，錢曉明.服裝材料性能測試與分析[J].先進材料研究，2011，6（3）：2447-2450. Yu Yao， Qian Xiaoming. Performance test and analysis of clothing materials[J]. Advanced Materials Research，2011， 6（3）：2447-2450.（in Chinese）

[5]Meijer G A. Assessment of energy expenditure by recording heart rate and body acceleration[J]. Medicine & Science in Sports & Exercise，1989，7（2）：135-142.

[6]Heyman M B. Prediction of total energy expenditure using caltrac activity monitor[J]. International Journal of Obesity，1991，3（3）：72-78.

[7]Morgunov V L. Calorimeter energy calibration using the energy conservation law[J]. PRAMANA Journal of Physics，2007，69（6）：1097-1100.

[8]黃西廣.一種機器人仿真與控制技術[J].先進材料研究，2011， 2（2）：53-58. Huang Xiguang.Atechnology of robot simulation and control[J].Advanced Materials Research，2011，2（2）：53-58.（in Chinese）

[9]賈新強，張松，黃飛飛.基于人在回路的直升機著艦控制律設計與仿真[J].航空科學技術，2021，32（1）：53-59. Jia Xinqiang， Zhang Song， Huang Feifei.Design and simulation of helicopter landing control law based on man-in-loop [J]. Aeronautical Science & Technology， 2021， 32（1）：53-59.（in Chinese）

[10]黃光.基于STM32的串行通信研究[J].計算機科學進展，

2017，8（3）：191-193. Huang Guang. Research of serial communication based on STM32[J]. Advances in Comptuer Science Research， 2017， 8（3）：191-193.（in Chinese）

[11]Wang H F，Hu D J. Comparison of SVM and LS-SVM for regression[J]. Pramana Journal of Physics，2015，3（2）： 113-120.

[12]劉岳鋒，李雅，段卓毅，等.基于支持向量機的飛機系統(tǒng)辨識方法研究[J].航空科學技術，2019，30（7）：68-72. Liu Yuefeng， Li Ya， Duan Zhuoyi， et al. Research on aircraft system identification method based on support vector machine[J]. Aeronautical Science & Technology，2019， 30（7）：68-72.（in Chinese）

[13]Xu Y，Zhang D，Song F，A method for speeding up feature extraction based on KPCA[J]. Neuro Computing，2007，70（4-6）：1056-1061.

[14]Paprocka I，Gwiazda A，Baczkowicz M. Robustness of schedules obtained using the tabu search algorithm based on the average slack method[J]. Advances in Intelligent Systems and Computing，2017，2（2）：426-434.

Experimental Study and Prediction Method of Energy Consumption of Pilot Clothing Based on SVR

Sui Xiuwu1，Liu Qijun1，Qi Xiaoling2，Yang Guofu2

1. Tianjin Key Laboratory of Modern Electromechanical Equipment Technology，Tiangong University，Tianjin 300387，China

2. Aviation Key Laboratory of Science and Technology on Life-Support Technology，Xiangyang 441002，China

Abstract： In order to solve the problem of energy consumption caused by different characteristics of pilot clothing， an identification method of human body energy consumption suitable for different types of pilot clothing was proposed. Firstly， the model robot was designed to reproduce the motion state by simulating the human body in the working mode， and the protective energy consumption test platform was built.In order to explore the influence of different characteristics of clothing on the energy consumption of equipment system， orthogonal experiments were carried out on the model robot experimental platform， and a prediction model of clothing energy consumption based on Support Vector machine Regression （SVR） was proposed.The experimental results show that the model based on SVR can well predict the relationship between different characteristics of clothing and physical consumption， and can accurately evaluate the clothing grade of different characteristics of clothing.

Key Words： clothing energy consumption； support vector machine regression； test platform； rating evaluation； prediction