舱外航天服自动温控技术回顾与展望

张贺翔， 李潭秋， 李 猛， 尚 坤， 王 涛

(1.航天工程大学研究生院， 北京 101416； 2.中国航天员科研训练中心人因工程重点实验室， 北京 100094)

1 引言

航天员进行舱外活动(Extravehicular Activity，EVA)期间，舱外航天服温控系统的主要作用是清除航天员的代谢产热量，维持航天员的热平衡，以确保航天员的安全及工效能力。 自阿波罗A7L航天服诞生以来，舱外航天服温控系统广泛使用的是通风＋液冷的复合方式，通风回路只带走小部分热量，主要的排热方式是液冷服(Liquid Cooling Garment，LCG)，液冷服带走大部分热量并将其传输到水升华/热交换器，通过水升华/热交换器将冰升华到真空来排热。

目前舱外航天服的主要温控方法是手动调节液温手柄，通过改变液冷服的入口水温实现温度调节。 然而由于人体对自身热状态的估计能力较差，注意力集中于工作时，对热感觉的反应有延迟，无法准确调节入口水温，难以达到热舒适。 美国出舱活动历史中就出现了多起由于手动调节不佳而导致过冷的事件，有时航天员宁愿长时间保持在最小或中度的冷却范围内，也不想频繁调节手柄。 自动温控技术能够避免航天员分散注意力，从而提高工作效率，同时在紧急情况发生时还可以防止航天员过冷或过热，提升医学安全性。20 世纪60 年代，美国和苏联/俄罗斯开始了舱外航天服自动温控技术的研究，提出了许多控制方案，但目前只有俄罗斯进行了实际应用，美国和中国仍处于研究开发阶段。

本文通过分析EVA 自动温控系统的构成及难点，总结控制模型的发展及代谢率的计算方法，并在研究国内外EVA 自动温控方案的基础上展望未来的发展方向，为后续舱外航天服自动温控技术的研制提供参考。

2 构成及难点

舱外航天服自动温控系统的总体框图如图1所示，通过传感器采集航天员热舒适相关的生理信息，代入温控系统的控制模型输出控制信号，根据对应的温控方案调节液冷服的水温，以消除航天员的代谢产热，从而达到热舒适。

图1 舱外服自动温控系统总体框图Fig.1 Block diagram of automatic thermal control system for EVA spacesuit

人体的热调节机制相当复杂，包含多种负反馈调节机制，在数学上表现为高度的非线性，而且人体热反应存在滞后性。 比如运动停止后产热量不会立即下降，导致皮肤温度会继续升高，即人体体温调节系统是一个缓慢响应的非线性系统。 自动温控系统的设计不仅包括人体热调节模型，还需要考虑出舱活动过程中人体代谢产热的变化规律。 到目前为止，人类已经开展了数百次的出舱活动。 实践表明:在出舱过程中，航天员在不同强度运动和休息状态之间交替变换，热代谢高且变化剧烈，其中EVA 的平均代谢率为250 W，最小和最大峰值可达100 W 和600 W，典型的EVA 代谢率变化如图2 所示。 代谢率是人体热舒适的影响因素之一，代谢率交变剧烈时会引起热舒适发生变化，基于人体热舒适的自动温控实现需要与人体的热调节机制相吻合。 此外，舱外航天服内的环境不同于室内的稳态均匀环境，服内的各个参数值都是动态时变的，属于瞬态非均匀的微环境，因此传统的预测平均热感觉指标(Predicted Mean Vote，PMV)不适用于航天服环境，需要建立动态热舒适准则来评价服内的热舒适，并且不同人在相同环境中的热舒适感觉不同，个性化差异大。

图2 EVA 期间典型代谢率[6]Fig.2 Typical metabolic rate during EVA[6]

因此，针对复杂的人体热调节机理、出舱期间交变剧烈的代谢率、动态热舒适和个性化适应等问题，建立控制模型和设计控制方案是舱外服自动温控技术存在的挑战。

3 控制模型

舱外航天服自动温控系统的控制目标是在快速、大范围交变的热负荷下维持人体热平衡，消除不同活动水平下的代谢产热，帮助航天员自然地进行体温调节过程，避免经历热应激。 人体热调节模型作为EVA 自动温控的控制模型之一，为热控制器的参数调整及控制算法的设计提供了参考依据。 而代谢率作为控制输入的一个重要参数，在舱外航天服这种特殊环境下对其进行精确测量比较困难，无法随身携带像心肺功能仪这样体积庞大的设备直接测量，因此需要建立一种可靠性高的模型间接估算代谢率。

3.1 人体热调节模型及耦合模型

人体不是完全被动的被控对象，拥有自己的体温调节控制系统，如出汗、冷颤、血管的舒张和收缩等生理反应。 了解人体在不同工作负荷下的热反应十分重要，但是对航天员遇到的所有情况都进行实际测试并不现实，因此需要利用数学模型来简化复杂的人体热调节机制，模拟极端空间环境下人体的热反应。

在舱外航天服自动温控的研究中主要使用的人体热调节模型有41 节点模型、Wissler模型、Fiala 模 型等，其 中Wissler 模 型提供了一个通用平台，在该平台上可以模拟不同环境条件和不同代谢负荷下人体的热状态。随着人体热模型的发展，节段数量增加，模型维度上升，计算能力增强，仿真模拟的精度和速度也在不断提高。 近年来，在建立热模型时还考虑了失重、低压的环境因素影响以及生理上的个体差异等，逐渐满足自动温控所需的模型预测精度。

在设计自动温控方案时还需要考虑人体主动热调节与LCG 自动温控的相互作用，特别是穿着液冷服后，人－服模型更加复杂，人与服装、环境之间的热交换存在不稳定性，因此需要在经典人体热调节模型的基础上建立人－服－环境耦合模型，有利于开发更优的自动温控策略，提高控制精度。

3.2 EVA 代谢率模型

建立代谢率模型对于开发自动温控系统是十分重要的。 在舱外航天服生命保障系统(Portable Life Support System，PLSS)中，代谢率是用于估计航天员EVA 期间能量和资源消耗的一个关键变量，也是阿波罗(Apollo)任务期间采集的重要指标之一。 各类EVA 活动的累计代谢负荷数据不仅可以预测航天员产生的热量，还可以用于EVA 任务规划和调度，通过及时调整EVA 任务的数量和顺序，使航天员的工作效率最大化且不会过度劳累，实时监测代谢变化也有助于获取航天员的健康状态。

EVA 期间计算人体代谢消耗的方法主要分为间接量热法和直接量热法。 间接量热法又分为3 种，即利用耗氧量、二氧化碳产生率和心率3 种生理指标建立数学模型估算代谢率。 直接量热法是计算液冷服的散热量直接评估代谢产热，也称为通风液冷散热法。 表1 总结了EVA期间代谢率的计算方法。

表1 EVA 期间代谢率的计算方法Table 1 Calculation methods of metabolic rate during EVA

在这些计算方法中，通过耗氧量、LCG 散热量计算代谢产热的延迟较高，作为控制信号会导致响应滞后。 耗氧量虽然是计算平均代谢消耗的可靠方法，但它不能在短时间间隔内精确测算代谢率，而且加压后服内可能会产生氧气泄漏，导致耗氧量测量不准确，无法精确估算代谢率。 Kocielniak 等通过试验证明相比于耗氧量和心率，利用二氧化碳产生率计算代谢率的准确性相对较好。 虽然心率能被准确测量且延时短，但由于测量结果会受到情绪压力等因素的影响，预测代谢率的可靠性较低。 心率法是预先建立心率与代谢率之间的回归方程，通过测量的心率值估算能量代谢。 心率与耗氧量在一定范围内存在明显的线性关系，两者之间的关系式可以通过标准化方程来确定，但该方程在低负荷和高负荷的工作情况下不适用。 综上，测算二氧化碳产生率是评估EVA 期间动态能量消耗的有效方法。NASA 研制了一款便携式代谢装置，把测量数据无线传输给远程计算机进行数据分析和存储，并尝试将其应用在EVA 航天服上。 它的传感器位于靠近口鼻区的位置，采样频率为10 Hz，实时测量通风量、耗氧量、二氧化碳呼出量以及心率。该装置的缺点是需要位于口腔区的位置，测量结果才比较精准。

由于人体生理、出舱活动类型和舱外航天服灵活性的差异，苏联/俄罗斯航天员和美国航天员在EVA 期间的平均代谢率有所不同，如图3所示。 随着EVA 任务的延续，能量消耗呈下降趋势，且代谢率低于飞行前地面训练期间消耗的能量。 这说明如果在微重力环境下进行过实际操作，之后再进行相同重复性工作时，可能由于训练经验增加以及心理压力降低导致代谢消耗减少。 由此可见，影响代谢率的因素有很多，如个体因素(性别、年龄、体重、负荷、衣服等)、环境因素(重力、地形等)、运动因素(速度、坡度、活动强度等)和心理因素(压力、情绪等)，因此获取覆盖所有条件的数据，建立一个适用于所有工况的代谢率模型比较困难。 由于航天员数量有限且需要经过选拔，可以不必建立适用于所有人的代谢率模型，而是针对特殊小群体建立个性化代谢率模型，以适应个性化特征，利用在地面充足的学习训练时间，使模型不断优化完善。 Ubide提出使用人工神经网络的方法，将个体因素和运动因素的相关数据作为输入，能够预测航天员在星球表面行走时的EVA 代谢率。 现阶段EVA 代谢率模型仍需完善和优化，建立代谢率预测模型使控制器提前响应，即在人体感觉到冷/热之前已经完成升高/降低水温的调节，是自动温控技术的理想目标。 因此，建立代谢率预测模型对未来舱外航天服自动温控技术的发展至关重要，有利于后续制定自动控制策略。

图3 航天员在EVA 期间的平均代谢率[19]Fig.3 Average metabolic rate of astronauts during EVA[19]

4 研究进展及应用状态

确定自动温控系统的输入信号是自动温控技术的难点之一，控制输入大多是和代谢率直接或间接相关、且对代谢产热敏感的参数。 控制信号的本质是反映人体代谢产热状态以及量化人体的热舒适程度，可分为生理信号及非生理信号。 生理信号包括能从人体直接测量或间接估测的参数，如耗氧量、皮肤温度、出汗率、二氧化碳呼出量、心率和代谢率等，非生理信号是指利用LCG 出入口的水温差估测散热量。 生理信号的优点是能较为直观地反映人体生理状态，缺点是有些信号容易受到情绪干扰导致测量结果的准确性下降，如心率、呼吸频次等。 非生理信号的优点是稳定性强，传感器不会直接接触人体引起不适，缺点是延迟性高。 随着技术的不断发展和完善，输入信号由单生理信号逐渐发展为多生理信号的组合，但控制器的输入参数也不宜过多，否则容易造成系统复杂化。表2 简要概括了国内外航天服自动温控技术的研究进展。

表2 国内外航天服自动温控技术简述Table 2 Overview of automatic thermal control in spacesuits at home and abroad

控制方法方面，大部分是建立LCG 水温与控制信号之间线性或非线性的表达式，优点是计算结果用时短，控制响应快，缺点是过度理想化，仅在特定范围内适用，距离实际工程应用还有差距，缺乏广泛适用性。 水温的调节方法主要有连续调节和档位调节:连续调节为自由旋转电机角度，从而改变冷源流量调节水温；档位调节为预先设定好档位，每个档位对应一种水温。

美国最早开展舱外服自动温控技术的研究，但至今尚未在EVA 上实际应用。 俄罗斯研制的海鹰－MKC 舱外航天服已经具备了自动温控功能，能够实现热中性状态(接近热舒适状态)的自动检查，并且在国际空间站的实际出舱活动中得到了验证，具有很强的实用性。 海鹰－MKC 利用的是身体产热量与二氧化碳浓度水平呈正相关的关系，通过净化罐进出口的二氧化碳浓度差及通风流量，计算得到人体能量消耗的代谢率水平作为控制信号，以此来调节入口水温。 根据出舱活动过程中航天员的客观生理指标和主观感受，证明该技术能够让航天员在EVA 期间总体上达到舒适的程度。 但仍存在一些不足:从休息状态转向工作状态的前几分钟内，由于液冷服保持标准状态而没有降低温度，热感觉评价是舒适偏热；从工作状态向休息状态转换期间，在开始2 ～4 分钟内的热感觉评价是偏冷，这是由于液冷服内温度提升速度较慢造成的，此时航天员已经降低了代谢产热，而换热仍然停留在高于身体产热几倍的水平。 在休息期间液冷服的温度少量提升，热感觉评价为舒适。 海鹰－MKC 的热控系统同时具有手动和自动模式，自动温控系统并不是自始至终都处于工作状态，过闸和返回过闸阶段热控系统变为手动控制模式。

中国对舱外航天服自动温控技术也进行了研究并取得一定的进展，主要是利用人工神经网络建立控制模型，输入为人体热生理参数、服内环境参数或多种参数相结合，输出为代谢率或LCG 入口水温，目前尚未达到实用阶段。

5 结论与展望

人体热调节模型和代谢率模型是舱外航天服自动温控的重要控制模型，其模型精度和适用性决定了自动温控的控制效果，中国已研究并建立了EVA 能量代谢评估模型，模型精度还有待提升。 EVA 期间的代谢率测算方法中，用二氧化碳产生率评估代谢率相对可靠，也是目前海鹰－MKC 自动温控所采用的方法。 随着人工智能技术的不断发展，人工神经网络开始用于中国舱外服自动温控的研究，并据此建立了一些理论控制方案。

舱外航天服自动温控技术在许多方面还存在优化和发展方向:

1)控制模型方面。 建立人－服－环境的多耦合模型，完善人体主动热调节机制与LCG 自动温控系统之间的相互配合作用，使理论模型更贴近实际工程运用。 需要处理地面研究试验与实际飞行环境的差异，以适应轨道空间的微重力环境和月球、火星等低重力环境；

2)生理信息采集方面。 配合舱外航天服研发新的二氧化碳传感器，提高二氧化碳传感器在混合气体中的检测精度和速度，从而使代谢率的计算结果更加精确。 生理信息也在一定程度上量化了人体的热舒适程度，发展生理信息采集技术能够让控制输入信息更加准确，进而提升控制效果使人体更加舒适。 随着硬件性能和软件功能的不断提升，生理信息测量技术的发展可以满足未来需求；

3)热舒适方面。 针对服内非均匀的微环境建立动态热舒适指标，评价人体在瞬态环境下的热舒适。 满足个性化的热舒适需求也是当前有待解决的问题，可以利用人工智能算法使控制系统具备在线自学习的功能，克服传统控制需要精确模型、自适应能力弱等缺点，以适应每个人的个性化特征，满足航天员的差异性偏好；

4)控制方案方面。 需要考虑人体体温调节系统存在滞后作用的问题，提升控制器的响应速度，根据代谢率的变化进行预测性控制，改善温控系统的动态控制性能。 自动模式与手动模式不是相互排斥，而是互为补充的关系，两者组合的控制方案能够使控制效果达到最优。