基于温度感受器响应的局部感觉模型构建及其在冷热转换过程中设定点适应的机制研究

为解决电动汽车(BEV)冬季工况下局部加热与HVAC系统协同优化难题，韩国研究团队创新性地将冷/热敏感受体动态响应整合至Berkeley局部感觉(LS)模型框架。通过两套独立实验数据集验证，该模型在预测冷-暖转换过程中的设定点适应(Setpoint Adaptation)时表现出色(RMSE 0.29-0.92，R2 0.53-0.92)，为BEV节能舒适调控提供了神经生理学基础。

　　

在电动汽车普及的浪潮中，冬季续航里程缩水和乘员热舒适性矛盾日益凸显。传统HVAC系统全舱加热能耗巨大，而局部加热装置(PHD)与HVAC协同工作时，又面临冷热交替环境下人体热感觉预测失准的难题。这背后隐藏着关键科学问题：当人体从寒冷环境过渡到温暖环境时，皮肤温度设定点(Setpoint)会动态偏移，但现有Berkeley局部感觉(LS)模型对此适应性机制缺乏有效表征。

韩国国立研究基金会支持的研究团队另辟蹊径，从神经生理学角度切入。研究发现人类皮肤中的冷敏(Cold-sensitive)和暖敏(Warm-sensitive)温度感受器存在拮抗作用：当受体温度升高时，暖敏神经元放电频率激增并抑制冷敏神经元，导致两者活动平衡点（即神经层面的"设定点"）向低温方向迁移。这种动态平衡恰好解释了传统模型中难以量化的设定点适应现象。

研究采用两阶段验证策略：首先基于模拟冬季车厢环境的实验数据集A，将Mekjavic-Zotterman受体响应模型嵌入Berkeley LS框架，通过回归分析获得各身体部位的模型系数；随后用独立数据集B验证模型普适性。关键技术包括：1）采用16通道温度记录系统监测7个身体部位皮肤温度(T_skin
)；2）基于受体静态/动态响应特性计算净放电频率(f_cold
/f_warm
)；3）通过比较局部与整体受体活动差异来替代原模型的温度偏差计算。

【Berkeley LS模型：概述】
改良后的模型保留原框架的四部分结构，但创新性地用受体响应替代温度差值：局部状态由冷/暖敏受体净放电率(f_net
= f_warm

• f_cold
  )表征，整体状态则通过平均皮肤温度对应受体活动修正。这种改进使模型自动涵盖设定点动态调整过程，无需人工定义偏移量。

【模拟温度感受器放电率】
数据分析显示，手掌等外周部位在加热初期呈现显著受体活动重组：暖敏神经元f_warm
增幅达38%，同时冷敏神经元f_cold
抑制率超25%。这种拮抗作用使得中性感觉对应的温度阈值自动下调2-3°C，完美复现实际观测到的设定点适应现象。

【结论】
该研究首次证实受体响应机制可有效解决LS模型在冷热转换场景的预测偏差。相较于传统模型，新框架在足部(RMSE降低42%)等易冷部位改善尤为显著。从工程应用角度看，该成果为BEV的PHD-HVAC协同控制提供了两大利器：1）无需预设复杂设定点调整规则；2）通过受体活动实时推算各部位舒适需求，为智能分区控温奠定理论基础。

这项发表于《Journal of Thermal Biology》的研究，开创性地将神经生理学原理融入热工学模型，不仅解决了电动汽车热管理中的具体难题，更为跨学科研究树立了典范。未来或可延伸至航天服、智能穿戴设备等极端环境的人体热防护领域。