体感感知气流控制：不直吹的舒适送风技术解析

一、从“温度达标”到“体感舒适”：空调控制目标的演进

传统空调控制逻辑以“房间温度达到设定值”为唯一目标：温度传感器采集回风温度，压缩机与风机据此调节制冷/制热量。这套逻辑在工程上足够简单，却忽视了一个关键事实——人体感受到的舒适度，并不等于房间平均温度。

同样设定 26℃，冷风直吹人体时体感温度可能只有 23℃，而气流绕开人体时体感温度可能接近 27℃。造成差异的核心变量包括：

• 气流速度：吹风感（draught rate）是舒适度评价中的独立指标，风速每增加 0.1 m/s，等效冷却感显著上升；
• 气流方向：直吹头部、颈部、脚踝等部位的不适阈值完全不同；
• 辐射温度：墙面、窗面、地面的表面温度对人体辐射换热的影响；
• 活动状态：静坐与轻度活动状态下的人体代谢率差异可达 1.5 倍以上。

因此，“送风不直吹”并不是一个营销话术，而是一类明确的控制问题：在满足整体冷热需求的前提下，动态调整气流方向与速度，使人体所在区域的吹风感维持在可接受范围内。这类能力通常被称为“体感感知气流控制”或“风避人/风随人”控制。

二、技术链路拆解：体感感知送风的四个层次

要实现稳定可靠的“不直吹”效果，系统需要完成从感知到执行的完整闭环。可以将其拆分为四个层次：

1. 感知层：如何判断“人在哪里、冷不冷”

感知层解决两个问题：人的空间位置与人的热状态。

• 空间位置感知：常见方案包括红外阵列传感器（热电堆阵列）、毫米波雷达、超声波阵列以及视觉方案。红外阵列成本低、隐私性好，能输出低分辨率热成像，适合判断“有人/无人”和“大致方位”；毫米波雷达可穿透部分遮挡，适合检测微动与呼吸，但对静止人体分辨能力有限；视觉方案精度最高，但涉及隐私与算力开销。
• 热状态感知：包括环境侧与人体侧。环境侧采集回风温度、湿度、辐射温度（黑球温度）与风速；人体侧则通过体表温度估计、活动量推断（如雷达微动特征）或用户主动反馈（遥控器上的“有点冷/有点热”）来间接获得。

工程上，多传感器融合是主流做法：红外阵列给出人体区域概率分布，环境传感器给出背景热场，二者叠加后形成“人体热力图”。

2. 识别层：从原始信号到“人体区域”

原始传感器数据噪声大、维度高，需要经过滤波、聚类与跟踪才能变成可用的控制输入。典型流程包括：

1. 去噪与背景建模：剔除墙面、家具等静态热源；
2. 人体检测与聚类：将热点区域聚类为若干个人体目标；
3. 目标跟踪：跨帧关联同一目标，避免因短暂遮挡导致控制抖动；
4. 区域划分：将房间划分为送风可达的若干控制区，判断每个区域内是否存在人体。

以下是一个简化的区域判定伪代码示例，用于说明逻辑结构：

def classify_zones(heatmap, trackers, zone_map):
    """
    heatmap: 二维温度增量矩阵
    trackers: 人体目标跟踪结果列表
    zone_map: 房间区域划分查找表
    """
    zone_occupancy = {zone_id: False for zone_id in zone_map}
    zone_intensity = {zone_id: 0.0 for zone_id in zone_map}
    for target in trackers:
        if target.confidence < CONF_THRESHOLD:
            continue
        zone_id = zone_map.lookup(target.position)
        weight = heatmap[target.position] * target.confidence
        zone_intensity[zone_id] += weight
        if weight > OCCUPANCY_THRESHOLD:
            zone_occupancy[zone_id] = True
    return zone_occupancy, zone_intensity

该逻辑并不复杂，难点在于阈值标定与场景泛化：不同房间尺寸、家具布局、人员着装都会影响热成像结果，需要在现场或出厂前做参数整定。

3. 决策层：把“不直吹”转化为控制目标

决策层的核心是将舒适度目标翻译成可执行的控制量。常见控制量包括：

• 导风板角度：上下/左右摆叶的目标位置；
• 风机转速：决定送风速度与射程；
• 出风温度：由压缩机频率、电子膨胀阀开度等间接决定；
• 摆风模式：固定、扫风、避人扫风等。

一种常见策略是权重场法：将房间划分为网格，每个网格根据是否有人、距人距离、风速敏感度赋予不同权重，再求解一个使“人体区域风速最小、非人体区域换热效率最高”的导风板角度。

更进阶的做法引入模型预测控制（MPC）：以房间热模型与气流模型为约束，在预测时域内优化风角与风速序列，同时兼顾能耗。这类方法对算力要求较高，通常用于中高端机型或云端协同场景。

4. 执行层：风道与导风机构的精细调节

执行层决定了控制指令能否被准确还原。关键机构包括：

• 多电机导风板：上下与左右独立驱动，可实现更细的角度分辨率；
• 双导风板/微孔导风：通过打散气流降低局部风速峰值；
• 风道切换机构：在“直吹”“避人”“扩散”等模式间切换。

执行层的难点在于一致性与寿命：长期运行后导风板间隙变化、电机回差都会影响角度精度，需要在控制中加入位置反馈或定期自校准。

三、工程实现要点与常见坑

1. 滞后与超调

从传感器检测到人移动到导风板完成避让，存在感知延迟、决策延迟与机械延迟。若控制过激，会出现“人一动风就猛摆”的抖动感。实践中常采用：

• 低通滤波 + 死区：小范围移动不触发调整；
• 速率限制：限制导风板角速度；
• 迟滞切换：进入避人区域与退出避人区域使用不同阈值。

2. 多目标冲突

当房间内有多人且位置分散时，“完全不直吹”可能无解。此时需要退化为优先级策略：例如优先避让静坐者、老人或儿童区域，或采用广角扩散送风降低整体风速。

3. 能耗与舒适的平衡

避人送风往往意味着气流路径变长、混合损失增加，可能导致换热效率下降。合理的做法是在舒适度约束下最小化能耗，而不是无条件追求“零吹风感”。

4. 标定与测试

体感类功能很难靠纯仿真验证，需要结合环境舱与真人主观评价。常用指标包括：

• 吹风感投诉率：受试者报告“有吹风感”的比例；
• 等效温度偏差：实测体感温度与设定值的偏差；
• 响应时间：从人体移动到气流避让完成的时延。

四、总结与展望

“体感感知黑科技，送风不直吹”背后的技术本质，是将控制目标从房间平均温度扩展到人体局部热舒适。它依赖多传感器融合、人体区域识别、气流决策与精细执行四个层次的协同，并在工程上需要处理滞后、多目标冲突与能耗平衡等问题。

对开发者而言，这一领域提供了丰富的实践空间：从传感器数据处理、实时控制算法，到嵌入式执行机构驱动，再到云端协同的模型更新与数据分析。随着边缘算力提升与传感成本下降，体感感知气流控制有望从高端机型逐步下沉，成为智能环境控制的基础能力。