軟測量技術的多參數系統范文

本站小編為你精心準備了軟測量技術的多參數系統參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《現代建筑電氣雜志》2014年第六期

1智能疏散誘導系統的工作原理

該系統由計算機、煙氣層的煙氣濃度、溫度探測裝置、人群疏散速度探測儀以及動態疏散線路標識(發光型指示燈、聲光型指示器、連續型導向光流標志燈等應急疏散指示器)與安全出口標識等組成。其中人的行為參數可采用背景減的方法來判斷場景中被人群占據空間的大小;也可用邊緣提取的方法，通過邊緣周長檢測來估計人群密度［8］;對于高密度人群則采用基于紋理特征分析的方法來估計人群密度［17］。這些方法需要設備投入成本高，實時性差，不便于工程上直接應用與推廣，特別是能見度低時實施效果不理想。為此，本文提出了基于軟測量技術的智能疏散誘導系統。軟測量技術是指將難以測量或不可測的主導變量，選擇另外一些既與主導變量有密切關系又容易測量的變量，通過構造某種數學關系(軟測量模型)，用計算機軟件實現對主導變量的推斷和估計，并實現以軟件部分代替硬件(傳感器)功能的一種技術［18］。通過本文構建的人流密度-速度模型，用測得的人群移動速度可間接得到人群密度值。建筑火災中人群疏散誘導控制是一個涉及建筑物結構特征、火災發展過程和人的行為三種基本因素相互作用的復雜系統。智能疏散誘導系統機理模型如圖1所示。

1．1狀態參變量的知識表征建筑物通道的有效寬度、坡度、彎度等結構參數對人的步行速度均有一定的影響。綜合國內外學者對人員行進速度的觀測分析［19-20］，不同疏散通道通行的通行難易系數如表1所示，通行難易系數用α表示。疏散路徑的當量路徑長度L=αL0，L0為建筑物通道的實際長度:目前火災探測報警系統僅能給出煙氣的濃度和煙氣的溫度值［21］(將來可考慮煙氣毒性指標的影響［22］)，故從實際出發取濃度和溫度作為煙氣狀態參數(試驗驗證時，取同步模擬值)。設煙氣濃度給定值論域為［c1，c2］，測得的煙氣濃度(來自火災探測報警系統煙氣濃度)c在論域［c1，c2］歸一化處理;同理，設煙氣溫度給定值論域為［t1，t2］，測得的煙氣溫度(來自火災探測報警系統煙氣溫度)t在［t1，t2］上歸一化處理。處理后的煙氣狀態參數存入火災狀態信息數據庫，形成火災煙氣狀態信息的知識表征。設定人群密度論域［ρ1，ρ2］，通過人群密度測試裝置獲得實際密度ρ，對ρ在論域［ρ1，ρ2］歸一化處理存入人的行為參數數據庫，完成人的行為參數的知識表征:

1．2基于LS-SVM支持向量機的智能誘導控制器智能疏散誘導系統的實質是把建筑物通道、火災煙氣狀態(煙氣濃度、溫度)和人群行為參數(人群密度)作為LS-SVM［23］支持向量機的輸入，把安全指示燈的頻閃周期T(s)作為LS-SVM支持向量機的輸出構成的一個預測控制模型:核函數確定后，只要確定σ和懲罰因子γ，用樣本數據就可得到式(7)的回歸方程。選用20個典型建筑火災案例，按照以下步驟處理:(1)調用該建筑物的原設計圖紙獲取建筑物結構參數，計算火災區域實際疏散路徑的當量長度并經數據化處理，作為建筑物結構特征的樣本數據。(2)用FDS+Evac仿真軟件［24］還原其火災過程得到火災煙氣狀態參數，調用該建筑物火災報警系統內數據存儲區的真實火災煙氣狀態參數，將兩者按火災進程混合并做數據化處理，作為該建筑物的火災煙氣狀態的樣本數據。(3)調用該建筑物監控錄像，用圖像處理技術［25］獲得真實人員疏散的人群密度，根據人群密度-速度關系，將兩者通過數據化處理，獲得表征人群行為參數的樣本數據。(4)由于建筑物設計之初，設計者已經按照假設的人員密度(人群初始密度)和設計流量布置了合理的疏散通道和安全出口，并且建筑物一旦投入使用其結構參數基本不變，但疏散人員的“偏向度”，常常導致某些安全出口或通道很少有人使用。優先選擇最熟悉的疏散出口或疏散路徑，即便其他的出口或路徑就在附近，只有當該出口區域人員密度較大或受到火災威脅時，才會選擇附近的其他出口(或路徑)。為此，采用以下原則確定T(s):①就近原則，假設疏散人員優先選擇距其最近的安全出口;②均衡疏散原則，當路徑寬窄不一致時，按照人員的通過率均衡疏散。圖1中給出的動態標識路徑實際是一種糾錯過程，不斷糾正“偏向度”導致的惡果。(5)用其中16個案例的數據訓練模型，得到一個4輸入、1輸出的LS-SVM支持向量機預測模型(煙氣狀態是溫度和濃度2個參變量，圖2中用一路煙氣狀態示之)，用其余4個案例的數據驗證模型的可行性，模型的訓練過程如下:①輸入訓練樣本:L、c、t、ρ作為輸入，T(s)作為輸出控制參量;②選定σ和γ;③用最小二乘支持向量機算法求解參數αi、b;④將求解得到的參數代入LS-SVM，并輸入測試樣本對T(s)進行預測。該系統在實際應用中，可根據實際測得的不同疏散通道的人群密度修正圖1中人的行為狀態給定值，提高系統的魯棒性。本文采用遺傳算法［26］，用T(s)擬合誤差最小化作為適應度評價函數，通過選擇、交叉、變異等遺傳操作，經過若干代遺傳進化后，獲得LS-SVM模型的最優參數。這里σ集取{0．01，0．1，1，10}，γ集取{1，10，100，1000，10000}，交叉概率取0．6，變異概率取0．2，群體規模為50，進化代數為100。最終得到最佳的核寬度σ=0．63，懲罰因子γ=100。

1．3智能誘導控制器的實現用建好的LS-SVM預測控制模型，根據實際著火的部位(不同防火分區或樓層)，發出指令改變指示燈具的頻閃周期，形成多條人群疏散路徑的動態標識。以人群密度為例，其具體的控制程序為:①當ρ＜ρ1時，其指示燈處于常亮狀態;②ρ1≤ρ≤ρ2時，其頻閃周期為4T(s)，占空比為1∶1;③當ρ＞ρ2時，其頻閃周期為6T(s)，占空比為1∶3，即亮的時間為滅的時間的1/3。T(s)與建筑物防火分區的劃分、疏散通道的長短、寬窄及其布局等有關，稱之為控制函數。

1．4控制函數與人員速度的確定若ρ1=1．18ps/m;ρ2=3．18ps/m［27］，則對應的人員速度閾值由式(3)直接計算得到。T(s)按如下方法確定:①確定防火分區;②設定該防火分區最危險的火災場景位置;③計算該位置與其最近的安全出口之間的直線最短距離;④該距離除以υm并向上取整。假設n是該防火分區安全疏散出口的數量，則人員選擇某出口的概率為式(9)反映了疏散人員的“偏向度”。因此，通過改變疏散指示燈的頻閃周期，能夠改變疏散人員選擇疏散出口或路徑的概率，避免某出口或路徑出現阻塞現象。根據不同的應用對象，通過現場編程將有關數據(如人員速度閾值υa、υb和人員期望速度υm以及不同防火分區T(s))植入智能誘導控制器，將建筑物環境參數和火災狀態信息數據導入控制系統的主機，從而形成基于軟測量技術的多參數智能疏散誘導系統。

2智能疏散誘導系統的驗證

2．1試驗設計將建筑物地下一層(31m×16m×5．5m，設有3個安全出口，A、B出口寬2m，C出口寬4m)的墻面、頂面均涂成黑色，地板鋪黑色塑料瓷磚(反射率0．045)，并擺放好一定數量的貨架。在規定的位置布置好煙氣濃度傳感器、溫度探測裝置、人群疏散速度探測儀以及攝像設備，這些儀器設備通過RS-485總線接口分別進入數據采集系統、圖像采集系統。按GB50098—2009《人民防空工程設計防火規范》設置高位出口語音、低位疏散照明以及地面、墻面連續型導向光流標志燈，通過控制總線與智能疏散誘導系統相連，構成“黑屋”試驗平臺。

2．2火災危險條件火災的危險狀態有以下三種:①當煙氣層高于人眼特征高度時，180～200℃煙氣產生的熱輻射會對人造成不可恢復的燒傷，這里取190℃;②當煙氣層低于人眼特征高度時，110～120℃煙氣層對人體構成傷害，這里取115℃;③當CO體積分數達到2．5×10－3時，可對人構成嚴重傷害。這里人眼特征高度取1．5m，環境溫度取20℃［27］。

2．3試驗過程試驗人群的組成及特征如表2所示。學生人群僅從正門C進入，而不知A、B門的存在。火災場景設定在圖3的中間位置，可燃物為木制貨架、皮面座椅、沙發等常見物品。由CFAST模型模擬結果可知，當著火248s時，煙氣層厚度達4m，溫度為55℃，不能對人造成危害;當著火410s時，煙氣溫度為115℃，能對人體造成直接燒傷。此時的CO體積分數遠小于2．5×10－3，對人體不構成傷害。因此，按火災危險條件②確定危險來臨時間為410s。分別在文獻［28］給出的鄭氏智能疏散系統和本文提出的智能疏散誘導系統的條件下進行疏散試驗。試驗共進行10次。試驗從正常照明燈熄滅開始，最后一個學生走出安全出口時終止。疏散試驗結果如表3所示。由表3可見，鄭氏系統的疏散時間最大值為400s，已接近危險來臨時間;而本系統對應的疏散時間最大值為298s，遠小于危險來臨的時間410s。顯然，本系統具有疏散效率高、疏散時間短的典型特征。

3結語

多參數智能疏散誘導系統實質是一個4輸入、1輸出的LS-SVM預測控制模型，根據實際著火的部位，LS-SVM模型發出控制指示燈具指令，改變其頻閃周期，形成多條人群疏散路徑的動態標識—動態標識路徑。試驗結果表明，智能疏散誘導系統的人群疏散時間遠小于危險來臨時間，可滿足特殊場合人群安全疏散的需求。有待于下一步需開展智能疏散誘導系統的誘導方式、安裝位置以及布置方式對疏散人群影響規律的應用研究。

作者：冉海潮 孫麗華郭英軍單位：河北科技大學