软测量技术的多参数系统范文

本站小编为你精心准备了软测量技术的多参数系统参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《现代建筑电气杂志》2014年第六期

1智能疏散诱导系统的工作原理

该系统由计算机、烟气层的烟气浓度、温度探测装置、人群疏散速度探测仪以及动态疏散线路标识(发光型指示灯、声光型指示器、连续型导向光流标志灯等应急疏散指示器)与安全出口标识等组成。其中人的行为参数可采用背景减的方法来判断场景中被人群占据空间的大小;也可用边缘提取的方法，通过边缘周长检测来估计人群密度［8］;对于高密度人群则采用基于纹理特征分析的方法来估计人群密度［17］。这些方法需要设备投入成本高，实时性差，不便于工程上直接应用与推广，特别是能见度低时实施效果不理想。为此，本文提出了基于软测量技术的智能疏散诱导系统。软测量技术是指将难以测量或不可测的主导变量，选择另外一些既与主导变量有密切关系又容易测量的变量，通过构造某种数学关系(软测量模型)，用计算机软件实现对主导变量的推断和估计，并实现以软件部分代替硬件(传感器)功能的一种技术［18］。通过本文构建的人流密度-速度模型，用测得的人群移动速度可间接得到人群密度值。建筑火灾中人群疏散诱导控制是一个涉及建筑物结构特征、火灾发展过程和人的行为三种基本因素相互作用的复杂系统。智能疏散诱导系统机理模型如图1所示。

1．1状态参变量的知识表征建筑物通道的有效宽度、坡度、弯度等结构参数对人的步行速度均有一定的影响。综合国内外学者对人员行进速度的观测分析［19-20］，不同疏散通道通行的通行难易系数如表1所示，通行难易系数用α表示。疏散路径的当量路径长度L=αL0，L0为建筑物通道的实际长度:目前火灾探测报警系统仅能给出烟气的浓度和烟气的温度值［21］(将来可考虑烟气毒性指标的影响［22］)，故从实际出发取浓度和温度作为烟气状态参数(试验验证时，取同步模拟值)。设烟气浓度给定值论域为［c1，c2］，测得的烟气浓度(来自火灾探测报警系统烟气浓度)c在论域［c1，c2］归一化处理;同理，设烟气温度给定值论域为［t1，t2］，测得的烟气温度(来自火灾探测报警系统烟气温度)t在［t1，t2］上归一化处理。处理后的烟气状态参数存入火灾状态信息数据库，形成火灾烟气状态信息的知识表征。设定人群密度论域［ρ1，ρ2］，通过人群密度测试装置获得实际密度ρ，对ρ在论域［ρ1，ρ2］归一化处理存入人的行为参数数据库，完成人的行为参数的知识表征:

1．2基于LS-SVM支持向量机的智能诱导控制器智能疏散诱导系统的实质是把建筑物通道、火灾烟气状态(烟气浓度、温度)和人群行为参数(人群密度)作为LS-SVM［23］支持向量机的输入，把安全指示灯的频闪周期T(s)作为LS-SVM支持向量机的输出构成的一个预测控制模型:核函数确定后，只要确定σ和惩罚因子γ，用样本数据就可得到式(7)的回归方程。选用20个典型建筑火灾案例，按照以下步骤处理:(1)调用该建筑物的原设计图纸获取建筑物结构参数，计算火灾区域实际疏散路径的当量长度并经数据化处理，作为建筑物结构特征的样本数据。(2)用FDS+Evac仿真软件［24］还原其火灾过程得到火灾烟气状态参数，调用该建筑物火灾报警系统内数据存储区的真实火灾烟气状态参数，将两者按火灾进程混合并做数据化处理，作为该建筑物的火灾烟气状态的样本数据。(3)调用该建筑物监控录像，用图像处理技术［25］获得真实人员疏散的人群密度，根据人群密度-速度关系，将两者通过数据化处理，获得表征人群行为参数的样本数据。(4)由于建筑物设计之初，设计者已经按照假设的人员密度(人群初始密度)和设计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结构参数基本不变，但疏散人员的“偏向度”，常常导致某些安全出口或通道很少有人使用。优先选择最熟悉的疏散出口或疏散路径，即便其他的出口或路径就在附近，只有当该出口区域人员密度较大或受到火灾威胁时，才会选择附近的其他出口(或路径)。为此，采用以下原则确定T(s):①就近原则，假设疏散人员优先选择距其最近的安全出口;②均衡疏散原则，当路径宽窄不一致时，按照人员的通过率均衡疏散。图1中给出的动态标识路径实际是一种纠错过程，不断纠正“偏向度”导致的恶果。(5)用其中16个案例的数据训练模型，得到一个4输入、1输出的LS-SVM支持向量机预测模型(烟气状态是温度和浓度2个参变量，图2中用一路烟气状态示之)，用其余4个案例的数据验证模型的可行性，模型的训练过程如下:①输入训练样本:L、c、t、ρ作为输入，T(s)作为输出控制参量;②选定σ和γ;③用最小二乘支持向量机算法求解参数αi、b;④将求解得到的参数代入LS-SVM，并输入测试样本对T(s)进行预测。该系统在实际应用中，可根据实际测得的不同疏散通道的人群密度修正图1中人的行为状态给定值，提高系统的鲁棒性。本文采用遗传算法［26］，用T(s)拟合误差最小化作为适应度评价函数，通过选择、交叉、变异等遗传操作，经过若干代遗传进化后，获得LS-SVM模型的最优参数。这里σ集取{0．01，0．1，1，10}，γ集取{1，10，100，1000，10000}，交叉概率取0．6，变异概率取0．2，群体规模为50，进化代数为100。最终得到最佳的核宽度σ=0．63，惩罚因子γ=100。

1．3智能诱导控制器的实现用建好的LS-SVM预测控制模型，根据实际着火的部位(不同防火分区或楼层)，发出指令改变指示灯具的频闪周期，形成多条人群疏散路径的动态标识。以人群密度为例，其具体的控制程序为:①当ρ＜ρ1时，其指示灯处于常亮状态;②ρ1≤ρ≤ρ2时，其频闪周期为4T(s)，占空比为1∶1;③当ρ＞ρ2时，其频闪周期为6T(s)，占空比为1∶3，即亮的时间为灭的时间的1/3。T(s)与建筑物防火分区的划分、疏散通道的长短、宽窄及其布局等有关，称之为控制函数。

1．4控制函数与人员速度的确定若ρ1=1．18ps/m;ρ2=3．18ps/m［27］，则对应的人员速度阈值由式(3)直接计算得到。T(s)按如下方法确定:①确定防火分区;②设定该防火分区最危险的火灾场景位置;③计算该位置与其最近的安全出口之间的直线最短距离;④该距离除以υm并向上取整。假设n是该防火分区安全疏散出口的数量，则人员选择某出口的概率为式(9)反映了疏散人员的“偏向度”。因此，通过改变疏散指示灯的频闪周期，能够改变疏散人员选择疏散出口或路径的概率，避免某出口或路径出现阻塞现象。根据不同的应用对象，通过现场编程将有关数据(如人员速度阈值υa、υb和人员期望速度υm以及不同防火分区T(s))植入智能诱导控制器，将建筑物环境参数和火灾状态信息数据导入控制系统的主机，从而形成基于软测量技术的多参数智能疏散诱导系统。

2智能疏散诱导系统的验证

2．1试验设计将建筑物地下一层(31m×16m×5．5m，设有3个安全出口，A、B出口宽2m，C出口宽4m)的墙面、顶面均涂成黑色，地板铺黑色塑料瓷砖(反射率0．045)，并摆放好一定数量的货架。在规定的位置布置好烟气浓度传感器、温度探测装置、人群疏散速度探测仪以及摄像设备，这些仪器设备通过RS-485总线接口分别进入数据采集系统、图像采集系统。按GB50098—2009《人民防空工程设计防火规范》设置高位出口语音、低位疏散照明以及地面、墙面连续型导向光流标志灯，通过控制总线与智能疏散诱导系统相连，构成“黑屋”试验平台。

2．2火灾危险条件火灾的危险状态有以下三种:①当烟气层高于人眼特征高度时，180～200℃烟气产生的热辐射会对人造成不可恢复的烧伤，这里取190℃;②当烟气层低于人眼特征高度时，110～120℃烟气层对人体构成伤害，这里取115℃;③当CO体积分数达到2．5×10－3时，可对人构成严重伤害。这里人眼特征高度取1．5m，环境温度取20℃［27］。

2．3试验过程试验人群的组成及特征如表2所示。学生人群仅从正门C进入，而不知A、B门的存在。火灾场景设定在图3的中间位置，可燃物为木制货架、皮面座椅、沙发等常见物品。由CFAST模型模拟结果可知，当着火248s时，烟气层厚度达4m，温度为55℃，不能对人造成危害;当着火410s时，烟气温度为115℃，能对人体造成直接烧伤。此时的CO体积分数远小于2．5×10－3，对人体不构成伤害。因此，按火灾危险条件②确定危险来临时间为410s。分别在文献［28］给出的郑氏智能疏散系统和本文提出的智能疏散诱导系统的条件下进行疏散试验。试验共进行10次。试验从正常照明灯熄灭开始，最后一个学生走出安全出口时终止。疏散试验结果如表3所示。由表3可见，郑氏系统的疏散时间最大值为400s，已接近危险来临时间;而本系统对应的疏散时间最大值为298s，远小于危险来临的时间410s。显然，本系统具有疏散效率高、疏散时间短的典型特征。

3结语

多参数智能疏散诱导系统实质是一个4输入、1输出的LS-SVM预测控制模型，根据实际着火的部位，LS-SVM模型发出控制指示灯具指令，改变其频闪周期，形成多条人群疏散路径的动态标识—动态标识路径。试验结果表明，智能疏散诱导系统的人群疏散时间远小于危险来临时间，可满足特殊场合人群安全疏散的需求。有待于下一步需开展智能疏散诱导系统的诱导方式、安装位置以及布置方式对疏散人群影响规律的应用研究。

作者：冉海潮 孙丽华郭英军单位：河北科技大学