一种多功能管廊火灾实验模型与可视化预警方法

阅读：评论：0

1.本发明涉及地下综合管廊火灾安全领域，特别涉及一种多功能管廊火灾实验模型与可视化预警方法。

背景技术：

2.城市地下管廊存在火灾灾害频发的问题，主要原因在于管廊内包含的电缆和燃气等专业管线容易发生火灾与燃气泄漏事故，存在较大的火灾安全隐患，而且由于地下管廊的空间结构相对狭小封闭，一旦发生火灾，火势扩散迅速，烟气蔓延聚集，会产生人员伤亡和经济损失，对国家财产与人民生命安全造成了严重的威胁，因此，针对管廊火灾安全问题的研究至关重要。
3.目前对于管廊火灾的研究，通常采用小尺寸模型实验仿真再现真实火灾，具有较高的可行性，相对于全尺寸现场实验，小尺寸模型实验具有成本低廉、实验方便灵活等优势。但由于真实管廊火灾场景复杂多变，而目前已有的小尺寸管廊模型普遍存在实验功能单一化的缺陷，无法实现不同风速下管廊火灾火源位置多样化以及监测系统位置多样化的功能，因此难以匹配真实的管廊火灾场景。
4.现有的综合管廊火灾预警研究与应用中，大多采用安装线性感温、光纤感温或感烟火灾探测器等传统探测手段，虽然光纤等传感器可应用于火灾现场的探测，但由于其昂贵的价格难以大批量应用于管廊中，导致整体的监测效果较差，管廊火灾的整体识别与火源定位精度较低，火灾可视化效果的呈现更是难以实现。

技术实现要素：

5.发明目的：针对以上问题，本发明目的是提供一种多功能管廊火灾实验模型，模拟不同通风条件下以及不同火源位置与测量位置情况时的管廊内部火灾情况；同时还提供一种管廊火灾识别的可视化预警方法。
6.技术方案：本发明的一种多功能管廊火灾实验模型，实验模型分为左侧管廊和右侧管廊，左侧管廊设置有风速调节装置和风速传感器，风速传感器用于检测左侧管廊气流流速并将检测到的气流流速值发送至控制模块，根据气流流速调节风速调节装置；右侧管廊设置火源模拟装置和温度传感器，温度传感器用于检测右侧管廊温度并将检测到的温度值发送至控制模块，右侧管廊的顶部设置有滑动导轨，火源模拟装置沿滑动导轨移动；左侧管廊和右侧管廊之间通过透风网连接，风速调节装置产生的风通过透风网进入右侧管廊。
7.进一步，滑动导轨包括三根横向滑动导轨和两根纵向滑动导轨，横向滑动导轨和纵向滑动导轨上安装有滚轮，滚轮固定连接承接装置，横向滑动导轨两端通过螺钉分别固定在两根纵向滑动导轨的承接装置下方，承接装置上设置微型电机装置，微型电机装置与滑动导轨上的皮带啮合带动滚轮沿滑动导轨移动。
8.进一步，横向滑动导轨的承接装置下方分别固定电动伸缩杆和电动升降台装置，电动伸缩杆用于安装温度传感器，电动升降台装置用于放置火源模拟装置。
9.进一步，风速调节装置包括轴流风机和固定面板，轴流风机固定在固定面板上，固定面板固定在左侧管廊端部使火灾实验模型形成密闭空间。
10.进一步，控制模块为计算机，计算机内设置有温度测量软件，将温度传感器通过数据线连接至计算机，在温度测量软件上得到随时间变化的实时动态温度曲线。
11.进一步，右侧管廊至少有一侧面为透明防火玻璃板。
12.本发明还公开一种利用上述的多功能管廊火灾实验模型实现可视化预警的方法，包括如下步骤：
13.(1)、进行火灾预实验，启动轴流风机并调节档位，通过计算机记录轴流风机启动前后由风速传感器测量的气流流速；
14.(2)、启动温度传感器，在预定时间内点燃火源模拟装置，通过计算机记录点火前后由温度传感器测量的管廊内的温度值，并记录温度传感器的位置；
15.(3)、将温度数据进行处理，将处理后的温度数据输入至利用遗传算法优化后的bp神经网络中，对bp神经网络进行训练；利用测试集对训练后的bp神经网络进行测试，若测试误差小于规定误差，则将bp神经网络作为火灾识别预警模型；
16.(4)、进行火灾实验，保持相同工况，保持温度传感器以及火源模拟装置空间位置不变，将测量到的温度值和气流流速实时导入火灾识别预警模型进行识别判断，若发生火灾，火灾识别预警模型输出结果为已发生火灾并发出警报；当对其他工况进行火灾识别，则在步骤(1)中调节轴流风机档位，重复步骤(1)至步骤(4)，得到不同工况下火灾识别预警结果。
17.进一步，步骤(3)具体包括：
18.步骤(301)、对处理后的温度数据进行划分：以火灾发生的时间点将温度数据划分为火灾发生前与发生后两部分，将火灾发生前的温度数据和火灾发生后的温度数据分别赋予标签-1和1；
19.步骤(302)、将赋予标签后的温度数据按比例划分为训练集和测试集，将训练集作为输入项；
20.步骤(303)、利用遗传算法对bp神经网络的初始权值与阈值进行优化，将训练集输入至优化后的bp神经网络进行训练，保存训练后的bp神经网络。
21.有益效果：本发明与现有技术相比，其显著优点是：本发明在密闭的空间实验模型内，用于模拟不同工况包括通风条件以及不通风条件下的管廊火灾，具有成本低廉、实验简便灵活的优势；通过实验模型内部设置的滑动导轨与电动升降台，实现火源与温度传感器在管廊模型内部空间的任意移动，最大限度还原真实管廊火灾场景，为管廊火灾的实验研究提供有效的途径；本发明的可视化预警方法通过采用成本较低、较少的温度传感器作为探测手段，使用优化后的bp神经网络对有限点的温度数据进行管廊火灾的识别预警，降低总成本，提高火灾识别预警的效率，同时实现管廊火灾的可视化，为管廊火灾的预警提供新方法。
附图说明
22.图1为本发明中火灾实验模型结构示意图；
23.图2为本发明中无风状态下火灾实验模型结构示意图；
24.图3为管廊火灾实验舱结构示意图；
25.图4为管廊火灾实验舱的a-a剖面左视图；
26.图5为管廊火灾实验舱的b-b剖面俯视图；
27.图6为滑动导轨装置的结构示意图；
28.图7为滚轮承接装置；
29.图8为电动升降台和油盘装置的结构示意图；
30.图9为电动伸缩杆和温度传感探头悬挂固定装置的结构示意图；
31.图10为油盘结构示意图。
具体实施方式
32.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。
33.本实施例一种多功能管廊火灾实验模型，结构示意图如图1所示，分为左侧管廊4和右侧管廊两部分，左侧管廊4作用来模拟不同工况场景，设置有风速调节装置和风速传感器14，风速传感器14用于检测左侧管廊4气流流速并将检测到的气流流速值发送至控制模块，根据气流流速调节风速调节装置；右侧管廊用来模拟火源及在不同工况下管廊内的温度变化情况，右侧管廊设置火源模拟装置和温度传感器13，温度传感器13用于检测右侧管廊温度并将检测到的温度值发送至控制模块，右侧管廊的顶部设置有滑动导轨，火源模拟装置沿滑动导轨移动；左侧管廊4和右侧管廊之间通过透风网6连接，风速调节装置产生的风通过透风网6进入右侧管廊。
34.如图3所示，本实施例中多功能管廊火灾实验模型的舱壁由防火板材料制成，包括上板1、下板、背板、前板2及侧板，为了管廊内部情况的可视化，可将前板2设置为透明防火玻璃板。舱壁厚度为20mm，防火玻璃前板厚度为8mm。实验模型内部底面尺寸为600mm
×
600mm，高度为400mm。在管廊实验模型外侧舱壁沿长度、宽度与高度方向分别设计有透明刻度，便于直接读取管廊内各装置的空间三维位置。如图4所示为图3中的a-a剖面图，在上板1和下板的前侧设由沿长度方向的凹槽3，沿长度方向贯穿实验模型，凹槽3宽度略大于前板2厚度，可将透明前板插入至凹槽3内，以便于观察实验管廊内部火灾过程。图4为图3中的b-b剖面图，管廊的两侧分别设置凹槽8和凹槽9，可将左侧的固定面板10和右侧的侧板插入至凹槽内，凹槽9设置在连接板5上。
35.风速调节装置包括轴流风机11和固定面板10，轴流风机11固定在固定面板10上，固定面板10固定在左侧管廊4端部凹槽8使火灾实验模型形成密闭空间。本实施例中共设置6个轴流风机11，排成两排，每排3个，利用固定面板10将轴流风机11固定，轴流风机11内置锂电池，可手动调节不同轴流风机11的档位以达到输出不同风速的气流。左侧管廊4和右侧管廊之间的透风网6可选用十字格栅，气流利用十字格栅进行整流，然后进入右侧管廊内。当需要模拟无风场景时，可不启动轴流风机11，或者如图2所示，将左侧管廊4上的固定面板10换成密闭挡板12。
36.本实施例中风速传感器14采用rs485-wm4200微型风速传感器，量程为0—30m/s，分辨率为0.01，将该微型风速传感器安装在左侧管廊4上板中间位置，微型风速传感器的金属测杆的安装方式为半插入式，通过螺母固定在上板的螺纹孔7内，下侧底端为风速探头，
将其两条数据线接入rs485转usb转接器15中，通过usb扩展坞16与计算机17进行连接，其测量的风速数据通过数据线传输至计算机17，并由与rs485-wm4200微型风速传感器相配套的软件记录相应时间点的风速值。
37.本实施例中在右侧管廊内安装4个温度传感器13，采用型号为dl11-mc-d1温度传感器，量程为-40—125℃，误差为
±
0.5℃，并将dl11-mc-d1温度传感器配套的温度测量软件装载至计算机17中，温度传感器13通过数据线连接到计算机17上，在右侧管廊内进行火灾模拟实验时，可以得到随时间变化的管廊内部实时动态温度曲线。
38.如图6所示，本实施例中滑动导轨包括三根横向滑动导轨，分别是滑轨21、滑轨22和滑轨23，以及两根纵向滑动导轨，分别是滑轨19和滑轨20，横向滑动导轨和纵向滑动导轨上安装有滚轮24，滚轮24通过销钉26固定连接承接装置25，承接装置25结构示意图如图7所示，横向滑动导轨两端通过螺钉分别固定在两根纵向滑动导轨的承接装置25下方，承接装置25上设置微型电机装置27，微型电机装置27与滑动导轨上的皮带28啮合带动滚轮24沿滑动导轨移动。微型电机装置27采用r300c微型电动机，内置锂电池和无线通讯设备，可通过无线遥控器32控制微型电机装置27的正反转动与停转，进而控制滚轮24、承接装置25沿滑动导轨运动，通过此控制方式，可以实现横线导轨沿纵向导轨水平运动以及横向导轨上的装置沿横向导轨的水平运动。
39.横向滑动导轨的承接装置25下方分别固定电动伸缩杆29和电动升降台装置30，本实施例中需要1个火源和4个温度传感器13，所以装有1个电动升降台装置30和一个电动伸缩杆29，结构如图8-9所示，电动伸缩杆29用于安装温度传感器13，温度传感器13通过悬挂固定装置31固定在电动伸缩杆29底端，电动升降台装置30用于放置火源模拟装置，电动伸缩杆29和电动升降台装置30都可以通过电动控制其伸长和缩短，进而调节温度传感器13和火源模拟装置的纵向位置。
40.本实施例中的火源模拟装置包括油盘18和电热丝，油盘18结构如图10所示，将电热丝末端放置在油盘18边缘并与燃料接触，通过电热丝点燃油盘18中燃料，模拟点火。
41.本实施例中的控制模块为计算机，计算机内装载有温度测量软件，将温度传感器通过数据线连接至计算机，在温度测量软件上得到随时间变化的实时动态温度曲线。计算机上还装载火灾联动显示平台，基于cinema 4d(c4d)软件实现，通过在c4d中建立管廊火灾实验渲染模型，嵌入管廊火灾识别预警模型，并对火灾预警结果进行可视化处理，可以在计算机中实时显示管廊实验舱内的温度曲线以及火灾发生的位置等信息，实现实体模型火灾对应计算机联动显示。
42.本实施例还公开一种利用上述的多功能管廊火灾实验模型实现可视化预警的方法，包括如下步骤：
43.(1)、进行火灾预实验，启动轴流风机并调节档位，通过计算机记录轴流风机启动前后由风速传感器测量的气流流速；
44.(2)、启动温度传感器，在预定时间内点燃火源模拟装置，通过计算机记录点火前后由温度传感器测量的管廊内的温度值，并记录温度传感器的位置；
45.(3)、将温度数据进行处理，将处理后的温度数据输入至利用遗传算法优化后的bp神经网络中，对bp神经网络进行训练；利用测试集对训练后的bp神经网络进行测试，若测试误差小于规定误差，则将bp神经网络作为火灾识别预警模型；
46.(4)、进行火灾实验，保持相同工况，保持温度传感器以及火源模拟装置空间位置不变，将测量到的温度值和气流流速实时导入火灾识别预警模型进行识别判断，若发生火灾，火灾识别预警模型输出结果为已发生火灾并发出警报；当对其他工况进行火灾识别，则在步骤(1)中调节轴流风机档位，重复步骤(1)至步骤(4)，得到不同工况下火灾识别预警结果。
47.上述步骤(3)具体包括：
48.步骤(301)、对处理后的温度数据进行划分：以火灾发生的时间点将温度数据划分为火灾发生前与发生后两部分，将火灾发生前的温度数据和火灾发生后的温度数据分别赋予标签-1和1；
49.步骤(302)、将赋予标签后的温度数据按比例划分为训练集和测试集(如训练集：测试集＝7：3或3：2)，将训练集作为输入项；
50.步骤(303)、利用遗传算法对bp神经网络的初始权值与阈值进行优化，具体实现过程为：
51.对初始值进行编码并初始化bp神经网络的权值、阈值等参数，再对参数进行选择、交叉、变异等操作后计算适应度值，满足精度要求后输出神经网络的最优权值与阈值。遗传算法优化的bp神经网络分别有输入层、隐藏层与输出层，其中，隐藏层为一层，节点数设置为5，将训练集导入到已更新权值与阈值的bp神经网络中并作归一化处理，设置训练误差精度为10-6
，训练终止次数为1000次；传递函数使用purelin，采用梯度下降法训练神经网络，保存已训练好的bp神经网络。
52.上述步骤(3)误差的计算原理为：火灾识别误差为bp神经网络预测值与真实值之差，若绝对值小于0.2，则视为分类识别成功；若识别准确率大于99％，则判定该bp神经网络可用于管廊火灾识别预警。
53.上述的可视化预警的方法还包括：在计算机通过c4d软件嵌入火灾识别预警模型和火源定位程序，对火灾预警与定位程序的运行结果进行可视化处理，可以在计算机中实时显示管廊实验舱内的温度曲线以及火灾的详细信息，实现实体模型火灾对应计算机联动显示。
54.本实施例中火源定位程序基于粒子优化算法，具体实现过程为：
55.(1)首先对各粒子的位置和速度初始化，根据适应度，即目标函数计算得到初始的个体与全局最优位置，适应度计算公式如下：
[0056][0057]
其中，t’(xi,yi)表示由温度传感器所得的温度观测值；t((xi,yi),ai,t
maxi
)是指由控制方程得到的温度预测值；
[0058]
(2)根据先前移动的速度、个体觅食的经验和整个种传播的信息对当前位置和速度进行如下更新：
[0059][0060]
[0061]
其中，i是指粒子的总数目；j是指粒子搜索的维度；和指第i个粒子在k时刻下的速度与位置；和代表第i个粒子在k+1时刻下的速度与位置；和分别表示在k时刻下当前种的局部最优位置与全局最优位置；ω称为惯性权重，用来表征前一时刻速度对当前速度影响的比重；c1和c2称为学习因子，其中c1被称为个体认知部分，表示个体的经验对当前位置的影响比重；c2被称为种认知部分，表示种传播信息对当前位置影响的比重；r1和r2是在0到1之间均匀分布的随机数；
[0062]
(3)根据更新后的位置和速度计算适应度值，进而更新当前个体最优值与整体最优值，进入下一步迭代；
[0063]
(4)最后根据终止条件判断更新是否结束，输出全局最优解，即火源点位置，衰减系数与最大温度值。其中终止条件为当前迭代次数是否已经达到最大迭代次数。

技术特征：

1.一种多功能管廊火灾实验模型，其特征在于，实验模型分为左侧管廊和右侧管廊，左侧管廊设置有风速调节装置和风速传感器，风速传感器用于检测左侧管廊气流流速并将检测到的气流流速发送至控制模块，根据气流流速调节风速调节装置；右侧管廊设置火源模拟装置和温度传感器，温度传感器用于检测右侧管廊温度并将检测到的温度值发送至控制模块，右侧管廊的顶部设置有滑动导轨，火源模拟装置沿滑动导轨移动；左侧管廊和右侧管廊之间通过透风网连接，风速调节装置产生的风通过透风网进入至右侧管廊。2.根据权利要求1的多功能管廊火灾实验模型，其特征在于，滑动导轨包括三根横向滑动导轨和两根纵向滑动导轨，横向滑动导轨和纵向滑动导轨上安装有滚轮，滚轮固定连接承接装置，横向滑动导轨两端通过螺钉分别固定在两根纵向滑动导轨的承接装置下方，承接装置上设置微型电机装置，微型电机装置与滑动导轨上的皮带啮合带动滚轮沿滑动导轨移动。3.根据权利要求2的多功能管廊火灾实验模型，其特征在于，横向滑动导轨的承接装置下方分别固定电动伸缩杆和电动升降台装置，电动伸缩杆用于安装温度传感器，电动升降台装置用于放置火源模拟装置。4.根据权利要求1的多功能管廊火灾实验模型，其特征在于，风速调节装置包括轴流风机和固定面板，轴流风机固定在固定面板上，固定面板固定在左侧管廊端部使火灾实验模型形成密闭空间。5.根据权利要求1的多功能管廊火灾实验模型，其特征在于，控制模块为计算机，计算机内设置有温度测量软件，将温度传感器通过数据线连接至计算机，在温度测量软件上得到随时间变化的实时动态温度曲线。6.根据权利要求1的多功能管廊火灾实验模型，其特征在于，右侧管廊至少有一侧面为透明防火玻璃板。7.一种利用如权利要求1至6中任一项权利要求的多功能管廊火灾实验模型实现可视化预警的方法，其特征在于，包括如下步骤：(1)、进行火灾预实验，启动轴流风机并调节档位，通过计算机记录轴流风机启动前后由风速传感器测量的气流流速；(2)、启动温度传感器，在预定时间内点燃火源模拟装置，通过计算机记录点火前后由温度传感器测量的管廊内的温度值，并记录温度传感器的位置；(3)、将温度数据进行处理，将处理后的温度数据输入至利用遗传算法优化后的bp神经网络中，对bp神经网络进行训练；利用测试集对训练后的bp神经网络进行测试，若测试误差小于规定误差，则将bp神经网络作为火灾识别预警模型；(4)、进行火灾实验，保持相同工况，保持温度传感器以及火源模拟装置空间位置不变，将测量到的温度值和气流流速实时导入火灾识别预警模型进行识别判断，若发生火灾，火灾识别预警模型输出结果为已发生火灾并发出警报；当对其他工况进行火灾识别，则在步骤(1)中调节轴流风机档位，重复步骤(1)至步骤(4)，得到不同工况下火灾识别预警结果。8.根据权利要求7的方法，其特征在于，步骤(3)具体包括：步骤(301)、对处理后的温度数据进行划分：以火灾发生的时间点将温度数据划分为火灾发生前与发生后两部分，将火灾发生前的温度数据和火灾发生后的温度数据分别赋予标签-1和1；
步骤(302)、将赋予标签后的温度数据按比例划分为训练集和测试集，将训练集作为输入项；步骤(303)、利用遗传算法对bp神经网络的初始权值与阈值进行优化，将训练集输入至优化后的bp神经网络进行训练，保存训练后的bp神经网络。9.根据权利要求7的方法，其特征在于，还包括：在计算机中通过c4d软件嵌入火灾识别预警模型和火源定位程序，对火灾预警与定位程序的运行结果进行可视化处理。

技术总结

本发明公开了一种多功能管廊火灾实验模型，实验模型分为左侧管廊和右侧管廊，左侧管廊设置有风速调节装置和风速传感器，风速传感器用于检测左侧管廊气流流速并将检测到的气流流速发送至控制模块，根据气流流速调节风速调节装置；右侧管廊设置火源模拟装置和温度传感器，温度传感器用于检测右侧管廊温度并将检测到的温度值发送至控制模块，右侧管廊的顶部设置有滑动导轨，火源模拟装置沿滑动导轨移动。本发明用于模拟不同工况下的管廊火灾，具有成本低廉、实验简便灵活的优势；通过实验模型内部设置的滑动导轨与电动升降台，实现火源与温度传感器在管廊模型内部空间的任意移动，最大限度还原真实管廊火灾场景。最大限度还原真实管廊火灾场景。最大限度还原真实管廊火灾场景。