机场消防应急救援模拟训练系统设计

航空

游客，如果您要查看本帖隐藏内容请回复

航空

© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　灭火指挥与救援　
机场消防应急救援模拟训练系统设计
高建树, 刘宪峰
(中国民航大学地面特种设备研究基地, 天津300300)
　　摘　要: 将神经网络的自组织模糊控制(NN SOC) 用于机
场消防应急救援模拟训练系统的控制部分, 可根据外界消防环
境的变化及时地调节阀门的开度, 从而可以做到燃烧池的火焰
大小与外界的消防工作相互协同, 使整个模拟训练系统的效果
逼真, 从而提高机场消防人员的消防应急救援能力。介绍了基
于NN SOC 的机场消防应急救援模拟训练系统及训练平台的设
计, 并对其仿真机的具体实现给出说明。
关键词:NN SOC; 燃烧池; 消防模拟; 应急救援
中图分类号: X913. 4, TU 998. 1, TU 248. 6 文献标志码:B
文章编号: 1009- 0029 (2009) 06- 0447- 04
神经网络和模糊集合都是处理不确定性(受控对
象缺乏精确的数学描述或具有时滞非线性等复杂性)
问题的有效手段, 二者存在一定的互补性和关联性。近
年来, 将神经网络引入到模糊系统中, 用神经网络高速
并行地实现模糊推理的研究尤为引人注目, 二者结合
组成的神经网络模糊控制技术已经成为当前控制理论
研究的热点。人工神经网络作为人脑系统的一种模拟,
具有学习、记忆、联想、容错等能力, 通过对人工神经网
络的训练去记忆人们的经验知识, 从而完成推理的方
法, 比常用的模糊逻辑方法更符合人类认识模式。
中国民航大学和北京首都国际机场(以下简称首
都机场) 合作建设了具有国际先进水平的飞机消防应
急救援训练模拟系统, 主要目的是为首都机场消防应
急救援人员模拟真实的飞机火灾场景, 并设计完善的
ARFF (机场消防应急救援系统) 训练模拟培训体系,
作为首都机场提高消防及救援人员业务能力的主要手
段。笔者以此为背景, 提出将基于BP 神经网络的自组
织模糊控制(NN SOC) 策略应用于消防救援模拟训练
随着氧气瓶内压力值的增大, 测定的氧指数值仍呈上
升趋势, 说明试验过程中不能完全忽略气瓶内的压力,
特别是当压力过大时, 氧气的压力值对氧指数值的测
定具有一定影响。其原因在于压力导致的气体流速的
增大。
2　建　议
(1) 必须坚持对阻燃PVC 电工套管的检验要求,
以提高产品的防火安全性能, 减小火灾发生和蔓延的
可能性。
(2) 现行国家标准中的检验方法对氧指数有较好
的测定结果, 但由于检验范围过于宽泛, 使其对部分样
品的检验出现难度, 因此建议重新修订国家标准, 对检
验范围中的样品类型进行细化, 使其对不同样品的检
验更有针对性。
(3) 相关部门应研制出专门的检验试样制作工具,
使检验工作标准化。
(4) 产品生产商增加产品中阻燃成分的含量, 将人
们的生命和财产安全视为企业的生存根本, 而不应一
味地追求经济利益。
参考文献:
[ 1 ] 吴勇, 屈励. 环境温、湿度对氧指数测定值的影响[J ]. 消防科学与技
术, 1997, 16 (1) : 25.
[ 2 ] 姜晖. 氧指数—衡量高分子材料可燃性的方法[ J ]. 消防科学与技
术, 1987, 6 (3) : 31- 35.
Inf luence factors in oxygen index test of
f ire retardan t PVC bush ing
CU I Fei1, 2, LUO J ing1,
GAO Zhong2liang1, ZHEN G Yan2qiong3
　　( 1. Southw est Fo rest ry U niversity, Yunnan Kunm ing
650224, Ch ina; 2. Key labo rato ry of Fo rest D isasterW arning
and Cont ro l in Yunnan H igher Educat ion Inst itut ions, Yunnan
Kunm ing 650224, Ch ina; 3. Yunnan General F ire B rigade,
Yunnan Kunm ing 650228, Ch ina)
Abstract: The test method of oxygen index w as discussed by
the experiment and analysis of the influence facto rs in oxygen
index test ing of fire retardant PVC bush ing. It could be the
reference of law execute department, const ruct ion department
and manufacture company.
Key words: oxygen index; fire retardant PVC; bush ing
作者简介: 崔　飞(1980- ) , 男, 河南新乡人, 西南
林学院讲师, 主要从事建筑火灾的教学与科研工作, 云
南省昆明市西南林学院124 信箱, 650224。
收稿日期: 2009- 02- 15
消防科学与技术2009 年6 月第28 卷第6 期447
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
系统, 使之场景逼真, 提高训练效率, 从而提高机场消
防人员对火灾的应急处理能力。
1　ARFF 整体介绍
ARFF 系统包括燃烧池结构、飞机内部外部火灾
模拟器、燃气存储输送系统、控制及监视系统等部分,
结构布局如图1 所示。
由图1 可知, 飞机本体位于火池中央, 可满足A 类
及B 类火灾训练需求。目前, 首都机场在该项目用地方
面比较紧张, 故拟采用结构紧凑、占地较小的一体型
ARFF 训练模拟器结构, 该类型的A FFR 系统也是国
外发展的趋势。同时, 首都机场作为国际大型枢纽机
场, 模拟机型确定为Boeing747- 400, 以满足消防人员
应对大型客机消防的需求。
图1　AFFR 系统整体结构图
Boeing747- 400 机型易燃点主要集中在驾驶舱、
客舱、货舱等机体内部、机翼、发动机、轮胎及刹车组
件、尾翼及A PU 等处, 笔者针对B 类火灾训练进行设
计, 即模拟飞机燃油泄漏的大型燃烧池火灾, 燃烧池的
结构满足以下要求:
(1) 燃烧池燃烧区直径46m , 满足E 类飞机ARFF
训练要求;
(2) 根据燃烧区功能需求, 燃烧区分成8 个扇区6
层128 个火点布局, 各火点的点火和控制相互独立, 满
足不同机型、不同火灾场景、不同训练目的的要求;
(3) 可以模拟大面积燃油泄漏的火灾模拟, 根据不
同的训练等级可以设置复燃区域和灭火难度;
(4) 针对一体式结构, 对应发动机位置设置独立控
制的火点和点火器, 实现三维立体火灾模拟。总体结构
和尺寸如图2 所示。
图2　燃烧池的结构及燃烧效果图
2　机场消防应急救援模拟训练系统的设计
2. 1　整体结构设计
图3 为应用神经网络的自组织模糊控制器进行池
火灾控制的工作原理图。设计思想为: 程序运行前先按
照要求选定要进行消防演练的区域, 选择好扇区, 然后
对相应扇区的控制器进行初始化, 对所选择扇区内的
每个小单元设立1 个控制器, 对传感器数据的处理, 每
个小单元内有3 个温度传感器, 火池底部安装有燃气
供应阀, 整个大扇区分布着3～ 5 个点火器, 进行扇区
的点火工作; 消防系统运行后, 不断地对设定扇区内的
各个小单元的温度进行检测, 一段时间后, 将所设定的
燃烧扇区对应的每个小单元的燃烧温度设为初始温
度, 与接下来消防过程中检测到的温度进行比较, 数据
处理的过程由下位机(S7- 300) 实现, 将处理好的温
度偏差及偏差变化率送到上位机(工控机) 中进行神经
网络模糊控制器的处理, 输出对应的燃气阀的开度, 再
送到下位机中, 由后者送到控制每个燃烧小单元的电
动开关阀中进行流量控制, 这样消防过程进行中对扇
区内划分的每个小单元都能做到很好的控制。
图3　程序运行过程及整体结构示意图
3. 2　神经网络的自组织模糊控制器介绍
基于神经网络的自组织模糊控制器(NN SOC) 的
系统结构如图4 所示。首先对输入变量进行模糊化处
理, 对输入输出变量进行编码, 然后其控制规则通过一
个神经网络执行, 而规则的修正则由BP 学习算法实
现, 通过一定次数的反复计算, 即可修正网络的权值而
收到期望的效果, 在其形成一套成功的控制策略之前,
需要进行若干次训练, 每次训练都有一批预订数量的
采样值完成, 权值的修改是在每个采样时刻进行的, 修
448 Fire Sc ience and Technology, June 2009,Vo l 28,No. 6
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
改后的权值用于下一次训练, 并且每次训练前均应该
对控制变量初始化, 这样逐步使系统的响应特性得到
改善, 直至训练到其性能可以接受为止。
图4　NNSOC 的系统结构
3. 3　基于NN SOC 的消防模拟训练平台的设计
所设计网络的输入为设定温度与检测温度的偏差
及偏差变化率, 输出为电动开关阀的开度。首先以在设
定的扇区全着火的情况下, 对扇区内对应各个燃烧小
单元的3 个温度传感器进行数据处理, 将所取到的温
度值定为设定值。在模拟训练过程中, 当灭火人员灭火
时, 要进行喷水作业, 传感器以一定的时间步长不断地
采集温度信息并与设定值进行比较。由此可以得出输
入变量对应于设定值的差值E 以及差值的变化率E c,
而输出对应的则是控制燃气的电动开关阀的动作, 从
而实现在训练过程中将灭火的效果逼真地表现出来。
( 1) E、E c、U 语言词集定义为: E = {O , PS, PM ,
PB, PHB}; 其中,O 表示偏差为0, PS 为偏差小, PM 为
偏差中, PB 为偏差大, PHB 为偏差很大应将阀门关
闭。同样可设E c 及U 的模糊变量为: E c= {O , PS, PM ,
PB, PHB};U = {O , PS, PM , PB, PHB}。
( 2) E、E c、U 的论域定义为: E = {0, 1, 2, 3, 4, 5,
6 }; E c= {0, 1, 2, 3, 4, 5, 6}; U = {0, 1, 2, 3, 4, 5, 6, 7};
根据设定的隶属度函数及论域可以得出输入输出参量
的模糊量, 也即对输入输出参量的编码, 见表1 所示。
表1　输入输出参量的编码
输入参量模糊量
温度偏差
O 1, 0. 6, 0. 1, 0, 0, 0, 0
PS 0, 0. 6, 1, 0, 0, 0, 0
PM 0, 0, 0. 6, 1, 0, 0, 0
PB 0, 0, 0, 0. 6, 1, 0. 6, 0
PHB 0, 0, 0, 0, 0. 1, 0. 6, 1
温度偏差变化率
O 1, 0. 6, 0. 1, 0, 0, 0, 0
PS 0, 0. 6, 1, 0, 0, 0, 0
PM 0, 0, 0. 6, 1, 0, 0, 0
PB 0, 0, 0, 0. 6, 1, 0. 6, 0
PHB 0, 0, 0, 0, 0. 1, 0. 6, 1
输出参量模糊量
阀门开度
O 1, 0. 5, 0, 0, 0, 0, 0, 0
PS 0. 4, 0. 8, 1, 0. 8, 0. 4, 0. 2, 0, 0, 0
PM 0, 0, 0, 0. 2, 0. 6, 1, 0. 6, 0. 2
PB 0, 0, 0, 0, 0, 0. 2, 0. 5, 0. 8
PHB 0, 0, 0, 0, 0, 0, 0. 8, 1
　　在实际的消防演练过程中, 温度的变化范围是很
大的。在程序的设计上, 笔者设定了温度下降的下限值
T 1, 当温度的变化一旦低于下限值, 则直接控制阀门
闭合, 池火熄灭, 也即实际的温度变化范围是T～ T 1
( T 是标准的采样设定值) , 温度的变化区间是[T～
T 1, T ], 温度偏差变化率的范围根据实际经验进行设
定, 最终通过量化因子, 将实际的温度变化及温度变化
率的范围映射到论域上。
输入变量取为温度偏差和偏差变化率, 则模糊推
理规则为25 条模糊规则。而该层的结点总数可根据实
际总结出的有用的规则数来确定, 避免不必要的庞大
网络结构。相应的模糊规则表如表2 所示。
表2　模糊规则表
U
E c
PHB O PS PM PB
E
O O PS PM PM PHB
PS PS PS PM PB PHB
PM O PM PB PB PHB
PB O O PB PHB PHB
PHB O O O PHB PHB
　　由于设定的温度偏差和温度偏差变化率的论域是
[ 0, 6 ], 输出阀门开度的论域是[ 0, 7 ], 故而, 令x 1～ x 7
为输入量温度偏差的模糊子集, x 8～ x 14 为输入量温
差变化率的模糊子集, y 1～ y 8 为输出控制量的模糊子
集, 从模糊规则表中可知共有25 条模糊规则, 每条规
则作为一个样本, 共有25 个样本。例如, If 1 is PHB, 2
is PHB, Then U is PHB. 意为如果偏差很大(与最高
温度比) , 且偏差变化率也很大, 此时应该将阀门关闭
的程度加大, 这个样本可以表示为:
x = [ 1, 0. 6, 0. 1, 0, 0, 0, 0, 1. 0, 0. 5, 0, 0, 0, 0, 0 ] T
y = [ 1. 0, 0. 5, 0, 0, 0, 0, 0, 0 ]T
x 中的各元素为对应的隶属度函数, 即模糊子集
的复制, 同理可以理出其他的24 个样本, 并将它们依
次送入神经网络进行离线运算, 训练结束后, 神经网络
已经记忆了模糊控制规则, 使用时具有联想记忆功能。
神经网络的模糊控制器的结构框图见图5。
4　神经网络的仿真机具体实现
在MA TLAB 的文件中对程序进行了编写, 根据
Ko lmogo rov 定理, 输入层有14 个结点, 中间层结点数
设29 个, 输出层的结点设8 个, 具体程序代码如下:
net = new ff (m inmax ( P ) , [ 29, 8 ], { ’tan sig’,
’logsig’}, ’t raingdx’) ; % 训练函数采用t raingdx。
net. t rainParam. epoch s = 1000; % 训练步数为
1 000次。
net. t rainParam. goal = 0. 001; % 训练误差为
0. 001。
消防科学与技术2009 年6 月第28 卷第6 期449
© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　　net= t rain (net, P, T ) ;
Y= sim (net, P) ;
图5　神经网络的自组织模糊控制器结构图
通过仿真, 网络的误差曲线见图6 (a) , 网络经过
293 次训练后, 目标误差达到要求, 结果见图6 (b)。
图6　误差曲线及训练步长
笔者采用IFC- 610 工控机作为上位机, 下位机
PLC 选用西门子S7- 300 系列, 带有热电耦和热电阻
处理模块, 同时还有比例阀控制模块, 组成主从式集散
监控系统。主机巡回监视从机的状态, 对从机采集到的
数据进行智能化处理。在工控机中, 神经网络的自组织
模糊控制采用VB 语言编写, 通过试验, 其消防模拟情
景逼真, 实时性好, 将其应用于消防模拟训练系统, 效
果显著。图7 为消防模拟训练系统的控制平台。
5　结　论
仿真及实验结果表明, 本系统将神经网络的自组
织模糊控制器应用在机场消防模拟应急救援训练系统
中, 很好地解决了消防员动作与燃烧池火焰高度协调
性不高的问题, 提高了系统的智能化程度。通过样本的
学习和测试, 可使系统仿真效果逼真, 提高了机场消防
人员的应急救援能力。
图7　消防应急救援模拟训练系统的控制平台
参考文献:
[ 1 ] 李金厚. 神经网络研究进展与展望[J ]. 华东冶金学院学报, 2000, 17
(4) : 275- 281.
[ 2 ] 孟祥武. 神经网络研究综述[J ]. 电脑学习, 1998, (1) : 1- 4.
[ 3 ] 王华. 基于模糊神经网络算法的火灾探测系统[D ]. 燕山大学工学
硕士学位论文.
[ 4 ] 党建武. 神经网络和神经计算机的应用与发展[J ]. 兰州铁道学院学
报, 1997, 16 (3) : 44- 49.
[ 5 ] 郑大钟. 线性系统理论[M ]. 北京: 清华大学出版社, 1995.
[ 6 ] 焦李成. 神经网络计算[M ]. 西安: 西安电子科技大学出版社, 1996.
The f ire emergency rescue simulation system’s
design of a ir-depot
GAO J ian2shu, L IU Xian2feng
　　(A viat ion Ground Special Eqipments Research Base of
Ch ina, T ianjian 300300,Ch ina)
Abstract: N eural netwo rk self2o rganizing fuzzy cont ro l
(NN SOC) , as a fuzzy inference cont ro l st rategy w h ich use the
neural netwo rk,mainly used in the field that the methemat ical
model couldn ’t be set up o r couldn ’t get the accurately
methemat ical model, th is paper app lys the cont ro l st rategy to
the A irpo rt F ire emergency rescue simulat ion t raining
system s, to regulat ing the valve, to make the fire in acco rding
w ith the changes of the environment, th is method have grate
effo rt to make the simulat ion realist ic, and it also have grate
effo rt to imp rove the acapablit ies of the fireman.
Key words: NN SOC; fire stall; fire simulat ion; emergency
rescue
作者简介: 高建树(1966- ) , 男, 天津人, 中国民航
大学地面特种设备研究基地副主任, 教授, 主要从事检
测技术及自动化方面的研究与开发, 天津市东丽区津
北公路2898 号中国民航大学14 号信箱北3 公寓412
室, 300300。
收稿日期: 2009- 03- 16
450 Fire Sc ience and Technology, June 2009,Vo l 28,No. 6

Virgin

机场消防，看看