CN106777908A - 一种构建灭火训练过程交互、成绩评估模型的方法 - Google Patents
一种构建灭火训练过程交互、成绩评估模型的方法 Download PDFInfo
- Publication number
- CN106777908A CN106777908A CN201611062809.2A CN201611062809A CN106777908A CN 106777908 A CN106777908 A CN 106777908A CN 201611062809 A CN201611062809 A CN 201611062809A CN 106777908 A CN106777908 A CN 106777908A
- Authority
- CN
- China
- Prior art keywords
- fire
- intensity
- interval
- discriminating sensor
- fighting behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Abstract
本发明提供一种构建灭火训练过程交互、成绩评估模型的方法,其依据灭火过程的火势变化基本规律和灭火过程中灭火剂覆盖效果作为基本判据,通过对目标火焰燃烧区域灭火过程基本规律进行数学描述,建立灭火过程火势变化趋势的判别模型,用于表现参训人员灭火行为与火焰变化趋势的交互关系,准确灵敏的响应灭火进程,依据累计区间灭火行为次数,给出灭火训练成绩质量分,构建灭火训练成绩评估模型,用于评定参训人员灭火过程中的灭火质量,使得灭火行为的评估过程得以量化。
Description
技术领域
本发明涉及火灾消防领域,具体是一种构建灭火训练过程交互、成绩评估模型的方法。
背景技术
随着现代社会对环境保护认识的不断提高,消防训练在备受重视的同时,也越来越关注于训练过程中的环境保护。从专注于火场环境体验和灭火行为及战术出发,运用丙烷、天然气等清洁燃料燃烧模拟火灾环境,代替使用油料和木材等传统燃料,使用消防水作为主要灭火剂,减少训练过程中大量运用卤代烷、泡沫、二氧化碳等措施,都成为近年来世界各国消防灭火训练过程普遍关注的方式。
燃气真火训练系统是燃烧丙烷、天然气等清洁燃料模拟火灾环境的训练设施,由于气体燃料燃烧产生的火焰难以直接通过水、泡沫等灭火剂扑灭,灭火过程的实现必须依靠系统调用交互模型和控制逻辑来完成,同时灭火训练成绩的评估也是亟待解决的问题。基于此,如何构建训练过程交互、成绩评估模型的方法成为亟需。
现有技术中,构建燃气真火灭火训练过程交互、成绩评估模型的方法分为三类:
第一类是人工控制模型,直接依据参训人员灭火过程的时间,灭火动作和姿态,评估训练成绩,而灭火过程的火势变化则由现场教练员根据灭火经验手动控制燃料供应,从而调节火势的规模;
第二类是水量控制模型,采集灭火训练系统火焰区域喷洒的消防水量,按照预设的水量阈值调节火势,实现灭火训练过程交互,依据灭火过程的时间,评估训练成绩;
第三类是温度控制模型,按照预设的温度阈值调节火势,实现灭火训练过程交互,依据灭火过程的时间,评估训练成绩。
而本发明人在实现本发明的过程中,发现上述现有技术中至少存在如下技术问题:
1.现有技术中,不论教练员人工操控火势还是系统按照既定阈值自动调节火势,灭火过程交互实际上按照既定的规则逐步展示,并不能灵活反映不同的灭火行为对灭火过程的影响。
2.现有技术中,所有成绩评估仅仅依靠灭火训练过程经历的时间判别,并不能准确反映灭火过程中参训人员灭火行为的质量,尽管加入了灭火动作和姿态评估,也仅仅是依靠教练员经验给予裁定,缺少客观评价的手段。
3.灭火训练过程交互与火焰燃烧区域的形态、灭火人员灭火剂覆盖效果等关系密切,通过单一的预设的变化规则并不能准确的表现交互关系。
发明内容
有鉴于此,本发明提供一种构建灭火训练过程交互、成绩评估模型的方法,用于对灭火训练过程中参训人员灭火训练质量进行评估,以解决现有技术中存在的不能灵活反映不同的灭火行为对灭火过程中火势的影响,不能自动辨识灭火行为有效性,不能对灭火训练质量的定量描述,缺少客观评价的技术问题。
本发明采用的技术方案为:
一种构建灭火训练过程交互、成绩评估模型的方法,包括如下步骤:
S101,设定灭火过程火势变化规律对应于燃烧区域灭火过程的火势变化趋势;
S102,基于灭火过程火势变化规律,将灭火过程火势变化规律表示为时间的函数,设定火势变化控制规律的节点数量为P,P为大于2的整数,对应于从灭火过程初始时的燃料气供气阀门开度数值K1%至灭火过程结束时的燃料气供气阀门开度数值KP%,所经历的所有控制节点的数量为P,所述函数由P-1个分段函数构成,每个分段函数值域为燃料气供气阀门开度Ki%至Ki+1%区间,定义域为时间区间,每个时间区间包含有限个采样周期;
S103,基于火势判别传感器检测的灭火剂覆盖效果确定所述燃烧区域灭火过程的火势变化趋势;
S104,基于灭火剂覆盖效果,统计并获得当前区间有效灭火行为特征分,所述有效灭火行为对应于所述火势判别传感器检测的火焰燃烧区域灭火剂覆盖后效果满足温度降低要求的状态,以及所述火焰燃烧区域灭火剂覆盖后火势判别传感器之间存在满足要求的温差的状态;
S105,基于有效灭火行为特征分与状态调整阈值,获得灭火过程交互模型,所述状态调整阈值为预先设定的基于灭火剂覆盖效果的有效灭火行为特征分数值,该数值用于判别火势变化趋势在所述相邻两个火势变化控制规律的节点间的转移方向;
S106,基于累计区间灭火行为次数,给出灭火训练成绩质量分,获得训练成绩评估模型,所述累计区间灭火行为次数,为完成整个灭火过程后,所有p-1个调整区间所经历的采样周期个数的总和,每个调整区间所经历的采样周期个数为该区间内灭火行为次数,该区间采样周期个数为当前调整区间内依据灭火过程交互模型实现火势变化在节点间转移时所经历的采样周期个数。
进一步的,步骤103中灭火剂覆盖效果的确定过程包括:
S1031,根据火焰燃烧区域的火势判别传感器分布状态确定参与评估的火势判别传感器获取模型,所述参与评估的火势判别传感器获取模型划分为灭火剂能够覆盖全部火势判别传感器的获取模型和灭火剂能够覆盖部分火势判别传感器的获取模型;
S1032,基于灭火剂能够覆盖全部火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为全部火势判别传感器。
S1033,所述参与评估的火势判别传感器序列为个数不少于2的任意两两之间平面距离小于灭火剂覆盖直径的火势判别传感器的集合,根据灭火剂能够覆盖全部火势判别传感器的获取模型确定方法,设所述火焰燃烧区域内设置了N个火势判别传感器,其中N为大于等于2的整数,所述火势判别传感器之间的最小距离为dmax,dmax小于灭火剂覆盖区域投影直径;
S1034,基于灭火剂能够覆盖部分火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为随机选取的部分火势判别传感器;
S1035,所述参与评估的火势判别传感器序列为从N个所述火焰燃烧区域的火势判别传感器所构成的种两两组合中,其中,N为大于4的整数,随机获得两组火势判别传感器;
S1036,区别不同类型的燃烧区域状态,基于选取的火焰燃烧区域的火势判别传感器组合判别灭火剂覆盖效果。
进一步的,步骤S104具体包括:
S1041,判断参与评估的火势判别传感器探测温度平均值是否低于预设条件值;
S1042,依据温度平均值满足要求的判别模型统计有效灭火行为特征分第一权重指标值M1i,所述M1i的计算方法根据公式,计算所述灭火剂覆盖后效果满足温度降低要求的区间有效灭火行为特征分,M1j(Tj)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,Tj为所述当前区间内第j个时间采样周期的所述参与评估的火势判别传感器探测温度的平均值,T0为预设区间有效灭火行为最低温度平均值,T1为预设区间有效灭火行为预设条件温度平均值,温度单位为℃;
S1043,从N个两两组合中判断随机获得两组火势判别传感器探测的温度差的绝对值满足要求的状态;
S1044,依据温度差绝对值满足要求的判别模型统计有效灭火行为特征分第二权重指标值M2i,所述M2i的计算方法根据公式,计算所述火势判别传感器之间存在满足要求温差的区间有效灭火行为特征分,M2j(|δTrandomj|)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,|δTrandomj|为所述当前区间内第j个时间采样周期内,所述随机选取的两组火势判别传感器探测的温度差的绝对值,Δ为作为基准的预设温度差的绝对值,Δ>0,温度差单位为摄氏度;
S1045,基于灭火剂的覆盖效果,统计并获得当前区间有效灭火行为特征分,根据bi=W1·M1i+W2·M2i公式,计算当前区间i有效灭火行为特征分,其中,bi为所述当前区间有效灭火行为特征分,W1为所述当前区间有效灭火行为第一权重,其中0<W1<1,对应于所述灭火剂覆盖后效果满足温度降低要求的状态权重,M1i为当前i区间调整周期内,所述灭火剂覆盖后效果满足温度降低要求的有效灭火行为特征分,W2为所述当前区间有效灭火行为第二权重,其中0<W2<1,W1+W2=1,对应于所述火势判别传感器之间存在满足要求温差的状态权重,M2i为当前i区间调整周期内,所述火势判别传感器之间存在满足要求温差的状态的有效灭火行为特征分
本发明具有如下技术效果或优点:
1.本发明技术方案依据灭火过程的火势变化基本规律和灭火过程中灭火剂覆盖效果作为基本判据,通过对目标火焰燃烧区域灭火过程基本规律进行数学描述,建立灭火过程火势变化趋势的判别模型,用于表现参训人员灭火行为与火焰变化趋势的交互关系,准确灵敏的响应灭火进程。
2.本发明技术方案依据有效灭火行为特征总分作为基本判据,在所述有效灭火行为特征总分的统计过程中,充分重视灭火训练过程中的“有效灭火行为”特征,融合灭火过程的“质量”和“时间”信息,成绩评估过程客观上体现了“耗时短”、“质量高”两者缺一不可的评估理念。
3.本发明技术方案依据累计区间灭火行为次数,给出灭火训练成绩质量分,构建灭火训练成绩评估模型,用于评定参训人员灭火过程中的灭火质量,使得灭火行为的评估过程得以量化。
附图说明
图1为本发明实施例一种构建灭火训练过程交互、成绩评估模型的方法的流程示意图;
图2为本发明实施例中步骤103的具体流程示意图;
图3为本发明实施例中步骤1032的具体示意图;
图4为本发明实施例中步骤1034的具体示意图;
图5为本发明实施例中步骤104的具体流程示意图。
具体实施方式
以下结合说明书附图对本发明的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明,并且在不冲突的情况下,本发明中的所有实施例及实施例中的特征可以相互组合。
为了解决现有技术中存在的,表现参训人员灭火行为与火焰变化趋势的交互关系不够准确灵敏,不能灵活反映不同的灭火行为对灭火过程的影响的技术问题,本发明实施例提供了一种构建灭火训练过程交互、成绩评估模型的方法,该模型用于对燃气真火训练过程中,参训人员灭火行为与火势变化进行交互控制,对训练成绩进行评估,首先,基于灭火过程中火势判别传感器检测的参训人员灭火剂覆盖效果与目标燃烧区域火势变化基本规律,设定灭火过程火势变化控制模型,依据有效灭火行为特征总分对参训人员的灭火成绩进行评估,来全面的反映参训人员的灭火动作质量,具有交互过程灵敏,灭火行为捕捉和响应准确的技术效果。
请参考图1,其为本发明实施例一种构建灭火训练过程交互、成绩评估模型的方法,具体包括如下步骤:
S101,设定灭火过程火势变化规律对应于燃烧区域灭火过程的火势变化趋势。
燃烧区域灭火过程的火势变化趋势具有明确的模拟对象,依据目标区域一般灭火过程的基本规律制定火势调节的对应规律,每个目标区域灭火过程对应于一个灭火过程基本规律。
例如,已知舱底油水火的灭火过程一般性规律数据,可以设置为理论状态下灭火过程中每一个时间刻度对应的火焰燃烧区域热释放速率的大小,这也直接对应于每一个时间刻度对应的燃料气供气气阀开度。
S102,基于灭火过程火势变化规律,将灭火过程火势变化规律表示为时间的函数,设定火势变化控制规律的节点数量为P,P为大于2的整数,对应于从灭火过程初始时的燃料气供气阀门开度数值K1%至灭火过程结束时的燃料气供气阀门开度数值KP%,所经历的所有控制节点的数量为P,所述函数由P-1个分段函数构成,每个分段函数值域为燃料气供气阀门开度Ki%至Ki+1%区间,定义域为时间区间,每个时间区间包含有限个采样周期。
此处给出一种控制规律案例,但不局限于此,例如,设定火势变化控制规律的节点数量为10,对应于从所述灭火过程初始时的燃料气供气阀门开度数值60%至灭火过程结束时的燃料气供气阀门开度数值20%,按照所述控制规律中间节点依次是53%、46%、40%、34%、29%、26%、24%、22%,控制规律函数由9个分段函数构成,每个分段函数值域在所述控制节点之间,定义域时间区间为Si秒,每个时间区间内包含Si个时长为1秒的采样周期。
S103,基于火势判别传感器检测的灭火剂覆盖效果确定所述燃烧区域灭火过程的火势变化趋势。火势判别传感器检测的灭火剂覆盖效果取决于所述燃烧区域的样式和所述燃烧区域火势判别传感器的布置形式。所述火焰燃烧区域的火势判别传感器分布状态确定了参与评估的火势判别传感器获取模型,基于所述参与评估的火势判别传感器获取模型,获得参与评估的火势判别传感器序列。
S104,基于灭火剂覆盖效果,统计并获得当前区间有效灭火行为特征分,所述有效灭火行为对应于所述火势判别传感器检测的火焰燃烧区域灭火剂覆盖后效果满足温度降低要求的状态,以及所述火焰燃烧区域灭火剂覆盖后火势判别传感器之间存在满足要求的温差的状态。
S105,基于有效灭火行为特征分与状态调整阈值,获得灭火过程交互模型,所述状态调整阈值为预先设定的基于灭火剂覆盖效果的有效灭火行为特征分数值,该数值用于判别火势变化趋势在所述相邻两个火势变化控制规律的节点间的转移方向。
S106,基于累计区间灭火行为次数,给出灭火训练成绩质量分,获得训练成绩评估模型,所述累计区间灭火行为次数,为完成整个灭火过程后,所有p-1个调整区间所经历的采样周期个数的总和,每个调整区间所经历的采样周期个数为该区间内灭火行为次数,该区间采样周期个数为当前调整区间内依据灭火过程交互模型实现火势变化在节点间转移时所经历的采样周期个数。
此处,给出一个成绩评估案例,但不局限于此,例如,一个训练过程的火势变化控制规律的节点数量为10,根据步骤S102所述,划分为9个火势调整区间;根据步骤S105所述,灭火过程的火势调整过程中,第1个调整区间经历的采样周期个数为5,第2个调整区间经历的采样周期个数为4,而后采样周期个数依次是5、4、6、5、5、5、4,那么所有9个调整区间所经历的采样周期个数的总和为43,则,当前灭火训练过程的质量分为43分。
参与评估的火势判别传感器获取模型是对如何确定和选取参与评估的火势判别传感器的具体说明,请参考图2,其为步骤103中灭火剂覆盖效果的确定过程包括:
S1031,根据火焰燃烧区域的火势判别传感器分布状态确定参与评估的火势判别传感器获取模型,所述参与评估的火势判别传感器获取模型划分为灭火剂能够覆盖全部火势判别传感器的获取模型和灭火剂能够覆盖部分火势判别传感器的获取模型。
S1032,基于灭火剂能够覆盖全部火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为全部火势判别传感器。
S1033,所述参与评估的火势判别传感器序列为个数不少于2的任意两两之间平面距离小于灭火剂覆盖直径的火势判别传感器的集合,所述方法为:
根据灭火剂能够覆盖全部火势判别传感器的获取模型确定方法,设所述火焰燃烧区域内设置了N个火势判别传感器,其中N为大于等于2的整数,所述火势判别传感器之间的最小距离为dmax,dmax小于灭火剂覆盖区域投影直径。
如图3所示案例,但不限于此,设参与评估的火势判别传感器序列为{ST11,ST12,ST13,ST14},dmax=max{d1,d2,d3},则dmax小于灭火剂覆盖区域投影直径。
S1034,基于灭火剂能够覆盖部分火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为随机选取的部分火势判别传感器。
S1035,所述参与评估的火势判别传感器序列为从N个所述火焰燃烧区域的火势判别传感器所构成的种两两组合中,其中,N为大于4的整数,随机获得两组火势判别传感器。
根据灭火剂能够覆盖部分火势判别传感器的获取模型确定方法,设所述火焰燃烧区域内设置了N个火势判别传感器,其中N为大于等于4的整数,随机获得2组火势判别传感器,每组火势判别传感器之间的最小距离为dmax,dmax小于灭火剂覆盖区域投影直径。
如图4所示案例,但不限于此,设当前采样周期随机选取的两组传感器组合为{ST22,ST26}和{ST24,ST25},dmax=max{d1,d3},则dmax小于灭火剂覆盖区域投影直径。
S1036,区别不同类型的燃烧区域状态,基于选取的火焰燃烧区域的火势判别传感器组合判别灭火剂覆盖效果。
步骤S104中所述有效灭火行为特征分是量化有效灭火行为的基本依据,请参考图5,其为获得有效灭火行为特征分的方法和流程,具体包括:
S1041,判断参与评估的火势判别传感器探测温度平均值是否低于预设条件值,此处,给出一种判别案例,但不限于此,如图3所示,选取参与评估的火势判别传感器,设定预设低温条件值为50℃,在当前采样周期内,所述4个参与评估的火势判别传感器获得的温度数值分别为TST11=61℃,TST12=38℃,TST13=42℃,TST14=47℃,计算平均温度为47℃,此时可判别为参与评估的火势判别传感器探测温度平均值低于预设条件值;此处,给出另一种判别案例,但不限于此,如图3所示,选取参与评估的火势判别传感器,设定预设低温条件值为50℃,在当前采样周期内,所述4个参与评估的火势判别传感器获得的温度数值分别为TST22=61℃,TST26=38℃,TST24=42℃,TST25=47℃,计算平均温度为47℃,此时可判别为参与评估的火势判别传感器探测温度平均值低于预设条件值。
S1042,依据温度平均值满足要求的判别模型统计有效灭火行为特征分第一权重指标值M1i,所述M1i的计算方法根据化式,计算所述灭火剂覆盖后效果满足温度降低要求的区间有效灭火行为特征分,M1j(Tj)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,Tj为所述当前区间内第j个时间采样周期的所述参与评估的火势判别传感器探测温度的平均值,T0为预设区间有效灭火行为最低温度平均值,T1为预设区间有效灭火行为预设条件温度平均值,温度单位为℃。
此处,给出一个有效灭火行为特征分第一权重指标值计算实例,但不限于此,在当前采样周期内,4个参与评估的火势判别传感器获得的温度数值的平均值为47℃,设区间有效灭火行为预设条件温度平均值为50℃,区间有效灭火行为最低温度平均值为40℃,计算有效灭火行为特征分第一权重指标值为1.06。
S1043,从N个两两组合中判断随机获得两组火势判别传感器探测的温度差的绝对值满足要求的状态,此处,给出一种判别案例,但不限于此,如图3所示,选取参与评估的火势判别传感器,设定预设温度差绝对值的条件值为150℃,在当前采样周期内,所述4个参与评估的火势判别传感器获得的温度数值分别为TST11=361℃,TST12=48℃,TST13=42℃,TST14=47℃,随机选取的两组火势判别传感器分别为{ST11,ST12}和{ST11,ST14},计算温度差绝对值分别为313℃和314℃,此时可判别为参与评估的火势判别传感器探测温度差绝对值满足要求;此处给出另一种判别案例,但不限于此,如图4所示,选取参与评估的火势判别传感器,设定预设温度差绝对值的条件值为150℃,在当前采样周期内,所述4个参与评估的火势判别传感器获得的温度数值分别为TST22=361℃,TST26=48℃,TST24=42℃,TST25=247℃,随机选取的两组火势判别传感器分别为{ST22,ST26}和{ST24,ST25},计算温度差绝对值分别为313℃和205℃,此时可判别为参与评估的火势判别传感器探测温度差绝对值满足要求。
S1044,依据温度差绝对值满足要求的判别模型统计有效灭火行为特征分第二权重指标值M2i,所述M2i的计算方法根据公式,计算所述火势判别传感器之间存在满足要求温差的区间有效灭火行为特征分,M2j(|δTrandomj|)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,|δTrandomj|为所述当前区间内第j个时间采样周期内,所述随机选取的两组火势判别传感器探测的温度差的绝对值,Δ为作为基准的预设温度差的绝对值,Δ>0,温度差单位为摄氏度。
此处,给出一个有效灭火行为特征分第二权重指标值计算实例,但不限于此,在当前采样周期内,如图3所示,随机选取的两组火势判别传感器分别为{ST11,ST12}和{ST11,ST14},所述参与评估的火势判别传感器探测温度差绝对值满足要求,计算有效灭火行为特征分第二权重指标值为1。此处,给出另一个有效灭火行为特征分第二权重指标值计算实例,但不限于此,在当前采样周期内,如图4所示,随机选取的两组火势判别传感器分别为{ST22,ST26}和{ST24,ST25},所述参与评估的火势判别传感器探测温度差绝对值满足要求,计算有效灭火行为特征分第二权重指标值为1。
S1045,基于灭火剂的覆盖效果,统计并获得当前区间有效灭火行为特征分,根据bi=W1·M1i+W2·M2i公式,计算当前区间i有效灭火行为特征分,其中,bi为所述当前区间有效灭火行为特征分,W1为所述当前区间有效灭火行为第一权重,其中0<W1<1,对应于所述灭火剂覆盖后效果满足温度降低要求的状态权重,M1i为当前i区间调整周期内,所述灭火剂覆盖后效果满足温度降低要求的有效灭火行为特征分,W2为所述当前区间有效灭火行为第二权重,其中0<W2<1,W1+W2=1,对应于所述火势判别传感器之间存在满足要求温差的状态权重,M2i为当前i区间调整周期内,所述火势判别传感器之间存在满足要求温差的状态的有效灭火行为特征分。
此处,给出一个获得当前区间一个采样周期内有效灭火行为特征分计算实例,但不限于此,设定所述当前采样周期有效灭火行为第一权重值为0.75,有效灭火行为特征分第一权重指标值为1.06,所述当前采样周期有效灭火行为第二权重为0.25,有效灭火行为特征分第二权重指标值为1,当前采样周期有效灭火行为特征分为1.045。
Claims (3)
1.一种构建灭火训练过程交互、成绩评估模型的方法,其特征在于包括如下步骤:
S101,设定灭火过程火势变化规律对应于燃烧区域灭火过程的火势变化趋势;
S102,基于灭火过程火势变化规律,将灭火过程火势变化规律表示为时间的函数,设定火势变化控制规律的节点数量为P,P为大于2的整数,对应于从灭火过程初始时的燃料气供气阀门开度数值K1%至灭火过程结束时的燃料气供气阀门开度数值KP%,所经历的所有控制节点的数量为P,所述函数由P-1个分段函数构成,每个分段函数值域为燃料气供气阀门开度Ki%至Ki+1%区间,定义域为时间区间,每个时间区间包含有限个采样周期;
S103,基于火势判别传感器检测的灭火剂覆盖效果确定所述燃烧区域灭火过程的火势变化趋势;
S104,基于灭火剂覆盖效果,统计并获得当前区间有效灭火行为特征分,所述有效灭火行为对应于所述火势判别传感器检测的火焰燃烧区域灭火剂覆盖后效果满足温度降低要求的状态,以及所述火焰燃烧区域灭火剂覆盖后火势判别传感器之间存在满足要求的温差的状态;
S105,基于有效灭火行为特征分与状态调整阈值,获得灭火过程交互模型,所述状态调整阈值为预先设定的基于灭火剂覆盖效果的有效灭火行为特征分数值,该数值用于判别火势变化趋势在所述相邻两个火势变化控制规律的节点间的转移方向;
S106,基于累计区间灭火行为次数,给出灭火训练成绩质量分,获得训练成绩评估模型,所述累计区间灭火行为次数,为完成整个灭火过程后,所有p-1个调整区间所经历的采样周期个数的总和,每个调整区间所经历的采样周期个数为该区间内灭火行为次数,该区间采样周期个数为当前调整区间内依据灭火过程交互模型实现火势变化在节点间转移时所经历的采样周期个数。
2.如权利要求1所述的一种构建灭火训练过程交互、成绩评估模型的方法,其特征在于:步骤103中灭火剂覆盖效果的确定过程包括:
S1031,根据火焰燃烧区域的火势判别传感器分布状态确定参与评估的火势判别传感器获取模型,所述参与评估的火势判别传感器获取模型划分为灭火剂能够覆盖全部火势判别传感器的获取模型和灭火剂能够覆盖部分火势判别传感器的获取模型;
S1032,基于灭火剂能够覆盖全部火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为全部火势判别传感器。
S1033,所述参与评估的火势判别传感器序列为个数不少于2的任意两两之间平面距离小于灭火剂覆盖直径的火势判别传感器的集合,根据灭火剂能够覆盖全部火势判别传感器的获取模型确定方法,设所述火焰燃烧区域内设置了N个火势判别传感器,其中N为大于等于2的整数,所述火势判别传感器之间的最小距离为dmax,dmax小于灭火剂覆盖区域投影直径;
S1034,基于灭火剂能够覆盖部分火势判别传感器的获取模型,获得所述参与评估的火势判别传感器序列为随机选取的部分火势判别传感器;
S1035,所述参与评估的火势判别传感器序列为从N个所述火焰燃烧区域的火势判别传感器所构成的种两两组合中,其中,N为大于4的整数,随机获得两组火势判别传感器;
S1036,区别不同类型的燃烧区域状态,基于选取的火焰燃烧区域的火势判别传感器组合判别灭火剂覆盖效果。
3.如权利要求1所述的一种构建灭火训练过程交互、成绩评估模型的方法,其特征在于:步骤S104具体包括:
S1041,判断参与评估的火势判别传感器探测温度平均值是否低于预设条件值;
S1042,依据温度平均值满足要求的判别模型统计有效灭火行为特征分第一权重指标值M1i,所述M1i的计算方法根据公式,计算所述灭火剂覆盖后效果满足温度降低要求的区间有效灭火行为特征分,M1j(Tj)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,Tj为所述当前区间内第j个时间采样周期的所述参与评估的火势判别传感器探测温度的平均值,T0为预设区间有效灭火行为最低温度平均值,T1为预设区间有效灭火行为预设条件温度平均值,温度单位为℃;
S1043,从N个两两组合中判断随机获得两组火势判别传感器探测的温度差的绝对值满足要求的状态;
S1044,依据温度差绝对值满足要求的判别模型统计有效灭火行为特征分第二权重指标值M2i,所述M2i的计算方法根据公式,计算所述火势判别传感器之间存在满足要求温差的区间有效灭火行为特征分,M2j(|δTrandomj|)为所述当前区间内第j个时间采样周期的有效灭火行为特征分,|δTrandomj|为所述当前区间内第j个时间采样周期内,所述随机选取的两组火势判别传感器探测的温度差的绝对值,Δ为作为基准的预设温度差的绝对值,Δ>0,温度差单位为摄氏度;
S1045,基于灭火剂的覆盖效果,统计并获得当前区间有效灭火行为特征分,根据bi=W1·M1i+W2·M2i公式,计算当前区间i有效灭火行为特征分,其中,bi为所述当前区间有效灭火行为特征分,W1为所述当前区间有效灭火行为第一权重,其中0<W1<1,对应于所述灭火剂覆盖后效果满足温度降低要求的状态权重,M1i为当前i区间调整周期内,所述灭火剂覆盖后效果满足温度降低要求的有效灭火行为特征分,W2为所述当前区间有效灭火行为第二权重,其中0<W2<1,W1+W2=1,对应于所述火势判别传感器之间存在满足要求温差的状态权重,M2i为当前i区间调整周期内,所述火势判别传感器之间存在满足要求温差的状态的有效灭火行为特征分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611062809.2A CN106777908B (zh) | 2016-11-28 | 2016-11-28 | 一种构建灭火训练过程交互、成绩评估模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611062809.2A CN106777908B (zh) | 2016-11-28 | 2016-11-28 | 一种构建灭火训练过程交互、成绩评估模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777908A true CN106777908A (zh) | 2017-05-31 |
CN106777908B CN106777908B (zh) | 2019-05-03 |
Family
ID=58901717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611062809.2A Active CN106777908B (zh) | 2016-11-28 | 2016-11-28 | 一种构建灭火训练过程交互、成绩评估模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777908B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959594A (zh) * | 2018-07-12 | 2018-12-07 | 中国人民解放军战略支援部队信息工程大学 | 一种基于时变加权的能力水平评估方法及装置 |
CN110889211A (zh) * | 2019-11-18 | 2020-03-17 | 中国人民解放军海军工程大学 | 一种构建损害管制训练过程导调、成绩评估模型的方法 |
CN112258922A (zh) * | 2020-11-19 | 2021-01-22 | 成都颖创科技有限公司 | 一种单兵武器模拟训练系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1455320A1 (en) * | 2003-03-03 | 2004-09-08 | Cerberus S.A.S. | Fire or overheating detection system |
CN103793396A (zh) * | 2012-10-30 | 2014-05-14 | 中国石油化工股份有限公司 | 一种三维消防培训及演练评估方法及系统 |
CN105096508A (zh) * | 2015-07-27 | 2015-11-25 | 中国电子科技集团公司第三十八研究所 | 一种森林防火数字信息化综合指挥系统 |
-
2016
- 2016-11-28 CN CN201611062809.2A patent/CN106777908B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1455320A1 (en) * | 2003-03-03 | 2004-09-08 | Cerberus S.A.S. | Fire or overheating detection system |
CN103793396A (zh) * | 2012-10-30 | 2014-05-14 | 中国石油化工股份有限公司 | 一种三维消防培训及演练评估方法及系统 |
CN105096508A (zh) * | 2015-07-27 | 2015-11-25 | 中国电子科技集团公司第三十八研究所 | 一种森林防火数字信息化综合指挥系统 |
Non-Patent Citations (1)
Title |
---|
任凯等: "基于系统动力学特性的虚拟舱室灭火交互模型", 《兵工学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108959594A (zh) * | 2018-07-12 | 2018-12-07 | 中国人民解放军战略支援部队信息工程大学 | 一种基于时变加权的能力水平评估方法及装置 |
CN108959594B (zh) * | 2018-07-12 | 2022-03-01 | 中国人民解放军战略支援部队信息工程大学 | 一种基于时变加权的能力水平评估方法及装置 |
CN110889211A (zh) * | 2019-11-18 | 2020-03-17 | 中国人民解放军海军工程大学 | 一种构建损害管制训练过程导调、成绩评估模型的方法 |
CN110889211B (zh) * | 2019-11-18 | 2022-09-27 | 中国人民解放军海军工程大学 | 一种构建损害管制训练过程导调、成绩评估模型的方法 |
CN112258922A (zh) * | 2020-11-19 | 2021-01-22 | 成都颖创科技有限公司 | 一种单兵武器模拟训练系统 |
CN112258922B (zh) * | 2020-11-19 | 2022-07-08 | 成都颖创科技有限公司 | 一种单兵武器模拟训练系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106777908B (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2019362683B2 (en) | Fluid leakage detection system, fluid leakage detection device, and learning device | |
CN106777908A (zh) | 一种构建灭火训练过程交互、成绩评估模型的方法 | |
Lee et al. | Evaluation of CFD accuracy for the ventilation study of a naturally ventilated broiler house | |
CN103632158B (zh) | 森林防火监控方法及森林防火监控系统 | |
CN112216055B (zh) | 一种燃气场站火灾预警检测方法及系统 | |
CN108564284B (zh) | 基于成本和收益的气体探测器选址计算方法 | |
CN109637246A (zh) | 一种基于vr技术消防逃生模拟系统 | |
CN109255921A (zh) | 一种基于分层模糊融合的多传感器火灾检测方法 | |
CN105185022A (zh) | 基于多传感器信息融合的变电站火灾探测系统及探测信息融合方法 | |
CN105975991B (zh) | 一种改进的极限学习机火灾种类识别方法 | |
CN113920673A (zh) | 一种室内火情智能监测方法及系统 | |
CN113685736A (zh) | 一种基于压力参数分析的然气管网泄漏检测方法和系统 | |
CN115127037A (zh) | 一种供水管网漏损定位方法及系统 | |
CN106781793B (zh) | 一种灭火训练过程交互、成绩评估装置及方法 | |
CN109297636B (zh) | 储罐泄漏上风侧探测快速报警响应判断优化安装计算模型 | |
CN108920838B (zh) | 一种储罐泄漏下风侧探测快速报警响应判断优化安装计算模型的构建方法 | |
US20160275407A1 (en) | Diagnostic device, estimation method, non-transitory computer readable medium, and diagnostic system | |
CN117482445A (zh) | 一种基于物联网的智慧简易喷淋火灾早期抑制系统 | |
Nistah et al. | Coal-Fired Boiler Fault Prediction using Artificial Neural Networks. | |
CN112733900A (zh) | 一种基于深度迁移学习的锅炉燃烧状态稳定性判断方法 | |
CN106021737A (zh) | 用于计算机辅助设计的建筑模型的检测方法和系统 | |
US20220196512A1 (en) | Detection of a leakage in a supply grid | |
CN205103644U (zh) | 一种污染源远程抽查系统 | |
Amoatey et al. | Inverse optimization based detection of leaks from simulated pressure in water networks, part 1: analysis for a single leak | |
Neshat et al. | A hybrid fuzzy knowledge-based system for forest fire risk forecasting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |