CN106873364B - 一种智能机器人的任务优先级确定方法 - Google Patents
一种智能机器人的任务优先级确定方法 Download PDFInfo
- Publication number
- CN106873364B CN106873364B CN201611267753.4A CN201611267753A CN106873364B CN 106873364 B CN106873364 B CN 106873364B CN 201611267753 A CN201611267753 A CN 201611267753A CN 106873364 B CN106873364 B CN 106873364B
- Authority
- CN
- China
- Prior art keywords
- ignition point
- influence factor
- membership
- degree
- fire
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智能机器人的任务优先级确定方法,面向多个着火点,包括:获取各个着火点的各个影响因素的实测值;根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度以及对评价等级的隶属度;根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重;根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值;根据所述各个着火点的评价值,确定各个着火点的优先级关系。本发明可根据各个着火点的各个影响因素的实测值,确定各个着火点的优先级关系,保证智能机器人在任务分配中优先救援重要的着火点。
Description
技术领域
本发明涉及一种智能机器人的任务优先级确定方法。
背景技术
火灾对于人民群众生命财产的危害是毋庸置疑的,随着生活水平的提高,社会对于火灾救援的要求也越来越高。智能机器人作为无人化装备的一种,广泛的应用于火灾救援当中,智能机器人能代替消防救援人员进入有毒、缺氧、浓烟等危险火灾场所进行人员搜救、火灾扑灭等工作,有着举足轻重的作用。
现实生活中的火灾发生环境复杂多变,并且极易出现多处火灾同时爆发的情况,此时若智能机器人数量有限,则无法快速判别智能机器人先去哪个着火点救援,极大地降低了智能机器人的任务分配效率,从而造成很大的损失。
发明内容
本发明提供一种至少部分解决上述技术问题的智能机器人的任务优先级确定方法。
第一方面,本发明提供一种智能机器人的任务优先级确定方法,面向需要救援的着火点,,包括:
获取各个着火点的各个影响因素的实测值;
根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度以及各个着火点的各个影响因素对评价等级的隶属度;
根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重;
根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值;
根据所述各个着火点的评价值,确定各个着火点的优先级关系。
优选的,根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的实测值,查表获取与所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值;
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度。
优选的,根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,通过公式(一)计算各个着火点的各个影响因素对着火点优先级的隶属度
其中,ai为一着火点的第i个影响因素对着火点优先级的隶属度,xi为一着火点的第i个影响因素的实测值,n为一着火点的第i个影响因素对应的评价等级的最大等级数,yi,n+1为一着火点的第i个影响因素对应的第n级评判级别中的上限值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值。
优选的,根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值,确定所述各个着火点的各个影响因素的实测值所属的评价标准值范围;
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度。
优选的,根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,通过公式(二)、(三)和(四)计算所述各个着火点的各个影响因素对评价等级的隶属度
其中,xi为一着火点的第i个影响因素的实测值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值,yi2为一着火点的第i个影响因素对应的第二级评判级别中的下限值,yi,j-1为一着火点中第i个影响因素对应的第j-1级评判级别中的下限值,yij为一着火点中第i个影响因素对应的第j级评判级别中的下限值,yi,j+1为一着火点中第i个影响因素对应的第j级评判级别中的上限值,yin为一着火点中第i个影响因素对应的第n级评判级别中的下限值,yi,n+1为一着火点中第i个影响因素对应的第n级评判级别中的上限值。
优选的,所述根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重之后,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值之前,所述方法还包括:
对各个权重进行归一化处理,以获取各个着火点的各个影响因素的归一化权重;
相应地,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值,包括:
根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的归一化权重,计算各个着火点的评价值。
优选的,所述根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重,包括:
根据所述各个着火点的各个影响因素对着火点优先级的隶属度,通过公式(五)计算各个着火点的各个影响因素的权重
其中,Wi'为一着火点的第i个影响因素的权重,h为ai所位于的评价等级标准值对着火点优先级的隶属度的上下限对应的评价等级的序数,sih≤ai≤si,h+1,sih为预设的一着火点的第i个影响因素对应的第h个评价等级标准值对着火点优先级的隶属度,si,h+1为预设的一着火点的第i个影响因素对应的第h+1个评价等级标准值对着火点优先级的隶属度,ai为一着火点的第i个影响因素对着火点优先级的隶属度。
优选的,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值,包括:
根据所述各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的各个一级评价值;
根据所述各个着火点的各个一级评价值中的最大值,计算各个着火点的评价值。
优选的,所述方法还包括:
获取各个着火点的火灾发现时间、各个着火点的当前环境下风速大小和着火点的初始热释放率;所述初始热释放率为火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、各个着火点的当前环境下风速大小、各个着火点的初始热释放率、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在自然状态下的热释放率。
优选的,所述方法还包括:
获取各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量和每个智能机器人的灭火能力;所述着火点的初始热释放率为着火点在火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量、每个智能机器人的灭火能力、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率。
由上述技术方案可知,本发明可以根据各个着火点的各个影响因素的实测值,最终计算得到各个着火点的评价值,从而根据各个着火点的评价值,确定各个着火点的优先级关系,以便智能机器人确定救援的先后顺序,保证重要的着火点先救援,从而将损失程度降到最小。
附图说明
图1为本发明一实施例提供的智能机器人的任务优先级确定方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
图1为本发明一实施例提供的一种智能机器人的任务优先级确定方法的流程图。
如图1所示的一种智能机器人的任务优先级确定方法,面向需要救援的着火点,包括:
S101、获取各个着火点的各个影响因素的实测值;
S102、根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度以及各个着火点的各个影响因素对评价等级的隶属度;
S103、根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重;
S104、根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值;
S105、根据所述各个着火点的评价值,确定各个着火点的优先级关系。
本发明可以根据各个着火点的各个影响因素的实测值,最终计算得到各个着火点的评价值,从而根据各个着火点的评价值,确定各个着火点的优先级关系,以便确定救援的先后顺序,保证重要的着火点先救援,从而将损失程度降到最小。
作为一种优选实施例,所述步骤S102中的根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的实测值,查表获取与所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值;
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度。
作为一种优选实施例,根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,通过公式(一)计算各个着火点的各个影响因素对着火点优先级的隶属度
其中,ai为一着火点的第i个影响因素对着火点优先级的隶属度,xi为一着火点的第i个影响因素的实测值,n为一着火点的第i个影响因素对应的评价等级的最大等级数,yi,n+1为一着火点的第i个影响因素对应的第n级评判级别中的上限值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值。
具体可根据下述评判等级标准表查找火灾中各个影响因素对应的评价级别以及各个评价级别中的各个评价标准值。
评判等级标准表如下:
表中值为评价标准值。
值得说明的是,对于火灾,评价级别数是固定的,各个评价级别中的值均为具体数值,上述表中未显示出来。
其中,yi1为着火点的第i个影响因素对应的第一级评判级别中的下限值,yi,n+1为着火点的第i个影响因素对应的第n级评判级别中的上限值,i表示影响因素的序数,yij为着火点中第i个影响因素对应的第j级评判级别中的下限值,如y12为着火点的第1个影响因素对应的第二级评判级别中的下限值。
作为一种优选实施例,所述步骤S102中的根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值,确定所述各个着火点的各个影响因素的实测值所属的评价标准值范围;
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度。
作为一种优选实施例,根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,通过公式(二)、(三)和(四)计算所述各个着火点的各个影响因素对评价等级的隶属度
其中,xi为一着火点的第i个影响因素的实测值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值,yi2为着火点的第i个影响因素对应的第二级评判级别中的下限值,yi,j-1为一着火点中第i个影响因素对应的第j-1级评判级别中的下限值,yij为一着火点中第i个影响因素对应的第j级评判级别中的下限值,yi,j+1为一着火点中第i个影响因素对应的第j级评判级别中的上限值,yin为一着火点中第i个影响因素对应的第n级评判级别中的下限值,yi,n+1为一着火点中第i个影响因素对应的第n级评判级别中的上限值。值得说明的是,此处的n为评价等级的最大等级数。
值得说明的是,对于每个xi,要计算其对于每个评价等级的隶属度。
作为一种优选实施例,所述步骤S103之后,所述步骤S104之前,所述方法还包括:
对各个权重进行归一化处理,以获取各个着火点的各个影响因素的归一化权重;
相应地,所述步骤S104,包括:
根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的归一化权重,计算各个着火点的评价值。
作为一种优选实施例,所述步骤S103,包括:
根据所述各个着火点的各个影响因素对着火点优先级的隶属度,通过公式(五)计算各个着火点的各个影响因素的权重
其中,Wi'为一着火点的i个影响因素的权重,h为ai所位于的评价等级标准值对着火点优先级的隶属度的上下限对应的评价等级的序数,sih≤ai≤si,h+1,sih为预设的一着火点的i个影响因素对应的第h个评价等级标准值对着火点优先级的隶属度,si,h+1为预设的一着火点的第i个影响因素对应的第h+1个评价等级标准值对着火点优先级的隶属度,ai为一着火点的i个影响因素对着火点优先级的隶属度。归一化处理采用下述公式:
其中,Wi为一着火点的i个影响因素的归一化权重,m表示该着火点的影响因素的数量。
其中,单因素判断:即对单个因素ui(i=1,2,···,m)的评判,经规格化转换得到V上的模糊集(ri1,ri2,···,rim),所以它是从U到V的一个模糊映射。
规定:第i(i=1,2,···,m)个因素的vj级评判标准的下限值yi1对着火点优先级的隶属度为0;第i(i=1,2,···,m)个因素的vn级评判标准的上限值yi,n+1对着火点优先级的隶属度为1;介于yi1,yi,n+1之间标准值对着火点优先级的隶属度在[0,1]区间,可按线性内插即如下规格化公式确定:
其中:sih为规格化数,即第i个影响因素的第h级评价等级标准值对着火点优先级的隶属度,yih为第i个影响因素对应的第h级评价级别中的下限值,n为评价等级的最大等级数,yi,n+1为第i个影响因素对应的第n级评判级别中的上限值,h=1,2,···,n。
取评价等级各级标准值区间的下限值作为各级的标准值,进而可以得到标准指标隶属度矩阵S:
它是由所有对单因素的评价F集组成的。
由于对于火灾,各标准值均为常数,因此标准指标隶属度矩阵S中的各个值也为预先可获得的常数。
上述计算各个着火点的各个影响因素的权重中确定h的方法具体为:先判断ai所位于的评价等级标准值对着火点优先级的隶属度的范围,如ai位于s11和s12之间,而显然s11和s12为第一级评价等级的标准值的下限值对着火点优先级的隶属度和第一级评价等级的标准值的上限值对着火点优先级的隶属度,因此确定h=1,依次按照该方法确定h的值。
作为一种优选实施例,所述步骤S104,包括:
根据所述各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的各个一级评价值;
根据所述各个着火点的各个一级评价值中的最大值,计算各个着火点的评价值。
可以理解的是,给定各区域环境之间的权重g1、g2、g3,得权重向量:
G=(g1,g2,g3);
对第一层各区域子因素进行评价,得一级评判模型,根据该模型可获得多个一级评价值:
所述一评判模型:
B=W·R
对第二层区域因素进行评价,得二级评判模型,根据该模型可获得最终的评价值:
P=G·max B
以往对于火灾的描述集中在对火灾的预警上,对于不同区域环境下发生的火灾并没有很好地进行区分,进一步对于火灾发生后火势的状态预测更是知之甚少。有鉴于此,本专利旨在说明一种面向多种环境的救火模型设计方法,主要解决:1)不同区域环境和同一区域环境不同子因素对于火灾优先级的影响。这一部分主要利用模糊数学将不同因素的权重反映出来;2)建立基于灭火能力的智能机器人救援模型。主要考量智能机器人的的灭火能力、速度和通信能力;3)建立着火点状态模型和无救援情况下基于指数函数的着火点火势变化方程。主要考量着火点的着火点初始状态量、着火物质危险等级、风力大小;4)构造完整的着火点状态方程,即考虑有智能机器人参与救援的情况下着火点的状态变化。这些内容有助于对火灾整体情况有一个全面的认识,并对火灾的发展态势做出一定预测,从而为火灾救援提供极其重要的决策建议。
基于此,作为一种优选实施例,所述方法还包括:
获取各个着火点的火灾发现时间、各个着火点的当前环境下风速大小和各个着火点的初始热释放率;所述初始热释放率为火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、各个着火点的当前环境下风速大小、各个着火点的初始热释放率、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在自然状态下的热释放率。
或者在有救援的情况下,作为一种优选实施例,所述方法还包括:
获取各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量和每个智能机器人的灭火能力;所述着火点的初始热释放率为着火点在火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量、每个智能机器人的灭火能力、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率。
具体的,可通过下述方法实现上述步骤。
将着火点的状态量用热释放率S来表示,即可代表着火点当前的火势大小。利用分段函数来模拟着火点火势自然状态下的状态量变化,获得火灾发现时间后各个时间点的各个着火点在自然状态下的热释放率,公式如下:
α=(1+0.1f)α'
其中,s(0)为火灾发现时状态量(即着火点的初始热释放率);α为有风条件下火灾增长系数,α'为无风条件下火灾增长系数,根据典型火灾实验确定,f为当前环境下风速大小;n为时间指数,一般取2;t0为火灾发现时间,t1为火灾开始稳定燃烧时间,t2为火灾开始衰减时间;系数q根据实验数据估算(可通过查找下述表根据可燃材料确定),p、r均为常数,t为待预测的时间点。
该方程须满足边界条件,如下:
其中t1<t≤t2时期为着火点稳定燃烧时期,不同类型火灾的时间占比各不相同,甚至稳定燃烧时间极短或不存在。
在火势的发展阶段,按其发展速度将火灾区分如下:
注:实验条件为室内,无风,试样大小约为100mm×100mm。
其他典型组合燃烧材料试验参数如下:
注:居家办公实验组合包括分隔板、组合书架、塑料椅、层压板办公桌、电脑,以及100kg纸制品;沙发皮椅为单人沙发,且其燃烧过程分为两个阶段,即包含两个峰值。
在有智能机器人参与救援的情况下,火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率的预测模型为
前期开始灭火:
中期开始灭火:
后期开始灭火:
其中,Se为前期开始灭火时预测的热释放率,Sm为中期开始灭火时预测的热释放率,Sl为后期开始灭火时预测的热释放率,s(0)为火灾发现时状态量(即着火点的初始热释放率),ts为开始灭火时间;在救火过程中只考虑智能机器人的灭火能力β,而k代表到达着火点的智能机器人的数量,l为智能机器人的序数,且βi表示第l个智能机器人的灭火能力,n为时间指数,一般取2,其余参数含义详见上文。
利用上述模型预测火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率。
文中虽然有相同字母,但意义不尽相同,已经在相应位置处给出了对应含义的说明。
下面举一实施例,对本发明进行详细说明。
实施例1、本发明设计了一种智能机器人的任务优先级确定方法。
假设秋冬季某地发生多起火灾,其一是在某居民小区内,其二是在某处森林地带,其三是在某牧民草场。
该居民小区的人口密度3126人/km2,居民财产价值为0.6千万元,燃烧等级为3,空气污染指数为285。
该森林地带数目株数密度为625(株/hm2),易燃程度为6,经济价值约为12000(元/hm2)。
该牧民草场牲畜密度为1400(羊单位/hm2),易燃程度为8,草场经济价值为89kg/亩。
该居民小区、森林、草场的区域权重分别为g1、g2、g3分别为0.6、0.2、0.2,可以得到区域权重向量为:G=(0.6,0.2,0.2)。
居民小区火灾的标准指标隶属度矩阵为:
森林地带火灾的标准指标隶属度矩阵为:
草场火灾的标准指标隶属度矩阵为:
居民小区火灾测量实际值进行归一化处理,得包括各个隶属度的隶属度向量为:
a1=(0.219,0.96,0.7,0.288)
森林地带火灾测量实际值进行归一化处理,得隶属度向量为:
a2=(0.688,0.4,0.4)
草场火灾测量实际值进行归一化处理,得包括各个隶属度的隶属度向量为:
a3=(0.3,0.2,0.555)
利用线性内插公式确定未归一化权重:
W1'=(0.912,0.66,0.72,0.885)
W2'=(0.725,0.84,0.84)
W3'=(0.88,0.92,0.778)
归一化后得:
W1=(0.287,0.208,0.227,0.279)
W2=(0.301,0.349,0.349)
W3=(0.341,0.357,0.302)
将实际值(实测值)代入相应隶属函数,得到模糊关系矩阵,其中包括各个着火点各个影响因素的实测值对评价等级的隶属度:
居民小区:
森林地带:
草场:
故一级评判矩阵(包括一级评价值)为:
B1=W1·R1=[0.083,0.306,0.087,0.036]
B2=W2·R2=[0,0.226,0.494,0]
B3=W3·R3=[0,0.066,0.123,0.071]
最终评价值为:
P1=g1·max B=0.184
P2=g2·max B=0.099
P3=g3·max B=0.025
故优先级顺序为居民小区火灾>森林地带火灾>草场火灾,则智能机器人应优先救援居民小区。
设智能机器人的灭火能力均为β=0.01,速度为v=1,通讯范围为r=200,则智能机器人的能力向量为:
C=[0.01,1,200]
设居民小区火灾初始状态量为s(0)=0.01,无风条件下火灾增长系数α1=0.02662,当前环境下风速大小为f=5m/s,则居民小区着火点的状态向量为:
D1=[0.01,0.03993,5]
查表得居民小区着火点的状态变化率为α1=0.02662,q1=0.00219,故着火点在自然状态下的热释放率模型如下:
考虑救援,且为前期救援,则居民小区火灾前期救援模型如下:
Se1=0.01·(0.03993-0.01·k)·ts 2,t0<ts≤260
上式中t0=0。
设森林地带着火点初始量为s(0)=0.01,无风条件下火灾增长系数为α2=0.04689,当前环境下风速大小为f=7m/s,则森林地带着火点的状态向量为:
D2=[0.01,0.07971,7]
查表得森林地带着火点的状态变化率为α2=0.04689,q2=0.04591故着火点在自然状态下的热释放率模型如下:
考虑救援向量,前期灭火,则森林地带前期救援模型如下:
Se2=0.01·(0.07971-0.01·n)·ts 2,0<ts≤180
设草场着火点初始量为s(0)=0.01,无风条件下火灾增长系数为α3=0.1875,当前环境下风速大小为f=8m/s,则草场着火点的状态向量为:
D3=[0.01,0.3375,8]
查表得森林地带着火点的状态变化率为α3=0.1875,q2=0.185,故着火点在自然状态下的热释放率模型如下:
考虑救援向量,前期灭火,则草场火灾救援模型如下:
Se3=0.01·(0.3375-0.01·n)·ts 2,0<ts≤100
通过预测火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率,可以为火灾控制提供参考价值。
本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
1.一种智能机器人的任务优先级确定方法,面向需要救援的着火点,其特征在于,包括:
获取各个着火点的各个影响因素的实测值;
根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度以及各个着火点的各个影响因素对评价等级的隶属度;
根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重;
根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值;
根据所述各个着火点的评价值,确定各个着火点的优先级关系。
2.根据权利要求1所述的方法,其特征在于,根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的实测值,查表获取与所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值;
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度。
3.根据权利要求2所述的方法,其特征在于,根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,计算各个着火点的各个影响因素对着火点优先级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值、所述各个影响因素对应的评价级别中第一级评判级别中的下限值和最后一级评判级别中的上限值,通过公式(一)计算各个着火点的各个影响因素对着火点优先级的隶属度
其中,ai为一着火点的第i个影响因素对着火点优先级的隶属度,xi为一着火点的第i个影响因素的实测值,n为一着火点的第i个影响因素对应的评价等级的最大等级数,yi,n+1为一着火点的第i个影响因素对应的第n级评判级别中的上限值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值。
4.根据权利要求1所述的方法,其特征在于,根据所述各个着火点的各个影响因素的实测值,计算各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值,确定所述各个着火点的各个影响因素的实测值所属的评价标准值范围;
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度。
5.根据权利要求4所述的方法,其特征在于,根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,计算所述各个着火点的各个影响因素对评价等级的隶属度,包括:
根据所述各个着火点的各个影响因素的实测值所属的评价标准值范围,通过公式(二)、(三)和(四)计算所述各个着火点的各个影响因素对评价等级的隶属度
其中,xi为一着火点的第i个影响因素的实测值,yi1为一着火点的第i个影响因素对应的第一级评判级别中的下限值,yi2为一着火点的第i个影响因素对应的第二级评判级别中的下限值,yi,j-1为一着火点中第i个影响因素对应的第j-1级评判级别中的下限值,yij为一着火点中第i个影响因素对应的第j级评判级别中的下限值,yi,j+1为一着火点中第i个影响因素对应的第j级评判级别中的上限值,yin为一着火点中第i个影响因素对应的第n级评判级别中的下限值,yi,n+1为一着火点中第i个影响因素对应的第n级评判级别中的上限值;ri1表示一着火点的第i个影响因素对第一级评判级别的隶属度;rij表示一着火点的第i个影响因素对第j级评判级别的隶属度;rin表示一着火点的第i个影响因素对第n级评判级别的隶属度。
6.根据权利要求1所述的方法,其特征在于,所述根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重之后,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值之前,所述方法还包括:
对各个权重进行归一化处理,以获取各个着火点的各个影响因素的归一化权重;
相应地,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值,包括:
根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的归一化权重,计算各个着火点的评价值。
7.根据权利要求1所述的方法,其特征在于,所述根据所述各个着火点的各个影响因素对着火点优先级的隶属度,计算各个着火点的各个影响因素的权重,包括:
根据所述各个着火点的各个影响因素对着火点优先级的隶属度,通过公式(五)计算各个着火点的各个影响因素的权重
其中,Wi'为一着火点的第i个影响因素的权重,h为ai所位于的评价等级标准值对着火点优先级的隶属度的上下限对应的评价等级的序数,sih≤ai≤si,h+1,sih为预设的一着火点的第i个影响因素对应的第h个评价等级标准值对着火点优先级的隶属度,si,h+1为预设的一着火点的第i个影响因素对应的第h+1个评价等级标准值对着火点优先级的隶属度,ai为一着火点的第i个影响因素对着火点优先级的隶属度。
8.根据权利要求1所述的方法,其特征在于,所述根据各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的评价值,包括:
根据所述各个着火点的各个影响因素对评价等级的隶属度和所述各个着火点的各个影响因素的权重,计算各个着火点的各个一级评价值;
根据所述各个着火点的各个一级评价值中的最大值,计算各个着火点的评价值。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取各个着火点的火灾发现时间、各个着火点的当前环境下风速大小和着火点的初始热释放率;所述初始热释放率为火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、各个着火点的当前环境下风速大小、各个着火点的初始热释放率、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在自然状态下的热释放率。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量和每个智能机器人的灭火能力;所述着火点的初始热释放率为着火点在火灾发现时间的热释放率;
根据所述各个着火点的火灾发现时间,计算各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间;
根据所述各个着火点的火灾发现时间、开始灭火时间、着火点的初始热释放率、智能机器人的数量、每个智能机器人的灭火能力、各个着火点的火灾开始稳定燃烧时间和各个着火点的火灾开始衰减时间,预测火灾发现时间后各个时间点的各个着火点在救援状态下的热释放率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611267753.4A CN106873364B (zh) | 2016-12-31 | 2016-12-31 | 一种智能机器人的任务优先级确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611267753.4A CN106873364B (zh) | 2016-12-31 | 2016-12-31 | 一种智能机器人的任务优先级确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106873364A CN106873364A (zh) | 2017-06-20 |
CN106873364B true CN106873364B (zh) | 2019-09-10 |
Family
ID=59164328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611267753.4A Active CN106873364B (zh) | 2016-12-31 | 2016-12-31 | 一种智能机器人的任务优先级确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106873364B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664987A (zh) * | 2018-03-21 | 2018-10-16 | 中南大学 | 一种灾害救援环境下的多目标优先级评估方法 |
CN109635991B (zh) * | 2018-10-19 | 2021-04-13 | 北京邮电大学 | 一种森林火灾中规划无人机群救援的优化方法及系统 |
CN110163469A (zh) * | 2019-04-02 | 2019-08-23 | 北京云迹科技有限公司 | 调度任务排序方法及装置 |
CN110888442A (zh) * | 2019-11-29 | 2020-03-17 | 中国科学院自动化研究所 | 消防机器人和基于云平台架构的消防机器人系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55142966A (en) * | 1979-04-23 | 1980-11-07 | Nissan Motor Co Ltd | Control method of ignition timing |
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN102553112A (zh) * | 2012-02-14 | 2012-07-11 | 上海务进消防安全设备有限公司 | 一种具有支持多种网络通讯的消防灭火机器人 |
CN102708645A (zh) * | 2012-05-18 | 2012-10-03 | 哈尔滨工程大学 | 一种船舶舱室火灾连锁报警优先级评估方法 |
CN102799703A (zh) * | 2012-05-08 | 2012-11-28 | 冯泽邦 | 一种基于平面八叉树的森林小班林火蔓延模拟方法 |
CN103226661A (zh) * | 2013-04-24 | 2013-07-31 | 国家电网公司 | 市场环境下电力用户可靠性需求的计算机评估方法 |
CN205516107U (zh) * | 2016-01-22 | 2016-08-31 | 马鞍山骉马智能装备有限公司 | 一种自动灭火机器人 |
CN106669073A (zh) * | 2016-12-30 | 2017-05-17 | 安徽清水岩生态科技有限公司 | 一种具有消防功能的移动装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064743B (zh) * | 2012-12-27 | 2017-09-26 | 深圳先进技术研究院 | 一种用于多机器人的资源调度方法及其资源调度系统 |
JP2016120549A (ja) * | 2014-12-24 | 2016-07-07 | キヤノン株式会社 | ロボット制御方法及びロボット制御装置 |
CN105056457B (zh) * | 2015-08-05 | 2018-09-25 | 山东康威通信技术股份有限公司 | 一种用于电力隧道的移动式消防灭火方法 |
-
2016
- 2016-12-31 CN CN201611267753.4A patent/CN106873364B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS55142966A (en) * | 1979-04-23 | 1980-11-07 | Nissan Motor Co Ltd | Control method of ignition timing |
CN102222279A (zh) * | 2011-06-14 | 2011-10-19 | 华南理工大学 | 基于模糊综合评判法的制革行业技术的评估方法 |
CN102553112A (zh) * | 2012-02-14 | 2012-07-11 | 上海务进消防安全设备有限公司 | 一种具有支持多种网络通讯的消防灭火机器人 |
CN102799703A (zh) * | 2012-05-08 | 2012-11-28 | 冯泽邦 | 一种基于平面八叉树的森林小班林火蔓延模拟方法 |
CN102708645A (zh) * | 2012-05-18 | 2012-10-03 | 哈尔滨工程大学 | 一种船舶舱室火灾连锁报警优先级评估方法 |
CN103226661A (zh) * | 2013-04-24 | 2013-07-31 | 国家电网公司 | 市场环境下电力用户可靠性需求的计算机评估方法 |
CN205516107U (zh) * | 2016-01-22 | 2016-08-31 | 马鞍山骉马智能装备有限公司 | 一种自动灭火机器人 |
CN106669073A (zh) * | 2016-12-30 | 2017-05-17 | 安徽清水岩生态科技有限公司 | 一种具有消防功能的移动装置 |
Non-Patent Citations (1)
Title |
---|
信使机制UAV/UGV多点动态集结的协同规划方法研究;张兴;《中国博士学位论文全文数据库 工程科技II辑》;20160415(第4期);C031-6 |
Also Published As
Publication number | Publication date |
---|---|
CN106873364A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106873364B (zh) | 一种智能机器人的任务优先级确定方法 | |
Stocks et al. | The Canadian forest fire danger rating system: an overview | |
Lootsma et al. | The multiplicative AHP, SMART and ELECTRE in a common context | |
CN105023195B (zh) | 含分布式光伏配电网可靠性评价方法 | |
CN108053594A (zh) | 一种定点区域单元的火灾预警方法 | |
CN106096838A (zh) | 基于模糊综合评价模型的建筑火灾安全评估方法及系统 | |
CN103985057B (zh) | 煤矿安全风险评价或损失估计方法及装置 | |
Lins et al. | Multidimensional risk analysis of hydrogen pipelines | |
CN107358332A (zh) | 一种电网调度运行精益化评价方法 | |
CN102708645A (zh) | 一种船舶舱室火灾连锁报警优先级评估方法 | |
CN112216055B (zh) | 一种燃气场站火灾预警检测方法及系统 | |
CN110084717A (zh) | 一种基于bp神经网络的电站锅炉入炉煤水分计算方法 | |
CN113139322A (zh) | 一种核电厂火灾响应及演练能力评价系统及方法 | |
CN110765268A (zh) | 一种基于客户诉求的配网精准投资策略方法 | |
CN105975991B (zh) | 一种改进的极限学习机火灾种类识别方法 | |
CN107862433A (zh) | 一种特高压直流输电线路带电作业安全评估方法和系统 | |
CN116090821A (zh) | 一种考虑极端天气的配电网线路安全风险评估方法 | |
CN107506850A (zh) | 一种确定输电线路巡检方式的方法及系统 | |
Zhang et al. | Analysis and research on fire safety of university dormitory based on Bayesian network | |
CN111178756A (zh) | 一种基于环境大数据的多元线性回归火灾风险评估方法 | |
Chen et al. | Research on building fire risk assessment based on analytic hierarchy process (AHP) | |
Zheng et al. | Application of BP neural network in fire risk assessment of comprehensive shopping mall | |
Xu et al. | Test flammability of PVC wall panel with cone calorimetry | |
CN115345228A (zh) | 一种消防风险识别方法与系统 | |
Ma et al. | Research on fire risk assessment of high-rise buildings based on fuzzy mathematics and set-value statistics theory |
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 |