CN114909181A - 分析隧道施工污染物分布规律的方法及自动控制装置 - Google Patents

Abstract

本发明公开一种分析隧道施工污染物分布规律的方法及自动控制装置，所述方法包括：将隧道整体视为一个论域，进行论域划分；对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律。本发明能够考察隧道施工过程中污染物流动状况、浓度梯度随时间分布规律等，并能实时调整风机风速，在模拟条件下实现风机自动变频控制，为隧道施工提供更加科学合理的通风方案。

Description

分析隧道施工污染物分布规律的方法及自动控制装置

技术领域

本发明属于隧道污染监测技术领域，更具体地，涉及一种分析隧道施工污染物分布规律的方法及自动控制装置。

背景技术

近年来，随着我国交通基础设施建设的不断发展，为了更好的满足交通发展和生态保护的要求，隧道建设的数量在不断增加，而且出现了大量的长隧道。隧道施工安全一直以来都是一个必须保证的问题。而隧道通风作为控制隧道作业环境的重要环节，通风质量的优劣，直接影响着隧道内施工人员的身体健康和安全。

在隧道施工通风过程中，普遍存在这一些不合理的问题。目前，我国隧道掘进通风基本采用手动控制方式，提高通风控制的可靠性和降低通风能耗将是所有的隧道施工单位共同的需求。然而，因为项目管理层认识的不到位以及环保制度的不健全，通风过程由施工人员根据经验进行操作，缺少对于工程实际的具体分析和研宄，通风质量差已经成为随道施工的一大诟病。具体体现在两个方面。首先是爆破后阶段和出渣阶段，在这两个阶段，隧道空气环境在很长时间内无法达到卫生基本标准，再加上施工方通风技术的不合理或刻意节约成本，造成洞内新鲜空气的不足，作业车辆排放的有害气体不能及时稀释排出，严重损害人员职业健康。

目前，行业对隧道施工阶段的通风开展了大量的研究，大部分是针对工程实例对隧道进行模型简化，对隧道施工过程进行实时监测，利用流体力学软件进行仿真。但是目前对于隧道施工污染物浓度预测及自动控制的系统缺乏相应的研究。

发明内容

提供了本发明以解决现有技术中存在的上述问题。因此，需要一种分析隧道施工污染物分布规律的方法及自动控制装置，预测污染物浓度分布规律，合理实时调整风机功率，减少施工安全事故，提高通风效率，达到节约成本的目的。

根据本发明的第一方案，提供了一种分析隧道施工污染物分布规律的方法，所述方法包括：将隧道整体视为一个论域，进行论域划分；对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律。

进一步，在对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律之后，所述方法还包括：基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。

进一步，所述将隧道整体视为一个论域，进行论域划分，包括：将隧道长度视为一个论域U，并划分为Cg个子区间，U＝{u₁,u₂,L,u_cg}，则A_k＝(u₁(x_k),u₂(x_k),L,u_cg(x_k))为U中的模糊集，其中x_k为样本数据中的任意一个数据点，即为污染物的浓度值，u₁(x_k),u₂(x_k),L,u_cg(x_k)分别为x_k对应区间u₁,u₂,L,u_cg的隶属度，Cg通过聚类方法聚类得到或者根据隧道实际情况进行划分得到。

进一步，所述对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度，包括：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d1,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)cg))＝(f_t1,L,f_tcg)。

进一步，所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

根据本发明的第二技术方案，提供了一种自动控制装置，所述自动控制装置包括：划分模块，被配置为将隧道整体视为一个论域，进行论域划分；第一计算模块，被配置为对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；第二计算模块，被配置为对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律；自动控制模块，被配置为根据所述污染物浓度分布规律调整风机功率。

进一步，所述自动控制模块被进一步配置为：获取隧道内各个污染物浓度值，并与预设的污染物浓度阈值相比较，在其中任意一个污染物浓度值低于或高于对应预设的污染物浓度阈值时，调整风机功率，以使所述污染物浓度值处于预设的污染物浓度阈值范围内。

进一步，述装置还包括验证模块，所述验证模块被配置为基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。

进一步，所述第一计算模块被进一步配置：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d₁,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)cg))＝(f_t1,L,f_tcg)。

进一步，所述第二计算模块被进一步配置为所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

根据本发明各个方案的分析隧道施工污染物分布规律的方法及自动控制装置，能够考察隧道施工过程中污染物流动状况、浓度梯度随时间分布规律等，并能实时调整风机风速，在模拟条件下实现风机自动变频控制，为隧道施工提供更加科学合理的通风方案。

附图说明

在不一定按比例绘制的附图中，相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例，并且与说明书以及权利要求书一起用于对所发明的实施例进行说明。在适当的时候，在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的，而并非旨在作为本装置或方法的穷尽或排他实施例。

图1示出了根据本发明实施例的一种分析隧道施工污染物分布规律的方法的流程图；

图2示出了根据本发明实施例的一种分析隧道施工污染物分布规律的方法的流程图；

图3示出了根据本发明实施例的一种自动控制装置的结构图；

图4示出了根据本发明实施例的一种自动控制装置的自动控制模块结构图。

具体实施方式

为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施方式对本发明作详细说明。下面结合附图和具体实施例对本发明的实施例作进一步详细描述，但不作为对本发明的限定。本文中所描述的各个步骤，如果彼此之间没有前后关系的必要性，则本文中作为示例对其进行描述的次序不应视为限制，本领域技术人员应知道可以对其进行顺序调整，只要不破坏其彼此之间的逻辑性导致整个流程无法实现即可。

本发明实施例提供一种分析隧道施工污染物分布规律的方法，请参阅图1，图1示出了根据本发明实施例的一种分析隧道施工污染物分布规律的方法的流程图。该方法包括：

步骤S100，将隧道整体视为一个论域，进行论域划分。在该步骤中，可以基于隧道总长、断面尺寸来确定隧道划分的论域个数。

步骤S200，对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度。

步骤S300，对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律。在该步骤中，采用重心法进行预测隶属度的去模糊化计算。

步骤S400，根据污染物浓度分布规律调整风机功率。

上述各个步骤在具体应用时可以基于已知的数据进行模拟测试，已知的数据通过实测获得或者选择以往的现有数据或者模拟获得，包括但不限于隧道总长、断面尺寸、各个污染物在不同时间段的浓度。污染物浓度包括粉尘浓度、CO浓度等等。根据模拟运行可以预测到的各个污染物浓度分布规律，基于污染物浓度分布规律与预设的污染物浓度进行对比，以调整风机功率使得污染物浓度始终处于预设的污染物浓度范围内，因此可以获得一个科学合理地风机变频控制方案，即为隧道施工提供更加科学合理的通风方案。

在一些实施例中，在对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律之后，如图2所示，所述方法还包括：

步骤S301，基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。通过该步骤来验证预测的污染物浓度分布规律是否正确，在出现明显偏差的情况下，可以更新隧道污染物浓度数据并重复步骤S200-步骤S300，或者直接重新按照步骤S200-步骤S300进行数据预测计算。

在一些实施例中，所述将隧道整体视为一个论域，进行论域划分，包括：

将隧道长度视为一个论域U，并划分为Cg个子区间，U＝{u₁,u₂,L,u_cg}，则A_k＝(u₁(x_k),u₂(x_k),L,u_cg(x_k))为U中的模糊集，其中x_k为样本数据中的任意一个数据点，即为污染物的浓度值，u₁(x_k),u₂(x_k),L,u_cg(x_k)分别为x_k对应区间u₁,u₂,L,u_cg的隶属度，Cg通过聚类方法聚类得到或者根据隧道实际情况进行划分得到。

在一些实施例中，所述对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度，包括：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d₁,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)_cg))＝(f_t1,L,f_tcg)。

在一些实施例中，所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

本发明实施例还提供了一种自动控制装置，请参阅图3，图3示出了根据本发明实施例的一种自动控制装置的结构图，该装置300包括：

划分模块301，被配置为将隧道整体视为一个论域，进行论域划分；

第一计算模块302，被配置为对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；

第二计算模块303，被配置为对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律；

自动控制模块304，被配置为根据所述污染物浓度分布规律调整风机功率。

在一些实施例中，自动控制模块，建立由主机、传输接口、工业以太网交换机传输线缆、传感器、避雷器等设备组成隧道通风自动控制装置，将装置与隧道施工污染物分布规律连接，通过设定污染物浓度上下限值，借助自动控制装置来实时调整风机功率，进而调整风机风速，并将其与数值预测结果进行接入，实现模拟过程中的风机自动变频。

在一些实施例中，如图4所示，是自动控制模块的结构图。自动控制模块包括粉尘传感器401、CO传感器402、风速传感器403、控制单元404以及风机变频器405。粉尘传感器401、CO传感器402、风速传感器403用于检测隧道内的粉尘浓度、CO浓度以及风速，并馈送至所述控制单元404，所述控制单元404基于接收到的粉尘浓度、CO浓度以及风速，以及将污染物浓度分布规律与预设的污染物浓度进行对比，调整风机变频器405，以调节风机的功率和风速，以使隧道内的粉尘浓度、CO浓度以及风速始终处于一个合理的范围之内。例如，粉尘浓度或CO浓度达到其预设的最低阈值时，对风机变频器405进行实时调整，提高风机运行频率，随着污染物浓度的增加，风机运行的频率会越来越高，如果风机频率达到最大时仍不能满足要求则进行报警。反之，随着浓度的降低，风机运行的频率会越来越低，风量会越来越小，直至风管出口的风速降至最小风速设定值。并将预测结果与自动控制连接，实现模拟条件的通风成本计算。

在一些实施例中，所述自动控制模块被进一步配置为：获取隧道内各个污染物浓度值，并与预设的污染物浓度阈值相比较，在其中任意一个污染物浓度值低于或高于对应预设的污染物浓度阈值时，调整风机功率，以使所述污染物浓度值处于预设的污染物浓度阈值范围内，所述预设的污染物浓度阈值根据污染物浓度分布规律来确定。

在一些实施例中，所述装置还包括验证模块，所述验证模块被配置为基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。

在一些实施例中，所述划分模块被进一步配置为：

将隧道长度视为一个论域U，并划分为Cg个子区间，U＝{u₁,u₂,L,u_cg}，则A_k＝(u₁(x_k),u₂(x_k),L,u_cg(x_k))为U中的模糊集，其中x_k为样本数据中的任意一个数据点，即为污染物的浓度值，u₁(x_k),u₂(x_k),L,u_cg(x_k)分别为x_k对应区间u₁,u₂,L,u_cg的隶属度，Cg通过聚类方法聚类得到或者根据隧道实际情况进行划分得到。

在一些实施例中，所述第一计算模块被进一步配置：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d₁,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)_cg))＝(ft1,L,ft_cg)。

在一些实施例中，所述第二计算模块被进一步配置为所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

此外，尽管已经在本文中描述了示例性实施例，其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如，各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释，并不限于在本说明书中或本申请的实施期间所描述的示例，其示例将被解释为非排他性的。因此，本说明书和示例旨在仅被认为是示例，真正的范围和精神由以下权利要求以及其等同物的全部范围所指示。

以上描述旨在是说明性的而不是限制性的。例如，上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外，在上述具体实施方式中，各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的发明的特征对于任一权利要求是必要的意图。相反，本发明的主题可以少于特定的发明的实施例的全部特征。从而，以下权利要求书作为示例或实施例在此并入具体实施方式中，其中每个权利要求独立地作为单独的实施例，并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。

Claims (10)

1.一种分析隧道施工污染物分布规律的方法，其特征在于，所述方法包括：

将隧道整体视为一个论域，进行论域划分；

对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；

对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律；

根据污染物浓度分布规律调整风机功率。

2.根据权利要求1所述的方法，其特征在于，在对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律之后，所述方法还包括：

基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。

3.根据权利要求1所述的方法，其特征在于，所述将隧道整体视为一个论域，进行论域划分，包括：

将隧道长度视为一个论域U，并划分为Cg个子区间，U＝{u₁,u₂,L,u_cg}，则A_k＝(u₁(x_k),u₂(x_k),L,u_cg(x_k))为U中的模糊集，其中x_k为样本数据中的任意一个数据点，即为污染物的浓度值，u₁(x_k),u₂(x_k),L,u_cg(x_k)分别为x_k对应区间u₁,u₂,L,u_cg的隶属度，Cg通过聚类方法聚类得到或者根据隧道实际情况进行划分得到。

4.根据权利要求1所述的方法，其特征在于，所述对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度，包括：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d₁,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

L,

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

L,

(i,j,l,m＝1,2,L,c_g)，

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)cg))＝(f_t1,L,f_tcg)。

5.根据权利要求1所述的方法，其特征在于，所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

6.一种自动控制装置，其特征在于，所述自动控制装置包括：

划分模块，被配置为将隧道整体视为一个论域，进行论域划分；

第一计算模块，被配置为对隧道污染物浓度进行模糊化处理，得到模糊集，建立k阶模型的模糊关系，并确定第t时刻的预测隶属度；

第二计算模块，被配置为对所述预测隶属度进行去模糊化计算，得到不同时间的不同隧道区域的污染物浓度，建立污染物浓度分布规律；

自动控制模块，被配置为根据所述污染物浓度分布规律调整风机功率。

7.根据权利要求6所述的自动控制装置，其特征在于，所述自动控制模块被进一步配置为：

获取隧道内各个污染物浓度值，并与预设的污染物浓度阈值相比较，在其中任意一个污染物浓度值低于或高于对应预设的污染物浓度阈值时，调整风机功率，以使所述污染物浓度值处于预设的污染物浓度阈值范围内。

8.根据权利要求6所述的装置，其特征在于，所述装置还包括验证模块，所述验证模块被配置为基于真实情景下的隧道施工污染物浓度，对所述污染物浓度分布规律进行验证。

9.根据权利要求6所述的装置，其特征在于，所述第一计算模块被进一步配置：

对数据进行模糊化处理：D₁,D₂,L,D_cg+1为论域划分的边界点，且D₁＝x_min+σ,D₂＝d₁,L,D_cg+1＝x_max+σ，则有

当x_k＜D_j-1＜D_j+1时，有|D_j+1-x_k|+|x_k-D_j|＞|D_j-x_k|+|x_k-D_j-1|，使x_k在论域U采用非等分划分时，始终满足对u_i两边的区间的隶属度呈递减趋势；当样本数据x_k属于u_i时，有1≤i≤c_g,令u_i(x_k)＝1，当样本数据x_k不属于u_i时，有1≤j≤c_g且j≠i,1≤k≤n，令D_min为当m＝1,2,L,c_g时D_m+1-D_m的最小值，有

将所有的样本数据模糊化，得到模糊集

建立k阶模型的模糊关系：设

L,

分别为F(t-k),F(t-k+1),L F(t-1)对应的模糊集，存在F(t-k),F(t-k+1),L F(t-1)→F(t)，

则有

L,

(i,j,l,m＝1,2,L,c_g)，

定义模糊时间序列F(t)的标准向量为C(t)＝f(t-1)＝[C1,C2,L,C_cg]，关于F(t)的操作矩阵为：

其中，f(t-1)为F(t)在t-1和t-2之间的模糊化变动，c_g为论域区间个数，则模糊关系R(t)为

其中，C_j,O_ij∈[0,1],i∈[1,k-1],j∈[1,c_g],Rij＝C_j*O_ij，进而由模糊关系R(t)可得到第t时刻的预测隶属度：

f(t)＝(max(R₁₁,L,R_(k-1)1),L,max(R_1cg,L,R_(k-1)cg))＝(f_t1,L,f_tcg)。

10.根据权利要求6所述的装置，其特征在于，所述第二计算模块被进一步配置为所述污染物浓度分布规律表示为：

其中k_t表示聚类中心，f_ti表示预测隶属度，F_t表示预测值，c_g表示聚类中心的个数。

Images