一种矿井火灾逃生路径的元胞自动机优化与引导方法与流程

本发明涉及一种矿井火灾逃生路径的方法，特别是一种矿井火灾逃生路径的元胞自动机优化与引导方法。

背景技术：

我国煤矿事故频繁发生，而且往往会造成严重的人员伤亡和财产损失。在这些灾害中，火灾事故可以说是最为严重的矿井灾难。当井下火灾发生后，井下环境复杂恶劣，巷道交错成网，且每一条巷道实际情况不同，由于煤矿内空间狭小，环境复杂，供氧不充沛，发生火灾会产生大量含CO、CO2等有毒有害气体，尤其是当火灾发生在进风区域时，这些有毒烟气会随着风流向各工作面蔓延，导致井内作业人员中毒窒息死亡。烟气还会降低井下巷道的能见度，造成人员的恐慌，给井下人员的疏散和逃生带来困难，导致伤亡事故扩大。因此，在火灾等紧急情况下，安全疏散是保证人员安全的重要手段。而安全疏散的一个重要问题是人员疏散的最优路径选择，它主要取决于人员疏散速度、逃生巷道环境、安全出口距离等。

国内学者针对应急救援做了许多研究。英国公司早在1993年就开发了名为Vegas的火灾逃生虚拟系统，以三维仿真的形式演示了火灾发生时被困人员的逃生模拟，此系统的最大优点就是可以使用户完全沉浸在虚拟场景中，体验逼真的模拟逃生过程，同时，这个系统还可以用作救援行动以及被困人员逃生的模拟训练；美国结合矿井的实际情况研制开发的“MFIRE”软件，专门针对矿井下火灾的救援与逃生模拟训练，为火灾矿难制定有效的应急方案，波兰国家科学院地层力学研究所的POZAR也是一种模拟井下火灾救援系统。AIMS将全部技术力量都用在了开发矿井火灾的虚拟现实系统上，此系统通过矿井作业环境的真实模拟，结合CFD模拟和网络分析的结果，逼真的将矿井下火灾发生的过程动态的展示出来。孙继平研究了煤矿井下紧急避险技术，提出了煤矿井下紧急避险系统。吕春杉等人引入健康度来表征井下烟气浓度、氧气和有毒有害气体对人员疏散的影响。詹子娜等人引入安全性和通行效率等因素对灾后巷道通行能力的变化进行修正，制定了最优避灾路线选择原则。

现有技术方法主要存在的问题：

针对矿井火灾发生后的应急救援大多考虑了人员疏散速度和安全出口距离，而且对疏散路线的研究大多从定性的角度出发，缺乏定量的数学分析和风险评估，同时对于火灾后烟气的蔓延情况和井下的环境复杂度对人员逃生的影响研究较少。对紧急避险的疏散路线研究，很少从定量的角度分析巷道道路环境对人员逃生的影响，缺乏定量的数学分析和困难度评估。因此，建立逃生困难度模型，引入巷道困难度这一新概念来量化复杂的巷道环境对人员逃生的影响，用人体摄氧量来表征巷道困难度，利用改进的元胞自动机来选择最优路径。

技术实现要素：

本发明的目的是要提供一种矿井火灾逃生路径的元胞自动机优化与引导方法，定量的给出灾变烟气蔓延情况和其他因素对井下逃生的影响，通过定量风险评估，最快确定最佳逃生路线，最大限度减少人员伤亡和财产损失。

本发明的目的是这样实现的：矿井火灾逃生路径的元胞自动机优化与引导方法包括井下监控子系统、烟流运移模拟子系统、逃生路径选择子系统、逃生指挥引导子系统；

所述的监控系统由地面中心站和井下各种传感器组成，实时监测井下关键网络分支的温度、瓦斯、烟气参数；

所述的烟流运移模拟系统通过PyroSim建立不同火源条件的复杂网络结构巷道火灾模型，运用FDS软件模拟井下巷道网络中火灾烟气的动态演化规律；

所述的逃生路径选择子系统运用元胞自动机建立矿井风网结构实况路的数学物理模型，动态量化烟气污染范围并对复杂恶劣的巷道环境中逃生困难度进行量化，综合考虑巷道环境复杂程度，计算逃生效率并确定最佳的逃生路线；

所述的救援逃生指挥引导子系统是结合逃生路径的计算结果为井下逃生人员提供引导，利用上位机和井下语音报警系统将最优的逃生路径反馈给井下人员。

所述的逃生困难度是井下各种环境因素对人员逃生的的影响程度，运用主成分分析法对逃生影响因素中的温度、能见度、巷道路段崎岖度和有害气体浓度进行权重划分，构建逃生困难度模型，并用层次分析法计算逃生困难度的综合权重，编制相关计算程序，最后将监测和模拟计算的相关结果导入计算程序，通过计算机计算逃生效率，为逃生路径的元胞自动机优化计算提供基础数据。

所述的运用元胞自动机建立矿井风网结构实况的数学物理模型是运用元胞自动机的建模原理和演化规则，将矿井巷道网络结构实况进行简化拓扑分析，在计算机中构建的一种方便计算最优逃生路径的模型；元胞自动机计算过程是将矿井通风网络风网分支节点看成一个元胞，而与此节点相连的风网分支为邻居集合，不同的元胞状态根据演化规则，从局部开始变化，并记录变化信息，然后以此类推，直到达到风网出口所在元胞为止。

矿井火灾逃生路径的元胞自动机优化与引导方法，具体步骤如下：

步骤1、建立监测监控系统，光纤通讯系统：

对于井下风网结构和巷道环境结构进行分析，在井下所需实时监控的节点上设置一温度传感器、CH4浓度传感器、CO浓度传感器、CO2浓度传感器、O2浓度传感器和烟雾传感器，所述的传感器与地面中心站、监控中心上位机构成监测监控系统；

当井下发生火灾时，巷道中的传感器实时采集灾变现场的烟雾、温度、CH4浓度、CO浓度、CO2浓度、O2浓度信号，设置参数告警阈值，监控系统会判断井下是否发生火灾，当采集数据大于阈值以后与声光报警器通信并报警；启动灾变烟流演化模拟系统；

步骤2、3D巷道网络模型构建：

根据井下采掘通风系统中巷道分布情况，利用PyroSim软件建立基于三维巷道网络的数学物理模型；

步骤3、利用FDS模拟火灾烟气的动态演化规律：

通过步骤2构建的同比例巷道网络模型，以N-S方程为基础，引入浮力修正的湍流模型、燃烧模型、辐射换热模型，建立适合描述巷道内烟气流动规律和温度、有毒有害气体浓度变化的计算模型；

将3D巷道网络模型自动导入FDS软件求解火灾烟气既定巷道网络模型中的动态演化过程，从而掌握灾变烟气随时间的运移规律；

步骤4、逃生困难度模型构建与量化计算：

运用主成分分析法对逃生影响因素中的温度、能见度、巷道路段崎岖度和有害气体浓度进行权重划分，构建逃生困难度模型，并用层次分析法计算逃生困难度的综合权重，然后利用上述这些参数表征人员逃生时各路段的巷道困难度，建立基于复杂通风网络的逃生困难度模型；编制相关计算程序，最后将监测和模拟计算的相关结果导入计算程序，通过计算机计算逃生效率，为逃生路径的元胞自动机优化计算提供基础数据；

步骤5、利用元胞自动机模型建立最优逃生路径选择模型：

火灾巷道内网络图用G(v,E)表示，假设该网络图有n个节点，其中v表示路线节点，E表示两个节点之间的权值；运用复杂通风网络的逃生巷道困难度的相关量化结果，计算从源点v1到目标点vn的最优路径，用以指导遇险人员逃生；

步骤6、运用救援逃生指挥系统引导人员逃生：

通过对于人员所处位置，调用逃生困难度模型和元胞自动机，利用元胞自动机最优路径选择模型最终确定最佳路径，求出井下人员各自的最佳逃生路径，通过光纤通讯系统、井下语音播报系统，将最佳逃生路径的信息发送给井下人员，指挥井下人员逃离火灾现场，提高逃生效率。

所述的步骤2中，利用Pyro Sim软件建立三维数学物理模型，

步骤2.1：构建场景几何模型：根据巷道实际情况，设定巷道的长度、宽度和高度；

步骤2.2：设定模拟条件：根据火灾大小，设定火灾规模(MW)，火灾源的几何尺寸(㎡)，巷道温度(℃)和风速(m/s)，确定具体火灾地点；

步骤2.3：划分网格：模拟中网格生成的数量与质量将直接影响着问题的收敛以及数值解的精度；确定巷道网格参数，并计算该网格有多少单元。

所述的步骤5中，所述的最佳逃生路径：通过建立的元胞自动机路径选择模型，元胞自动机是一个四元组，即A＝(L,S,N,f)，

其中，A表示元胞自动机；

L表示元胞空间的维数；

S是有限且离散的元胞的集合；

f表示为演化法则；

N表示邻域内包含n个不同元胞状态的具有空间向量的元胞集合；

某通风网络图用G(v,E)表示，假设该网络图有n个节点，需求从源点v1到目标点vn的最优路径；其中，v表示路线节点；

E表示两个节点之间的权值；

根据演化规则f，在元胞自动机工作时，应按以下程序进行判断网络节点是否存在于最佳逃生路径；

①如果弧(vt,vt+1)的权重r(v1,vt)≤w(vt)+rt(vt,vt+1)，此时vt状态变为S-N，属于剩余集Q，而顶点vt+1有S-N状态变为S-I状态，即该点处于寻路状态；

②如果弧(vt,vt+1)的权重r(v1,vt)>w(vt)+rt(vt,vt+1)，则w(vt+1)＝w(vt)+minrt(vt,vt+1)，此时vt状态变为S-M，属于最优路径集P，而vt+1状态变为S-I；

其中，v1表示源点元胞；

vt表示中心元胞；

r表示两个节点之间的权重；

w表示源点元胞到中心元胞的最短距离；

Q表示剩余集；

P表示最优路径顶点集合；

S表示状态集，且S＝{S-N,S-W,S-I,S-M}；

S-N表示该点处于未被寻路状态；

S-W表示该点将被寻路，属于正在被寻路顶点的邻居N(vx)且属于剩余集Q；

S-I表示该点处于寻路状况，为正在寻路的顶点；

S-M:表示该点处于成熟状态，即已被寻路的顶点，属于最优路径集P。

有益效果，由于采用了上述方案，在发生矿井火灾时，井下人员由于火灾发展迅速，受到有害气体，高温的影响加之心里带来的恐慌，一般情况下很难保持理智的心态，做出正确的逃生选择，从而慌不择路地透支了体力，耽误了最宝贵的逃生时间，这也是井下火灾造成重大人员伤亡的主要原因。本发明将井下监控子系统、烟流运移模拟子系统、逃生路径选择子系统、救援逃生指挥引导子系统这几大系统组合成一个远程智能控制的应急逃生保障与指挥系统，在接收到监测监控系统火灾情况的报告后，烟流运移模拟系统通过FDS软件模拟井下火灾烟气的动态演化规律；逃生路径选择子系统运用元胞自动机建立矿井风网结构实况路的数学物理模型，对复杂恶劣的巷道环境进行量化，综合考虑巷道环境复杂程度，计算最佳逃生路线；最后，通过井上应急救援指挥部通过救援逃生指挥引导子系统，利用上位机和井下语音报警系统将最优逃生路径反馈给井下人员。从而让处在不同位置的被困人员接收到逃生信息，解决了被困人员心理恐慌，不能自救的问题，争取了宝贵的逃生救援时间，达到了本发明的目的。其主要优点：

(一)传统的火灾救援技术，一般都是矿调度室接到报告后，组织救护队下井救援，但有时救护人员不知道灾情大小，可能对于救护队造成二次伤害。还有改变通风方式，采取灭火技术如注浆灭火、泡沫灭火等技术手段。但是，这些救援方式都需要时间实施，因此会错过最佳救援时机。本发明针对火灾的具体情况，结合被困人员不同的位置坐标，通过数值模拟，建立模型，自动选择出最优逃生路径。与传统的火灾救援技术相比，本发明更加注重人员自救。所阐述的最优逃生路径选择方法，在火灾发生后，建立起地面救援指挥中心与井下被困人员逃生交互式的双重救援手段。使得井上与井下交流更加直接，无疑使救援效率得到提高，更是争取了最宝贵的逃生时机。

(二)矿井火灾发生后的应急救援大多考虑了人员疏散速度和安全出口距离，而且对疏散路线的研究大多从定性的角度出发，缺乏定量的数学分析和风险评估，同时对于火灾后烟气的蔓延情况和井下的环境复杂度对人员逃生的影响研究较少。对紧急避险的疏散路线研究，很少从定量的角度分析巷道道路环境对人员逃生的影响，缺乏定量的数学分析和困难度评估。因此，本发明建立了逃生困难度模型，引入逃生困难度这一新概念来量化复杂的巷道环境对人员逃生的影响，并利用元胞自动机来选择最优路径，能定量分析出矿井巷道内各种环境因子的影响及逃生难易程度。

附图说明

图1为本发明实施例提供的矿井火灾人员逃生最优路径选择的架构设计示意图。

图2为本发明中逃生效率计算程序流程图。

图3为本发明实施例提供了矿井通风采掘结构简图。

图4为本发明实施例提供了最佳逃生路线简图。

具体实施方式

下面结合附图中的实施例对本发明作进一步的描述：

本发明的矿井火灾逃生路径的元胞自动机优化与引导方法，包括井下监控子系统、烟流运移模拟子系统、逃生路径选择子系统、逃生指挥引导子系统；

所述的监控系统由地面中心站和井下各种传感器组成，实时监测井下关键网络分支的温度、瓦斯、烟气参数；

所述的烟流运移模拟系统通过PyroSim建立不同火源条件的复杂网络结构巷道火灾模型，运用FDS软件模拟井下巷道网络中火灾烟气的动态演化规律；

所述的逃生路径选择子系统运用元胞自动机建立矿井风网结构实况路的数学物理模型，动态量化烟气污染范围并对复杂恶劣的巷道环境中逃生困难度进行量化，综合考虑巷道环境复杂程度，计算逃生效率并确定最佳的逃生路线；

所述的救援逃生指挥引导子系统是结合逃生路径的计算结果为井下逃生人员提供引导，利用上位机和井下语音报警系统将最优的逃生路径反馈给井下人员。

所述的逃生困难度是井下各种环境因素对人员逃生的的影响程度，运用主成分分析法对逃生影响因素中的温度、能见度、巷道路段崎岖度和有害气体浓度进行权重划分，构建逃生困难度模型，并用层次分析法计算逃生困难度的综合权重，编制相关计算程序，其计算流程图见图2，最后将监测和模拟计算的相关结果导入计算程序，通过计算机计算逃生效率，为逃生路径的元胞自动机优化计算提供基础数据。

所述的运用元胞自动机建立矿井风网结构实况的数学物理模型是运用元胞自动机的建模原理和演化规则，将矿井巷道网络结构实况进行简化拓扑分析，在计算机中构建的一种方便计算最优逃生路径的模型；元胞自动机计算过程是将矿井通风网络风网分支节点看成一个元胞，而与此节点相连的风网分支为邻居集合，不同的元胞状态根据演化规则，从局部开始变化，并记录变化信息，然后以此类推，直到达到风网出口所在元胞为止。

矿井火灾逃生路径的元胞自动机优化与引导方法，具体步骤如下：

步骤1、建立监测监控系统，光纤通讯系统：

对于井下风网结构和巷道环境结构进行分析，在井下所需实时监控的节点上设置一温度传感器、CH4浓度传感器、CO浓度传感器、CO2浓度传感器、O2浓度传感器和烟雾传感器，所述的传感器与地面中心站、监控中心上位机构成监测监控系统；

当井下发生火灾时，巷道中的传感器实时采集灾变现场的烟雾、温度、CH4浓度、CO浓度、CO2浓度、O2浓度信号，设置参数告警阈值，监控系统会判断井下是否发生火灾，当采集数据大于阈值以后与声光报警器通信并报警；启动灾变烟流演化模拟系统；

步骤2、3D巷道网络模型构建：

根据井下采掘通风系统中巷道分布情况，利用PyroSim软件建立基于三维巷道网络的数学物理模型；

步骤3、利用FDS模拟火灾烟气的动态演化规律：

通过步骤2构建的同比例巷道网络模型，以N-S方程为基础，引入浮力修正的湍流模型、燃烧模型、辐射换热模型，建立适合描述巷道内烟气流动规律和温度、有毒有害气体浓度变化的计算模型；

将3D巷道网络模型自动导入FDS软件求解火灾烟气既定巷道网络模型中的动态演化过程，从而掌握灾变烟气随时间的运移规律；

步骤4、逃生困难度模型构建与量化计算：

运用主成分分析法对逃生影响因素中的温度、能见度、巷道路段崎岖度和有害气体浓度进行权重划分，构建逃生困难度模型，并用层次分析法计算逃生困难度的综合权重，然后利用上述这些参数表征人员逃生时各路段的巷道困难度，建立基于复杂通风网络的逃生困难度模型；编制相关计算程序，其计算流程图见图2，最后将监测和模拟计算的相关结果导入计算程序，通过计算机计算逃生效率，为逃生路径的元胞自动机优化计算提供基础数据；

所述的计算程序为：

步骤4.1：计算模型内部数据进行系统初始化；

步骤4.2：外部动态监测数据、数据库记录数据、数值模拟结果主要包括温度、烟气浓度、崎岖度、能见度等参数导入到计算模型程序中；

步骤4.3：计算模型采用主成分分析法对逃生影响因素中的温度、能见度、巷道路段崎岖度和有害气体浓度进行权重划分；

步骤4.4：用层次分析法计算逃生困难度的综合权重；

步骤4.5：监测与模拟参数的动态变化，并实时更新计算模型内部的数据；

步骤4.6：获取动态的逃生效率，为逃生路径选取和引导提供基础数据。

步骤5、利用元胞自动机模型建立最优逃生路径选择模型：

火灾巷道内网络图用G(v,E)表示，假设该网络图有n个节点，其中v表示路线节点，E表示两个节点之间的权值；运用复杂通风网络的逃生巷道困难度的相关量化结果，计算从源点v1到目标点vn的最优路径，用以指导遇险人员逃生；

步骤6、运用救援逃生指挥系统引导人员逃生：

通过对于人员所处位置，调用逃生困难度模型和元胞自动机，利用元胞自动机最优路径选择模型最终确定最佳路径，求出井下人员各自的最佳逃生路径，通过光纤通讯系统、井下语音播报系统，将最佳逃生路径的信息发送给井下人员，指挥井下人员逃离火灾现场，提高逃生效率。

所述的步骤2中，利用Pyro Sim软件建立三维数学物理模型，

步骤2.1：构建场景几何模型：根据巷道实际情况，设定巷道的长度、宽度和高度；

步骤2.2：设定模拟条件：根据火灾大小，设定火灾规模(MW)，火灾源的几何尺寸(㎡)，巷道温度(℃)和风速(m/s)，确定具体火灾地点；

步骤2.3：划分网格：模拟中网格生成的数量与质量将直接影响着问题的收敛以及数值解的精度；确定巷道网格参数，并计算该网格有多少单元。

所述的步骤5中，所述的最佳逃生路径：通过建立的元胞自动机路径选择模型，元胞自动机是一个四元组，即A＝(L,S,N,f)，

其中，A表示元胞自动机；

L表示元胞空间的维数；

S是有限且离散的元胞的集合；

f表示为演化法则；

N表示邻域内包含n个不同元胞状态的具有空间向量的元胞集合；

某通风网络图用G(v,E)表示，假设该网络图有n个节点，需求从源点v1到目标点vn的最优路径；其中，v表示路线节点；

E表示两个节点之间的权值；

根据演化规则f，在元胞自动机工作时，应按以下程序进行判断网络节点是否存在于最佳逃生路径；

①如果弧(vt,vt+1)的权重r(v1,vt)≤w(vt)+rt(vt,vt+1)，此时vt状态变为S-N，属于剩余集Q，而顶点vt+1有S-N状态变为S-I状态，即该点处于寻路状态；

②如果弧(vt,vt+1)的权重r(v1,vt)>w(vt)+rt(vt,vt+1)，则w(vt+1)＝w(vt)+minrt(vt,vt+1)，此时vt状态变为S-M，属于最优路径集P，而vt+1状态变为S-I；

其中，v1表示源点元胞；

vt表示中心元胞；

r表示两个节点之间的权重；

w表示源点元胞到中心元胞的最短距离；

Q表示剩余集；

P表示最优路径顶点集合；

S表示状态集，且S＝{S-N,S-W,S-I,S-M}；

S-N表示该点处于未被寻路状态；

S-W表示该点将被寻路，属于正在被寻路顶点的邻居N(vx)且属于剩余集Q；

S-I表示该点处于寻路状况，为正在寻路的顶点；

S-M:表示该点处于成熟状态，即已被寻路的顶点，属于最优路径集P。

实施例1：以位于山西某煤矿为例。

具体实施步骤如下：

步骤1：通过矿区所建立的监测监控系统，进行数据采集和识别：

步骤1.1：对于井下风网结构和巷道环境结构进行分析，在选定的12#煤层进行皮带巷火灾模拟。收集在该皮带巷内所需实时监控的节点上的温度传感器、CH4浓度传感器、CO浓度传感器、CO2浓度传感器、O2浓度传感器和烟雾传感器，从而与地面中心站、监控中心上位机等形成监测监控系统。

步骤1.2：所需采集的数据可以分为基础数据和动态数据。基础数据主要包括煤层地质构造，自然发火性，消防器材，硐室，井下障碍物及人员信息等，也为建立巷道模型准备。动态监测数据主要由监测监控系统实时收集到的，包括发火位置，火源强度，火灾类型，人员伤亡等，通过各种传感器采集传送到地面监测监控系统。

步骤2：巷道网络3D模型构建：

步骤2.1：构建场景几何模型：对该矿12#煤层进行皮带巷火灾模拟，模拟巷道总长度为1635m,将巷道统一视为矩形巷道，井巷断面等效为面积相等的矩形。步骤2.2：设定模拟条件。设定火灾规模16MW，火灾源的几何尺寸1m*1m，巷道温度为20℃，皮带巷风速设置为2.8m/s，轨道巷风速设置为4m/s,回风巷风速设置为6.8m/s。，火灾为皮带巷的一段发生着火；

步骤2.3：划分网格。将网格划分为0.5m×0.5m×0.5m。

步骤3：利用FDS模拟烟气运移规律：通过步骤2构建的同比例巷道网络模型，以N-S方程为基础，引入浮力修正的湍流模型、燃烧模型、辐射换热模型，建立适合描述巷道内烟气流动规律和温度、有毒有害气体浓度变化等的计算模型，

步骤4：逃生困难度模型构建：

结合12#煤层发火巷道网络实时温度、能见度、巷道路段崎岖度和有害气体浓度四大因素，建立逃生困难度模型。这些加权参数之和就是整个巷道的逃生困难度。

其中，L表示巷道困难度；

ai表示12#煤层不同巷道内温度因素加权参数，i表示受温度影响的巷道；

cj表示12#煤层不同巷道内能见度因素加权参数，j表示受能见度影响的巷道；

bk表示12#煤层不同巷道路段崎岖度因素加权参数，k表示受崎岖度影响的巷道；

dg表示12#煤层不同巷道有害气体浓度因素加权参数，g表示受有害气体影响的巷道。

M表示逃生路径上高温巷道分支数；

N表示逃生路径上能见度低的巷道分支数；

W表示逃生路径上高低不平等因素影响的巷道分支数；

Z表示逃生路径不同烟气浓度影响的巷道分支数；

步骤5：利用改进的元胞自动机建立最优路径选择模型：

步骤5.1：建立元胞自动机模型：每个节点代表巷道交叉点，每条边上的值为巷道困难度权重。12#煤层通风系统网络用G(v,E)表示，其中v表示路线节点，E表示两个节点之间的巷道困难度D。解算出来位于v12处的逃生人员逃往出口v1的最优路径。此时构造元胞自动机模型A＝(L,S,N,f)，其中：

元胞空间L＝{v1,v2,,,v12}；

中心元胞vx的邻居N(vx)＝{v|(vx,v)∈E∨(v,vx)∈E∨v＝vx}，易知|N(vx)|为N(vx)的长度；

状态集S＝{S-N,S-G,S-B,S-M}。

步骤5.2：计算结果显示：根据上述元胞自动机最优路径选择模型，针对井下人员实时位置，结合各自的巷道逃生困难度，利用MATLAB编程来求解从源点V12到出口V1的最优路径；

步骤6：构建救援逃生指挥系统：

12#煤层的火灾通过软件模拟，巷道困难度分析，利用元胞自动机最优路径选择模型最终确定井下人员各自的最佳逃生路径后，通过光纤通讯系统将路径信息发送给受困人员，指挥他们迅速逃生。