陳廣泰，王佳文，李 爭，王曉鳴，黃 飛，王青松

(1.中車大連機車研究所有限公司，大連，116021；2.中國科學技術(shù)大學火災科學國家重點實驗室，合肥，230026)

0 引言

機車車輛火災防控是機車車輛安全運行的重要環(huán)節(jié)之一。機車車輛內(nèi)部及運行環(huán)境相對比較惡劣，探測系統(tǒng)很難準確判斷火情并及時做出反饋，所以一旦發(fā)生火災會造成非常大的經(jīng)濟損失及人員傷亡。

目前，我國機車車輛裝備的車載火災防控系統(tǒng)雖能一定程度的預防和監(jiān)控機車車輛火災，但由于缺少機車車輛領域?qū)ｉT的火災理論，所以存在易誤報、故障率高、適應性不強等問題[1,2]。不同的環(huán)境會影響機車車輛火災防控系統(tǒng)對火警的判斷[3]，例如：隨著海拔高度的變化，電氣系統(tǒng)和動力系統(tǒng)，特別是內(nèi)燃機車機械間的柴油機系統(tǒng)的火災特性都會有很大的差異；溫度濕度的差異和機車車輛內(nèi)部的惡劣環(huán)境條件也都會影響火災防控系統(tǒng)對火警的識別判斷。因此，急需一種能適應機車車輛不同特殊環(huán)境，并根據(jù)環(huán)境的變化來調(diào)節(jié)火警判斷有關參數(shù)的系統(tǒng)。

本文根據(jù)我國最新的機車車輛防火標準[4]，針對內(nèi)燃機車火災風險最大的機械間[5-7]，設計了一種分布式模塊化機車車輛智能火災防控系統(tǒng)，以克服上述技術(shù)問題。分布式模塊化智能火災防控系統(tǒng)包括：車載主處理器和多個車載現(xiàn)場處理器，車載主處理器通過BP人工神經(jīng)網(wǎng)絡算法實現(xiàn)對火警的智能識別。

1 模型建立

為了模擬內(nèi)燃機車機械間的火災現(xiàn)象，本文選擇運行于新加坡的某內(nèi)燃機車進行建模。根據(jù)世界各國廣泛應用的鐵道車輛車體結(jié)構(gòu)要求[8]，設置內(nèi)燃機車模型[9]的邊界條件如表1所示。模型選取的結(jié)構(gòu)為鋼材質(zhì)，設置結(jié)構(gòu)密度為7 850.0 kg/m3，比熱為0.46 kJ/(kg·K)，傳導率為45.8 W/(m·K)，放射率為0.95，吸收系數(shù)為5.0×104(1/m)。

表1 模型的邊界條件Table 1 Boundary conditions of the model

設置模型的排煙口，由內(nèi)向外排風口共有三個，其中左側(cè)上方兩個，設置流量速度為1 m3/s，右側(cè)上方一個，設置流量速度為3 m3/s。設置模型的火源邊界條件如表2所示，設置火源的熱釋放速率為1 388.0 kW/m2。

表2 火源的邊界條件Table 2 Boundary conditions of fire source

設置模型的環(huán)境溫度為20 ℃，環(huán)境壓力為1.013 25×105Pa，環(huán)境氧氣質(zhì)量分數(shù)為0.232 378 kg/kg，環(huán)境二氧化碳質(zhì)量分數(shù)為5.95×10-4kg/kg，環(huán)境相對濕度為40.0%，地面高度為0.0 m，最大可見度為30.0 m；設置感溫探測點和感煙探測點位于環(huán)境頂端正中央。

其中，如果內(nèi)燃機車機械間發(fā)生火災，那么機械間的四個角落最下端是最不容易被探測到的，又由于新加坡內(nèi)燃機車機械間右側(cè)附近有遮擋且右側(cè)上方有通風口，發(fā)生火災后易于通風且不易被探測到，本文為了模擬最惡劣條件，故選擇在機械間右側(cè)下方角落處設置火源。根據(jù)上述條件進行建模，得到仿真模型如圖1所示。

圖1 仿真模型Fig. 1 Simulation model

2 系統(tǒng)設計與仿真結(jié)果分析

2.1 系統(tǒng)設計

系統(tǒng)由兩種硬件設備組成，分別是：裝載于機車車輛的車載主處理器以及車載現(xiàn)場處理器。系統(tǒng)組成示意圖如圖2所示。

圖2 系統(tǒng)組成示意圖Fig. 2 System composition diagram

車載主處理器采用背板加直插功能板的模塊化設計，其功能子板卡包括主處理電路板(CPU)、人機接口(HMI)、網(wǎng)絡接口功能板和機車總線功能槽位。所述車載主處理器中各子模塊統(tǒng)一為3U標準機箱尺寸，通過背板以CAN總線形式進行通信。CPU模塊中的主處理器芯片為ARM10架構(gòu)CPU，軟件系統(tǒng)為嵌入式LINUX操作系統(tǒng)。HMI接口模塊的主處理器芯片為STM32系列CPU，無需操作系統(tǒng)。機車總線接口槽位預留兩個槽位，可以插入兩塊機車總線通信模塊，可以插入的板卡形式包括基于TRDP的以太網(wǎng)模塊、雙通道標準CAN通信模塊、雙通道標準MVB通信模塊。4G接口模塊為基于標準4G模塊芯片開發(fā)的板卡，標準4G模塊芯片通過STM32系列芯片實現(xiàn)背板的CAN總線通信。車載主處理器安裝在機車司機室內(nèi)，通過觸摸屏實現(xiàn)人機交互和火災報警等功能。

車載現(xiàn)場處理器為基于STM32芯片設計的非標處理器，可根據(jù)安裝位置不同而具體設計。車載現(xiàn)場處理器直接采集火災報警相關探測器的探測值并根據(jù)車載主處理器提供的火警參數(shù)進行火災報警。車載現(xiàn)場處理器通過控制執(zhí)行機構(gòu)進行滅火，與車載主處理器之間采用CAN總線通信方式。

車載主處理器采集的各項參數(shù)，包括但不限于：系統(tǒng)時間、海拔高度、經(jīng)度、緯度、當前車速、柴油機轉(zhuǎn)速(內(nèi)燃機車)、冷卻水溫度等參數(shù)。車載處理器軟件系統(tǒng)為BS軟件架構(gòu)，實現(xiàn)所采集數(shù)據(jù)的處理、保存和人機交互功能。軟件系統(tǒng)運用BP人工神經(jīng)網(wǎng)絡算法以車載主處理器上傳的數(shù)據(jù)為樣本，進行BP人工神經(jīng)網(wǎng)絡算法的自學習[10]。所述軟件系統(tǒng)結(jié)合以往的數(shù)據(jù)，對BP人工神經(jīng)網(wǎng)絡算法不斷地進行訓練，從而計算出機車車輛在不同環(huán)境下的火災預警參數(shù)。軟件系統(tǒng)提供友好的人機界面，可以按車型、車號或列車運行區(qū)間分類對數(shù)據(jù)進行管理和圖形化顯示。

2.2 車載主處理器軟件設計

車載主處理器運行嵌入式軟件實現(xiàn)BP人工神經(jīng)網(wǎng)絡的計算，通過網(wǎng)絡計算結(jié)果得到火警判斷結(jié)果。

車載現(xiàn)場處理器用于接收多個傳感器發(fā)送的環(huán)境參數(shù)，然后傳遞給車載主處理器。所述環(huán)境參數(shù)包括：溫度、煙氣濃度、海拔高度和列車速度，根據(jù)環(huán)境參數(shù)獲得火災等級[11]。

采用線性函數(shù)將原始環(huán)境參數(shù)進行歸一化處理[12]，歸一化公式如下：

(1)

其中:xnorm為歸一化后的環(huán)境參數(shù)，xi為原始環(huán)境參數(shù)，xmax、xmin分別為所述環(huán)境參數(shù)的最大值和最小值。

具體而言，本文采用線性函數(shù)將原始數(shù)據(jù)線性化轉(zhuǎn)換到[0 1]范圍，歸一化處理的環(huán)境參數(shù)為神經(jīng)網(wǎng)絡輸入矩陣，環(huán)境參數(shù)的矩陣為[x1,x2,x3,x4]，其中x1、x2、x3、x4分別表示溫度、煙氣濃度、海拔高度和列車速度。其中，當i=1和2時，環(huán)境參數(shù)分別對應為溫度和煙氣濃度，歸一化公式為公式(1)。

當i=3時，環(huán)境參數(shù)對應為海拔高度，海拔高度對應兩種車型：平原車型和高原車型。平原車型對應的歸一化公式為：

(2)

高原車型對應的歸一化公式為：

(3)

當i=4時，環(huán)境參數(shù)對應為機車或動車速度，機車或動車速度可劃分為：普速機車、160 km/h高速機車、250 km/h動車組和350 km/h動車組等。

普速機車對應的歸一化公式為：

(4)

160 km/h高速機車對應的歸一化公式為：

(5)

250 km/h動車組對應的歸一化公式為：

(6)

350 km/h動車組對應的歸一化公式為：

(7)

采用神經(jīng)元激發(fā)函數(shù)為：

(8)

神經(jīng)網(wǎng)絡輸出函數(shù)為：

(9)

計算火災風險等級：

(10)

其中，S為風險等級，τ為影響因數(shù)。

2.3 BP人工神經(jīng)網(wǎng)絡設計

車載主處理器軟件系統(tǒng)接收的所述環(huán)境參數(shù)和火災等級，將所述環(huán)境參數(shù)和火災等級進行存儲，并根據(jù)所述環(huán)境參數(shù)、歷史環(huán)境參數(shù)、所述火災參數(shù)和所述火災歷史數(shù)據(jù)訓練BP人工神經(jīng)網(wǎng)絡，從而得到所述環(huán)境參數(shù)對火災等級的權(quán)重值，并將所述權(quán)重值發(fā)送至所述車載主處理器[13]。

本文設計三層人工神經(jīng)網(wǎng)絡算法，根據(jù)以往列車運行數(shù)據(jù)，得到了相應的權(quán)重矩陣，權(quán)重矩陣決定網(wǎng)絡中各級節(jié)點的輸出進而影響人工神經(jīng)網(wǎng)絡的最終輸出[14]，數(shù)據(jù)如下：

本文根據(jù)以往列車運行數(shù)據(jù)，以百分比的形式得到溫度、煙氣濃度、海拔高度和列車速度所占火災影響比例分別為35%、50%、5%以及10%，因此可以得到溫度、煙氣濃度、海拔高度和列車速度的影響因數(shù)矩陣[0.35,0.5,0.05,0.1]。

本文根據(jù)不同的風險內(nèi)容，由大量的列車運行數(shù)據(jù)得到相應的風險等級系數(shù)[15]，并以此來完成火災風險等級表。表3為火災風險等級表，對應該表可以確定機車車輛在不同風險等級下，機車車輛所處的火災風險狀態(tài)。

表3 火災風險等級表Table 3 Fire risk level table

2.4 模型數(shù)據(jù)分析

對上文搭建的模型進行仿真，測得環(huán)境內(nèi)探測點隨時間變化的溫度曲線和煙氣濃度曲線。感溫探測點隨時間變化的溫度曲線示意圖如圖3所示，感煙探測點隨時間變化的煙氣濃度曲線示意圖如圖4所示。

圖3 感溫探測點隨時間變化的溫度曲線示意圖Fig. 3 Schematic diagram of temperature curve of temperature sensing detection point changing with time

圖4 感煙探測點隨時間變化的煙氣濃度曲線示意圖Fig. 4 Schematic diagram of smoke concentration curve of smoke detection point changing with time

由于本文主要探究火災防控系統(tǒng)的探測能力，所以隨機選取前期溫度平穩(wěn)期的兩個點(5.1 s,35 s)，溫度升高期的四個點(37.1 s、44 s、50 s、51.9 s)以及溫度達到最高的一個點(62.4 s)。根據(jù)圖3、圖4中對應相同時間的這七個點，得到[時間(s),溫度(℃),煙氣濃度(mol/mol)]數(shù)據(jù)分別為[5.1,20,9.84×10-20]，[35,20.4,1.25×10-4]，[37.1,31.5,1.29×10-3]，[44,51.5,2.72×10-3]，[50,90.1,4.27×10-3]，[51.9,106,4.69×10-3]， [62.4,150,5.97×10-3]。

根據(jù)實際情況，該型內(nèi)燃機車在新加坡運行，通過調(diào)查資料發(fā)現(xiàn)，新加坡多為平地，海拔平均15 m，且最高點海拔僅163 m[16]，因此所選環(huán)境參數(shù)應對應平原車型，根據(jù)公式(2)得出海拔高度對應的歸一化參數(shù)為0.006。實例中內(nèi)燃機車行駛速度為81.6 km/h，則根據(jù)公式(4)得出內(nèi)燃機車行駛速度對應的歸一化參數(shù)為0.68。

則輸入矩陣為：[0,0.000 1,0.006,0.68]、[0.003,0.018 1,0.006,0.68]、[0.087 1,0.186 4,0.006,0.68]、[0.238 6,0.393 1,0.006,0.68]、[0.531 1,0.617 1,0.006,0.68]、[0.654 5,0.677 8，0.006,0.68]、[0.984 8,0.862 7,0.006,0.68]。

設計三層人工神經(jīng)網(wǎng)絡算法，采用上文所述權(quán)重，對所采集的七個點數(shù)據(jù)進行計算，得到神經(jīng)元激發(fā)函數(shù)的輸出值分別為：[0.003 1,0.405,0.182 9,0.670 8]、[0.020 6,0.423 1,0.201,0.689]、[0.184 6,0.591 8,0.369 8,0.862]、[0.386 3,0.799 3,0.577 4,1.077 5]、[0.605 8,1.024 8,0.803 3,1.319]、[0.665 6,1.086 1,0.864 9,1.387 2]、[0.847 5,1.272 7, 1.052 1,1.592 2]。

采用上文所述神經(jīng)網(wǎng)絡輸出函數(shù)公式(9)，將神經(jīng)元激發(fā)函數(shù)的輸出值作為神經(jīng)網(wǎng)絡輸出函數(shù)的輸入，計算得到矩陣為：[0.001 5,0.243,0.099 8,0.443 8]、[0.010 4,0.255 7,0.110 6,0.458 7]、[0.100 8,0.381,0.218 7,0.606]、[0.23,0.551 3,0.369 8,0.803 8]、[0.391 9,0.754 1,0.554 8,1.040 7]、[0.439 7,0.812,0.608 6,1.11]、[0.593 3,0.994 2, 0.779 8, 1.323]。

該矩陣與影響矩陣[0.35,0.5,0.05,0.1]相乘，得到火災等級分別為0.171 4、0.182 9、0.297 3、0.455 0、0.646 1、0.701 3、0.876 1。

根據(jù)火災風險等級表，分別對應表示了機車車輛運行中從無火災風險到火災風險逐步增高，再到陰燃狀態(tài)、探測器報警及明火產(chǎn)生，直至傳感器失靈的全過程。

根據(jù)火災風險等級表，風險等級在0.4以上就具備火災風險等級較高特點，此時探測器須提供初步預警；風險等級在0.6以上就具備陰燃的特點，此時探測器須提供完全預警；風險等級在0.8以上，溫度到達監(jiān)控介質(zhì)燃點，探測器報警，明火產(chǎn)生；風險等級在0.9以上，傳感器失靈。

仿真證明了BP人工神經(jīng)網(wǎng)絡算法設計的正確，結(jié)合火災風險等級表，能更好、更精確地對火警進行智能識別，提前預警及報警，能夠避免火情的發(fā)展，扼殺火災隱患于搖籃之中，從而實現(xiàn)機車車輛的安全運行，保障人員及財產(chǎn)的安全。

3 結(jié)語

分布式模塊化設計使得機車車輛火災防控系統(tǒng)的各控制單元根據(jù)各種機車車輛靈活配置，且可靠性高?；馂姆揽叵到y(tǒng)通過車載服務器的BP人工神經(jīng)網(wǎng)絡設計，可以實現(xiàn)不同機車車輛車型在不同運用環(huán)境下火災報警識別的自調(diào)整。經(jīng)仿真驗證，本系統(tǒng)的BP人工神經(jīng)網(wǎng)絡算法設計正確，能精確地對火警進行智能識別，同時該系統(tǒng)應用的越廣泛，可提供車載服務器的訓練樣本就越多，其火災報警的準確性就會越高，可更好地保障機車車輛運行安全。