基于Attention-BP神经网络模型的邮轮客舱火灾危险等级分类研究.pdf
《基于Attention-BP神经网络模型的邮轮客舱火灾危险等级分类研究.pdf》由会员分享,可在线阅读,更多相关《基于Attention-BP神经网络模型的邮轮客舱火灾危险等级分类研究.pdf(9页珍藏版)》请在咨信网上搜索。
1、JJ.Navigation17.(in Chinese)dXIONGZ H,XIACHENB.Researcevelention-Bneural networkmodelLassS引用格式:熊正华,向波,陈斌.基于Attention-BP神经网络模型的邮轮客舱火灾危险等级分类研究J.中国航海,2 0 2 4,47(1):9-17.NAVIGATIONOFCHINAMar.20242024年3月Vol.47No.1第47 卷第1期中海国航文章编号:10 0 0-46 53(2 0 2 4)0 1-0 0 0 9-0 9基于Attention-BP神经网络模型的邮轮客舱火灾危险等级分类研究熊正华,
2、向波,陈斌(1.四川交通职业技术学院航运工程系,四川成都6 11130;2.武汉理工大学船海与能源动力工程学院,湖北武汉430 0 6 3)摘要:为能够对邮轮客舱不同火灾危险源进行风险评估,提出一种可对舱室火灾危险等级实时分类的新型神经网络模型。通过火灾动态模拟器(FDS)建立邮轮客舱火灾物理模型,对发生火灾时的烟气温度、CO体积分数和能见度等安全指标进行数值模拟,并基于其对人体的影响程度将火灾危险等级划分为4个等级。通过设计一种新型的Attention-BP神经网络(BPNN)模型,结合self-Attention机制融合多个BPNN诊断结果,自适应地分配各个BPNN的权重,对采集的多源火灾
3、信息进行分析和处理,实现对客舱火灾的风险评估并划分危险等级。试验证明:Attention-BPNN模型可有效地实现对火灾危险等级的预警,准确率可达97.32%。相对于其他机器学习算法,具有最高的稳定性和准确率,减少了对客舱火灾预警的不确定性。关键词:邮轮火灾;数值模拟;self-Attention机制;BP神经网络中图分类号:U6-9文献标志码:AD0I:10.3969/j.issn.1000-4653.2024.01.002Research on risk level classification of cruise ship firebased on an Attention-BP Neu
4、ral Network modelXIONG Zhenghua,XIA NG Bo ,CH EN Bi n?(1.Department of Shipping Engineering,Sichuan Vocational and Technical College of Communications,Chengdu 611130,China;2.School of Naval Architecture,Ocean and Energy Power Engineering,Wuhan University of Technology,Wuhan 430063,China)Abstract:In
5、order to be able to assess the risk of different fire hazards in cruise ship cabins,a new neural network modelthat can classify the fire risk level of cabins in real time is proposed.A physical model of cruise ship cabin fire wasestablished by FDS(Fire Dynamics Simulator),and the safety indexes such
6、 as smoke temperature,CO volume fraction andvisibility during fire were numerically simulated,and the fire risk level was classified into four levels based on the degree ofits impact on human body.Then,a novel Attention-BP Neural Network model is designed for analyzing the collected multi-source fir
7、e information and classifying the hazard levels of different cabins in real time,which integrates the diagnosisresults of multiple neural network models through the self-Attention mechanism,adaptively distributes the weight of each BPneural network model.Experimental results show that the proposed A
8、ttention-BP Neural Network model can effectivelyrealize the early warning of fire risk level,and the classification accuracy of this proposed model achieves 97.32%.Compared with other machine learning algorithms,it has the highest stability and accuracy,and reduces the uncertainty ofcabin fire early
9、 warning.Key words:cruise fire;numerical simulation;self-Attention mechanism;BP Neural Network邮轮旅游是以大型客运轮船为载体,以海上巡游为主要形式,参与船上活动和岸上休闲的一种旅收稿日期:2 0 2 2-10-0 4作者简介:熊正华(197 1一),男,副教授,硕士,研究方向为船舶自动控制和教学管理。E-mail:1136 6 52 0 13 q q.c o m中第47 卷第1期国海航10游方式。由于邮轮内部构造复杂,舱室数量多,载客量大,一旦发生火灾,极易对旅客的财产和生命安全造成巨大威胁。因此,有
10、效地对邮轮客舱火灾识别并划分危险等级,可为后期实施灭火措施和进行人员疏散提供决策建议,能最大限度地保证船舶和旅客安全1-3邮轮客舱火灾具有以下特点:火灾发生可能性较高、火灾载荷大、耐火等级低、扑救难度大、火灾损失严重和风险容忍度低等。近年来,许多研究人员开展了对船舶火灾特点和火灾蔓延方式的研究工作。张波4 以某散货船为例,模拟机舱火灾的发展过程,通过分析仿真数据总结出火灾蔓延规律,利用Unity3D虚拟现实引擎将火灾数据可视化,以加强受训人员对火灾的认知。任经敏等5 研究船舶火灾在不同通风条件下的热量扩散比重,开展多状态下的船舶火灾热量分布规律研究。孟顺等6 对船舶火灾蔓延路径进行模拟,得到温
11、度、CO体积分数和烟气浓度等多源信息的变化规律。然而,在船舶客舱环境中包含多种可燃物,环境复杂,在火灾不同的发展阶段会产生不同的特征参数,用传统的解析方法难以对火灾情况进行精准建模和描述。随着传感器技术和机器学习算法的飞速发展,神经网络模型在火情检测中得到广泛的应用7 8 。李正周等9设计多节点多参数神经网络检测大型场所的火情,并经过模糊推理决策,给出火灾报警信息,提高火灾检测率和火灾决策判决的适应能力。陈广泰等10 通过BP神经网络(Back Propagation Neural Network,BPNN)根据环境因素调节火警判断时的相关参数,实现对火警的智能识别。徐昊等 设计1个6 层BP
12、NN对火灾中不同舱室危险等级进行评估,分类精度达到96%。在邮轮客舱火灾过程中会伴随着多个特征信息的变化,如温度、湿度和气体体积分数等火灾物理量信息会随着火灾的变化而变化,因此,单一的火灾物理量信息难以准确地反映出具有不同表现形式的邮轮客舱火灾的整体特征。同时,若以单一信息进行火灾判断,容易受到外部环境的干扰,使火灾报警不够灵敏,存在误报和漏报的现象。因此,对于邮轮客舱火灾危险等级的评估,不能根据某一特征信息就能准确评估,需对舱室内多源参数进行监测,利用多信息融合技术实现对火灾等级的判断。其中,D-S证据理论是一种广泛应用的数据融合技术。张长勇等12 通过D-S证据理论融合多个传感器数据,提高
13、火险情况的检测准确率。张学军13 将BPNN与D-S证据理论相结合设计火灾报警系统。D-S证据理论需引人较多的主观判断,并且要求各传感器所提供证据信息的独立性,在大规模数据集上不能产生较好的效果14-5。因此,通过引人self-Atention机制,设计一种新型Attention-BPNN模型用于融合多源传感器数据,实现对邮轮客舱火灾危险等级的识别。在Attention-BPNN模型中,多个BPNN模型并行运算,对采集的多源火灾信息进行分析和处理,通过self-Attention机制自适应地计算每个BPNN模型的权重,融合每个BPNN模型的诊断结果,进一步提高分类准确率,同时,降低单一分类模型
14、的不稳定性和不确定性。通过设计的Attention-BPNN模型,可实时评估邮轮客舱火灾的危险等级,为后续的灭火措施和人员疏散提供依据。1邮轮客舱火灾过程模拟在邮轮客舱内,存在多个可能发生的火灾场景,在进行火灾模拟研究时,无法对每个场景进行逐一分析。文中的火灾场景是围绕人员疏散安全考虑进行设置,选取对人员安全疏散最不利的火灾场景和选取发生火灾概率最大的火灾场景。结合邮轮客舱的内部结构和防火特性,设定4个典型的火灾场景,分别位于第1层的主餐厅、第2 层的某一客房、第3层的商务房和第4层的棋牌室,见图1。(a)场景1主餐厅(b)场景2 客房(c)场景3商务房(d)场景4棋牌室图1火灾场景起火点示意
15、Fig.1Fire scene fire point signal11熊正华,等:基于Attention-BP神经网络模型的邮轮客舱火灾欠危险等级分类研究1.1几何模型建立由于邮轮客舱火灾试验成本较高,很难进行现场试验。在此选用火灾动力学模拟工具(FireDy-namicsSimulator,FD S)(版本:5.5.3)来模拟邮轮客舱火灾的发展过程16 。通过FDS来模拟火灾过程,可对火灾中烟气的运动、温度和毒气体积分数等进行准确模拟。选取某邮轮为模拟对象,该邮轮总吨位492 4t,长度135.2 0 m,宽度19.6 0 m。客区甲板层共有上甲板L1、游步甲板L2、驾驶甲板L3、娱乐甲板L
16、4和阳光甲板L5等5层。真实的邮轮客舱布局结构比较复杂,根据某邮轮的布局情况对邮轮进行合理简化,利用FDS对其进行建模,该邮轮建模后的三维视图、正视图和俯视图见图2。(a)邮轮建模三维视图(b)邮轮建模正视图(c)邮轮建模俯视图图2邮轮客舱建模图Fig.2Cruise ship cabin model diagram1.2网格的设置利用FDS对邮轮客舱进行火灾数值模拟时,需对客舱模型进行网格划分以确定计算区域和区域网络精度。综合考虑模拟计算运行时间和计算精度的影响,采用均分网格划分法设置每个单元网格的尺寸为0.5m0.5m0.5m,将整个客舱模型划分为4大块计算区域,共97 48 48 个单元
17、网格。完整的邮轮客舱模型网络划分图见图3。1.3火灾释放速率的设定火灾的释放率Q是指在规定的试验条件下,在单位时间内材料燃烧所释放的热量。确定火灾热释放率才能进行火灾蔓延和烟气流动的计算。火灾的热释放率与火灾中可燃物的质量燃烧速率有关,有1图3邮轮客舱模型网格划分图Fig.3 Network division diagram of the cruise ship cabin modelVX.m.XHQ=XxmAH(1)式(1)中:x为可燃物的燃烧效率因数;m为可燃物的质量燃烧速率,kg/s;H 为可燃物的热值,J/kg。各火灾场景热释放率取值表见表1。表1各火灾场景热释放率取值表【16-17
18、Tab.1Value of the heat release rate in each fire scenario火灾增长达到热释放热释放火灾火源系数/速率所需速率/场景类型(kW/s2)时间/sMW场景1快速火0.046 89426.48.0场景2快速火0.046 89184.01.5场景3快速火0.046 89261.03.0场景4超快速火0.187 80237.010.01.4观测点和切片的设定在火灾发展过程中,为更加全面获得客舱火灾发生过程中的仿真数据,在模型内共布置57 9个探测器,分别用于测量温度、能见度和CO体积分数探测器,分为4组,分为位于客舱的L1、L2、L3、L4层,每层的
19、探测点主要分布在着火房间附近及主要疏散通道地面上,探测器分布位置图见图4。A观测点B观测点C观测点图4探测器分布位置图Fig.4Position map of the detector distribution1.5火灾场景设置1)火灾场景1中,火源位于L1的主餐厅,通风排烟设备未开启,观察自然通风情况下火灾的发展情况。2)火灾场景2 中,火源位置位于L2层靠近部的某一乘客套房,套房内门窗开启,排烟设备失效,处于自然排风状态。3)火灾场景3中,火源位置位于L3层靠近舰中第47 卷第1期海国航12部的商务房内,假定火灾场景中排烟设备失效,处于自然排风状态,观察火灾发展的情况。4)火灾场景4中,火
20、源位置位于L4层靠近部的棋牌室内,假定火灾场景中排烟设备失效,处于自然排风状态。本文设置的4个火灾场景见表2。表2火灾场景设置Tab.2Fire scene setting火灾火源热释放火源排烟场景位置速率/MW类型方式场景1L1主餐厅8.0快速火自然排烟场景2L2客房1.5快速火自然排烟场景3L3商务房3.0快速火自然排烟场景4L4棋牌室10.0超快速火自然排烟2邮轮客舱火灾等级分类模型利用Attention-BPNN对邮轮客舱内火灾危险等级进行智能识别,可为后续的灭火措施和人员疏散提供依据。Attention-BPNN采用self-Attention机制,自主地学习各个BPNN模型的权重值
21、,以便自适应地对多个神经网络模型进行融合,减少单一模型的不确定性,实现对邮轮客场火灾情况高效稳定地诊断。2.1BPNNBPNN是由误差逆向传播算法训练的多层前馈神经网络。BPNN结构见图5,图5中:BPNN结构拥有1个输人层、2 个隐含层和1个输出层。BPNN通过多层非线性网络结构,对原始信息进行有效特征提取,最终实现对输入数据的有效分类。X1标签X训练损失模型hw.b(a)OE函数使EXn最小+1Layer4+1+1模型输出Layer3LayerlLayer2输入层隐含层隐含层输出层图5BPNN结构Fig.5BPNN structureBPNN具有n个输人,输通过模型权值与下一层相连,输出为
22、2,=f(Z wfx:-b,)(2)式(2)中:x;为神经元的输人;w,为连接权值;b,为神经元的阈值;z,为神经元的输出;f()为将输人节点特征映射到另一个多维空间的映射函数。该映射函数为激活函数,通过激活函数对输入数据特征进行非线性提取,最终实现对数据内非线性关系的挖掘。常用的激活函数分为Sigmoid、T a n h 和RuLU等。对神经网络隐含层中提取的特征进行非线性变换。由BPNN最终提取的特征为z,通过Softmax函数根据提取的特征计算每个类别对应的概率,有p(=1 I x,)eey1=(w1zij+b)=/p(=2 1 x.)1ey2=(w2jb2)(3)一Ke台ykp(c=K
23、I x;)yh=+bk式(3)中:Y为模型输出的分类概率向量;w和bk分别为第1层的权重和偏差;为模型预测样本x;的标签;K为样本类别;e为最后一层神经层中第k个神经元输出的变量;最大值对应的类别为预测类别,即 c,=max(Y)。通过交叉熵损失函数来计算BPNN的预测值与真实值误差值,损失值L定义为NL=-Zy,ln y:+(1-y,)ln(1-y.)(4)=式(4)中:y;为真实标签,;为预测标签。基于得到的L,通过反向传播,逐层求出目标损失函数对每层神经元参数W的偏导数,构成损失函数对参数向量的梯度,以此作为修改参数向量的依据,逐步减少损失值,最终使误差可到达期望值。2.2self-At
24、tention机制在Attention-BPNN中,单一BPNN模型最终提取的特征为zi,并且每个BPNN提取的特征具有一定的关联性,通过self-Attention机制可计算各个模型的权重,最终得到每个模型提取特征z;的重要性为(1,2,)=att(z1,z2,z;(5)式(5)中:;为每个BPNN模型的权重;i为BPNN模型的数量。利用非线性激活函数将输出z;进行变换,通过一个共享注意力向量q点乘得到最终的注意力值w为W=qT.tan h(W.zI+b)(6)式(6)中:W。为注意力机制的权重矩阵;b为偏置向量。通过Softmax函数可将注意力值;进行标准化,有熊正华,等:基于Attent
25、ion-BP神经网络模型的邮轮等级分类研究13exp(w;);=Softmax(w,)=(7)2exp(w.)n1式(7)中:w;为模型输出值。将各个BPNN得到的模型参数z;通过;进行融合,得到最终的融合特征值乙。通过这种特征参数的融合,可使分类结果更加准确和可靠,有Z=iZ+22+.+Zi(8)2.3基于集成BPNN的火灾分类流程本文设计一种新型Attention-BPNN结构用于邮轮客舱火灾等级分类,Attention-BPNN网络结构见图6。具体步骤如下:2.3.1数据预处理模块通过邮轮内的烟气温度传感器,CO体积分数传感器和透光率传感器采集得到相关火灾数据。将采集的数据进行标准化处理
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Attention BP 神经网络 模型 邮轮 客舱 火灾 危险 等级 分类 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。