方 勇

（貴州省畢節(jié)市消防救援支隊(duì)，貴州 畢節(jié) 551700）

0 引言

消防車是消防救援、火情控制的重要設(shè)備，其性能質(zhì)量、保養(yǎng)維護(hù)都關(guān)乎到消防救援工作的完成質(zhì)量和完成效率。當(dāng)火場火情勘驗(yàn)確定后，如何利用消防車水槍水射流準(zhǔn)確、可靠的定點(diǎn)滅火，就成為火災(zāi)救援的核心工作。消防車水槍的傳統(tǒng)操作方法，就是人工持槍、根據(jù)人的經(jīng)驗(yàn)和操作技能有效地控制水射流，使其直接澆注到確定火點(diǎn)或確定火情區(qū)域達(dá)到滅火的目的。但是，人工持槍操作會受到體力、耐力、技術(shù)、經(jīng)驗(yàn)等多方面的影響，從而導(dǎo)致水射流噴灑過程中出現(xiàn)誤差或者無法實(shí)現(xiàn)確定火點(diǎn)的持續(xù)性滅火。因此，為消防車配置專門控制器，利用控制算法實(shí)現(xiàn)水射流的精準(zhǔn)控制，成為消防車滅火的發(fā)展方向。該文將利用遺傳算法（GA算法）構(gòu)建消防車水射流的預(yù)測模型，進(jìn)而實(shí)現(xiàn)水射流噴射的自動控制。

1 基于GA算法及其基本操作

要實(shí)現(xiàn)算法控制水射流噴淋澆注代替人工操作，就需要算法能夠?qū)ο乱粫r刻的噴淋點(diǎn)進(jìn)行準(zhǔn)確預(yù)測。消防車水槍在移動過程中，從當(dāng)前時刻到達(dá)下一時刻，可能有多個備選的噴淋點(diǎn)，哪個噴淋點(diǎn)是最佳的、怎么移動到那個噴淋點(diǎn)，都有多種可以選擇的方案。

GA算法在多約束優(yōu)化決策方面具有較好的性能，可以有效地從消防車水槍水射流噴淋的各種可能方案中選出最佳方案。根據(jù)火情點(diǎn)、消防車位置、水槍位置、水槍噴射范圍等約束條件，GA算法可以構(gòu)建一個在初始狀態(tài)下的適應(yīng)度函數(shù)。然后以要噴淋的火情點(diǎn)位置為目標(biāo)，在各種條件的約束限制下，GA算法通過選擇操作、交叉操作、變異操作，就可以不斷優(yōu)化基于移動方案種群的位置，實(shí)現(xiàn)對消防車水射流下一時刻位置的精準(zhǔn)預(yù)測，進(jìn)而實(shí)現(xiàn)對整個救援過程中水射流噴淋的有效控制。

1.1 GA算法的選擇操作規(guī)則

GA算法以種群的代際遺傳為算法執(zhí)行的參照規(guī)律，代際遺傳的目標(biāo)總是選擇更好的基向相下一代種群遺傳，也就是適應(yīng)度更高的基因會向下一代遺傳。對應(yīng)算法的實(shí)現(xiàn)過程，適應(yīng)度更高對應(yīng)被選擇的概率更大，其公式描述為式（1）。

式中：（）代表了當(dāng)前時刻GA種群的第種可能的適應(yīng)度函數(shù)值，（）代表當(dāng)前時刻GA種群的第種可能的適應(yīng)度函數(shù)值占全部可能適應(yīng)度函數(shù)值的概率。根據(jù)公式（1），概率最大的適應(yīng)度將被遺傳到下一代種群。

1.2 GA算法的交叉操作規(guī)則

在選擇過程中，GA種群中可能出現(xiàn)的染色體可以通過彼此之間的交叉，形成下一代染色體，這就是GA算法的交叉操作，其規(guī)則如圖1所示。

從圖1給出的GA算法的交叉操作規(guī)則可以看到交叉操作按照下面的方式進(jìn)行。

圖1 GA算法的交叉操作規(guī)則

首先，在GA算法可能的種群中選擇兩個染色體用于交叉操作，但這兩個染色體不能存在基因重復(fù)的情況。

其次，在交叉操作的過程中，要明確兩個上一代染色體中特殊的基因，這些特殊的基因必須無條件遺傳到下一代染色體中，這就是界限基因，如圖1中標(biāo)記所示。

最后，在界限基因的限制下，剩余的其他位置由上一代染色體進(jìn)行基因填充，進(jìn)而形成新的染色體，即完成了交叉操作。

1.3 GA算法的變異操作規(guī)則

變異操作是GA算法中一類非常有用的操作，可以通過變異操作催生出一些嶄新的染色體，對應(yīng)該文的問題就是可以形成一些嶄新的水射流控制方案。變異操作的存在，有利于GA種群的多樣性。GA算法中的變異操作規(guī)則如圖2所示。

圖2中給出了位置交叉這種比較常見的變異操作。從圖2中可以看出，上一代一號染色體的第1號位置和第4號位置交叉到了上一代二號染色體第2號位置和第6號位置，進(jìn)而形成了兩個新的染色體。

圖2 GA算法的變異操作規(guī)則

2 消防車水射流控制試驗(yàn)方案設(shè)計(jì)

在構(gòu)建了基于GA算法的消防車水射流控制方法之后，需要通過試驗(yàn)驗(yàn)證GA算法的控制效果。為此需要模擬消防車救火時水射流的真實(shí)噴射情況，以便于進(jìn)行試驗(yàn)驗(yàn)證。

2.1 消防車水射流控制的試驗(yàn)參數(shù)

為了能夠做到盡可能和真實(shí)情況對應(yīng)，在水射流控制試驗(yàn)中，需要對消防車水槍進(jìn)行參數(shù)設(shè)置，同時需要對環(huán)境條件進(jìn)行設(shè)置。對消防車水槍設(shè)備，主要包括五個關(guān)鍵參數(shù)：第一個關(guān)鍵參數(shù)，消防車水槍的高度；第二個關(guān)鍵參數(shù)，消防車水槍水平面內(nèi)的活動角度范圍；第三個關(guān)鍵參數(shù)，消防車水槍俯仰方向上的活動角度范圍；第四個關(guān)鍵參數(shù)，消防車水槍為水射流提供的噴射壓力；第五個關(guān)鍵參數(shù)，消防車水槍為水射流提供的流量。對環(huán)境條件，主要包括是個關(guān)鍵參數(shù)：第一個關(guān)鍵參數(shù)，救火現(xiàn)場的濕度條件；第二個關(guān)鍵參數(shù)，救火現(xiàn)場的溫度條件；第三個關(guān)鍵參數(shù)，救火現(xiàn)場的風(fēng)速大?。坏谒膫€關(guān)鍵參數(shù)，救火現(xiàn)場的風(fēng)向角度。

試驗(yàn)過程中，保持消防車水槍為水射流提供的流量、救火現(xiàn)場的濕度條件、救火現(xiàn)場的溫度條件、救火現(xiàn)場的風(fēng)速大小、救火現(xiàn)場的風(fēng)向角度設(shè)定為定值，然后對其余四個參數(shù)進(jìn)行測定，即保持其中三個參數(shù)不變，觀察另一個參數(shù)變化引起的效果。測定過程中，四個可變參數(shù)的取值范圍如下。

消防車水槍的高度分別取1.5米、1.8米、2米、2.3米；消防車水槍水平面內(nèi)的活動角度范圍分別取-30度、-20度、-10度、0度、10度、20度、30度；消防車水槍俯仰方向上的活動角度范圍分別取-20度、-10度、0度、20度、20度、30度、40度、50度；消防車水槍為水射流提供的噴射壓力分別取0.5MPa，、0.6MPa、0.7MPa、0.8MPa。

2.2 小放射水射流控制的試驗(yàn)過程

試驗(yàn)過程中，在各個參數(shù)給定配置后就可以進(jìn)行消防車水射流噴射的控制試驗(yàn)了。試驗(yàn)中，水射流很難穩(wěn)定地落到一個點(diǎn)上，但如果控制算法比較理想，則會比較集中地落在一個區(qū)域內(nèi)。

為了有效測定水射流落點(diǎn)并盡可能減少測量誤差，該文將試驗(yàn)位置選擇在一個相對平整的區(qū)域。試驗(yàn)場地中配置測量傳感器，監(jiān)測環(huán)境各參數(shù)。消防車水槍由云臺進(jìn)行控制，包括水平角度和俯仰角度。水平方向上，以順時針旋轉(zhuǎn)作為角度負(fù)向，以逆時針旋轉(zhuǎn)作為角度正向。俯仰方向上，以向上方向?yàn)榻嵌日颍韵蛳路较驗(yàn)榻嵌蓉?fù)向。

試驗(yàn)過程的主要實(shí)施步驟如下。第一步，搭建好試驗(yàn)平臺，配置好設(shè)備參數(shù)和環(huán)境參數(shù)，并完成硬件連線和計(jì)算機(jī)以及網(wǎng)絡(luò)連接；第二步，開啟供水裝置，排凈水槍及整個回路內(nèi)的空氣，確保水液已經(jīng)抵達(dá)噴射口；第三步，開啟噴射口，確保水流噴射到試驗(yàn)數(shù)據(jù)記錄區(qū)域，同時開啟各傳感器并啟動控制程序，執(zhí)行GA算法。第四步，水槍自動噴射過程中，不斷記錄噴射點(diǎn)位數(shù)據(jù)。第五步，完成全部噴射點(diǎn)位后，關(guān)閉水槍，關(guān)閉系統(tǒng)，停機(jī)。將實(shí)際噴射數(shù)據(jù)和預(yù)期噴射數(shù)據(jù)進(jìn)行對比，得出結(jié)論。

3 消防車水射流的GA算法控制效果分析

在第1節(jié)給出的GA算法及其操作的基礎(chǔ)上，此處將其用于消防車水射流的控制，控制的核心思路就是根據(jù)消防車水射流的噴淋救援要求形成目標(biāo)、約束條件，進(jìn)而構(gòu)建出GA種群和GA控制算法，控制消防車水射流的噴淋位置，使其盡可能和預(yù)期的理想位置一致或接近，達(dá)到準(zhǔn)確噴淋火點(diǎn)的效果。給GA算法配置的基本參數(shù)見表1。

表1 該文GA算法的參數(shù)配置情況

在消防車水射流GA算法控制的仿真試驗(yàn)中，除了上述算法參數(shù)配置外，設(shè)置10組已知火情點(diǎn)位置的試驗(yàn)數(shù)據(jù)。這些火情點(diǎn)的位置就是消防車水槍水射流要噴淋澆注的預(yù)期理想位置。如果在GA算法的控制之下，水槍自動完成水射流噴淋澆注的位置與這些火情點(diǎn)位置吻合或者接近，就證明該文使用GA算法實(shí)現(xiàn)消防車水射流控制達(dá)到了預(yù)期的目標(biāo)。

試驗(yàn)結(jié)果分別如圖3和圖4所示，圖3是GA算法控制下水射流噴淋位置和預(yù)期理想位置在坐標(biāo)上的對比結(jié)果。

從圖3中的結(jié)果可以看出，共進(jìn)行了55個采樣時刻的試驗(yàn)，在這55個采樣時刻內(nèi)，火情點(diǎn)位置的坐標(biāo)基本在（1，-3）波動。圖3中，兩側(cè)帶有圓圈的黑色實(shí)線，代表了火情點(diǎn)預(yù)期理想值坐標(biāo)的軌跡變化曲線。兩側(cè)帶有方塊的黑色虛線，代表了GA算法控制下水射流噴淋點(diǎn)位置值坐標(biāo)的軌跡變化曲線。從兩條曲線的對比情況可以看出，GA算法可以較好地控制水射流，其控制位置基本與預(yù)期理想值吻合。

圖4是GA算法控制下水射流噴淋位置和預(yù)期理想位置在y坐標(biāo)上的對比結(jié)果。

從圖4中的結(jié)果可以看出，共進(jìn)行了55個采樣時刻的試驗(yàn)，在這55個采樣時刻內(nèi)，火情點(diǎn)位置的坐標(biāo)基本在（2，-2）波動。圖3中，兩側(cè)帶有圓圈的黑色實(shí)線，代表了火情點(diǎn)預(yù)期理想值坐標(biāo)的軌跡變化曲線。兩側(cè)帶有方塊的黑色虛線，代表了GA算法控制下水射流噴淋點(diǎn)位置值y坐標(biāo)的軌跡變化曲線。從兩條曲線的對比情況可以看出，GA算法可以較好地控制水射流，其控制位置基本與預(yù)期理想值吻合。

圖3 GA算法控制結(jié)果和預(yù)期理想結(jié)果x坐標(biāo)的對比

圖4 GA算法控制結(jié)果和預(yù)期理想結(jié)果y坐標(biāo)的對比

4 結(jié)論

消防車是消防救援工作的重要設(shè)備，直接關(guān)系到火情控制和救援任務(wù)能否順利完成。為了提升消防車的救援效率，該文針對消防車水射流的自動控制問題提出了一種基于GA算法的控制方案。通過對GA算法的分析，詳細(xì)地闡述了GA算法中的三個關(guān)鍵操作，選擇操作、交叉操作和變異操作。在此基礎(chǔ)上，為GA算法配置了關(guān)鍵參數(shù)、設(shè)置了試驗(yàn)環(huán)境，對GA算法控制下的水射流位置進(jìn)行了對比試驗(yàn)，結(jié)果顯示GA算法控制效果好、水射流位置的和向坐標(biāo)基本都與預(yù)期理想位置吻合。