王茹 ，李樸杰 ?，王亞康 ，胡又文

（1.西安建筑科技大學 土木工程學院，陜西 西安 710055；2.上海建科工程咨詢有限公司，上海 200032）

建筑是人類文明的標志，是人類社會發(fā)展的印跡，中國古代建筑的歷史更是源遠流長.由于時代久遠，我國明清之前的建筑大多已經(jīng)損毀，因此，當前我國存在較為完整的歷史建筑，大多為明清時期的建筑.明清古建筑為木或磚木結(jié)構(gòu)，其主要建筑材料為木材，其耐火性差，一旦發(fā)生火災，大火往往難以撲滅.因此，對于古建筑火災的防治，應以預防為主，消防為輔.

對于古建筑火災的預防，以火災監(jiān)測為主要技術(shù)手段，早在2005年，劉國柱［1］提出以空氣采樣報警器探測空氣中煙霧濃度.然而探測器大多為有線網(wǎng)絡，需要在建筑內(nèi)走線，甚至需要開孔安裝，破壞古建筑結(jié)構(gòu).隨著無線通信技術(shù)的出現(xiàn)，劉士興等［2］、Palma 等［3］均提出利用無線傳感器網(wǎng)絡進行探測器布置，可解決有線傳感器破壞古建筑美觀性和結(jié)構(gòu)的缺點.然而對于古建筑群而言，由于建筑數(shù)量十分龐大，導致所需探測器的數(shù)量更為龐大，僅依靠無線傳感技術(shù)已無法滿足其對探測器管理上的需求.因此，黃娟等［4］以ZigBee 無線通信技術(shù)傳輸探測數(shù)據(jù)，以Android 客戶端為終端，將藏區(qū)古建筑群火災探測器與移動終端連接，搭建了移動端的App 平臺.然而移動端的App 平臺，有著管理界面小、大批量管理不易的問題，仍然需要一個計算機平臺進行大批量的數(shù)據(jù)管理，且對于海量數(shù)據(jù)的儲存、處理，也有一定的不足.除此之外，大量的探測器勢必會提高誤報的頻率，對于監(jiān)測數(shù)據(jù)的處理，也需要進行相關(guān)優(yōu)化.

針對此方面問題，本文提出一套基于xBIM 平臺二次開發(fā)、SQL Server數(shù)據(jù)庫管理系統(tǒng)的計算機火災智能監(jiān)測系統(tǒng).以火災危險源、建筑結(jié)構(gòu)為因子，設置出火災探測器的布置方案，再依據(jù)布置探測器情況建立數(shù)據(jù)庫，儲存和調(diào)用海量的實時監(jiān)測數(shù)據(jù)，并應用迭代優(yōu)化后的Man-kendall 趨勢算法對其進行閾值處理，減少誤報，提高準確性.在監(jiān)測平臺中，可以實時查看各個探測器的狀態(tài)，并在觸發(fā)閾值后給予及時的報警提示，提高了火災監(jiān)測的及時性、精確性，極大地方便了古建筑群火災安全的管理.

1 火災監(jiān)測方案設計

1.1 火災探測器的選型

選擇適合的火災探測器是進行火災監(jiān)測的第一步，對于明清古建筑而言，火災探測器的選擇應遵循以下原則：

1）明清古建筑為木或磚木結(jié)構(gòu)，其火災荷載密度［5-6］大，著火后火勢兇猛，因此無論從古建筑的文物珍貴性考慮，抑或從安全角度考慮，明清古建筑的火災報警最佳窗口期均應為燃燒的初期［7］.

2）火災探測器的安裝方式應為無損安裝，避免打孔安裝方式對古建筑結(jié)構(gòu)的破壞.

3）火災探測器的體積不應過大，以免影響建筑美觀.

如今科技手段下，常用的火災探測器有感煙探測器、感溫火災探測器、火焰探測器以及圖像型火災探測器等，對其原理及優(yōu)缺點進行分析匯總見表1.

表1 各類火災探測器對比Tab.1 Comparison of various fire detectors

經(jīng)過對比分析，本文采用感煙探測器對明清古建筑進行火災監(jiān)控，原因如下：

1）明清古建筑為木或磚木結(jié)構(gòu)，燃燒主要依靠大量的木構(gòu)件、木家具等.木材表面在受到持續(xù)的熱通量時，木材表面會隨著溫度升高而開始分解，產(chǎn)生大量的煙氣，隨著表面的熱解持續(xù)增加，會在傳遞熱通量的界面生成一個炭化層［8］，炭化層具有一定的阻燃功能，發(fā)生的是陰燃，同時產(chǎn)生大量的煙氣，若在此時能探知出燃燒，便能及時控制火災，若發(fā)展到明火階段，即使發(fā)現(xiàn)，也損失較重，撲滅也較為不易.因此，感煙探測器是較好的選擇.

2）感煙探測器多為點型探測器［9］，其體積小、質(zhì)量輕、安裝方便簡單，對古建筑表面不造成損壞.

3）感溫火災探測器和圖像型火災探測器雖對環(huán)境適應性較好，但感溫火災探測器敏感度較低，現(xiàn)已較少使用，圖像型火災探測器適用于明火階段，對古建筑的保護不利.火焰探測器易受到環(huán)境的影響，誤報頻率高.

因此，綜合考量后，針對明清木結(jié)構(gòu)古建筑的自身特點，選取感煙探測器為最佳.

1.2 火災危險源及建筑結(jié)構(gòu)對火災的影響

對于火災探測器的布置而言，有兩大影響因素，一是火災危險源，二是建筑結(jié)構(gòu).

1.2.1 火災危險源的影響

火災危險源是火災的源頭，對火災危險源實施監(jiān)測防范，能有效降低發(fā)生火災的概率，因此，人們通過危險源管理的方式對火災進行防控，如設置火災危險源登記臺賬［10］等.1949年以來，我國發(fā)生的大大小小古建筑文物火災上千起，損壞珍貴建筑、文物不計其數(shù)，本文通過查找相關(guān)案例文獻、搜索相關(guān)新聞報道、查閱官方網(wǎng)站，共查閱到百余起古建筑火災事故，其中已查明起火原因的事故97起.

對這97 起古建筑起火原因進行了匯總分析，整理出11 種不同的火災危險源，以統(tǒng)計圖形式將不同火災危險源所占比例進行表征，如圖1所示.

圖1 火災危險源餅狀圖Fig.1 Fire hazard source pie chart

由圖1 中可以看出，古建筑起火主要原因為電氣老化或短路，殿內(nèi)燭臺、焚香或燒紙，亂丟煙頭，生活用火等.因此，在對火災探測器進行布置時，以當前古建筑的環(huán)境特點為對象、主要火災危險源為重點，做到重點位置重點部署.

1.2.2 建筑結(jié)構(gòu)的影響

火災在建筑內(nèi)的燃燒過程，是一個復雜的熱力學、流體力學、傳熱學和燃燒學過程［11-13］，其熱氣流在建筑內(nèi)部的運動路徑，與建筑的結(jié)構(gòu)、可燃物位置、門窗位置（氧氣通道）均相關(guān)，其共同構(gòu)成了建筑火災的發(fā)展過程.因此對于建筑內(nèi)部火災探測器的布置，應根據(jù)建筑結(jié)構(gòu)等實際情況進行.

對于明清古建筑而言，抬梁式與穿斗式木結(jié)構(gòu)是使用最為廣泛的兩種木結(jié)構(gòu)形式.這兩種木結(jié)構(gòu)，如圖2 所示，在力學原理、木材用料上都截然不同.抬梁式木結(jié)構(gòu)是梁柱支撐體系，由多層的架梁和柱子傳受力，多用于北方地區(qū)；穿斗式木結(jié)構(gòu)則是檁柱支撐體系，由檁柱直接將屋頂“頂起”，承受主要荷載，多用于南方地區(qū).

圖2 抬梁式與穿斗式木結(jié)構(gòu)Fig.2 Lifting beam frame and Chuan-dou frame

兩種木結(jié)構(gòu)都以木材為主要受力構(gòu)件，而抬梁式木結(jié)構(gòu)在木材用量上更是穿斗式木結(jié)構(gòu)的3.5倍［14］.抬梁式木結(jié)構(gòu)多用于大跨度、大空間組合的官式建筑，而其恰巧為火災的燃燒創(chuàng)造了條件，猶如燃燒的爐子，有大量的木材，也有充足的氧氣空間.而穿斗式建筑多用于民居等空間較小的建筑，兩者在建筑材料、結(jié)構(gòu)形式、空間大小上，均不相同，在火災發(fā)生后的蔓延情況也不相同.

1.3 煙霧模擬及探測器布置

為將火災危險源及建筑結(jié)構(gòu)對火災事態(tài)的綜合影響可視化，本文以 BIM 技術(shù)、火災動力學模擬為手段［15-16］，對兩個因素的共同作用進行模擬分析，以模擬出實際建筑環(huán)境下的最不利點，從而指導探測器的布置.PyroSim 是目前較為成熟的火災動力學模擬分析軟件，但其缺點是建立的模型較為粗糙簡單，如屋頂斜面、曲面的建模均難以實現(xiàn)，這使得“建筑結(jié)構(gòu)”這一因素的影響難以突出.因此，本文以Revit作為精細化的建模工具，F(xiàn)bx 數(shù)據(jù)格式作為二者連接的橋梁進行建模分析.以某穿斗式木結(jié)構(gòu)為例，該結(jié)構(gòu)為三層穿枋結(jié)構(gòu)，應用 Revit 建立該結(jié)構(gòu)下的三維模型，并導入至 PyroSim 中，模型見圖3.

圖3 穿斗式木結(jié)構(gòu)模型Fig.3 Chuan-dou frame model

圖4 煙霧模擬結(jié)果Fig.4 Smoke simulation results

模擬環(huán)境初始溫度為 20 ℃，網(wǎng)格單元大小為0.25 m×0.25 m×0.25 m，以殿中燭臺引燃木質(zhì)香案作為起火點.由于木結(jié)構(gòu)建筑火災荷載大，因此起火點設置為快速火，單位熱釋放速率為 611 kW/m2.對于感煙探測器的布置，重點關(guān)注模擬結(jié)果中煙霧的擴散情況.其模擬結(jié)果如圖 4 所示，由于設置為快速火，產(chǎn)生的熱煙氣在T=3 s 時，便上升至起火點上方第一層穿枋，隨后在T=25 s 時，在屋頂向兩側(cè)蔓延，集中于二層與三層穿枋之間.

隨后，煙氣沿兩側(cè)山墻順流而下，而隨著時間的推移，煙氣密度逐漸增大而開始逐漸下沉并從門窗通風處開始外溢.火災源在古建筑內(nèi)的位置因建筑的不同布局而具有特殊性.當古建筑內(nèi)部發(fā)生火災時，著火點產(chǎn)生的熱煙氣流隨時間流動的軌跡具有一定普遍性，即熱煙氣均是先由火災源處上升，升至屋頂結(jié)構(gòu)最高處時沿屋面結(jié)構(gòu)橫向散開，后隨著濃度的增強開始下沉.在探測器布置點位受限的前提下，若將感煙探測器全部布置于最低一層層架處，則及時“捕捉”到細小上升煙氣的概率較低.若將感煙探測器全部布置于頂層層架，則需至煙氣上升至屋頂且向四周蔓延開時方能捕捉火情，不具備及時性.二層作為煙氣穿越層，在火災前期不及一層的及時性，在火災后期不及頂層的普遍性.因此，既針對可預測性火災源在一層層架處進行重點布控實現(xiàn)及時性監(jiān)測，又在頂層層架處布置提高煙氣捕捉概率，實現(xiàn)“及時性”與“普遍性”相結(jié)合.在本文案例中，應在香案燭臺上方的第一層穿枋或斗枋上布置感煙探測器，在其余無火災危險源的地方，在第三層穿枋或檁處設置感煙探測器，這樣能夠最快速地發(fā)現(xiàn)火情，從而最大限度保護古建筑.

2 探測器監(jiān)測數(shù)據(jù)處理

2.1 固定閾值算法下的漂移問題

在完成火災探測器的布置方案后，根據(jù)《古建筑木結(jié)構(gòu)維護與加固技術(shù)標準》（GB/T 50165―2020）［17］中的要求，需對監(jiān)測系統(tǒng)設置報警閾值.報警閾值的設置是火災探測器是否精準、及時的體現(xiàn)，同時也是智能監(jiān)測平臺智能化、精確化的體現(xiàn).

傳統(tǒng)感煙探測器的報警機制均為開關(guān)量式的［18］，即“0”或“1”的區(qū)別.設置一固定閾值A(chǔ)，當探測到的數(shù)據(jù)超過閾值時，探測器進行報警.其報警機制見式（1）：

這種傳統(tǒng)固定閾值的算法原理固然簡單，實現(xiàn)起來也較容易，但其簡單粗暴的火災判斷方法，在實際應用時，卻因探測器的漂移現(xiàn)象［19-20］而經(jīng)常發(fā)生誤報.

如圖5 所示，感煙探測器在正常工作時，其探測數(shù)據(jù)并不是一個固定值，而是在一個穩(wěn)定值附近上下波動，由于探測器的應用環(huán)境中通常懸浮著大量無處不在的塵埃顆粒，它們會隨著氣流落入煙霧探測器的迷宮中，塵埃的積累會影響探測器的靈敏度，使其發(fā)生誤報警，且隨著時間的推移，光電發(fā)射器和接收管的老化也會導致探測器對火災的響應變慢，這即是探測器的漂移現(xiàn)象.

圖5 漂移現(xiàn)象導致的誤報Fig.5 Mispositives caused by the drift phenomenon

2.2 Mann-Kendall算法

為了解決固定閾值算法易產(chǎn)生漂移的問題，本文采用了Mann-kendall 算法對探測器進行閾值設定，以減少誤報，提升監(jiān)測系統(tǒng)的準確性.Mann-Kendall 算法屬于趨勢算法，應用于研究數(shù)據(jù)序列趨勢或突變中，一般分為趨勢檢驗及突變檢驗，是一種非參數(shù)檢驗方法［21-22］.在水文、氣象研究中有著廣泛的應用，通過對徑流、降水、氣溫等要素的時間序列進行趨勢、突變分析，從而判斷各要素未來的情況.

定義X（n）為感煙探測器在時間段n內(nèi)的輸出信號序列，其代表了在時間段n內(nèi)的煙霧濃度變化情況.則有符號函數(shù)見式（2）.

式中：Sign 為符號函數(shù)；j為時間序列的第j個值；i=j+1，且0

即對于n時間段內(nèi)的某一時刻Xi，若煙霧濃度信號大于其前一時刻的濃度信號Xj，則輸出為+1，因此，無論煙霧濃度的信號值是大是小，只要前一時刻大于后一時刻，均記為+1，相反則記為-1，相同則記為0.此種計數(shù)方式的優(yōu)點則在于忽略了具體數(shù)值的大小，只強調(diào)前后值是增大還是減小，避免了某一瞬時時刻的漂移值大于固定閾值，從而引起誤報.

此時，便引出Mann-kendall趨勢檢驗的統(tǒng)計量S見式（3）.

式中：當n≥8時，S服從正態(tài)分布，其均值為0.

對統(tǒng)計量S求方差為：

式中：b為分組數(shù)；ta是第a組數(shù)據(jù)的個數(shù).

對統(tǒng)計量S進行標準化，得到式（5）.

此時，Zc服從標準正態(tài)分布.Zc為正值時則表示當前數(shù)列趨勢為遞增，即火災探測器在某一時間段n內(nèi)測得的煙霧濃度是遞增的.因此，設置合理的n值以及Zc的置信區(qū)間，即可在無規(guī)律的監(jiān)測信號中掌握煙霧濃度的變化趨勢，同時也避免了漂移產(chǎn)生的誤報信號.

2.3 實時監(jiān)測下的迭代優(yōu)化處理

火災探測器為實時動態(tài)的監(jiān)測，一般火災探測器每3 s生成一個數(shù)據(jù)，根據(jù)《點型感煙火災探測器》（GB 4715—2005）［23］要求，點型感煙火災探測器應在30 s 內(nèi)做出報警，即要求對30 s 內(nèi)產(chǎn)生的10 個數(shù)據(jù)進行判斷處理.一般而言，對每30 s 產(chǎn)生的數(shù)據(jù)進行一次處理，即每隔30 s 處理一次數(shù)據(jù)，這樣會使得報警的效率降低，對火災曲線的判斷力也會降低.

對于以上情況，本文將監(jiān)測系統(tǒng)中的Mann-Kendall 算法進行迭代優(yōu)化，如圖6 所示，以10 個數(shù)據(jù)為一組，將新產(chǎn)生的數(shù)據(jù)認定為新一組的“第10個數(shù)據(jù)”，將前一組的第10 個數(shù)據(jù)認定為新一組的“第9個數(shù)據(jù)”，以此類推至前一組數(shù)據(jù)的第2個數(shù)據(jù)認其為新一組的“第1 個數(shù)據(jù)”，即將新數(shù)據(jù)與前一組的9 個數(shù)據(jù)組合為新的一組數(shù)據(jù)進行處理，這樣就實現(xiàn)了數(shù)據(jù)處理的連續(xù)性，提高了數(shù)據(jù)處理效率.設定置信區(qū)間為大于85%，則認為這10 個數(shù)據(jù)的增加趨勢可信，即這30 s 內(nèi)煙霧濃度上升.在標準正態(tài)分布表中，85%的置信區(qū)間對應的Zc值為1.04，即Zc值大于1.04，則探測器進行報警.此部分在監(jiān)測系統(tǒng)中，為監(jiān)測平臺在調(diào)取數(shù)據(jù)庫數(shù)據(jù)后的數(shù)據(jù)分析中應用，以代碼的形式體現(xiàn)，部分代碼見圖7.

圖6 迭代優(yōu)化示意圖Fig.6 Schematic representation of the iterative optimization

圖7 Mann-Kendall算法迭代優(yōu)化后部分代碼Fig.7 Partial code of the Mann-Kendall method after iterative optimization

3 古建筑群火災智能監(jiān)測平臺搭建

3.1 開發(fā)工具及環(huán)境

智能火災監(jiān)測系統(tǒng)包括探測器系統(tǒng)、監(jiān)測數(shù)據(jù)分析與處理、狀態(tài)評估、實時預警等模塊，在古建筑群內(nèi)數(shù)量龐大的探測器系統(tǒng)會實時產(chǎn)生海量的監(jiān)測數(shù)據(jù)，通過對數(shù)據(jù)的集成化管理，提高了處理火災隱患的準確性，方便了對火災安全的管理.

對于錯綜復雜的古建筑群而言，應用BIM 技術(shù)可以對建筑群進行信息化和可視化管理，也可將探測器與古建筑群進行實時聯(lián)動.本文利用已有的BIM 平臺——xBIM（eXtensible Building Information Modelling）平臺［24-26］，進行二次開發(fā)，設計古建筑火災實時監(jiān)測平臺.xBIM 是一個.NET 工具包，其可以構(gòu)建從命令行應用程序到Windows 應用程序、Web服務擴展的所有內(nèi)容.在平臺中，以IFC 格式讀取BIM 模型，全面支持幾何、拓撲操作和可視化.本文以Visual Studio 為開發(fā)工具、C#為語言、.NET 為開發(fā)框架，搭建平臺界面.

對于探測器產(chǎn)生的實時數(shù)據(jù)，應用SQL Server建立數(shù)據(jù)庫［27-28］.SQL Server 是Microsoft 開發(fā)設計的一個關(guān)系數(shù)據(jù)庫智能管理系統(tǒng)，以C#和 T-SQL 進行混合編程，具備使用方便、可伸縮性好、軟件集成度高等優(yōu)勢，方便火災探測器海量數(shù)據(jù)的儲存及調(diào)用.本文以SqlDataReader（Sqlcon）的方式讀取數(shù)據(jù)庫，以SqlCommand（SQLstr）執(zhí)行添加、修改和刪除操作.

3.2 監(jiān)測數(shù)據(jù)庫開發(fā)

采用SQL Server 創(chuàng)建結(jié)構(gòu)化數(shù)據(jù)庫后，將監(jiān)測數(shù)據(jù)儲存在網(wǎng)絡云中，在xBIM 平臺中對數(shù)據(jù)進行調(diào)用和閾值分析，這樣方便了數(shù)據(jù)的管理與檢索，也極大提高了監(jiān)測系統(tǒng)的運行工作效率.對于明清古建筑群火災監(jiān)測，其數(shù)據(jù)庫的基本需求為：以古建筑單體為監(jiān)測對象，包括ID 編號、名稱、位置以及建筑防火等級，每個監(jiān)測對象上的探測器數(shù)量；對于探測器，應包括探測器的編號ID、安裝位置、安裝時間、預警閾值以及備注；對于探測器監(jiān)測到的數(shù)據(jù)應根據(jù)時間進行記錄.

對以上需求進行梳理，并將其轉(zhuǎn)換成對應的數(shù)據(jù)表.

感煙探測器的相關(guān)信息儲存于火災探測器數(shù)據(jù)表中，其邏輯結(jié)構(gòu)如表2所示.

表2 火災探測器數(shù)據(jù)表Tab.2 Fire detector data

以古建筑群內(nèi)的各個建筑單體為監(jiān)測對象，需有明確的建筑位置，并注明建筑防火等級，其邏輯結(jié)構(gòu)如表3所示.

表3 監(jiān)測建筑數(shù)據(jù)表Tab.3 Monitoring building data

將監(jiān)測數(shù)據(jù)置于監(jiān)測數(shù)據(jù)表中，其邏輯結(jié)構(gòu)如表4所示.

表4 監(jiān)測數(shù)據(jù)表Tab.4 Monitoring data

以某明清古建筑群為例，在SQL Server 上使用T-SQL 語言和圖形操作界面對數(shù)據(jù)表格進行創(chuàng)建后，如圖8所示.

圖8 監(jiān)測數(shù)據(jù)庫Fig.8 Monitoring database

3.3 平臺監(jiān)測實施

以某明清古建筑群為例，進行火災監(jiān)測系統(tǒng)實施.如圖9 所示，輸入提前預設的賬號和密碼，即可登錄監(jiān)測平臺主界面.

圖9 火災智能監(jiān)測平臺登錄窗口Fig.9 Login window of the intelligent fire monitoring platform

進入主界面后，如圖10 所示，可以看到監(jiān)測項目名稱、項目位置、古建筑數(shù)量以及火災探測器數(shù)量等概況，在主界面還有監(jiān)測古建筑群的BIM模型.

圖10 火災智能監(jiān)測平臺主界面Fig.10 Main interface of the intelligent fire monitoring platform

將監(jiān)測方案的設計儲存在數(shù)據(jù)庫中后，在平臺管理中，有“探測器管理”這一選項，可以對火災探測器進行管理.如圖11 所示，進入管理界面后，在右側(cè)可以看到所有已添加的探測器信息，選定相關(guān)探測器后，可以看到此探測器的基本詳細信息，并可以對其參數(shù)進行設定和修改.

圖11 火災探測器管理界面Fig.11 Fire detector management interface

對于火災探測器的實時監(jiān)測，如圖12 所示，在“實時監(jiān)測”這一頁面中，左側(cè)有古建筑群中每個建筑設置的探測器列表，點擊任意一個探測器，即可看到每個探測器的狀態(tài)，包括探測器的信息、監(jiān)測實時數(shù)據(jù)以及實時動態(tài)曲線圖.

圖12 實時監(jiān)測界面Fig.12 Real-time monitoring interface

當監(jiān)測到數(shù)據(jù)觸發(fā)報警機制時，便會出現(xiàn)彈窗警示，如圖13 所示.在火災警報窗口，會注明發(fā)生報警的探測器ID 以及當前的趨勢置信區(qū)間對應的正態(tài)分布值，并記錄當前火災發(fā)生的時間.

圖13 火災報警窗口Fig.13 Fire alarm window

4 結(jié)論

1）以火災危險源、建筑結(jié)構(gòu)作為火災主要影響因素，以火災動力學模擬作為手段，對古建筑進行火災探測器的布置優(yōu)化，可提高火災探測器的高效性、準確性.

2）對于古建筑群內(nèi)龐大的火災探測器系統(tǒng)，集成化火災智能監(jiān)測平臺的開發(fā)，極大地方便了對火災安全的管理，提高了火災報警的及時性，對古建筑群的文物保護提供了新思路.

3）實時迭代優(yōu)化后的Mann-Kendall 算法，可避免傳統(tǒng)固定閾值算法下的漂移問題，減少感煙探測器的誤報頻率.云數(shù)據(jù)庫的開發(fā)，對海量大數(shù)據(jù)的儲存、調(diào)用提供了高效便利的管理工具，也為古建筑群的實時監(jiān)測提供了新的技術(shù)手段.