一种基于人工智能的消防排烟天窗驱动控制方法及系统与流程

本发明涉及建筑消防控制，尤其涉及一种基于人工智能的消防排烟天窗驱动控制方法及系统。

背景技术：

1、消防排烟天窗是建筑消防排烟系统中的重要执行设备，主要布置于厂房、仓储空间及大跨度公共建筑顶部。火灾发生时，排烟天窗通过开度调节形成排烟通道，使烟气、热量及压力沿建筑顶部排出，并配合风机、挡烟垂壁、火灾探测器和建筑消防联动控制设备完成排烟控制。现有工程应用中，排烟天窗驱动控制多依据烟气浓度、温度、手动报警信号及消防联动信号触发，控制逻辑以阈值判定、分区联动和预设开度指令为主，能够满足基础启闭控制需求。

2、现有技术中，消防排烟天窗的驱动控制方案多采用可编程控制器、消防联动控制器或者楼宇自控系统进行集中管理。控制系统采集防烟区域内的探测数据，在探测数据达到预设阈值后下发开窗指令，或者根据火灾分区位置调用预置联动方案，使对应天窗进入固定开度状态。部分方案引入历史工况数据和简单预测算法，用于估计烟气变化趋势，再对开度指令进行修正，但其数据对象多集中于单个天窗或者单个防烟区域，空间联动状态和驱动反馈偏差未能形成持续闭环约束。

3、其在火场烟气快速扩散、风压扰动和多天窗联动控制场景下仍存在局限。固定阈值触发方式难以区分局部涡流扰动与区域性烟气蔓延，容易造成开度指令滞后或者频繁切换；单点时间序列控制方式缺少相邻天窗之间的拓扑关联约束，难以反映烟气沿建筑空间传播产生的同步变化；预测控制方案对模型不确定性和实际驱动反馈偏差利用不足，导致控制模型在火情动态变化时难以及时校正。

4、因此，如何提供一种基于人工智能的消防排烟天窗驱动控制方法及系统是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于人工智能的消防排烟天窗驱动控制方法及系统，本发明依据烟气漂移、拓扑联动和驱动反馈自适应更新模型并生成开度控制量，降低固定规则触发下的决策滞后。

2、根据本发明实施例的一种基于人工智能的消防排烟天窗驱动控制方法，包括：

3、采集目标消防排烟天窗及相邻天窗的烟气浓度、温度、风压、开度、驱动反馈、采样时刻和拓扑联动状态参数，并构建时空耦合特征矩阵；

4、按预设控制周期截取时空耦合特征矩阵，得到前一周期特征矩阵和当前周期特征矩阵，并按照采样时刻建立相邻对应关系后写入训练样本缓存；

5、将前一周期特征矩阵和当前周期特征矩阵输入rulsif算法，计算烟气分布漂移强度，并生成漂移上升标记；

6、根据烟气分布漂移强度和漂移上升标记生成包含模型更新参数和策略搜索参数的双模式参数集合；

7、将双模式参数集合中的模型更新参数和烟气分布漂移强度写入改进pilco概率动力学模型训练过程，对训练样本缓存执行加权更新，得到概率动力学模型和不确定度边界；

8、将双模式参数集合中的策略搜索参数和不确定度边界写入概率动力学模型的策略搜索过程，将不确定度边界作为动态惩罚项和约束边界，结合概率动力学模型生成驱动开度控制量和预测驱动反馈；

9、将驱动开度控制量下发至目标天窗驱动机构，将实际驱动反馈与预测驱动反馈比较得到预测偏差，并将实际驱动反馈和预测偏差回写至下一控制周期的时空耦合特征矩阵构建过程。

10、可选的，所述构建时空耦合特征矩阵，具体为：

11、采集目标消防排烟天窗及相邻天窗的天窗标识、烟气浓度、温度、风压、开度、驱动反馈、采样时刻和拓扑联动状态参数，按照天窗标识建立候选采样记录；

12、以目标消防排烟天窗的采样时刻为基准，对候选采样记录中相邻天窗对应的采样时刻执行邻近匹配，得到同刻采样记录组；

13、根据拓扑联动状态参数确定目标消防排烟天窗与相邻天窗之间的拓扑连接位次，并对同刻采样记录组执行空间排序，得到空间有序采样记录组；

14、将空间有序采样记录组中的风压与开度变化方向进行对位比较，构建拓扑联动一致性结果；

15、根据拓扑联动一致性结果对空间有序采样记录组执行校正，在拓扑联动一致性结果表征一致时保留对应相邻天窗采样记录，在拓扑联动一致性结果表征不一致时将对应相邻天窗采样记录标记为延迟联动记录，得到校正采样记录组；

16、按照采样时刻顺序和拓扑连接位次顺序，将校正采样记录组中的烟气浓度、温度、风压、开度、驱动反馈和延迟联动记录重组，得到时空耦合特征矩阵。

17、可选的，所述按预设控制周期截取时空耦合特征矩阵，具体为：

18、按照采样时刻顺序提取时空耦合特征矩阵中的矩阵行，并依据预设控制周期标记候选周期边界，得到候选周期边界序列；

19、根据候选周期边界序列截取相邻两个控制周期内的矩阵行，并计算周期衔接间隔；

20、在周期衔接间隔与预设控制周期对应的采样间隔不一致时，提取相邻天窗在对应时间段内的风压变化率和温度变化率，并与预设变化率阈值进行比较，根据与比较结果移动候选周期边界，直至周期衔接间隔与预设控制周期对应的采样间隔一致，得到校正周期边界序列；

21、在候选周期边界的移动跨度超过预设火灾演变安全容忍时间阈值时，停止候选周期边界移动，并根据拓扑联动状态参数截取拓扑连接位次最高的相邻天窗对应的特征矩阵，得到替代特征矩阵；

22、依据校正周期边界序列，从时空耦合特征矩阵中截取对应相邻两个控制周期内的矩阵行，得到前一周期特征矩阵和当前周期特征矩阵；

23、在停止候选周期边界移动并得到替代特征矩阵时，将替代特征矩阵按照采样时刻写入当前周期特征矩阵中对应缺失位置；

24、按照采样时刻建立前一周期特征矩阵与当前周期特征矩阵之间的相邻对应关系，并写入训练样本缓存。

25、可选的，所述将前一周期特征矩阵和当前周期特征矩阵输入rulsif算法，具体为：

26、根据相邻对应关系，从前一周期特征矩阵和当前周期特征矩阵中提取采样时刻对应的矩阵行，并按照拓扑连接位次顺序执行对齐，得到参考样本序列和待测样本序列；

27、从参考样本序列和待测样本序列中提取延迟联动记录，并对同一拓扑连接位次下的烟气浓度、温度、风压、开度和驱动反馈建立联动有效标记，得到标记样本序列；

28、按照拓扑连接位次对标记样本序列执行分层归集，将目标消防排烟天窗对应样本归入目标层，将相邻天窗对应样本按照拓扑连接位次归入邻接层，得到分层样本集合；

29、将分层样本集合输入rulsif算法，并根据联动有效标记调整对应样本在相对密度比估计中的参与权重，得到分层相对密度比序列；

30、根据分层相对密度比序列中各相对密度比相对预设基准密度比的偏离幅度，按照目标层和邻接层的排列顺序执行累积，得到烟气分布漂移强度；

31、将烟气分布漂移强度与前一控制周期对应的烟气分布漂移强度进行比较，在烟气分布漂移强度增大且目标层与邻接层的偏离方向一致时生成漂移上升标记。

32、可选的，所述生成包含模型更新参数和策略搜索参数的双模式参数集合，具体为：

33、比较当前控制周期对应的烟气分布漂移强度与前一控制周期对应的烟气分布漂移强度，得到漂移强度变化关系；

34、将当前控制周期对应的烟气分布漂移强度与预设漂移区间序列进行匹配，得到漂移强度等级，并将漂移强度等级与漂移强度变化关系进行对应标记，得到漂移状态标记结果；

35、在漂移上升标记成立时，根据漂移状态标记结果分别增大训练样本权重调节量、模型更新步长调节量和不确定度边界调节量，得到模型更新参数；

36、在漂移上升标记未成立时，根据漂移状态标记结果分别保持训练样本权重调节量、模型更新步长调节量和不确定度边界调节量，得到模型更新参数；

37、在漂移上升标记成立时，根据漂移状态标记结果分别增大策略惩罚调节量和开度变化约束量，并缩短滚动预测步长，得到策略搜索参数；

38、在漂移上升标记未成立时，根据漂移状态标记结果分别保持策略惩罚调节量、开度变化约束量和滚动预测步长，得到策略搜索参数；

39、将模型更新参数和策略搜索参数按照当前控制周期建立对应关系，生成双模式参数集合。

40、可选的，所述得到概率动力学模型和不确定度边界，具体为：

41、从训练样本缓存中提取前一周期特征矩阵、当前周期特征矩阵和相邻对应关系，并从双模式参数集合中提取模型更新参数；

42、根据相邻对应关系，将前一周期特征矩阵和当前周期特征矩阵中采样时刻对应的矩阵行进行配对，得到周期配对样本，并按照拓扑连接位次，从周期配对样本中提取目标消防排烟天窗对应特征和相邻天窗对应特征，得到时空配对训练样本；

43、从时空配对训练样本中提取前一周期对应的烟气浓度、温度、风压、开度和驱动反馈，形成状态输入特征，并提取当前周期相对前一周期对应字段的变化量，形成状态转移输出特征；

44、根据拓扑连接位次，将状态输入特征划分为目标层输入特征和邻接层输入特征，并与状态转移输出特征建立对应关系，得到分层状态转移样本集合；

45、从模型更新参数中提取训练样本权重调节量、模型更新步长调节量和不确定度边界调节量；

46、根据烟气分布漂移强度和训练样本权重调节量，对分层状态转移样本集合执行权重标记，得到漂移加权训练样本集合与权重标记结果；

47、按照目标层和邻接层的拓扑连接位次，对漂移加权训练样本集合中的状态输入特征执行核响应计算，并根据权重标记结果对核响应计算结果执行加权处理，得到时空耦合核响应矩阵；

48、根据时空耦合核响应矩阵和状态转移输出特征训练改进pilco概率动力学模型，得到候选概率动力学模型参数和候选预测方差；

49、根据模型更新步长调节量，对候选概率动力学模型参数和上一控制周期的概率动力学模型参数执行融合，得到当前控制周期的概率动力学模型；

50、根据候选预测方差、烟气分布漂移强度和不确定度边界调节量生成当前控制周期的不确定度边界，并将当前控制周期的概率动力学模型和不确定度边界建立对应关系。

51、可选的，所述改进pilco概率动力学模型包括时空特征输入层、拓扑分层索引层、初始核响应计算层、漂移权重注入层、状态转移回归层、方差边界生成层和参数自适应融合输出层：

52、所述时空特征输入层，接收分层状态转移样本集合中的目标层输入特征、邻接层输入特征和状态转移输出特征，并按照采样时刻和字段顺序建立状态转移训练输入；

53、所述拓扑分层索引层，根据拓扑连接位次将状态转移训练输入划分为目标层索引记录和邻接层索引记录；

54、所述初始核响应计算层，根据目标层索引记录和邻接层索引记录，对目标层输入特征和邻接层输入特征执行核响应计算，生成初始核响应矩阵；

55、所述漂移权重注入层，接收初始核响应矩阵和权重标记结果，将权重标记结果作为环境衰减惩罚项映射至初始核响应矩阵中对应采样时刻和拓扑连接位次的矩阵元素，得到时空耦合核响应矩阵；

56、所述状态转移回归层，接收时空耦合核响应矩阵和状态转移输出特征，并按照烟气浓度、温度、风压、开度和驱动反馈的字段顺序生成候选概率动力学模型参数和候选预测方差；

57、所述方差边界生成层，根据候选预测方差、烟气分布漂移强度和不确定度边界调节量生成当前控制周期的不确定度边界，并传递至参数自适应融合输出层；

58、所述参数自适应融合输出层，接收候选概率动力学模型参数、上一控制周期的概率动力学模型参数、模型更新步长调节量和不确定度边界，根据不确定度边界的幅值变化量调节模型更新步长调节量在参数融合过程中的分配比重，输出当前控制周期的概率动力学模型和不确定度边界。

59、可选的，所述结合概率动力学模型生成驱动开度控制量和预测驱动反馈，具体为：

60、从双模式参数集合中的策略搜索参数中提取策略惩罚调节量、开度变化约束量和滚动预测步长，并调用当前控制周期的概率动力学模型和不确定度边界；

61、根据目标消防排烟天窗的当前开度和开度变化约束量建立候选开度轨迹集合，并按照滚动预测步长为候选开度轨迹集合建立预测时域索引；

62、将候选开度轨迹集合输入概率动力学模型，按照预测时域索引递推烟气浓度、温度、风压、开度和驱动反馈的预测状态，得到候选预测状态序列；

63、将不确定度边界按照字段顺序写入候选预测状态序列的边界比较过程，统计超出不确定度边界的字段位置和预测时域索引，得到边界偏离记录；

64、根据边界偏离记录和策略惩罚调节量计算动态惩罚值，并将动态惩罚值写入候选开度轨迹集合的轨迹代价计算过程，得到候选轨迹代价序列；

65、从候选轨迹代价序列中筛选代价最小的候选开度轨迹，并将筛选出的候选开度轨迹在首个控制周期对应的开度值确定为驱动开度控制量；

66、提取筛选出的候选开度轨迹对应的驱动反馈预测状态，并将驱动反馈预测状态确定为预测驱动反馈。

67、可选的，所述将驱动开度控制量下发至目标天窗驱动机构，将实际驱动反馈与预测驱动反馈比较得到预测偏差，并将实际驱动反馈和预测偏差回写至下一控制周期的时空耦合特征矩阵构建过程，具体为：

68、按照当前控制周期的采样时刻，将驱动开度控制量与目标消防排烟天窗的天窗标识建立控制下发记录，并将控制下发记录传输至目标天窗驱动机构；

69、采集目标天窗驱动机构在控制下发记录对应控制周期内返回的实际驱动反馈，并按照采样时刻将实际驱动反馈与预测驱动反馈建立反馈对齐记录；

70、根据反馈对齐记录计算实际驱动反馈与预测驱动反馈之间的差值绝对值和差值方向，得到预测偏差记录；

71、将预测偏差记录与开度变化约束量进行比较，在预测偏差记录超过开度变化约束量时生成反馈滞后标记，在预测偏差记录未超过开度变化约束量时生成反馈跟随标记；

72、根据反馈滞后标记和反馈跟随标记校正目标消防排烟天窗在下一控制周期对应的驱动反馈字段，并将预测偏差记录写入对应采样时刻的延迟联动记录；

73、将校正后的驱动反馈字段、预测偏差记录和延迟联动记录，与下一控制周期采集的烟气浓度、温度、风压、开度和拓扑联动状态参数共同重组，得到下一控制周期的时空耦合特征矩阵构建输入。

74、可选的，一种基于人工智能的消防排烟天窗驱动控制系统，包括：

75、时空耦合矩阵构建模块，用于根据目标消防排烟天窗及相邻天窗的天窗标识、烟气浓度、温度、风压、开度、驱动反馈、采样时刻和拓扑联动状态参数，生成时空耦合特征矩阵；

76、周期截取缓存模块，用于按照预设控制周期截取时空耦合特征矩阵，生成前一周期特征矩阵、当前周期特征矩阵和相邻对应关系，并写入训练样本缓存；

77、漂移检测模块，用于将前一周期特征矩阵和当前周期特征矩阵输入rulsif算法，生成烟气分布漂移强度和漂移上升标记；

78、双模式参数生成模块，用于根据烟气分布漂移强度和漂移上升标记生成包含模型更新参数和策略搜索参数的双模式参数集合；

79、概率动力学训练模块，用于将模型更新参数和烟气分布漂移强度写入改进pilco概率动力学模型训练过程，对训练样本缓存执行加权更新，生成概率动力学模型和不确定度边界；

80、策略搜索决策模块，用于将策略搜索参数和不确定度边界写入概率动力学模型的策略搜索过程，生成驱动开度控制量和预测驱动反馈；

81、控制反馈回写模块，用于将驱动开度控制量传输至目标天窗驱动机构，根据实际驱动反馈与预测驱动反馈生成预测偏差，并将实际驱动反馈和预测偏差回写至下一控制周期的时空耦合特征矩阵构建过程。

82、本发明的有益效果是：

83、（1）本发明通过采集目标消防排烟天窗及相邻天窗的烟气浓度、温度、风压、开度、驱动反馈、采样时刻和拓扑联动状态参数，并构建时空耦合特征矩阵，实现了单个天窗运行状态与相邻天窗空间联动状态的同步表达，从而能够在烟气局部扰动和区域性蔓延并存的建筑消防场景下，为后续漂移检测、模型训练和开度控制提供具有时空关联约束的数据基础。

84、（2）本发明通过将前一周期特征矩阵和当前周期特征矩阵输入rulsif算法，计算烟气分布漂移强度并生成漂移上升标记，再根据烟气分布漂移强度和漂移上升标记生成包含模型更新参数和策略搜索参数的双模式参数集合，实现了火场状态变化与模型更新、策略搜索之间的联动调节，从而降低固定规则触发方式在烟气动态变化下产生的控制滞后和不必要的频繁更新。

85、（3）本发明中改进pilco概率动力学模型，在概率动力学模型训练和策略搜索环节中引入烟气分布漂移强度、不确定度边界、时空耦合核响应矩阵和反馈偏差回写机制，实现了训练样本加权更新、模型参数自适应融合、开度轨迹约束搜索和驱动反馈校正，从而增强消防排烟天窗驱动控制在火灾动态环境下的适应性、稳定性和反馈闭环能力。