本發(fā)明涉及自動控制，具體是用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制系統(tǒng)。

背景技術：

1、在現(xiàn)代城市地鐵系統(tǒng)中，地鐵綜合監(jiān)控bas負責監(jiān)控和管理各種子系統(tǒng)，包括火災報警系統(tǒng)、環(huán)境參數(shù)監(jiān)控、人防門監(jiān)控和乘客導向系統(tǒng)。這些子系統(tǒng)共同作用于日常運營和緊急事件響應。現(xiàn)有技術主要依賴于人工監(jiān)控和響應，決策過程往往較慢且容易出錯。傳統(tǒng)系統(tǒng)缺乏智能判斷緊急事件的能力，只能根據(jù)預設條件觸發(fā)警報，不能動態(tài)調(diào)整疏散策略。同時，疏散路徑的規(guī)劃多依賴于固定方案，無法實時響應現(xiàn)場情況的變化，如火災蔓延、通道擁堵等。此外，現(xiàn)有的集中式控制結(jié)構(gòu)在面對大規(guī)模緊急情況時，容易出現(xiàn)通信瓶頸和單點故障，這顯著限制了應急響應的效率和可靠性。因此，亟需一種能夠智能判斷緊急事件、自動規(guī)劃疏散路徑，并通過分布式plc系統(tǒng)進行控制的解決方案。

2、公布號為cn116110175a的中國專利申請公開了一種用于地鐵車站火災疏散的智能控制方法及系統(tǒng)，方法包括：獲得地鐵車站安全疏散通道的結(jié)構(gòu)圖；獲得火災信號；根據(jù)結(jié)構(gòu)圖和火災信號獲得可通行安全疏散通道；通過可通行安全疏散通道對疏散指示燈具發(fā)出導向箭頭變向指令，獲得導向箭頭變向結(jié)果；基于圖像采集裝置對導向箭頭變向結(jié)果進行圖像采集；將導向箭頭變向指令與導向箭頭圖像采集結(jié)果進行對比，獲得導向箭頭對比結(jié)果；基于導向箭頭對比結(jié)果判斷是否生成預警信息，所述預警信息用于提醒車站管理人員采取人工應急方案。然而該方案缺少緊急狀況自動識別和自動疏散路徑生成功能。

3、為此，本發(fā)明提出用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制系統(tǒng)。

技術實現(xiàn)思路

1、本發(fā)明旨在至少解決現(xiàn)有技術中存在的技術問題之一。為此，本發(fā)明提出用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制系統(tǒng)，顯著提升了地鐵系統(tǒng)的安全管理水平和應急處理能力。

2、為實現(xiàn)上述目的，提出用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制系統(tǒng)，包括基礎信息收集模塊、緊急識別模型構(gòu)建模塊、路徑規(guī)劃模塊以及反饋控制模塊；其中，各個模塊之間通過電性方式連接；

3、其中，所述基礎信息收集模塊用于預先通過bas系統(tǒng)收集系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，并將所述系統(tǒng)數(shù)據(jù)集合和所述環(huán)境數(shù)據(jù)集合發(fā)送至緊急識別模型構(gòu)建模塊；

4、其中，所述緊急識別模型構(gòu)建模塊用于基于系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，構(gòu)建緊急情況識別模型，并將所述緊急情況識別模型發(fā)送至路徑規(guī)劃模塊；

5、其中，所述路徑規(guī)劃模塊用于基于緊急情況識別模型，利用優(yōu)化算法生成疏散路徑方案，并將所述疏散路徑方案發(fā)送至反饋控制模塊；

6、其中，所述反饋控制模塊用于向各分布式plc節(jié)點發(fā)送疏散路徑方案中對應的控制指令，并實時接收bas系統(tǒng)反饋的監(jiān)控反饋信息，基于監(jiān)控反饋信息和系統(tǒng)數(shù)據(jù)集合，實施實時監(jiān)控分析，并基于監(jiān)控分析的結(jié)果動態(tài)調(diào)整plc控制策略。

7、所述通過bas系統(tǒng)收集系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合的方式為：

8、通過地鐵綜合監(jiān)控bas中各項功能模塊的后臺，收集用于反映地鐵綜合監(jiān)控系統(tǒng)的運行狀態(tài)的系統(tǒng)數(shù)據(jù)集合；

9、通過地鐵綜合監(jiān)控bas中配置的用于監(jiān)控實時環(huán)境狀況和人流動態(tài)，且分布于各個地鐵站點和區(qū)間的分布式傳感器網(wǎng)絡，收集環(huán)境數(shù)據(jù)集合。

10、所述基于系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，構(gòu)建緊急情況識別模型包括以下步驟：

11、步驟21：從系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合中去除噪聲和冗余數(shù)據(jù)，并使用異常檢測算法識別并處理異常值；

12、步驟22：將異常處理后的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合中的不同來源的數(shù)據(jù)進行歸一化處理，以消除量綱影響；

13、步驟23：從歸一化后的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合中，提取每個特征參數(shù)的關鍵特征；

14、步驟24：將過去每單位時刻內(nèi)，地鐵站內(nèi)各個監(jiān)控位置的所有關鍵特征的特征值的組合作為一組訓練樣本，并為每單位時刻進行緊急標簽的標注；所述緊急標簽為0至n中的任意整數(shù)，其中，n為所有緊急狀況類型的數(shù)量；緊急標簽為0表示未出現(xiàn)緊急狀況，而1至n中的每個整數(shù)對應一種緊急狀況類型；

15、步驟25：選擇深度神經(jīng)網(wǎng)絡模型作為緊急情況識別模型；將所有訓練樣本組成的數(shù)據(jù)集分為訓練集、驗證集和測試集；

16、步驟26：所述緊急情況識別模型使用交叉熵函數(shù)作為損失函數(shù)，選擇adam優(yōu)化器進行權(quán)重更新；

17、所述緊急情況識別模型通過訓練集進行模型訓練，通過前饋和反向傳播更新權(quán)重；

18、使用驗證集調(diào)整超參數(shù)，防止過擬合；

19、訓練過程中使用早終止策略，在驗證集損失達到收斂時停止訓練；

20、在測試集上應用準確率、召回率、f1-score指標評估模型性能。

21、所述基于緊急情況識別模型，利用優(yōu)化算法生成疏散路徑方案包括以下步驟：

22、步驟31：使用訓練好的緊急情況識別模型對實時收集到的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合進行分析，識別當前是否發(fā)生緊急事件，以及發(fā)生的緊急事件的緊急狀況類型；

23、步驟32：根據(jù)判斷為發(fā)生緊急事件的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合的數(shù)據(jù)源所在的位置，找出在地鐵站內(nèi)發(fā)生緊急事件的地點；

24、步驟33：通過各個關鍵位置的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，采集當前車站和隧道的實時人流數(shù)據(jù)、各項環(huán)境參數(shù)和各項設備的設備狀態(tài)；

25、步驟34：從地鐵站的設計圖紙中收集站內(nèi)基礎設施信息；

26、步驟35：將地鐵站圖建模為圖結(jié)構(gòu)，其中節(jié)點代表關鍵疏散點位，邊代表通道，節(jié)點間的聯(lián)通路徑作為邊，為各邊賦予路徑權(quán)重，所述路徑權(quán)重基于距離、當前擁堵情況和緊急事件影響程度進行調(diào)整；

27、步驟36：以選擇作為疏散路徑的路徑長度作為變量，以最小化總疏散時間和交通流密度構(gòu)建疏散目標函數(shù)；

28、所述目標函數(shù)疏散目標函數(shù)的構(gòu)建過程為：

29、將地鐵站的圖結(jié)構(gòu)標記為g，其中g＝(v,e)，其中v是節(jié)點集合，e是所有節(jié)點之間的邊的集合，代表連接節(jié)點的通道；

30、疏散的目標是通過考慮選擇的路徑長度、路徑擁堵程度和路徑占用情況，構(gòu)建疏散目標函數(shù)f(p)，優(yōu)化選擇疏散路徑p，以最小化疏散目標函數(shù)；

31、步驟37：使用啟發(fā)式a*算法或遺傳算法對疏散目標函數(shù)的解進行路徑搜索，輸出至少一個可行的疏散路徑方案；每個疏散路徑方案包括路線、轉(zhuǎn)向點。

32、使用啟發(fā)式a*算法或遺傳算法對疏散目標函數(shù)的解進行路徑搜索的方式為：

33、使用a*算法求解的過程為：

34、啟發(fā)函數(shù)結(jié)合路徑權(quán)重和達到目標節(jié)點的代價；

35、實時更新各路徑的優(yōu)先級，根據(jù)緊急事件信息調(diào)整啟發(fā)值；

36、使用遺傳算法求解的過程為：

37、編碼疏散路徑為染色體；

38、定義適應度函數(shù)，所述適應度函數(shù)為路徑長度、時間和當前擁堵程度的加權(quán)值；

39、通過選擇、交叉和變異生成新的路徑方案，不斷選擇適應度函數(shù)值最大的染色體作為父代，進行迭代優(yōu)化，直至出現(xiàn)適應度函數(shù)值達到預設的適應度閾值的染色體為止。

40、所述向各分布式plc節(jié)點發(fā)送疏散路徑方案中對應的控制指令的方式為：

41、將優(yōu)化算法生成的疏散路徑方案解碼為控制指令，所述控制指令根據(jù)接收方的區(qū)別分別進行制定；

42、根據(jù)疏散路徑方案生成的控制指令，分別發(fā)送至疏散路徑中各個控制單元對應的plc控制模塊中。

43、所述實時接收bas系統(tǒng)反饋的監(jiān)控反饋信息的方式為：

44、實時接收地鐵綜合監(jiān)控系統(tǒng)bas接收到的在疏散路徑中，各個關鍵位置的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，作為監(jiān)控反饋信息；

45、所述基于監(jiān)控反饋信息和系統(tǒng)數(shù)據(jù)集合，實施實時監(jiān)控分析，并基于監(jiān)控分析的結(jié)果動態(tài)調(diào)整plc控制策略的方式為：

46、根據(jù)疏散路徑中的各個關鍵位置的系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，重新判斷每個關鍵位置是否發(fā)生緊急事件，若存在任意一個關鍵位置發(fā)生緊急事件，重新利用優(yōu)化算法生成新的疏散路徑方案。

47、提出用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制方法，包括以下步驟：

48、步驟一：預先通過bas系統(tǒng)收集系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合；

49、步驟二：基于系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，構(gòu)建緊急情況識別模型；

50、步驟三：基于緊急情況識別模型，利用優(yōu)化算法生成疏散路徑方案；

51、步驟四：向各分布式plc節(jié)點發(fā)送疏散路徑方案中對應的控制指令，并實時接收bas系統(tǒng)反饋的監(jiān)控反饋信息；

52、步驟五：基于監(jiān)控反饋信息和系統(tǒng)數(shù)據(jù)集合，實施實時監(jiān)控分析，并基于監(jiān)控分析的結(jié)果動態(tài)調(diào)整plc控制策略。

53、提出一種電子設備，包括：處理器和存儲器，其中，所述存儲器中存儲有可供處理器調(diào)用的計算機程序；

54、所述處理器通過調(diào)用所述存儲器中存儲的計算機程序，執(zhí)行上述的用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制方法。

55、提出一種計算機可讀存儲介質(zhì)，其上存儲有可擦寫的計算機程序；

56、當所述計算機程序在計算機設備上運行時，使得所述計算機設備執(zhí)行上述的用于地鐵綜合監(jiān)控bas的國產(chǎn)plc分布式控制方法。

57、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

58、本發(fā)明通過預先通過bas系統(tǒng)收集系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，基于系統(tǒng)數(shù)據(jù)集合和環(huán)境數(shù)據(jù)集合，構(gòu)建緊急情況識別模型，基于緊急情況識別模型，利用優(yōu)化算法生成疏散路徑方案，向各分布式plc節(jié)點發(fā)送疏散路徑方案中對應的控制指令，并實時接收bas系統(tǒng)反饋的監(jiān)控反饋信息，基于監(jiān)控反饋信息和系統(tǒng)數(shù)據(jù)集合，實施實時監(jiān)控分析，并基于監(jiān)控分析的結(jié)果動態(tài)調(diào)整plc控制策略；利用深度神經(jīng)網(wǎng)絡模型實時分析系統(tǒng)數(shù)據(jù)和環(huán)境數(shù)據(jù)，快速識別緊急情況。基于識別結(jié)果，采用優(yōu)化算法自動生成疏散路徑方案，并向分布式plc節(jié)點發(fā)送具體的控制指令。每個plc節(jié)點獨立執(zhí)行疏散策略，確保各區(qū)域同步高效地完成疏散任務，顯著提升了地鐵系統(tǒng)的安全管理水平和應急處理能力。