بهترین آموزش های کاربردی در شهرسازی
بهترین آموزش های کاربردی در شهرسازی را از Urbanity.ir بخواهید
Saturday, 29 June , 2024
امروز : شنبه, ۹ تیر , ۱۴۰۳
شناسه خبر : 18853
  پرینتخانه » مقالات تاریخ انتشار : 01 ژوئن 2024 - 3:30 | 15 بازدید | ارسال توسط :

پایداری | متن کامل رایگان | بهینه‌سازی مبتنی بر ریسک و انرژی برای سیستم مانیتورینگ حریق در تونل شهری با استفاده از اتوماتای ​​سلولی

۱٫ معرفی تونل های تاسیساتی تاسیساتی هستند که در آن برق، گاز و مخابرات گنجانده شده است و زیرساخت مهمی در شهرهای مدرن است. [۱]. به دلیل خواص ویژه موادی که حمل می کنند، مثلاً اشتعال پذیری گاز طبیعی، تونل ها معمولاً با خطر آتش سوزی بالایی مواجه هستند. [۲]. از آنجایی که تونل یک […]

پایداری |  متن کامل رایگان |  بهینه‌سازی مبتنی بر ریسک و انرژی برای سیستم مانیتورینگ حریق در تونل شهری با استفاده از اتوماتای ​​سلولی


۱٫ معرفی

تونل های تاسیساتی تاسیساتی هستند که در آن برق، گاز و مخابرات گنجانده شده است و زیرساخت مهمی در شهرهای مدرن است. [۱]. به دلیل خواص ویژه موادی که حمل می کنند، مثلاً اشتعال پذیری گاز طبیعی، تونل ها معمولاً با خطر آتش سوزی بالایی مواجه هستند. [۲]. از آنجایی که تونل یک فضای نیمه بسته، طولانی و باریک است، آتش می تواند بسیار سریعتر گسترش یابد و مکان یابی و مبارزه با آن بسیار دشوارتر است. [۳]. در واقع، در مقایسه با سایر انواع آتش سوزی، آتش سوزی تونل بسیار پیچیده تر است و به طور کلی باعث آسیب بیشتر می شود [۴] نسبت به سایر خطرات [۵]. بنابراین، ایجاد سیستم های موثر نظارت بر آتش تونل ضروری است. در پاسخ، دوربین ها یا حسگرهای متعددی در تونل ها برای تشخیص آتش سوزی های احتمالی مجهز شده اند [۶]. با این حال، مشخصات طراحی فعلی ناقص است [۷]و فرض بر این است که برآوردن الزامات برای تشخیص زودهنگام حریق بدون طراحی مناسب دوربین یا آرایش سنسور ممکن نیست. [۸,۹]. در این مورد، بهینه سازی چیدمان و عملکرد دوربین یا سنسور توجه روزافزونی را به خود جلب کرده است.
بهینه‌سازی چیدمان حسگر یک مسئله بهینه‌سازی ترکیبی است که معمولاً از طریق الگوریتم‌های بهینه‌سازی سنتی، روش‌های توالی و الگوریتم‌های بهینه‌سازی هوشمند قابل حل است. [۱۰]. از آنجایی که هم الگوریتم‌های بهینه‌سازی سنتی و هم روش‌های توالی می‌توانند راه‌حل‌های کمتر از حد بهینه را دریافت کنند، الگوریتم‌های بهینه‌سازی هوشمند بیشتر برای چنین مسئله‌ای استفاده می‌شوند. الگوریتم‌های بهینه‌سازی هوشمند رایج معمولاً هوش مبتنی بر ازدحام هستند، از جمله الگوریتم بهینه‌سازی ازدحام ذرات (PSO) [11,12,13,14] و الگوریتم بهینه سازی کلونی مورچه ها (ACO). [15]. این الگوریتم ها برای تعیین منابع آتش سوزی تونل و بهینه سازی طرح سنسور استفاده شده اند. الگوریتم های مبتنی بر تکامل مانند تکامل تفاضلی (DE) [16] همچنین برای حل این مسائل از الگوریتم های ترکیبی استفاده شده است [۱۰] با ترکیب هر دو الگوریتم مبتنی بر تکامل و ازدحام نیز توسعه یافته است. در سال های اخیر، پیشرفت در هوش مصنوعی (AI)، یادگیری ماشینی [۱۷]و مدلسازی هوش مصنوعی [۱۸] شاهد رشد سریع در کاربرد نظارت هوشمند مانند شناسایی منبع آتش و طراحی طرح بهینه [۱۹,۲۰]. این تکنیک ها ممکن است شامل شبکه عصبی مصنوعی (ANN) باشد. [۲۱]شبکه عصبی کانولوشنال (CNN) [8,22]، انتقال شبکه عصبی کانولوشن (TCNN) [23]، شبکه عصبی BP [24,25]شبکه حافظه کوتاه مدت بلند مدت (LSTM) [21,23,26] یا شبکه عصبی بازگشتی LSTM [27]حافظه کوتاه مدت دو جهته (BiLSTM) [28]جنگل های تصادفی (RF) [26]و همچنین سایر الگوریتم‌های یادگیری ماشین مانند شبکه بیزی (BN)، رگرسیون برداری (SVR) و پرسپترون چند لایه (MLP) پشتیبانی می‌کنند. [۲۶,۲۹]. الگوریتم های مختلف یادگیری ماشین نیز می توانند در ترکیباتی مانند CNN-LSTM یا CNN-BiLSTM استفاده شوند. [۲۸]. علاوه بر دو روش اصلی بهینه سازی هوشمند و یادگیری ماشینی، طرح بندی سنسورها را می توان از طریق شبیه سازی عددی نیز بهینه کرد. [۳۰,۳۱]و عملکرد شبکه های حسگر پویا نیز مورد بررسی قرار گرفته است [۳۲,۳۳]. لازم به ذکر است که اگرچه برای یک تونل از نظر تئوری تعداد بی نهایت طرح ممکن وجود دارد، ارزیابی تنها چند مورد رایج برای طراحی سریع در عمل مهندسی قابل قبول است. [۳۴].
یک کار مهم در بهینه‌سازی چیدمان حسگر، شبیه‌سازی تکامل آتش در تونل‌ها است. سناریوهای آتش سوزی را می توان با مقیاس کامل مدل سازی کرد [۱۷] و مقیاس کاهش یافته است [۳۵] آزمایش آتش سوزی تونل اما از آنجایی که آتش سوزی واقعی تونل معمولاً با سوزاندن چند منبع همراه است [۳۶]، روش های عددی بیشتر مورد استفاده قرار می گیرند [۳۷,۳۸,۳۹]، به ویژه تکنیک های دینامیک سیالات محاسباتی (CFD). [34,40,41]. این روش ها می توانند سناریوهای آتش سوزی تونل را نزدیک به واقعیت شبیه سازی کنند، اما از طرف دیگر ممکن است منابع محاسباتی بیشتری را اشغال کنند. بنابراین، یافتن راهی برای مدل‌سازی آتش تونل که محاسبات کمتری داشته باشد و در عین حال بدون از دست دادن اثربخشی نیاز داشته باشد، معنادار است.
اگرچه مطالعات زیادی در مورد بهینه سازی چیدمان حسگرها انجام شده است، مصرف انرژی طرح ها به ندرت ارزیابی شده است. در واقع، عملکرد کل سیستم نظارت، به ویژه ذخیره سازی داده های انبوه تولید شده، می تواند انرژی زیادی مصرف کند. بر اساس نظرسنجی انجام شده توسط موسسه طراحی و تحقیقات مهندسی شهرداری تیانجین، سیستم مانیتورینگ منبع اصلی مصرف انرژی در یک تونل هوشمند شهری است که حدود ۶۸٫۸ درصد از کل مصرف انرژی را به خود اختصاص می دهد. بزرگترین مصرف کننده بخش ساختمان است که مقدار بسیار زیادی از انرژی جهان را مصرف می کند [۴۲,۴۳,۴۴]و کاهش چنین مصرفی برای دستیابی به هدف توسعه پایدار از اهمیت بالایی برخوردار است. با این حال، نمی توان به سادگی با استفاده از دوربین های کمتر یا کوتاه کردن مدت زمان کار، این موضوع را حل کرد، زیرا پوشش نظارتی نیز باید در نظر گرفته شود تا بتوان آتش سوزی تونل را به موقع تشخیص داد. بنابراین، این بهینه سازی برای مبادله بهتر می شود. لازم به ذکر است که با وجود وجود آلارم‌ها یا سنسورهای مختلف حریق، هیچ تضادی بین استفاده از دوربین و سنسور وجود ندارد و استفاده همزمان از هر دو دوربین و سنسور می‌تواند افزونگی سیستم مانیتورینگ را بهبود بخشد. در واقع، از آنجایی که دوربین معمولاً در تونل برق ضروری است، استفاده از دوربین ها برای نظارت بر آتش هیچ هزینه اضافی را در پی نخواهد داشت. در عوض، حتی ممکن است استفاده از برخی حسگرهای توزیع شده را کاهش دهد و در نهایت منجر به کاهش هزینه‌های کل شود. علاوه بر این، استفاده از دوربین ها می تواند به طور قابل توجهی قابلیت اطمینان سیستم نظارت را بهبود بخشد، زیرا حسگرها به دلیل مشکل حساسیت مستعد نقص هستند: یا گزارش اشتباه یک آتش سوزی وجود ندارد یا عدم واکنش به آتش سوزی. علاوه بر این، سنسورهای آتش که معمولاً مورد استفاده قرار می‌گیرند، تنها زمانی می‌توانند هشدار ارسال کنند که تغییر شرایط محیطی در نزدیکی تشخیص داده شود. این بدان معناست که فرآیند هدایت حرارتی یا انتشار گاز مورد نیاز است که زمان می برد. بنابراین، دوربین‌ها پاسخ دقیق‌تر و سریع‌تر به آتش‌سوزی را ممکن می‌سازند. علاوه بر این، استفاده از دوربین ها نیز یک راه موثر برای به دست آوردن جزئیات بیشتر در مورد تکامل آتش در تونل های شهری است.

در این مقاله، عملکرد دوربین در یک تونل شهری با در نظر گرفتن خطر آتش سوزی و مصرف انرژی بهینه شد. یک بخش تونلی به ابعاد ۵×۲۰۰ متر با پنج دوربین نصب شده برای تشکیل سیستم نظارت بر آتش مدل سازی شد. تونل ابزار مدل‌سازی‌شده به شبکه‌ها تبدیل شد و سپس از یک الگوریتم مبتنی بر اتوماتای ​​سلولی برای شبیه‌سازی گسترش آتش‌سوزی در تونل استفاده شد. سه متغیر طراحی شامل دید دوربین (آرتعداد دوربین های در حال کار همزمان (ن، و مدت زمان عملکرد دوربین (تی) مورد بررسی قرار گرفتند. اثرات سه متغیر بر جذب آتش و مصرف انرژی آشکار شد که بر اساس آن استراتژی طراحی بهینه برای سیستم نظارت بر آتش مبتنی بر دوربین پیشنهاد شد. این مطالعه یک روش موثر برای کاهش قابل توجه مصرف انرژی تونل‌های شهری ارائه می‌دهد و در عین حال قابلیت پایش آتش قابل اعتماد را حفظ می‌کند، در نتیجه منجر به طراحی با پایداری انرژی بیشتر و خطرات آتش‌سوزی کمتر می‌شود.

۴٫ نتیجه گیری

در این مقاله، یک بخش تونل شهری با پنج دوربین بررسی شد. یک الگوریتم مبتنی بر اتوماتای ​​سلولی برای شبیه سازی گسترش آتش در تونل برق استفاده شد. سه متغیر طراحی شامل دید دوربین (آرتعداد دوربین های در حال کار همزمان (ن، و مدت زمان عملکرد دوربین (تی) با توجه به خطر آتش سوزی و مصرف انرژی بهینه شدند. اثرات سه متغیر آشکار شد، و استراتژی طراحی بهینه برای یک سیستم نظارت بر آتش مبتنی بر دوربین پیشنهاد شد. نتیجه گیری به شرح زیر خلاصه می شود.

(۱)

با افزایش تعداد دوربین ها در عملکرد همزمان، احتمال ضبط آتش نیز افزایش می یابد، اما سرعت افزایش به تدریج کاهش می یابد، که به ویژه برای موارد با کمترین میزان مشهود است. تی ارزش های. چنین همبستگی را می توان به خوبی با یک مدل قدرت توصیف کرد. پایین تر تی مقدار می تواند منجر به احتمال بالاتر گرفتن آتش سوزی و احتمال گرفتن آتش برای a تی مقدار کمتر یا مساوی با زمان مجاز به طور قابل توجهی بالاتر از مقدار برای a است تی مقدار بزرگتر از زمان مجاز در حالی که برای یک تی مقدار بیشتر از زمان مجاز، احتمال تقریباً یکسان است. افزایش دید دوربین می تواند احتمال یافتن آتش را افزایش دهد. اما زمانی که هیچ ناحیه نظارتی کور وجود ندارد، افزایش مداوم دید دوربین کمک چندانی به افزایش احتمال ندارد.

(۲)

با افزایش مدت زمان عملکرد دوربین، مصرف انرژی کل سیستم مانیتورینگ نیز افزایش می یابد و این رابطه را می توان با یک مدل هذلولی توصیف کرد. استفاده از یک دوربین در یک زمان نسبت به استفاده همزمان از چندین دوربین انرژی بسیار بیشتری مصرف می کند و هر چه تعداد دوربین ها در کار همزمان بیشتر باشد، مصرف انرژی کمتر است. با این حال، زمانی که تعداد دوربین ها در حال کار همزمان از یک (ن > ۱)، تفاوت در کل مصرف انرژی آنچنان قابل توجه نیست. افزایش دید دوربین می تواند به طور موثری مصرف انرژی کل را زمانی که یک ناحیه نظارت کور وجود دارد کاهش دهد. اما هنگامی که دید دوربین افزایش یافته و ناحیه نظارت مماس را تشکیل می دهد، افزایش مداوم دید دوربین باعث صرفه جویی بیشتر در انرژی نخواهد شد.

(۳)

طراحی بهینه برای مورد مورد بحث، دو دوربین در عملکرد همزمان با دید دوربین ۲۵ متر (یعنی یک منطقه نظارت مماس) پیشنهاد شده است. مدت زمان عملکرد دوربین باید تا حد امکان کوتاهتر و حداقل کمتر از زمان مجاز باشد.

نتیجه‌گیری را می‌توان مستقیماً در تونل‌های شهری بدون تغییر یا اصلاح کمی اعمال کرد و به راحتی در سیستم‌های نظارت بر آتش از طریق رایانه‌ها به‌طور خودکار به دست آمد. با این حال، باید روشن شود که محدودیت هایی نیز وجود دارد. به عنوان مثال، الگوریتم اتوماتای ​​سلولی تنها ساده‌سازی انتشار واقعی آتش است و نمی‌تواند سناریوهای پیچیده‌تر آتش‌سوزی را شبیه‌سازی کند و یافته‌ها ممکن است برای تونل‌هایی با انحنای زیاد قابل اجرا نباشد. هدف این مطالعه ارائه یک مرجع اساسی برای طراحی تونل‌های شهری پایدارتر با خطر آتش سوزی کمتر است.

منبع:
۱- shahrsaz.ir , پایداری | متن کامل رایگان | بهینه‌سازی مبتنی بر ریسک و انرژی برای سیستم مانیتورینگ حریق در تونل شهری با استفاده از اتوماتای ​​سلولی
,۲۰۲۴-۰۶-۰۱ ۰۳:۳۰:۰۰
۲- https://www.mdpi.com/2071-1050/16/11/4717

به اشتراک بگذارید
تعداد دیدگاه : 0
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.