消防車水射流GA算法控制技術

方 勇

（貴州省畢節市消防救援支隊，貴州 畢節 551700）

0 引言

消防車是消防救援、火情控制的重要設備，其性能質量、保養維護都關乎到消防救援工作的完成質量和完成效率。當火場火情勘驗確定后，如何利用消防車水槍水射流準確、可靠的定點滅火，就成為火災救援的核心工作。消防車水槍的傳統操作方法，就是人工持槍、根據人的經驗和操作技能有效地控制水射流，使其直接澆注到確定火點或確定火情區域達到滅火的目的。但是，人工持槍操作會受到體力、耐力、技術、經驗等多方面的影響，從而導致水射流噴灑過程中出現誤差或者無法實現確定火點的持續性滅火。因此，為消防車配置專門控制器，利用控制算法實現水射流的精準控制，成為消防車滅火的發展方向。該文將利用遺傳算法（GA算法）構建消防車水射流的預測模型，進而實現水射流噴射的自動控制。

1 基于GA算法及其基本操作

要實現算法控制水射流噴淋澆注代替人工操作，就需要算法能夠對下一時刻的噴淋點進行準確預測。消防車水槍在移動過程中，從當前時刻到達下一時刻，可能有多個備選的噴淋點，哪個噴淋點是最佳的、怎么移動到那個噴淋點，都有多種可以選擇的方案。

GA算法在多約束優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。根據火情點、消防車位置、水槍位置、水槍噴射范圍等約束條件，GA算法可以構建一個在初始狀態下的適應度函數。然后以要噴淋的火情點位置為目標，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，就可以不斷優化基于移動方案種群的位置，實現對消防車水射流下一時刻位置的精準預測，進而實現對整個救援過程中水射流噴淋的有效控制。

1.1 GA算法的選擇操作規則

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

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

1.2 GA算法的交叉操作規則

在選擇過程中，GA種群中可能出現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，其規則如圖1所示。

從圖1給出的GA算法的交叉操作規則可以看到交叉操作按照下面的方式進行。

圖1 GA算法的交叉操作規則

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行基因填充，進而形成新的染色體，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，進而形成了兩個新的染色體。

圖2 GA算法的變異操作規則

2 消防車水射流控制試驗方案設計

在構建了基于GA算法的消防車水射流控制方法之后，需要通過試驗驗證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噴射情況，以便于進行試驗驗證。

2.1 消防車水射流控制的試驗參數

為了能夠做到盡可能和真實情況對應，在水射流控制試驗中，需要對消防車水槍進行參數設置，同時需要對環境條件進行設置。對消防車水槍設備，主要包括五個關鍵參數：第一個關鍵參數，消防車水槍的高度；第二個關鍵參數，消防車水槍水平面內的活動角度范圍；第三個關鍵參數，消防車水槍俯仰方向上的活動角度范圍；第四個關鍵參數，消防車水槍為水射流提供的噴射壓力；第五個關鍵參數，消防車水槍為水射流提供的流量。對環境條件，主要包括是個關鍵參數：第一個關鍵參數，救火現場的濕度條件；第二個關鍵參數，救火現場的溫度條件；第三個關鍵參數，救火現場的風速大小；第四個關鍵參數，救火現場的風向角度。

試驗過程中，保持消防車水槍為水射流提供的流量、救火現場的濕度條件、救火現場的溫度條件、救火現場的風速大小、救火現場的風向角度設定為定值，然后對其余四個參數進行測定，即保持其中三個參數不變，觀察另一個參數變化引起的效果。測定過程中，四個可變參數的取值范圍如下。

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過程

試驗過程中，在各個參數給定配置后就可以進行消防車水射流噴射的控制試驗了。試驗中，水射流很難穩定地落到一個點上，但如果控制算法比較理想，則會比較集中地落在一個區域內。

為了有效測定水射流落點并盡可能減少測量誤差，該文將試驗位置選擇在一個相對平整的區域。試驗場地中配置測量傳感器，監測環境各參數。消防車水槍由云臺進行控制，包括水平角度和俯仰角度。水平方向上，以順時針旋轉作為角度負向，以逆時針旋轉作為角度正向。俯仰方向上，以向上方向為角度正向，以向下方向為角度負向。

試驗過程的主要實施步驟如下。第一步，搭建好試驗平臺，配置好設備參數和環境參數，并完成硬件連線和計算機以及網絡連接；第二步，開啟供水裝置，排凈水槍及整個回路內的空氣，確保水液已經抵達噴射口；第三步，開啟噴射口，確保水流噴射到試驗數據記錄區域，同時開啟各傳感器并啟動控制程序，執行GA算法。第四步，水槍自動噴射過程中，不斷記錄噴射點位數據。第五步，完成全部噴射點位后，關閉水槍，關閉系統，停機。將實際噴射數據和預期噴射數據進行對比，得出結論。

3 消防車水射流的GA算法控制效果分析

在第1節給出的GA算法及其操作的基礎上，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消防車水射流的噴淋救援要求形成目標、約束條件，進而構建出GA種群和GA控制算法，控制消防車水射流的噴淋位置，使其盡可能和預期的理想位置一致或接近，達到準確噴淋火點的效果。給GA算法配置的基本參數見表1。

表1 該文GA算法的參數配置情況

在消防車水射流GA算法控制的仿真試驗中，除了上述算法參數配置外，設置10組已知火情點位置的試驗數據。這些火情點的位置就是消防車水槍水射流要噴淋澆注的預期理想位置。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位置吻合或者接近，就證明該文使用GA算法實現消防車水射流控制達到了預期的目標。

試驗結果分別如圖3和圖4所示，圖3是GA算法控制下水射流噴淋位置和預期理想位置在坐標上的對比結果。

從圖3中的結果可以看出，共進行了55個采樣時刻的試驗，在這55個采樣時刻內，火情點位置的坐標基本在（1，-3）波動。圖3中，兩側帶有圓圈的黑色實線，代表了火情點預期理想值坐標的軌跡變化曲線。兩側帶有方塊的黑色虛線，代表了GA算法控制下水射流噴淋點位置值坐標的軌跡變化曲線。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期理想值吻合。

圖4是GA算法控制下水射流噴淋位置和預期理想位置在y坐標上的對比結果。

從圖4中的結果可以看出，共進行了55個采樣時刻的試驗，在這55個采樣時刻內，火情點位置的坐標基本在（2，-2）波動。圖3中，兩側帶有圓圈的黑色實線，代表了火情點預期理想值坐標的軌跡變化曲線。兩側帶有方塊的黑色虛線，代表了GA算法控制下水射流噴淋點位置值y坐標的軌跡變化曲線。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期理想值吻合。

圖3 GA算法控制結果和預期理想結果x坐標的對比

圖4 GA算法控制結果和預期理想結果y坐標的對比

4 結論

消防車是消防救援工作的重要設備，直接關系到火情控制和救援任務能否順利完成。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，詳細地闡述了GA算法中的三個關鍵操作，選擇操作、交叉操作和變異操作。在此基礎上，為GA算法配置了關鍵參數、設置了試驗環境，對GA算法控制下的水射流位置進行了對比試驗，結果顯示GA算法控制效果好、水射流位置的和向坐標基本都與預期理想位置吻合。