基于导航网格的室内火灾逃生路径动态规划

朱军; 佘平; 李维炼; 曹云刚; 齐华; 王博; 王瑜

doi:10.3969/j.issn.0258-2724.20180912

基于导航网格的室内火灾逃生路径动态规划

doi: 10.3969/j.issn.0258-2724.20180912

基金项目: 国家重点研发计划（2016YFC0803105），国家自然科学基金（41871289），四川省科技计划（2017SZ0027）

详细信息

作者简介:
朱军（1976—），男，教授，博士，研究方向为三维地理信息系统与虚拟地理环境，E-mail：zhujun@swjtu.edu.cn

中图分类号: P285.3
计量
- 文章访问数: 741
- HTML全文浏览量: 597
- PDF下载量: 46
- 被引次数: 0
出版历程
- 收稿日期: 2018-10-29
- 修回日期: 2019-03-04
- 网络出版日期: 2019-03-21
- 刊出日期: 2020-10-01

Dynamic Planning Method for Indoor-Fire Escape Path Based on Navigation Grid

摘要

摘要: 为了解决现有虚拟现实（virtual reality，VR）场景中室内火灾逃生路径规划静态、低效的问题，基于VR场景中的导航网格，提出了室内火灾真实感表达方法，构建了室内火灾VR场景；其次根据VR场景创建了初始导航网格，设计了导航网格动态生成算法，建立了室内火灾逃生路径动态规划方法；最后构建了原型系统，并选择某产业园展厅作为案例开展了实验分析. 实验结果表明：融合静态地理场景与动态火灾场景，能构建室内火灾VR场景；导航网格每次更新时间在10 ms内，逃生路径规划的每次更新时间平均为50 ms左右，可支持室内火灾逃生路径的动态规划.
- 室内火灾 /
- 虚拟现实 /
- 导航网格 /
- 逃生路径 /
- 动态规划
Abstract: Existing escape path planning methods for indoor fire in virtual reality (VR) have some deficiencies such as static planning and low efficiency. To solve the these problems, the dynamic planning of indoor-fire escape path was explored with the use of the navigation grid in VR scene. First, a photorealistic visualization method of indoor fire was proposed and a VR scene of indoor fire was constructed. Second, a construction algorithm of initial navigation was created and its dynamic generation algorithm was designed. Then the dynamic planning method for indoor-fire escape path was established. Finally, a prototype system was developed and the exhibition hall in an industrial park was selected for experimental analysis. The experimental results show that the static geographic scene and dynamic fire scene can be combined to construct an indoor-fire VR scene, and the proposed method can dynamically plan escape paths of indoor fire. The navigation grid can be updated within 10 m, and the average time of each escape path planning is about 50 ms.
- indoor fire /
- virtual reality /
- navigation grid /
- escape path /
- dynamic planning

HTML全文

随着高速列车运行速度的不断提高，列车与空气之间的相互作用变得越来越显著. 气动阻力和气动噪声成为制约高速列车进一步提速的关键^[1-2]. 高速列车气动噪声随列车速度的6次方增加^[3]，气动外形优化是降低高速列车气动噪声的主要手段.

高速列车在明线上运行时的气动噪声特性和发声机制已经有了清晰的认识，气动噪声源主要有头尾车流线型、转向架、受电弓和车间风挡等区域^[4-5]. 不同噪声源的特性和发声机制有显著差异，需对不同噪声源采取不同的优化措施实现降噪. 刘晓日等^[6]研究了车头长度对高速列车气动特性和声场特性的影响. 结果表明，随着车头长度的增加，高速列车气动阻力先增大后减小，远场气动噪声逐渐增加. 张亚东等^[7]对转向架的远场气动噪声进行了分析. 结果表明，头车第一个转向架舱内气流湍化程度最高，是转向架系统中最主要的气动声源，转向架气动噪声具有明显的指向性. 刘国庆等^[8]研究了车端风挡类型对高速列车气动噪声的影响. 结果表明，相对半包风挡采用全包风挡可有效避免气流在车端间隙内剧烈扰动从而实现降噪. 优化几何结构、更改材料属性、安装导流罩以及仿生优化设计等可对受电弓区域进行降噪^[9-11].

目前，对高速列车气动噪声的研究主要是针对某一气动噪声源进行定性和定量分析，开展全尺寸高速列车的气动噪声数值计算需要大量的计算资源. 因此，通过对计算量需求较小的简单模型开展研究，去预测复杂模型的气动噪声具有重要意义. Xiao等^[12]基于非均匀关系B样条构建了高速列车基本车头形状的纵向型线. 通过Kriging代理模型找到低气动噪声最优的纵向型线，相比原来的纵向型线总脉动压力水平减低了8.7 dB. 李辉等^[13]通过简单的转向架模型去研究转向架区域的气动噪声机理. Iglesias等^[14]考虑组成受电弓的各部件分量，提出了一种基于分量的半经验预测模型来预测受电弓的气动噪声.

因此，本文建立三编组高速列车全模型和半模型的气动噪声数值计算模型. 通过声源镜像概念，由半模型数值计算结果去预测全模型高速列车模型的远场噪声. 研究结果可为高速列车远场气动噪声快速预测提供参考.

1. 理论研究

1.1 全模型高速列车远场气动噪声求解

高速列车远场气动噪声的计算主要是基于Lighthill声学比拟理论^[15]. 目前广泛采用FW-H方程^[16]求解高速列车运行时所产生的气动噪声，其方程如下：

$\begin{split}& \left( {\frac{1}{{c_0^2}}\frac{{{\partial ^2}}}{{\partial {t^2}}} - {\nabla ^2}} \right)\left( {Hp_1} \right) = \frac{{{\partial ^2}\left( {H\left( s \right){T_{ij}}} \right)}}{{\partial {x_i}\partial {x_j}}}- \\ &\quad \frac{\partial }{{\partial {x_i}}}\left( {\left( {\rho {u_i}\left( {{u_n} - {v_n}} \right) + {p_{ij}}{n_j}} \right)\delta \left( s \right)} \right) +\\ &\quad \frac{\partial }{{\partial t}}\left( {\left( {\rho \left( {{u_n} - {v_n}} \right) + {\rho _0}{v_n}} \right)\delta \left( s \right)} \right) , \end{split}$

(1)

式中：$ {c_0} $为声音在均匀介质中传播的速度；t为时间；$ \rho $和$p$分别为流体密度和压力；$ {\rho _0} $和$ {p_0} $分别为未受扰动时的流体密度和流场压力的均值；$p_{1} = p - {p_0}$，为流场压力的波动值；${T_{ij}}$为Lighthill张量，${T_{ij}} = \rho {u_i}{u_j} + \left( {\left( {p - {p_0}} \right) - c_0^2\left( {\rho - {\rho _0}} \right)} \right){\delta _{ij}} - {\tau _{ij}}$，$ {u_i} $、${u_j}$为流体速度在$ {x_i} $、${x_j}$方向上的分量，${\tau _{ij}}$为黏性应力张量，${\tau _{ij}} = \mu \left( {\partial {u_i}/\partial {x_j} + \partial {u_j}/\partial {x_i}} \right) - {\text{2/3}}(\mu (\partial {u_k}/\partial {x_k}){\delta _{ij}})$，$ {x}_{i}、 {x}_{j}、 {x}_{k} $为直角坐标分量，下标$ i，j，k=1，2，3 $；$ \mu $为动力黏性系数；p_ij 为压应力张量；${\delta _{ij}}$为克罗内克符号；$ {u_n} $为流体速度在声源控制面法向方向的投影分量；$ {v_n} $为声源控制面法向的速度分量；${{{n}}_j}$为表面指向外部区域的单位法向量分量；$ \delta (s)、H(s) $ 为Dirac delta和Heaviside函数；s=0 表示引入一个数学曲面，以将外部流动问题（s＞0 ）嵌入到一个无界空间中，表面s=0对应于源发射表面，并且可以与主体表面或离开主体表面的可渗透表面重合.

FW-H方程的右端三项可看作不同种类的声源项，分别为四极子声源项、偶极子声源项和单极子声源项. 高速列车车体考虑为刚性且其运行马赫数低于0.3，单极子声源和四极子声源均可以忽略^[17]，仅考虑列车表面脉动压力形成的起伏力源. 因此，FW-H方程的声源积分表面选取为高速列车表面.

通过引入力源矢量f，其在i方向上的分量为${{f}}_i = \rho {u_i}\left( {{u_n} - {v_n}} \right) + {p_{ij}}{{{n}}_j}$，忽略单极子和四极子声源后，高速列车运动产生的声压波动方程为

$\left( {\frac{1}{{c_0^2}}\frac{{{\partial ^2}}}{{\partial {t^2}}} - {\nabla ^2}} \right)\left( {Hp_1} \right) = - \nabla \cdot {\boldsymbol{f}}.$

(2)

式（2）为典型的波动方程，可采用自由空间的Green函数进一步求解得到声压辐射特性. 自由空间的Green函数可表述为^[18]

$G\left( {{\boldsymbol{z}},t;{\boldsymbol{y}},\tau } \right) = \frac{{\delta \left( {t - \tau - d/{c_0}} \right)}}{{4{\text{π }} d}} ,$

(3)

式中：$ \tau $为延迟时间，在$ {\boldsymbol{y}} $处产生的声压传到声音接收点$ {\boldsymbol{z}} $处的时间延迟为$ \left| {{\boldsymbol{z}} - {\boldsymbol{y}}} \right|/{c_0} $，${\boldsymbol{z}} = \left( {{{\textit{z}}_1},{{\textit{z}}_2},{{\textit{z}}_3}} \right)$，${\boldsymbol{y}} = \left( {{y_1},{y_2},{y_3}} \right)$为空间位置；$d= \left| {{\boldsymbol{z}} - {\boldsymbol{y}}} \right| $为$ {\boldsymbol{z}} $到$ {\boldsymbol{y}} $的矢径的模.

式（2）的解为

$p_{1}\left( {{\boldsymbol{z}},t} \right) = - \frac{{\text{1}}}{{{{4{\text{π}} }}}}\int_{{R^{\text{3}}}} {\frac{1}{d}\frac{{\partial {f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{\partial {y_i}}}{\text{d}}{\boldsymbol{y}}} ,$

(4)

式中：$ {R^3} $为三维积分空间；$\partial {f_i}({\boldsymbol{y}},t - \tau - d/{c_0})/\partial {{\boldsymbol{y}}_i}$为对力源矢量$ {\boldsymbol{f}}({\boldsymbol{y}},t - \tau - d/{c_0}) = {{\boldsymbol{e}}_{\boldsymbol{i}}}{{{f}}_i} $求散度，$ {{{f}}_i} $为力源在i方向上的分量.

用$ \delta $函数描述起伏力源，有${\boldsymbol{f}}({\boldsymbol{y}},t) = {{\boldsymbol{e}}_{\boldsymbol{i}}}{{{f}}_i}(\boldsymbol{y},t)\delta ({\boldsymbol{y}})$将其代入式（4）可得

$\begin{split}& p_{1}\left( {{\boldsymbol{z}},t} \right){\text{ = }} \\ & \quad - \frac{{\text{1}}}{{{{4{\text{π}} }}}}\int_{{R^{\text{3}}}} {\frac{1}d\frac{\partial }{{\partial {y_i}}}[{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})\delta ({\boldsymbol{y}}))]{\text{d}}{\boldsymbol{y}}} {\text{ = }} \\ & \quad -\frac{{\text{1}}}{{{{4{\text{π}} }}}}\iiint \frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\frac{\partial }{{\partial {y_i}}}\times\\ &\quad [\delta ({y_1})\delta ({y_2})\delta ({y_3})]{\text{d}}{y_1}{\text{d}}{y_2}{\text{d}}{y_3}{\text{ = }} \\ & \quad - \frac{{\text{1}}}{{{{4{\text{π}} }}}}\int {\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d} \delta '({y_i}){\text{d}}{y_i} {\text{ = }} \\ & \quad \frac{{\text{1}}}{{{{4{\text{π}} }}}}{\left[\frac{\partial }{{\partial {y_i}}}\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]_y} = \\ & \quad - \frac{{\text{1}}}{{{{4{\text{π}} }}}}{\left[\frac{\partial }{{\partial {{\textit{z}}_i}}}\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]_y} . \end{split}$

(5)

利用链式微分法则有

$\begin{split}& \frac{\partial }{{\partial {{\textit{z}}_i}}}\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d= \\& \quad \frac{{\partial d}}{{\partial {{\textit{z}}_i}}}\frac{\partial }{{\partial d}}\left[\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]= \\ & \quad \frac{{{{\textit{z}}_i} - {y_i}}}d\frac{\partial }{{\partial d}}\left[\frac{{{f_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}d\right]. \end{split}$

(6)

因此，式（5）可以写为

$\begin{split}& p_{1}\left( {{\boldsymbol{z}},t} \right) {{ = - }}\frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\times \left[\frac{1}{d}\frac{\partial }{{\partial d}}{f_i}({\boldsymbol{y}},t - \tau - d/{c_0}) + \right. \\ & \left.\;\; {f_i}({\boldsymbol{y}},t - \tau - d/{c_0})\frac{\partial }{{\partial d}} \left(\frac{1}{d}\right) \right] {\text{=}} \frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\left[\frac{1}{{d{c_0}}} \frac{{\partial {{{f}}_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{\partial t}} + \right. \\& \left. \;\; \frac{{{{\boldsymbol{f}}_i}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{{d^2}}}\right]. \end{split}$

(7)

高速列车表面的脉动力源可通过求解高速列车周围的绕流流场得到. 式（7）为基于自由空间的Green函数求解，适用于声源和接收器之间没有障碍物以及声反射等情况. 高速列车位于地面上，需考虑地面声反射及声阻抗的影响. 由于运行环境差异目前很难得到一个准确的结论，从数值仿真与实测数据来看该求解可适用于高速列车远场噪声的预测. 因此，本文不考虑地面效应对高速列车远场噪声的影响.

1.2 半模型高速列车远场气动噪声求解

通过半模型高速列车的声源计算预测全模型高速列车的气动噪声时，需考虑对称面镜像的另一半列车模型带来的声源贡献量. 利用半自由空间的广义Green函数求解声压波动方程可考虑半模型声源与镜像声源，如式（8）.

${G_{\text{h}}}\left( {{\boldsymbol{z}},t;{\boldsymbol{y}},\tau } \right) = \frac{{{\delta _{\text{h}}}\left( {t - \tau - d/{c_0}} \right)}}{{4{\text{π }}d}} + \frac{{{\delta _{\text{h}}}\left( {t - \tau_{1} - d_{1}/{c_0}} \right)}}{{4{\text{π}}d_{1}}} \text{，}$

(8)

式中：$ {\delta _{\text{h}}} $为半空间的Dirac delta函数；$d_{1} = \left| {{\boldsymbol{z}} - {\boldsymbol{y_{{\text{m}}}}}} \right|$为$ {\boldsymbol{z}} $到${\boldsymbol{y_{{\text{m}}}}}$的矢径的模；${\boldsymbol{y_{{\text{m}}}}} = \left( {{y_1}, - {y_2},{y_3}} \right)$为声源$ {\boldsymbol{y}} $关于对称面镜像的空间位置；$\tau _{1}$为镜像声源的延迟时间.

考虑半模型高速列车运动时产生声压波动方程的解可表示为

$p_{1}\left( {{\boldsymbol{z}},t} \right) = {p_{\text{L1}}}\left( {{\boldsymbol{z}},t} \right) + {p_{\text{R1}}}\left( {{\boldsymbol{z}},t} \right)\text{，}$

(9)

式中：${p_{\text{L1}}}\left( {{\boldsymbol{z}},t} \right)$为半模型声源声压解，推导同式（7）；${p_{\text{R1}}}\left( {{\boldsymbol{z}},t} \right)$为镜像声源的声压解，对应于式（8）右端第二项的解，类似于1.2小节推导，可得

$\begin{split}& {{p}}_{\text{R1}}\left({\boldsymbol{z}},t\right)= \frac{{{\textit{z}}}_{i}-{{y}}_{{\text{m}}i}}{4\text{π}{d}_{1}}\times\left[\frac{1}{{d}_{1 }{c}_{0}}\frac{\partial {f}_{{\text{R}}i}({{\boldsymbol{y}}}_{{\text{m}}},t-{\tau }_{1}-d_{1 }/{c}_{0})}{\partial t} + \right.\\ & \left.\quad \frac{{{{f}}}_{{\text{R}}i}({{\boldsymbol{y}}}_{{\text{m}}},t-{\tau }_{1 }-d_{1 }/{c}_{0})}{{d_{1}}^{2}}\right], \end{split}$

(10)

因此，式（9）为

$\begin{split}& p_{1}\left( {{\boldsymbol{z}},t} \right) = \frac{{{{\textit{z}}_i} - {y_i}}}{{4{\text{π}}d}}\times \quad\left[\frac{1}{{d{c_0}}}\frac{{\partial {f_{{\text{L}}i}}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{\partial t}} + \right. \\ & \left. \frac{{{f_{{\text{L}}i}}({\boldsymbol{y}},t - \tau - d/{c_0})}}{{{d^2}}}\right] + \frac{{{{\textit{z}}_i} - {{y}_{{\text{m}}i}}}}{{4{\text{π}}d_{1}}}\left[\frac{1}{{d_{1}{c_0}}} \times \right. \\ & \left. \quad\frac{{\partial {f_{{\text{R}}i}}({\boldsymbol{y_{{\text{m}}}}},t - \tau _{1} - d_{1}/{c_0})}}{{\partial t}} +\right.\\ &\quad\left. \frac{{{f_{{\text{R}}i}}}({\boldsymbol{y_{{\text{m}}}}},t - \tau_{1} - d_{1}]/{c_0})}{{{{d_{1}}^2}}}\right],\\[-12pt] \end{split}$

(11)

式中：${\tau }_{1}、d_{1}$均由镜像控制面来决定；脉动力源${f_{{\text{L}}i}}$与${f_{{\text{R}}i}}$关于镜像面对称；y_mi为y_m在i方向的分量.

2. 数值仿真

2.1 数值计算模型

2.1.1 几何模型

以三车编组的高速列车模型为研究对象，忽略受电弓、转向架、转向架舱以及风挡等结构，仅考虑光滑车体，简化后的几何模型如图1所示，图中：c₁为第1个截面位置与鼻尖间的距离，c₁～c₅类似. 全模型高速列车的长L=78.4 m，宽W=2.9 m，高H=3.6 m，半模型列车的宽度为1.45 m.

图 1 列车模型

Figure 1. Train model

下载: 全尺寸图片幻灯片

2.1.2 计算域及边界条件

全模型高速列车的计算域尺寸约为4L × 20W × 11H，半模型高速列车的计算域尺寸约为4L × 10W × 11H，半模型计算时所采用的计算域为全模型的一半，如图2所示. 计算域正前方表面距离高速列车头车鼻尖约80 m，尾车鼻尖距计算域正后方表面约200 m，列车离地距离为0.376 m. 计算域入口设定为速度入口，来流速度大小为350 km/h；计算域出口设定为压力出口，表压为0；地面设定为滑移固定壁面，滑移速度大小等于来流速度；列车表面设定为无滑移固壁边界. 全模型与半模型计算区域两侧以及顶部面均设定为对称面，这包括半模型计算域的镜像面.

图 2 计算区域

Figure 2. Computation domain

下载: 全尺寸图片幻灯片

2.1.3 网格划分及独立性验证

获得高速列车周围流场的高精度解需要高质量的网格^[19]. 列车表面附近和尾流区域存在尺度不一的漩涡，细化列车周围和尾流区域的网格有利于捕捉涡流结构. 因此，对高速列车周围和尾流区域进行了多层网格加密处理，加密区如图2所示，网格划分结果如图3（a）所示. 同时为了较好捕捉列车表面的附着流动，还划分了较为详细的车体表面边界层网格，网格第一层高度为0.1 mm，共计14层，网格增长率为1.2，如图3（b）所示.

图 3 计算网格

Figure 3. Computation mesh

下载: 全尺寸图片幻灯片

针对全模型高速列车以不同网格尺度划分了5套不同数量的网格进行对比分析. 选取列车时均气动阻力系数作为参考，不同网格量的计算结果如表1所示. 由表可知，当网格量大于4652万时，继续增大网格量对结果的影响较小，误差在2%以内. 因此，考虑第三套网格的尺寸进行网格划分，半模型与全模型采用相同的网格划分尺寸，网格划分总量分别为4652万和2341万. 列车表面的y + 分布如图4所示，网格划分保证了壁面y +＜1，以适应湍流模型的计算要求.

表 1 网格独立性验证

Table 1. Independence verification for grids

网格	基础尺寸/m	边界层第一层高度/mm	网格量/万	时均气动力系数	误差/%
1	2.08	0.1	3291	0.214
2	1.92	0.1	3944	0.219	2.34
3	1.80	0.1	4652	0.221	1.84
4	1.76	0.1	5236	0.224	1.36
5	1.60	0.1	5878	0.222	−0.89

下载: 导出CSV

| 显示表格

图 4 列车表面y + 分布

Figure 4. y + distribution on train surface

下载: 全尺寸图片幻灯片

2.1.4 求解方法

采用定常SST k-ω湍流模型（k为湍动能；ω为比湍流耗散率）求解高速列车周围稳态流场，然后以稳态流场的结果作为非稳态流场计算的初始流场，采用改进延迟分离涡模拟（IDDES）方法进行瞬态求解. 采用压力耦合方程组的半隐式方法（SIMPLE）对压力速度耦合进行求解，连续性方程离散采用标准格式，动量方程、湍动能方程和湍流耗散率方程离散采用二阶迎风格式. 瞬态流场计算的时间步长为1 × 10⁻⁴ s，计算可分析的最高频率为5 kHz. 当非定常流场求解时，流场物理量脉动呈现周期性波动后，开始进行声源数据（列车表面的脉动压力信息）提取，储存每一个时间步的声源数据，作为全模型和半模型高速列车远场气动噪声计算中声源项的输入.

2.1.5 测点布置

列车表面脉动压力测点和远场噪声测点位置如图5所示. 压力测点P₁和P₂分别布置于高速列车头、尾车流线型区域. 噪声测点纵向布置，距离列车纵向中心截面的距离为25 m，离地高度为3.5 m，相邻噪声测点之间的距离为3 m. 通过噪声测点计算所得的声压级可获得列车沿线噪声的分布特性.

图 5 远场噪声测点位置

Figure 5. Far-field noise measurement point location

下载: 全尺寸图片幻灯片

2.2 验证

在中国空气动力研究与发展中心开展了高速列车的气动噪声风洞试验，声学风洞试验段的基本尺寸为14 m × 5.5 m × 4 m，选取缩比尺度为1/8的列车模型进行试验，如图6所示^[20]. 30个远场传声器平行布置于模型的左侧，离模型轨道中心线的距离为5.8 m. 试验模型采用光车体模型，转向架及受电弓区域采用堵块填充.

图 6 风洞试验

Figure 6. Wind tunnel test

下载: 全尺寸图片幻灯片

为了验证本文数值计算方法的合理性与正确性，建立了与风洞试验相同的数值仿真计算模型. 图7给出了30个远场传声器处的声压级的算术平均值对比结果. 受试验时地面附面层的影响，不同风速下的试验结果均比仿真计算结果大，差值最大为1.37 dBA. 总体上，数值模拟具有较高的计算精度，本文所建立的数值仿真计算模型合理可信.

图 7 数值仿真与试验结果对比

Figure 7. Comparison of results between numerical simulation and experiment

下载: 全尺寸图片幻灯片

2.3 数值计算结果

计算结果将从流场结构、气动噪声源和远场气动噪声特性3个方面展开讨论分析.

2.3.1 流场结构

流体流动发声的根本原因和内在机制是流场中漩涡与势流以及漩涡之间的相互作用. Q准则可以很好地判别流场中涡的位置以及涡的结构. 图8给出了全模型和半模型高速列车尾流区域涡旋的拟序结构（涡量 Q = 10³）. 由图可得：高速列车尾车表面的气流分离和与旋转方向相反的对涡结构是列车尾车附近以及尾流区域产生气动噪声的主要原因；从整体来看，全模型高速列车两侧漩涡结构分布镜像对称，这显示了高速列车车体周围绕流流场的对称性；半模型高速列车尾涡的空间结构分布与全模型类似，尾涡均是由列车表面形成的蠕虫型涡逐步向下游发展成马蹄形涡. 从涡尺度以及涡量幅值上看两者存在一定差异，这会对尾车表面的脉动压力产生影响. 在给定适定的物理边界条件后，通过半模型计算可以近似模拟全模型周围绕流流场结构.

图 8 尾流区域涡结构分布

Figure 8. Vortex structure distribution in wake

下载: 全尺寸图片幻灯片

图9给出了列车不同横截面位置处的时均涡流分布情况，横截面位置如图1所示. 在列车的非流线型区域，列车两侧出现逆向旋转的大尺度涡对. 由图可知：列车左上和右上表面形成的一对旋转方向相反的涡对，涡旋转方向均为从车体顶部朝向车体两侧；列车左下和右下表面形成另一对旋转方向相反的涡对，涡旋转方向为从车体底部朝向车体两侧. 涡对均表现为从车体高曲率部分脱落至低曲率部分. 从截面c₂到c₄车体表面边界层变厚，车体表面的大涡对开始脱离并产生一些小涡. 对比两种列车计算模型，列车非流线型区域周围的涡流分布类似，通过半模型镜像可近似表征全模型列车周围的涡流分布.

图 9 不同截面处的时均流向涡量分量ω_x

Figure 9. Time-averaged streamwise vorticity component ω_x at different cross-sections

下载: 全尺寸图片幻灯片

2.3.2 气动噪声源

高速列车气动噪声主要来自于车体表面的脉动力源，即表面脉动压力. 图10给出了列车表面测点的脉动压力系数时程曲线. 由图可得，列车表面的压力具有很强的非定常性，脉动显著. 表2给出了测点P₁、P₂的时均压力系数和标准差对比. 由表可得，全模型和半模型高速列车计算下，测点P₁、P₂的时均压力系数差异小于2%. 但是，半模型计算下尾车表面的压力波动更强. 通过半模型计算时，镜像面忽略了尾流对涡结构的相互作用，进而导致半模型计算时尾涡对尾车表面的压力反馈作用增强.

图 10 列车表面压力测点的时程曲线对比

Figure 10. Comparison of time-history curves of train surface pressure measuring points

下载: 全尺寸图片幻灯片

表 2 表面压力测点对比

Table 2. Comparison of surface pressure monitoring points

测点	时均压力系数		标准差/× 10⁻³
测点	全模型	半模型	全模型	半模型
P₁	−0.1019	−0.1035	1.66	1.77
P₂	−0.0487	−0.0492	0.93	1.37

下载: 导出CSV

| 显示表格

噪声的本质在于其频谱特征，图11给出了列车表面测点P₁、P₂的功率谱密度分布. 脉动压力的能量分布在很宽的频带内. 两个测点均位于易发生气流分离的头、尾车流线型区域，脉动压力主要能量集中在800～2500 Hz. 对比不同列车计算模型，头车表面测点脉动压力的频谱特征基本相同，尾车表面测点相差较大. 采用半模型计算时，尾车表面的脉动压力在低频和中高频范围内的能量更高，噪声辐射能量更强，主要集中在60～600 Hz和1600 Hz以上.

图 11 列车表面压力测点的功率谱密度对比

Figure 11. Comparison of power spectral density of train surface pressure measuring points

下载: 全尺寸图片幻灯片

图12给出了列车表面不同横截面位置处的表面声功率级分布情况. 由图可得：两种不同的计算模型下，头车表面的声功率级差异较小，尾车表面的声功率级差异较大；当采用半模型进行计算时，尾车表面的声功率级会更大. 这是由于镜像面忽略了高速列车尾部对涡结构的相互作用，离尾车一定距离的尾涡之间会产生很大程度上的干扰、重组等现象，进而影响上游尾车表面的压力脉动.

图 12 列车表面声功率级对比

Figure 12. Comparison of sound power levels on the train surface

下载: 全尺寸图片幻灯片

2.3.3 远场气动噪声

已经对比分析了全模型和半模型高速列车进行数值计算时周围的流场结构以及气动噪声源. 可知高速列车周围的流场结构以及表面气动噪声源均具有较强的对称性. 图13给出了通过半模型高速列车数值计算去预测整车噪声源远场声压级的结果. 由图可得：全模型和半模型预测的声压级结果在沿线纵向空间上的噪声分布规律基本一致. 采用半模型进行计算时，尾车噪声源会过度估计，预测得到的整车模型在尾部的声压级偏大，最大差值为3.04 dBA.

图 13 全模型高速列车远场噪声预测

Figure 13. Far-field noise prediction of full-model high-speed trains

下载: 全尺寸图片幻灯片

基于声源能量叠加原理，表3进一步给出了远场所有纵向噪声测点的平均声压级结果. 由表可得，全模型高速列车计算时提取整车声源计算得到的远场平均声压级为85.76 dBA，半模型高速列车计算时提取半模型声源和镜像声源得到的远场平均声压级为86.64 dBA. 两种计算模型下，远场平均声压级相差0.88 dBA. 因此，采用半模型去预测全模型高速列车的远场气动噪声具有可行性，且误差在可接受范围内.

表 3 远场噪声测点的平均声压级对比

Table 3. Comparison of average sound pressure level of far-field noise measurement points

模型	气动噪声源	平均声压级/dBA	差值/ dBA
全模型	整车声源	85.76
半模型	半模型声源 + 镜像声源	86.64	0.88

下载: 导出CSV

| 显示表格

3. 结　论

利用半自由空间的Green函数求解FW-H方程，给出考虑镜像面时半模型高速列车的远场声学积分公式. 建立了全模型和半模型高速列车的气动噪声数值计算模型，采用两种不同的模型计算获得高速列车周围的流场和气动噪声源，通过对比列车周围的流场结构、表面噪声源和远场气动噪声特性，可以得出以下结论：

1）半模型高速列车数值计算获得的周围流场结构、表面脉动压力以及表面声功率级分布与全模型计算得到的规律相似. 采用半模型计算时会过高估计尾车表面压力的波动程度和噪声源辐射强度. 通过镜像，由半模型高速列车的计算结果可近似估计全模型周围的涡流分布.

2）全模型和半模型计算得到高速列车整车声源在远场所有噪声测点处的平均声压级分别为85.76 dBA和86.64 dBA，两者相差小于1 dBA. 采用半模型高速列车进行计算时，网格总量相比全模型而言减少约一半. 此方法可对长编组高速列车的远场气动噪声进行快速预测.

致谢：牵引动力国家重点实验室自主课题（2023TPL-T05）.

图 1 总体研究思路

Figure 1. Overall design

下载: 全尺寸图片幻灯片

图 2 室内火灾真实感表达方法

Figure 2. Real expression method of indoor fire

下载: 全尺寸图片幻灯片

图 3 初始导航网格构建算法

Figure 3. Construction algorithm of initial navigation

下载: 全尺寸图片幻灯片

图 4 导航网格动态生成

Figure 4. Dynamic generation of navigation grid

下载: 全尺寸图片幻灯片

图 5 室内火灾逃生路径动态规划方法

Figure 5. Dynamic planning method for indoor fire escape path

下载: 全尺寸图片幻灯片

图 6 基于导航网格更新的逃生路径动态规划

Figure 6. Dynamic planning of escape path using navigation grid updating

下载: 全尺寸图片幻灯片

图 7 原型系统界面

Figure 7. Prototype system interface

下载: 全尺寸图片幻灯片

图 8 室内场景的导航网格生成

Figure 8. Navigation grid generation of indoor scene

下载: 全尺寸图片幻灯片

图 9 室内火灾VR场景下逃生路径规划

Figure 9. Escape route planning in indoor-fire VR scene

下载: 全尺寸图片幻灯片

图 10 导航网格动态更新效率

Figure 10. Dynamic updating efficiency of navigation grid

下载: 全尺寸图片幻灯片

图 11 室内火灾逃生路径动态规划

Figure 11. Dynamic planning of indoor-fire escape route

下载: 全尺寸图片幻灯片

图 12 逃生路径动态更新效率

Figure 12. Dynamic updating efficiency of escape path

下载: 全尺寸图片幻灯片

表 1 系统开发环境配置

Table 1. Configuration of system development environment

软件设备	环境配置	详细信息
硬件	CPU	2 × Intel Xeon E5-2760 （40核）
	内存	64 GB
	显卡显存	Quadro K5000图形显卡 3 GB
	VR设备	HTC VIVE
软件	系统	Windows 7 SP1
软件	软件	U3D、SteamVR、VS 2017

下载: 导出CSV

表 2 展厅室内物体信息

Table 2. Information on indoor objects in the exhibition hall

物品名称	数量	区域类型
地板/块	4	可行走
盆景/个	5	不可行走
花瓶/个	3	不可行走
宣传栏/个	21	不可行走
柱子/个	8	不可行走
门/道	13	可行走
护栏/个	8	不可行走
应急门/道	5	紧急时可通行
椅子/个	62	不可行走
桌子/个	45	不可行走
宣传栏/个	16	不可行走
窗户/个	19	紧急时通行
楼梯/个	1	可行走
装饰物/个	3	不可行走

下载: 导出CSV

参考文献(31)

汪杰. 传感器及其在火灾监测过程中的应用之浅见[J]. 中国科技博览,2014(24): 279-279.

陈立峰. 宁夏消防应急救援工作形势、现状及应对策略[J]. 中国安全生产科学技术,2012,8(8): 176-179.

CHEN Lifeng. Study on current status and couhtermasures of Ningxia fire emergency rescue[J]. Journal of Safety Science & Technology, 2012, 8(8): 176-179.

ALEKSANDROV M, RAJABIFARD A, KALANTARI M, et al. Evacuation time in tall high-rise buildings[C]//International Conference on Information and Communication Technologies for Disaster Management. Melbourne: IEEE, 2016: 215-220.

朱庆,胡明远,许伟平,等. 面向火灾动态疏散的三维建筑信息模型[J]. 武汉大学学报(信息科学版),2014,39(7): 762-766.

ZHU Qing, HU Mingyuan, XU Weiping, et al. 3D building indormation for facilitating dynamic analysis of indoor fire emergency[J]. Geomatics and Information Science of Wuhan University, 2014, 39(7): 762-766.

张磊,朱国庆,郭大刚. 基于VR的公共建筑火灾逃生训练系统研究[J]. 消防科学与技术,2015(4): 526-529. doi: 10.3969/j.issn.1009-0029.2015.04.032

ZHANG Lei, ZHU Guoqing, GUO Dagang. Study on fire escape training system base on VR[J]. Fire Science and Technology, 2015(4): 526-529. doi: 10.3969/j.issn.1009-0029.2015.04.032

郑付联. 虚拟实验教学的设计与实现[D]. 上海: 华东师范大学, 2008.

姜雨青, 林冰仙. 基于智能体的建筑室内空间人群疏散模拟方法研究[C]//中国地理信息科学2014学术年会. 江苏: 测绘出版社, 2014: 287-289.

CHU L, WU SJ. A real-time fire evacuation system with cloud computing[J]. Journal of Convergence Information Technology, 2012, 7(7): 208-215. doi: 10.4156/jcit.vol7.issue7.26

崔琳杰. 室内火灾智能逃生导航技术研究[D]. 上海: 华东理工大学, 2014.

LI Wenhang, LI Yi, YU Ping, et al. Modeling,simulation and analysis of the evacuation process on stairs in a multi-floor classroom building of a primary school[J]. Physica A:Statistical Mechanics and its Applications, 2016, 469(3): 157-172.

TANG Fangqin, REN Aizhu. GIS-based 3D evacuation simulation for indoor fire[J]. Building & Environment, 2012, 49(1): 193-202.

SHI Jianyong, REN Aizhu, CHEN Chi. Agent-based evacuation model of large public buildings under fire conditions[J]. Automation in Construction, 2009, 18(3): 338-347. doi: 10.1016/j.autcon.2008.09.009

ZHAO Haifeng, WINTER S. A time-aware routing map for indoor evacuation[J]. Sensors, 2016, 16(1): 112-112. doi: 10.3390/s16010112

丁雨淋,何小波,朱庆,等. 实时威胁态势感知的室内火灾疏散路径动态优化方法[J]. 测绘学报,2016,45(12): 1464-1475. doi: 10.11947/j.AGCS.2016.20160053

DING Yulin, HE Xiaobo, ZHU Qing, et al. A dynamic optimization method of indoor fire evacuation route based on realtime situation awareness[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(12): 1464-1475. doi: 10.11947/j.AGCS.2016.20160053

干建松,陆其邦. 基于Unity2017 NavMesh的智能寻路设计与实现[J]. 淮阴工学院学报,2018,27(5): 11-14. doi: 10.3969/j.issn.1009-7961.2018.05.003

GAN Jiansong, LU Qibang. Design and implementation of intelligent routing based on unity2017 NavMesh[J]. Journal of Huaiyin Institute of Technology, 2018, 27(5): 11-14. doi: 10.3969/j.issn.1009-7961.2018.05.003

陈诗. 基于全球导航网格的室内导航路径搜索算法研究[D]. 北京: 北京理工大学, 2016.

STENTZ A. Optimal and efficient path planning for partially-known environments[C]//Proceedings of the IEEE International Conference on Robotics and Automation, San Diego: IEEE, 1994: 3310-3317.

孟赟,刘邦权. 三维场景中角色自动寻径算法研究[J]. 武汉理工大学学报,2011,33(12): 125-130. doi: 10.3963/j.issn.1671-4431.2011.12.028

MENG Yun, LIU Bangquan. Research on path-finding algorithm of player in 3D scene[J]. Journal of Wuhan University of Technology, 2011, 33(12): 125-130. doi: 10.3963/j.issn.1671-4431.2011.12.028

ZHANG Yanyan, SHEN Yanchun, MA Lini. Pathfinding algorithm of 3D scene based on navigation mesh[J]. Advanced Materials Research, 2014, 1030-1032(9): 1745-1750.

胡东涛,黄浪,周焕明,等. 基于虚拟现实技术的非煤矿山救护队培训系统设计与实现[J]. 中国安全生产科学技术,2017,13(2): 171-175.

HU Dongtao, HUANG Lang, ZHOU Huanming, et al. Design and implementation of training system for non-coal mine rescue team based on virtual reality technology[J]. Journal of Safety Science and Technology, 2017, 13(2): 171-175.

程振兴.分布式应急救援系统寻路算法研究及仿真实现[D]. 北京: 北京化工大学, 2016.

XU Xiang, HUANG Min, ZOU Kun. Automatic generated navigation mesh algorithm on 3D game scene[J]. Procedia Engineering, 2011, 15(8): 3215-3219.

李俊军. 基于Unity3D的室内建筑三维建模与交互系统实现[D]. 徐州: 中国矿业大学, 2014.

谭波. 基于物理场模型的矿井火灾动态仿真技术研究[D]. 北京: 中国矿业大学, 2010.

FLOYD J E. CFD fire simulation using mixture fraction combustion and finite volume radiative heat transfer[J]. Journal of Fire Protection Engineering, 2003, 13(1): 11-36. doi: 10.1177/1042391503013001002

李引擎. 建筑防火工程[M]. 北京: 化学工业出版社, 2004: 4

王烨萍. 基于综合导航网格的智慧旅游动态寻径方法[D]. 成都: 西南交通大学, 2017.

林巍凌. 引入导航网格的室内路径规划算法[J]. 测绘科学,2016,41(2): 39-43.

LIN Weiling. Indoor path planning algorithm based on navigation mesh[J]. Science of Surveying and Mapping, 2016, 41(2): 39-43.

曹雷,饶真珍,贺毅辉. 基于导航网格的三维空间表示[J]. 系统仿真学报,2008,20(9): 232-234.

CAO Lei, RAO Zhenzhen, HE Yihui. 3D space representation using navigation meshes[J]. Journal of System Simulation, 2008, 20(9): 232-234.

王天顺,张莉. 一种基于导航网格的路径搜索技术[J]. 电脑知识与技术,2010,6(12): 3014-3016.

WANG Tianshun, ZHANG Li. An implement of path-finding technology based on NavMesh[J]. Computer Knowledge and Technology, 2010, 6(12): 3014-3016.

高洪晔,张建辉. 面向火灾救援的室内定位与逃生路径规划系统[J]. 杭州电子科技大学学报,2013,33(6): 66-69. doi: 10.3969/j.issn.1001-9146.2013.06-017

GAO Hongye, ZHANG Jianhui. Fire escape navigation system based on wireless sensor network and smartphone[J]. Journal of Hangzhou Dianzi University, 2013, 33(6): 66-69. doi: 10.3969/j.issn.1001-9146.2013.06-017

施引文献

附加材料(0)

访问统计

点击查看大图

图(12) / 表(2)

计量

文章访问数: 741
HTML全文浏览量: 597
PDF下载量: 46
被引次数: 0

1. 理论研究
1.1 全模型高速列车远场气动噪声求解
1.2 半模型高速列车远场气动噪声求解
2. 数值仿真
2.1 数值计算模型
2.2 验证
2.3 数值计算结果
3. 结　论

基于导航网格的室内火灾逃生路径动态规划

doi: 10.3969/j.issn.0258-2724.20180912

作者简介: 朱军（1976—），男，教授，博士，研究方向为三维地理信息系统与虚拟地理环境，E-mail：zhujun@swjtu.edu.cn

计量

出版历程

Dynamic Planning Method for Indoor-Fire Escape Path Based on Navigation Grid

1. 理论研究

1.1 全模型高速列车远场气动噪声求解

1.2 半模型高速列车远场气动噪声求解

2. 数值仿真

2.1 数值计算模型

2.1.1 几何模型

2.1.2 计算域及边界条件

2.1.3 网格划分及独立性验证

2.1.4 求解方法

2.1.5 测点布置

2.2 验证

2.3 数值计算结果

2.3.1 流场结构

2.3.2 气动噪声源

2.3.3 远场气动噪声

3. 结 论

计量

出版历程

目录

1. 理论研究

1.1 全模型高速列车远场气动噪声求解

1.2 半模型高速列车远场气动噪声求解

2. 数值仿真

2.1 数值计算模型

2.2 验证

2.3 数值计算结果

3. 结 论

作者简介:
朱军（1976—），男，教授，博士，研究方向为三维地理信息系统与虚拟地理环境，E-mail：zhujun@swjtu.edu.cn

3. 结　论

3. 结　论