Dynamic Planning Method for Indoor-Fire Escape Path Based on Navigation Grid
-
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.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.
-
Key words:
- indoor fire /
- virtual reality /
- navigation grid /
- escape path /
- dynamic planning
-
钢轨波磨是铁路行业尚未解决的难题,在地铁线路上尤为严重. 任何一条地铁线路上,只要曲线轨道半径低于350 m,则该轨道内轨上出现波磨的几率接近100%;然而在大半径曲线轨道(R≥650~800 m)和直线轨道上,很少出现钢轨波磨:这是地铁线路上钢轨波磨的普遍规律[1-2]. 当列车通过波磨轨道时,轮轨界面上的剧烈振动加剧了车辆和轨道部件的疲劳断裂,甚至危害行车安全[3-4].
目前钢轨波磨的形成机理可分为3类:1) 轮轨表面初始不平顺激励下,轮轨界面的瞬时动力作用引起摩擦功波动导致钢轨波磨[5-10];2) 轮轨系统的粘-滑振动引起了钢轨波磨[11-13];3) 饱和轮轨蠕滑力激发了轮轨摩擦耦合系统的自激振动导致钢轨波磨[14-19]. 第一类理论模型为它激振动模型,该理论可以较好地解释地铁线路上的部分波磨现象,但不足以解释地铁线路上波磨主要出现在小半径曲线内轨,在大半径曲线和直线轨道上波磨发生率较低这一普遍现象;第二类理论模型预测得出的波磨频率约为20~80 Hz[12-13],远小于地铁线路上绝大多数波磨的通过频率;第三类波磨理论由陈光雄教授提出,该理论认为当车辆通过小半径曲线轨道时,导向轮对上的轮轨蠕滑力饱和,引发了轮轨系统的摩擦自激振动,致使钢轨表面出现波磨,该理论可以合理地解释地铁线路上规律性的波磨现象,正逐渐被学者们认可[20-23].
梯形轨枕因其具有良好的减振降噪效果被铺设在减振要求高的地段[24]. 然而,在小半径曲线梯形轨枕轨道上出现了严重的钢轨波磨[25],目前对于梯形轨枕轨道波磨成因的研究还不充分. 本文基于轮轨系统摩擦自激振动导致钢轨波磨的观点对小半径曲线上的梯形轨枕轨道波磨展开研究,建立了导向轮对-梯形轨枕轨道系统有限元模型. 该模型采用实体单元对扣件系统进行建模,考虑了弹条的扣压作用以及轨距挡块的横向限位作用,建模方式更加符合实际工况. 应用复特征值分析和瞬时动态分析分别求解了该摩擦耦合系统的运动稳定性和时域动态响应,揭示了小半径曲线上梯形轨枕轨道波磨的成因.
1. 数值模型和理论方法
1.1 导向轮对-梯形轨枕轨道系统有限元模型
当车辆通过小半径曲线梯形轨枕轨道时,导向轮对与钢轨的接触位置如图1所示. 外轮的轮缘与高轨的轨距面接触,内轮的踏面与低轨的轨顶面接触. 图1中:δL、δR分别为外轮、内轮与钢轨间的接触角,FL和NL分别为外轮与高轨接触界面上的横向蠕滑力和法向接触力,FR和NR分别为内轮与低轨接触界面上的横向蠕滑力和法向接触力,FSVL和FSVR为作用在导向轮对左、右轴端的垂向悬挂力,FSLL和FSLR为作用在导向轮对左、右轴端的横向悬挂力,KC为弹条刚度,KDL和CDL分别为横向缓冲垫的刚度和阻尼,KDV和CDV分别为垂向减振垫的刚度和阻尼.
扣件系统由轨下垫板、弹条、轨距挡块、铁垫板等组成,轨距挡块约束着钢轨的横向运动,弹条产生的扣压力将钢轨紧紧地压在轨道上,钢轨的纵向运动通过钢轨与轨下垫板间的摩擦力来约束,螺旋道钉将铁垫板固定在梯形轨枕上. 为了简化模型,本文仅对扣件系统中的轨下垫板和铁垫板进行实体单元建模.
依托于图1所示的轮轨系统接触模型,使用ABAQUS有限元分析软件建立了导向轮对-梯形轨枕轨道系统有限元模型,如图2所示. 车轮廓形为LM磨耗型踏面,轮对滚动圆半径为0.42 m;钢轨廓形为60 kg/m标准钢轨截面,模型中单根钢轨的长度为36 m;轨下垫板离散地分布在钢轨底部,相邻轨下垫板/铁垫板间的距离为0.625 m;梯形轨枕由横向钢管和预应力混凝土纵梁组合而成,相邻横向钢管间的距离为2.5 m;导向轮对、钢轨、轨下垫板、铁垫板和梯形轨枕通过实体单元建模,整个有限元模型采用C3D8I实体单元划分,模型中共包含
422968 个单元,606942 个节点. 轮轨间的接触以及钢轨和轨下垫板间的接触采用面-面接触算法和有限滑移准则进行建模. 轮轨间的摩擦系数为0.40,钢轨与轨下垫板间的摩擦系数为0.75[26]. 通过垂向压缩弹簧来模拟弹条的扣压作用,通过“Equation”约束模拟轨距挡块的横向限位作用,通过“Tie”约束模拟轨下垫板和铁垫板以及铁垫板和梯形轨枕的连接关系. 模型中采用接地弹簧和阻尼单元模拟侧向缓冲垫和垂向减振垫对梯形轨枕的缓冲减振作用,相邻缓冲减振垫间的距离为1.25 m. 缓冲减振垫的刚度为2 × 107 N/m,阻尼为7 × 104 N·s/m[27]. 各部件的材料参数见表1.表 1 材料参数Table 1. Material parameters部件 密度/
(×103 kg·m−3)弹性模量/MPa 泊松比 钢轨/轮对 7.80 210000 0.30 轨下垫板 1.19 12 0.45 铁垫板 7.80 173000 0.30 横向钢管 7.80 210000 0.30 混凝土纵梁 2.50 36000 0.20 1.2 轮轨摩擦耦合系统自激振动的有限元分析方法
采用复特征值分析来求解导向轮对-梯形轨枕轨道系统的运动稳定性. 在小半径曲线轨道段,导向轮对上的轮轨蠕滑力达到饱和,约等于滑动摩擦力. 在此情形下,轮轨摩擦耦合系统的运动方程为
M¨u+C˙u+Ku=0, (1) 式中:M、C、K分别为系统的质量、阻尼和刚度矩阵,u为节点位移向量.
式(1)的通解为[28]
u(t)=z∑i=1φieλit=z∑i=1φie(αi+jωi)t, (2) 式中:z为拟提取的特征值阶数;λi=αi+jωi,为第i阶特征值;φi为特征向量;t为时间.
由式(2)可以看出,当特征值实部为正时,节点位移随时间指数式增长,这意味着轮轨系统发生了不稳定振动. 通常采用等效阻尼比ξ来判断系统发生自激振动的趋势,如式(3).
ξ=−2αi|ωi|. (3) 当ξ<0时,轮轨摩擦耦合系统发生了自激振动. 而且,ξ越小,轮轨系统发生自激振动的趋势越强,钢轨波磨更易发生.
复特征值分析是一种频域分析方法,而瞬时动态分析是一种时域非线性分析方法,可以获取摩擦自激振动发生时系统的动态响应. 本文使用ABAQUS/Standard隐式求解器计算了轮轨系统的动态响应. 该求解器采用Newmark方法计算每个增量步结束时刻系统的平衡方程,进而获取节点的位移和速度[29],如式(4)、(5).
u|t+Δt=u|t+Δt˙u|t+Δt2((12−β)¨u|t+β¨u|t+Δt), (4) ˙u|t+Δt=˙u|t+Δt((1−γ)¨u|t+γ¨u|t+Δt), (5) 式中:Δt为积分步长,β = (1–α2)/4,γ = 0.5–α,−0.5≤α≤0.
2. 计算结果分析
2.1 小半径曲线段导向轮对-梯形轨枕轨道系统摩擦自激振动分析
复特征值分析的步骤为:
步骤1 在导向轮对轴端施加垂向悬挂力和横向悬挂力;
步骤2 引入轮轨间的摩擦耦合作用;
步骤3 提取轮轨系统的固有频率;
步骤4 进行复特征值分析,提取轮轨系统的摩擦自激振动.
通过定义轮对的横向滑动速度引入导向轮对和钢轨间的摩擦耦合作用. 应用复特征值分析提取了50~
1200 Hz内导向轮对-梯形轨枕轨道系统的摩擦自激振动,如图3所示. 可以看到,在该频率范围内系统共存在7个自激振动,对应频率分别为150.35、163.07、422.16、447.81、471.05、493.97 Hz和519.94 Hz.图4为7个自激振动的振动模态,自激振动主要发生在低轨和内轮上,与钢轨波磨发生在小半径曲线梯形轨枕轨道内轨上相吻合. 根据等效阻尼比越小,自激振动发生趋势越强的原则,可知频率为150.35 Hz和493.97 Hz的自激振动更易发生.
图5为曲线半径为350 m的梯形轨枕轨道上的内轨波磨,其波长λ为60~80 mm. 列车通过该轨道的平均速度v为37 km/h,由λ=v/f可得波磨通过频率为130~180 Hz[27]. 综上可得:当车辆通过小半径曲线段梯形轨枕轨道时,发生在导向轮对内侧轮轨界面上频率为150.35 Hz的自激振动致使内轨上出现了波长为60~80 mm的波磨.
2.2 轮轨法向接触力变化
应用瞬时动态分析求解轮轨系统的动态响应分2个步骤完成:第一步,在导向轮对的轴端施加垂向悬挂力和横向悬挂力;第二步,设置轮对运行速度为40 km/h,运行时间为0.15 s,采样间隔为5 × 10–5 s. 由于未施加任何外部激励且钢轨表面无初始不平顺,因此,计算所得的轮轨系统的响应为自激振动响应. 图6所示为轮轨界面上的法向接触力的时间历程曲线. 从图中可以看出,内侧轮轨界面上的法向接触力波动幅值要大于外侧轮轨界面上的,其中外轮与高轨间法向接触力的波动幅值约为20 kN,而内轮与低轨间法向接触力的波动幅值约为30 kN.
图7为轮轨法向接触力的功率谱密度分析结果. 可以看到,内外侧轮轨界面上法向接触力的振动主频为160 Hz. 由λ=v/f可得波长约为69 mm,该预测结果与线路上梯形轨枕轨道波磨的波长(60~80 mm)接近.
2.3 侧向缓冲垫阻尼对轮轨系统摩擦自激振动的影响
不同侧向缓冲垫阻尼CDL,轮轨系统自激振动频率的分布如图8所示. 从图中可以看出:轮轨系统自激振动的数量不随侧向缓冲垫阻尼变化,轮轨系统产生了7个自激振动;侧向缓冲垫阻尼对400~600 Hz内的自激振动的影响很小,而对150~200 Hz内的2个自激振动有较大影响,2个自激振动的等效阻尼比随侧向缓冲垫阻尼值的增大而增大,这说明系统发生自激振动的趋势减弱. 因此,增大侧向缓冲垫阻尼可以在一定程度上抑制梯形轨枕轨道上的内轨波磨.
2.4 垂向减振垫刚度对轮轨系统摩擦自激振动的影响
图9所示为不同垂向减振垫刚度KDV,轮轨系统自激振动频率的分布. 从图9可以看出,当垂向KDV=10 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为–
0.00789 ;当KDV=20 kN/mm时,轮轨系统有7个自激振动,最小等效阻尼比为−0.00506 ;当KDV=30 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为−0.00679 ;当KDV=40 kN/mm时,轮轨系统有6个自激振动,最小等效阻尼比为−0.00798 . 由以上分析可知,当KDV=20 kN/mm时,最小等效阻尼比高于其余3种工况,这意味着系统发生自激振动的趋势减弱. 过小或过大的垂向减振垫刚度均不利于抑制梯形轨枕轨道上的内轨波磨.2.5 梯形轨枕结构对轮轨系统摩擦自激振动的影响
图10所示为4种不同结构的梯形轨枕. 每块轨枕上横向钢管的数量N=2根时,对应结构的梯形轨枕相邻横向钢管间的距离为5.000 m;N=3根时,对应结构的梯形轨枕相邻横向钢管间的距离为2.500 m;N=5根时,对应结构的梯形轨枕相邻横向钢管间的距离为1.250 m;N=9根时,对应结构的梯形轨枕相邻横向钢管间的距离为0.625 m. 需要说明的是,横向钢管间距的设计值为2.500 m.
图11所示为4个不同结构的导向轮对-梯形轨枕轨道系统自激振动频率的分布. 从图中可以看出:梯形轨枕结构对轮轨系统的摩擦自激振动有显著影响,并非每块梯形轨枕上的横向钢管数量越多,轮轨系统就越稳定. 如蓝色椭圆圈内所示,当每块梯形轨枕上安装9根横向钢管时,轮轨系统产生自激振动的等效阻尼比反而更小,轮轨系统更不稳定,钢轨波磨更易出现. 红色椭圆圈内所示为低频段的2个自激振动,当每块梯形轨枕上安装2根横向钢管时,等效阻尼比更低,轮轨系统更易趋于不稳定. 当每块梯形轨枕上安装5根横向钢管时,等效阻尼比最大,轮轨系统发生自激振动的趋势减弱. 因此,在地铁小半径曲线地段,铺设横向钢管间距为1.250 m的梯形轨枕可以一定程度抑制梯形轨枕轨道波磨.
3. 结 论
本文研究了地铁小半径曲线梯形轨枕轨道上的内轨波磨,建立了导向轮对-梯形轨枕轨道系统有限元模型,模型中采用实体单元对扣件系统进行建模,应用复特征值分析和瞬时动态分析分别求解了轮轨系统的运动稳定性和时域动态响应. 研究了缓冲减振垫参数及梯形轨枕结构对轮轨系统摩擦自激振动的影响,得到以下结论:
1) 饱和轮轨蠕滑力引起的频率为150 Hz的轮轨系统共振振动是地铁线路小半径曲线段梯形轨枕轨道上波长为60~80 mm内轨波磨的成因.
2) 增大侧向缓冲垫阻尼可以一定程度上抑制梯形轨枕轨道上的内轨波磨,过小或过大的垂向减振垫刚度均不利于抑制钢轨波磨.
3) 改变单块梯形轨枕上横向钢管的数量实际上是改变了导向轮对–梯形轨枕轨道系统的刚度矩阵,进而影响了轮轨系统发生自激振动的趋势以及钢轨波磨的发展趋势. 铺设横向钢管间距为1.250 m结构的梯形轨枕可以抑制梯形轨枕轨道上的钢轨波磨.
-
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 U3D、SteamVR、VS 2017 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 -
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.1009-0029.2015.04.032ZHANG 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.2016.20160053DING 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.1009-7961.2018.05.003GAN 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.1671-4431.2011.12.028MENG 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.1001-9146.2013.06-017GAO 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 -