專利名稱：基于多智能體的煤礦事故仿真方法及系統的制作方法
技術領域：
本發明涉及仿真技術，尤其涉及一種煤礦事故仿真方法和系統。
背景技術：
煤礦生產系統是一個由人、機、環境組成的復雜系統，存在著能量載體或危險物質，物的故障、物理性環境因素以及組織管理因素等各種危險源，均可能導致發生瓦斯煤塵爆炸、突水、井下火災、頂板事故、瓦斯突出、機電事故等。此外，各種危險因素具有動態性、 隨機性和模糊性。對煤礦事故的控制，歸根到底就是對煤礦存在的各類危險源進行辨識、評價和控制。危險源理論的研究和發展影響著事故控制和安全管理水平，對煤礦安全生產具有重要意義。煤礦事故發生的原因是多方面的，除了與礦井本身的自然條件、開采工藝、管理水平、安全意識及人員素質等有很大關系外，技術裝備信息化水平仍然是極為關鍵的因素。目前有很多礦井已裝備了監測系統，但是由于煤礦井下工作場所是動態變化的，影響事故發生的危險因素也是不斷變化的，現有的監測設施僅僅是監測部分安全參數，難以預測分析事故可能發生的地點、時間及波及區間，也不能根據預測到的數據采取相應的措施，最終造成安全事故難以顯著下降、危害程度不能有效控制、事故原因難以調查清楚。

發明內容
本發明針對現有技術中存在的問題，提供一種煤礦事故仿真方法及系統，能夠虛擬各種環境下的煤礦事故，從而為及時發現煤礦事故隱患提供豐富的信息。本發明提供了一種基于多智能體的煤礦事故仿真方法，包括根據收集到的基礎數據、智能體概念模型和環境參數構建智能體實體和虛擬仿真環境；選擇預設模型和預設知識，將所選擇的預設模型和知識結合所收集的基礎數據和環境參數值，進行智能體模型計算，形成模型計算結果；根據預設智能體行為規則和所述模型計算結果，進行智能體實體行為計算，選擇智能體實體行為；利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為， 更新所述虛擬仿真環境的環境變量，將智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新當前時刻的虛擬仿真環境；利用進行智能體實體行為配置時生成的配置信息更新行為選擇規則中的行為選擇參數，利用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算，選擇智能體實體行為，進行智能體實體行為配置，執行相鄰下一時刻的智能體實體行為，更新所述虛擬仿真環境的環境變量，將相鄰下一時刻的智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新相鄰下一時刻的虛擬仿真環境。本發明還提供了一種基于多智能體的煤礦事故仿真系統，包括智能體生成模塊，用于根據收集到的基礎數據、智能體概念模型和環境參數構建智能體實體；仿真場景構建模塊，用于根據收集到的基礎數據、智能體實體和環境參數構建虛擬仿真環境；模型計算模塊，用于選擇預設模型和預設知識，將所選擇的預設知識模型結合所收集的基礎數據和環境參數值，進行智能體模型計算；行為選擇模塊，用于根據預設智能體行為規則進行智能體實體行為計算；行為配置模塊，利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為，更新所述虛擬仿真環境的環境變量，并將環境變量發送給所述仿真場景構建模塊；利用進行智能體實體行為配置時生成的配置信息更新行為選擇規則中的行為選擇參數，使得所述行為選擇模塊利用更新后的行為選擇參數進行相鄰下一時刻的進行智能體實體行為計算，選擇智能體實體行為后，進行智能體實體行為配置，執行相鄰下一時刻的智能體實體行為，更新所述虛擬仿真環境的環境變量，并將所述環境變量發送給所述仿真場景構建模塊。上述系統還可以包括事故隱患辨識模塊，用于對仿真過程數據和最終結果進行綜合量化分析，確認煤礦事故與各種影響要素之間微觀和宏觀的聯系，進而對目前煤礦可能面臨的事故風險進行預測，在應急能力提升和隱患控制方面，給決策者以輔助決策。本發明提供的煤礦事故仿真方法及系統，根據收集到的與待仿真的事故相關的基礎數據、智能體概念模型和環境參數值構建智能體實體和虛擬仿真環境，執行每一時刻的智能體行為，并依據智能體行為的執行更新虛擬仿真環境的環境變量，將當前時刻的虛擬仿真環境顯示，實現了煤礦事故的仿真。并且，利用當前進行智能體實體行為配置時生成的配置信息更新行為規則中的行為選擇參數，利用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算，這樣可以采用當前時刻的事故發展情況與相鄰下一時刻的事故發展情況相關聯，真實地反映事故的演變狀態。


圖1所示為本發明基于多智能體的煤礦事故仿真方法的技術思路示意圖；圖2所示為本發明涉及到的基于智能體的煤礦事故建模的示意圖；圖3所示為本發明煤礦事故仿真系統的結構示意圖；圖4所示為本發明煤礦事故仿真方法的流程圖；圖5所示為本發明煤礦事故模擬的流程示意圖；圖6所示為本發明災難源智能體的行為執行過程示意圖；圖7所示為本發明涉及到的事故數據分析過程的示意圖；圖8所示為本發明涉及到的指揮演練工作流程圖。
具體實施例方式多智能體(Agent)仿真是近年來出現的一種較新的仿真方法，在許多領域得到了廣泛的應用，尤其與復雜性研究關系密切。多智能體仿真是一類微觀仿真技術，它利用分布式人工智能領域的最新研究成果，依靠計算機強大的計算能力，采用自下而上的思路，對復雜系統建立模型，其中的微觀個體可以具有豐富的屬性和接近真實的決策邏輯和行為特征，通過個體之間以及個體與環境之間的相互作用，涌現出系統的宏觀特性，從而在微觀和宏觀之間建立起聯系的橋梁。多智能體仿真建模靈活、自然，個體屬性和行為不受限制，特別適合對由具有一定智能性的微觀個體組成的復雜系統進行研究，受到生物學、經濟學、社會學等學科的重視，成為一種新穎的研究工具。因此，可以利用多智能體(multi-agents)在復雜系統建模研究方面的優勢，通過個體智能行為的自治、推理、通訊和協作機制，從個體之間或個體與環境之間的交互而隱現出個體層面上不可預見的宏觀行為，從而對煤礦安全事故進行過程仿真和風險預測。根據現場數據和歷史數據，從宏觀和微觀的兩個層次模擬各類智能體(包括災難源、現場人員、設備等)在事故緊急狀態下精確地行為過程，既可以對以前發生的事故進行過程重現， 也可以對可能發生的事故進行過程預演。作為危險辨識與風險預測的重要支撐工具，仿真結果可以用于事故原因的深入分析，煤礦危險源及危險程度的量化評估，并對現有的應急措施的有效程度進行判斷，從而有利于制定合理的、科學的、高效的應急方案，大大提高煤礦對安全突發事件的應變能力。本發明基于分布式思想，采用自底向上的方法，利用分散的微觀智能模型來模擬整個煤礦環境的復雜系統，在真實模擬煤礦事故中各類Agent實體的微觀行為之后，再將這些個體通過相互作用集合來反映整個事故發生的宏觀規律，實現由簡單元素互相作用而形成的復雜現象。圖1所示為本發明煤礦事故仿真方法的技術思路示意圖。在對實際煤礦系統進行觀察時應同時收集微觀數據和宏觀數據。微觀數據和關于個體的先驗知識是提出假設、建立微觀模型的基礎。宏觀數據反映系統的宏觀特性，部分微觀和宏觀數據用于模型驗證，用來推斷仿真系統和真實系統的微觀-宏觀聯系是否一致。采用多Agent視角建立概念模型。通過提出一系列的假設，將所研究的煤礦系統抽象為一個多Agent系統，基本步驟可以包括劃分系統邊界，分離系統和環境；識別系統中的主體，賦予主體屬性；建立各類主體的微觀模型；建立主體之間以及主體和環境之間的相互作用模型。采用多Agent技術實現仿真系統。以多Agent概念模型為基礎，在計算機上實現仿真系統，構造虛擬世界，為進行“實驗”研究提供基礎。編程實現時可以采用A0P(agent oriented programming)技術，也可以采用其他技術如面向對象仿真技術、離散事件系統仿
真技術等。通過對仿真系統設計不同的“實驗”方案，用仿真實驗的方式來探索煤礦事故的演化動態，事故的發生是在仿真過程中自發涌現出來的。并在必要時可以進行多次大量的重復模擬，完成對各種煤礦事故按不同指標體系的全面、準確、及時、量化地分析評估。通過對仿真過程和結果的綜合分析，可以對一些在現實系統中難以評估的指標進行準確可靠的量化分析，幫助理解煤礦事故與各種影響要素之間微觀和宏觀的聯系，進而實現煤礦安全隱患的辨識，對煤礦的事故應急能力進行評估。根據分析出來的結果，對目前煤礦可能面臨的事故風險進行預測，在應急能力提升和隱患控制方面，給決策者以輔助決策。一、基于Agent的煤礦事故建模利用多Agent技術，將煤礦災難源、井下礦工、應急設備、救療媒介等應急實體定義智能體(Agent)，在充分分析事故發生過程中的行為細節及其影響因素的基礎上，將應急實體的個體特征映射為Agent的狀態屬性，將應急實體自發采取的，以及受外在事件激發而采取的各種行為映射為Agent的行為規則，從而建立起各類Agent原型。各類Agent 原型具有智能性，涉及到的數學模型和行為規則(智能體原型建模、行為規則、經驗學習規則、環境更新規則，疏散方案制定規則以及應急知識推理產生式)，可以根據實際需要具體規定。就煤礦事故而言，需要構建的模型包括災難源演變模型、應急能力評估模型、事故應急處置模型(用于實現多目標事故處置規劃，總費用最小，效果最好，時間最短，對環境破壞最小等多目標規劃的事故處置問題求解)，應急資源優化調度模型(用于實現多階段資源優化調度的方程表達式)，決策分析模型(多屬性群決策分析模型，模糊決策分析模型) 等。圖2所示為本發明涉及到的基于Agent的煤礦事故建模的示意圖。· Agent的整體結構Et (輸入)是Agent感知到的，對其狀態及行為可產生刺激作用的外在事件的集合；Vt (輸出)是Agent行為的集合，包括Agent自發采取的，以及受外在事件刺激采取的所有行為；Yt (進化機制)是Agent在感受外在事件刺激與其他Agent進行交互學習過程中所獲得的經驗指數，N (控制機制)為Agent所受的約束條件，包括環境，其他Agent以及任務目標對該Agent的限制。災難源Agent、礦工Agent、醫院Agent、應急設備Agent都具有一定的個體特性參數，這些參數被量化后成為行為規則中數學或邏輯運算的參數值，隨著模型的細化，參數可以擴充，模型庫中模型可以做相應的修正。災難源Agent特性參數發生地點、災難規模、擴散速度；礦工Agent特性參數初始化目標、當前位置、自身屬性(健康程度，速度)、心理因素(恐慌程度，壓力程度，從眾心理)、知識層面(對環境的熟悉程度，認知學習能力)；應急設備Agent特性參數初始化目標、當前位置、速度、當前狀態(無法運行，狀態值為0 ；運行正常，狀態值為1)、通信程度。救療媒介Agent特性參數地理位置，容量(容納病人數量，醫藥物資數量)，當前狀態(已滿，狀態值為1 ；空閑，狀態值為0)，治療效率。· Agent 控制機制災難源演變模型模型將根據災難源Agent特性以及對環境參數和量綱確定的基礎上對其行為的影響模式進行提取和統計分析，計算出災難源在災難事件發生后可能擴散的區域和影響的范圍，重點模擬了災難源Agent在引導作用，演變擴散和隨機障礙物等影響下的行為反應，結果要符合實際情況，為處理當前和將要發生事故的危險程度和范圍評估提供參考。例如模擬火災擴散的元胞自動機模型。應急預案模型進行系統目標分析，確定目前企業所具備的應急資源及預期使用方案。模型將根據煤礦地理信息中巷道路網結構和相關約束條件，計算出所要選擇的應急預案，實現多目標疏散路徑規劃，如危險程度最小，時間最短的逃生線路，為人員疏散策略的制定和重要危險地段的道路設計提供決策依據。例如采用默認最短路徑算法，即應急預案總是提示人員選擇距其最近的路徑和出口逃離事故區域。人員疏散行為模型建立人員緊急疏散系統動力學仿真模型。首先對模型參數和量綱進行了確定，根據如模型中人員Agent的屬性變量、速率變量、狀態變量以及環境變量，建立了系統動力學仿真模型，運算出人員智能體緊急疏散的行為序列。模型中綜合考慮疏散過程中疏散人員的競爭能力和判斷能力，被疏散人員之間的從眾行為，人員身體素質， 起引導作用的信息交流，導向標識以及通道阻塞等外在因素對被疏散人員的影響。· Agent 進化機制” 丨十&Vt =/(X) |s(a，v”￡i ’”)。<&+""、>Agent的智能性表現在其執行任務時的行為學習過程上，不斷獲得基于與其環境交互作用的解決問題經驗。這些經驗通過被記錄和更新的方式，用于產生智能行為。 表示經驗狀態Yt-i基于環境狀態St_i的更新。f ()表示經驗Y對行為V的函數映射。二、煤礦事故仿真平臺構建煤礦事故仿真平臺采用自底向上的方法，將人工智能、數據庫和計算機仿真技術有效結合，利用分散的微觀智能模型來模擬整個煤礦事故發生的場景。如圖3所示為本發明煤礦視事故仿真系統系統的結構示意圖。仿真場景構建模塊1依靠數據庫模塊2的數據支撐，為Agent模擬事故過程提供運行環境。數據庫模塊2可以包括綜合數據庫21、知識庫 22以及模型庫23，其中綜合數據庫21又可以包括危險源子庫211、資源子庫212、基礎地理數據子庫213、統計數據子庫214、預案子庫215和子庫212、基礎地理數據子庫213、統計數據子庫214、預案子庫215和案例子庫216。仿真場景構建模塊1可以包括二維場景仿真子模塊11與三維場景仿真子模塊12。 數據庫模塊2 危險源子庫、資源子庫、基礎地理數據子庫為系統其他模塊提供基礎數據支持；統計信息庫、預案子庫、案例子庫為知識庫和指揮決策模塊提供數據支持， 為制定合理的疏散方案提供了依據和指導。危險源子庫、資源子庫、統計數據子庫中的數據可在基礎地理數據子庫框架的基礎上集成，通過數據管理模塊實現。V危險源子庫包括危險源空間地理位置、單位名稱、詳細分布平面圖、危險源種類、專項處置預案、相關專家等信息。V資源子庫包括應急物資資源種類、數量、分布位置、隸屬單位、應急隊伍資源分布位置、隸屬單位、人力數量、隊伍簡介、處理險情種類、負責人聯系電話、應急專家姓名、聯系方式、專業領域描述、所在地等信息。V基礎地理數據子庫包括礦井巷道空間分布、地理狀況信息以及環境數據、空間地理信息數據。環境數據包括井下巷道、煤層、濕度、風速等自然環境，道路、工作面、設備等基礎設施。V統計信息庫對應急事件產生影響的業務統計信息，例如井下作業人員基礎數據庫、生產數據等，其中人員基礎數據庫包括井下各區域人口數量、組成和分布信息。V預案子庫將已編制和將來編制的預案數字化，并分段以文本方式存入數據庫； 預案是指根據預測，根據潛在的或可能發生的安全事故的類別和影響程度而事先制定的應急處置方案。V案例子庫包括典型案例信息以及案例依循的法律法規信息。典型應急案例的文本、圖片、視頻數據以及法律法規通過數字化后存入關系型數據庫中。 模型庫22 用于存儲煤礦事故應急的算法模型，包括災難源演變模型、應急能力評估模型、事故應急處置模型、決策分析模型等。模型種類的多樣性和復雜性，決定了模型集成時，不宜把模型直接編進代碼，否則會造成編碼工作量巨大，模型選擇困難。模型庫將系統需要使用的眾多模型按面向對象的組件結構形式組織起來，進行有效地管理和使用。模型庫的模型可以重復使用，也可以有針對性地篩選使用，或者根據實際情況予以擴展。實現方法是把各個模型從代碼中獨立出來，每個模型都生成自己的動態鏈接庫(Dll文件)，利用面向對象設計的特點進行封裝，最后形成系統的模型庫。 知識庫23 存儲、組織、管理和使用互相聯系的事故知識集合，知識集合包括應急事故領域內有關的定義、定理、運算法則以及常識性知識；知識庫基于預案子庫和案例子庫中的信息，制定知識規則，產生應急方案；以及根據統計數據子庫中的經驗統計數據，生成應急知識推理產生式，設置智能體參數，包括智能體(Agent)原型建模規則、智能體的行為規則、智能體行為經驗學習規則等。 參數配置界面模塊3 接受用戶設置參數，并提交給Agent產生模塊和仿真模塊；所述設置參數由Agent參數和仿真環境參數構成，所述Agent參數包括礦工Agent參數和災難源Agent參數，所述仿真環境參數包括事件區域環境參數，例如事故發生地點，危險源擴散速度，疏散人員數量、特征、位置分布等。通過有界面的參數配置模塊，能夠在虛擬環境中定制不同事故場景下應急事件、應急實體以及環境參數的參數值。 數據管理模塊4 在接收通信模塊(通信模塊可以設置在檢測系統5中)信息的基礎上，實現兩方面的功能一是將通信模塊傳來的實時監控信息入庫，實現數據庫數據的存儲、更新和修改；二是整合數據庫中各方面的資料數據，包含危險源單位信息、涉及種類、處理預案；煤礦瓦斯分布圖、井下人員位置、應急設備位置等信息，實現高級分析功能， 例如借助地理信息系統GIS技術實現空間信息的搜索查詢，將統計分析的信息作為輔助指揮決策模塊的依據。 仿真場景構建模塊1 根據設置參數，在綜合數據庫的危險源子庫、資源子庫、 基礎地理數據子庫的基礎上建立符合真實情況的煤礦事故場景模型，將場景中的環境信息映射到仿真模塊中，為事故仿真提供仿真環境；所述仿真環境將事故的發生、發展和結束通過二維場景、三維場景、圖像或者文字等多種媒體形式在計算機中直觀展現。三維仿真子模塊以真實二維地理信息系統的數據為基礎，采用三維建模工具來建立三維仿真場景，從微觀的角度形象地展現事故的演變過程，圖像以及文字作為輔助方式用于事故信息的展示。 此外，該模塊需要在環境因素分析的基礎上，確定系統仿真環境的界限，必須與真實的情況一致，例如巷道路網結構中的通風方向是受到一定限制的。 事故仿真運行模塊6 實時動態更新Agent的狀態和環境的變化，將仿真結果直觀的反映給用戶。 事故隱患辨識模塊7 根據仿真結果獲取煤礦安全隱患辨識信息和風險預測信肩、ο三、基于計算實驗的事故模擬煤礦事故的模擬“實驗”，一般是不可能在實際煤礦中，特別是正在運行的煤礦中進行的。并且在許多時候由于缺乏足夠的觀察時間和充足的數據，很難在現實系統中對一些指標進行準確可靠的量化分析與評估。但是在仿真系統里，這些可以通過設計不同的“實驗”方案方便地完成，并且計算實驗還具有可設計性和可反復進行的特點，在必要時可以進行多次大量的重復，包括各種關于性能可靠性和質量的“加速”實驗、“壓力”實驗以及“極限”實驗等，從而可以按不同指標體系對各種煤礦事故進行全面、準確、及時、量化地分析評估。特別是，仿真系統不但是對現實系統的模擬，而且還可以提供現實系統的替代版本，從而擴大了量化分析的適用范圍及其結果的可靠性和魯棒性。圖4所示為本發明煤礦事故仿真方法的流程圖，包括步驟101、根據收集到的基礎數據、智能體概念模型和環境參數構建智能體實體和虛擬仿真環境。步驟102、選擇預設模型和預設知識，將所選擇的預設知識模型結合所收集的基礎數據和環境參數值，進行智能體模型計算，形成模型計算結果。步驟103、根據預設智能體行為規則和所述模型計算結果，進行智能體實體行為計算，選擇智能體實體行為。步驟104、利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為，更新所述虛擬仿真環境的環境變量，將智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新當前時刻的虛擬仿真環境。步驟105、利用智能體實體行為配置時生成的配置信息更新行為選擇規則中的行為選擇參數，利用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算，選擇智能體實體行為，進行智能體實體行為配置，執行相鄰下一時刻的智能體實體行為，更新所述虛擬仿真環境的環境變量，將相鄰下一時刻的智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新相鄰下一時刻的虛擬仿真環境。本發明提供的煤礦事故仿真方法，根據收集到的與待仿真事故相關的基礎數據、 智能體概念模型和環境參數值構建智能體實體和虛擬仿真環境，執行每一時刻的智能體行為，并依據智能體行為的執行更新虛擬仿真環境的環境變量，將當前時刻的虛擬仿真環境更新顯示，實現了煤礦事故的仿真。并且，利用當前進行智能體實體行為配置時生成的配置信息更新行為規則中的行為選擇參數，利用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算，這樣可以采用當前時刻的事故發展情況與相鄰下一時刻的事故發展情況相關聯，真實地反映事故的演變狀態。如圖5所示為本發明煤礦事故模擬的流程示意圖，下面結合如圖3所示的系統和圖5所示的流程詳細介紹本發明煤礦事故仿真方法的實現方式。事故仿真運行模塊6利用環境構建模塊中建立的事故演練場景，Agent產生模塊 61則將危險源、人員、設備等實體按照需要生成各類智能體，并放置于仿真環境中。根據預先制定的演練方案或實時演練指令的下達，向計劃執行模塊發布決策指令。計劃執行模塊 63是整個仿真系統的核心，根據知識庫23中的知識規則和模型庫22中的模型，計算并執行 Agent生成模塊61產生的各類智能體在仿真環境中的行為，同時動態更新Agent狀態屬性以及仿真環境，將計算結果輸出到仿真構建模塊1。計劃執行模塊63采用了一個基于分布式、并發的合成Agent行為自組織體系結構。煤礦事故仿真可以包括預處理、計劃執行及輸
1出三個步驟預處理步驟a)數據收集首先計算必需的數據，數據來源于數據庫模塊2提供的基礎數據，參數界面配置模塊提供的智能體/環境參數值和通信模塊提供的通信數據；b) 構建Agent和環境在數據搜集工作完成的基礎上，構建定制的Agent實體和虛擬仿真環境，創建Agent結構由Agent生成模塊61完成，創建虛擬環境由仿真場景構建模塊1完成， 此部分預處理主要工作是核查Agent和虛擬環境的創建工作是否完成，在創建工作完成的基礎上初始化各Agent實體目標以及簡單行為。計劃執行步驟計算各個Agent實體的行為，Agent和虛擬環境相互作用，在實現目標的過程中逐漸學習它的反應式行為，經過合成，配置后執行其行為模式。a)模型計算 基于Agent在預處理階段收集的內部狀態值，虛擬環境提供的外部狀態值和外部指令的數據，選擇模型庫22中模型和知識庫23中知識進行模型計算，形成模型計算結果，將模型計算結果輸入行為選擇器。b)行為選擇利用知識庫23中的Agent行為規則和模型計算結果進行行為計算并選擇智能體行為，以及設置下一時刻的子目標。c)行為配置行為選擇完成后，在行為選擇結果和外部環境檢測數據的基礎上，利用知識庫23中Agent行為經驗學習規則進行智能體實體行為復合配置；另外，在Agent行為執行完成后，將行為執行信息反饋給行為選擇步驟，對行為選擇規則中的行為選擇參數進行修正，可以通過進行性能評估或設置條件的方式實現；d)行為執行更新智能體的內部狀態值，以及將行為狀態信息傳遞給仿真模塊1中構建的虛擬環境，利用知識庫23中環境更新規則實現虛擬環境的動態更新，形成更新后的環境變量；并進入下一個時刻的循環計算，直至各智能體達到目標。輸出步驟當Agent配置行為執行完成后或虛擬環境更新完成后，根據行為執行狀態信息和環境變量，實時更新虛擬環境。執行結果輸出到仿真場景構建模塊1中，以虛擬仿真環境顯示、視圖控制以及數據文件的方式展現。仿真場景構建模塊1可以包括二維仿真子模塊11 (例如，地理信息系統GIS)和三維仿真子模塊12 (例如，虛擬三維仿真世界)。 仿真場景構建模塊1可以根據設置參數，在綜合數據庫的危險源子庫、資源子庫、基礎地理數據子庫的基礎上建立符合真實情況的微觀疏散場景環境模型，將場景中的環境信息映射到仿真模塊中，為疏散仿真提供仿真環境；所述仿真環境將應急事件的發生、發展和結束通過二維場景、三維場景、圖像或者文字等多種媒體形式在計算機中直觀展現。下面通過一個具體智能體的例子來說明煤礦事故仿真。災難源Agent演變過程災難源智能體行為執行過程如圖6所示，在T時刻，災難源智能體首先在參數配置界面模塊提供的參數配置的基礎上，利用模型庫中災難源演變模型進行災難源演變計算； 執行所計算的演變行為，進行性能評估，進入T+1時刻循環計算；同時根據執行結果更新環境變量，例如災難源覆蓋區域面積，擴散走向，并可視化輸出到仿真模塊。四、基于實驗結果的隱患辨識通過對仿真場景構建模塊實驗運行數據的分析，可以辨識出目前煤礦所存在的安全事故隱患，并進一步實現應急決策的優化，圖3中事故數據分析模塊7進行事故實驗數據分析的過程可以如圖7所示。首先，實驗解析器對已經完成的仿真結果進行解析，獲取事故的分類、分級，以及事故屬性信息。然后，利用分析決策模型統計各類設置參數對事故產生的影響，例如統計信息(人員分布、設備分布等)，危險源參數值(規模因子、擴散速度等)，疏散方案因子(交通調度、救援人員分布)；事故造成的后果包括危害程度、影響范圍、人員損失等。所采取的決策分析模型主要有兩種①多屬性群決策分析模型，多專家對多屬性決策問題進行評價時，根據多專家對事故的多屬性評價建立評價向量矩陣，通過計算各屬性的個體理想方案得出決策群體的綜合評價建議；②模糊決策分析模型，根據模糊決策分析原理求解定性與定量相結合的決策問題。最后，圖7中的綜合器將實驗分析結論與知識庫相關聯，實現煤礦安全隱患的辨識與風險預測，為應急決策的優化提供支撐。知識庫中所涉及的知識有規則型知識(事故處置規則、預案修正規則等)，本體知識(事故術語、領域術語、及其它語義相關的本體)和范例知識(事故處置的歷史范例)。安全隱患的辨識一般有兩種方法基于規則比對，即根據規則調整或整合出合適的預案，通過與實驗數據的比對，發現事故應急過程中所存在問題；基于范例比對，即調整或整合出合適的事故案例，通過與實驗數據的比對，發現事故應急過程中所存在問題。兩種手段可同時使用，最后需要對結果進行綜合。人(決策者和顧問)在這個過程中扮演重要的角色，他們是理解、分析和制定工作流程的最后拍板者，可以根據實驗數據的分析結果對事故處置預案進行調整、整合、重造， 最終完成應急決策的優化。決策優化按照三種形式進行處理再生型指有合適的應對事故預案，但預案中的資源、動作等由于某種原因無法工作，通過分析當前意外事件所處的現場狀況，對應急預案的要素內容(包括應急的組織結構、資源、行為和任務等)進行替換，以達到更優效果的決策方式；調節型指沒有合適的預案，但某幾個預案片段調整、整合后能應對事故的決策方式；創新型指沒有合適的預案能應對事故，決策者根據自身的知識制定應對事故的決策方式。這里以井下礦工火災情況下緊急疏散的應急方案演練為例指揮決策模塊62利用仿真場景構建模塊中建立的應急演練環境，根據預先制定的演練方案或實時演練指令的下達，向計劃執行模塊發布決策指令，計劃執行模塊63接收決策指令后，在仿真場景構建模塊1上模擬危險發生時參與指揮決策的疏散場景，從而實現指揮演練的目的。指揮決策模塊62不參與系統仿真執行的情況下，仿真結果為沒有指揮調度的自然應急疏散過程。指揮演練工作流圖如圖7所示。確定計算實驗的目標之后，搜集數據，主要包括緊急疏散行為對象信息，執行緊急疏散力量的組成及其能力信息，煤礦井下自然和人為環境條件，例如待疏散礦工數量、類型、各巷道內的緊急救生艙、疏散通道等數據；搜集數據完成后，制定疏散方案，模型庫22 中的優化模型計演練仿真結果為制定疏散方案提供技術依據；制定了疏散方案后，擬訂行動計劃，下達疏散數據指令，本實例中，疏散數據指令的要素包括指揮者、指揮對象、指揮手段、指揮信息；然后實施行動計劃，在計劃執行模塊63中實現行動計劃的實施，并輸出到仿真場景構建模塊中的虛擬演練仿真環境；進一步，根據仿真實驗的結果，對應急疏散方案進行性能評估，包括人員傷亡情況、經濟損失、救援成本等，判斷應急疏散方案是否滿足指揮調度要求，是則結束演練，否則分析查找原因，確認現有方案中存在的安全隱患以及可能造成的風險，對方案進行調整和優化；然后，再搜集數據，進行新一輪的疏散方案演練，直至設計的應急方案能夠獲得滿意的實驗效果為止。
權利要求
1.一種基于多智能體的煤礦事故仿真方法，其特征在于，包括根據收集到的基礎數據、智能體概念模型和環境參數構建智能體實體和虛擬仿真環境；選擇預設模型和預設知識，將所選擇的預設模型和知識結合所收集的基礎數據和環境參數值，進行智能體模型計算，形成模型計算結果；根據預設智能體行為規則和所述模型計算結果，進行智能體實體行為計算，選擇智能體實體行為；利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為，更新所述虛擬仿真環境的環境變量，將智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新當前時刻的虛擬仿真環境；利用進行智能體實體行為配置時生成的配置信息更新行為選擇規則中的行為選擇參數，利用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算，選擇智能體實體行為，進行智能體實體行為配置，執行相鄰下一時刻的智能體實體行為，更新所述虛擬仿真環境的環境變量，將相鄰下一時刻的智能體的行為狀態信息和更新后的環境變量發送給仿真場景構建模塊，使得仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新相鄰下一時刻的虛擬仿真環境。
2.根據權利要求1所述的方法，其特征在于，所述智能體包括煤礦災難源實體、井下礦工實體、應急設備實體和救療媒介實體。
3.根據權利要求1所述的方法，其特征在于，還包括將仿真結果進行解析，獲取事故的分類、分級和屬性信息；根據所述事故的分級、分類和屬性信息生成事故分析結論。
4.根據權利要求3所述的方法，其特征在于，還包括將所述事故分析結論與知識庫相關聯，生成煤礦安全隱患辨識信息和風險預測信息。
5.根據權利要求1所述的方法，其特征在于，還包括通過通信模塊實時采集煤礦當前的數據，用所述通信模塊實時采集到的數據更新所述基礎數據。
6.一種基于多智能體的煤礦事故仿真系統，其特征在于，包括智能體生成模塊，用于根據收集到的基礎數據、智能體概念模型和環境參數構建智能體實體；仿真場景構建模塊，用于根據收集到的基礎數據、智能體和環境參數構建虛擬仿真環境；模型計算模塊，用于選擇預設模型和預設知識，將所選擇的預設知識模型結合所收集的基礎數據和環境參數值，進行智能體模型計算；行為選擇模塊，用于根據預設智能體行為規則進行智能體實體行為計算； 行為配置模塊，利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為，更新所述虛擬仿真環境的環境變量，并將環境變量發送給所述仿真場景構建模塊；利用進行智能體實體行為配置時生成的配置信息更新行為選擇規則中的行為選擇參數，使得所述行為選擇模塊利用更新后的行為選擇參數進行相鄰下一時刻的進行智能體實體行為計算，選擇智能體實體行為后，進行智能體實體行為配置，執行相鄰下一時刻的智能體實體行為，更新所述虛擬仿真環境的環境變量，并將所述環境變量發送給所述仿真場景構建模塊。
7.根據權利要求6所述的系統，其特征在于，還包括數據庫模塊；所述數據庫模塊包括、危險源子庫模塊、資源子庫、基礎地理數據子庫、模型庫和知識庫。
8.根據權利要求7所述的系統，其特征在于，還包括事故隱患辨識模塊，用于將仿真結果進行解析，獲取事故的分類、分級和屬性信息；根據所述事故的分級、分類和屬性信息生成事故分析結論。
9.根據權利要求8所述的系統，其特征在于，所述事故隱患辨識模塊還用于將所述事故分析結論與知識庫相關聯，生成煤礦安全隱患辨識信息和風險預測信息。
10.根據權利要求9所述系統，其特征在于，還包括通信模塊，用于實時采集煤礦當前的數據，用實時采集到的數據更新所述基礎數據。
全文摘要
本發明公開了一種基于多智能體的煤礦事故仿真方法及系統，其中方法包括構建智能體實體和虛擬仿真環境；選擇預設模型和預設知識，進行智能體模型計算，形成模型計算結果；進行智能體實體行為計算，選擇智能體實體行為；利用智能體行為經驗學習規則進行智能體實體行為配置，執行智能體實體行為，更新虛擬仿真環境的環境變量，仿真場景構建模塊基于智能體的行為狀態信息和更新后的環境變量更新當前時刻的虛擬仿真環境。并對行為選擇參數進行更新，采用更新后的行為選擇參數進行相鄰下一時刻的智能體實體行為計算。本發明能夠模擬各種環境下的煤礦事故，從而為及時發現煤礦事故隱患提供豐富的信息。
文檔編號G06F19/00GK102508995SQ20111030319
公開日2012年6月20日 申請日期2011年9月26日 優先權日2011年9月26日
發明者侯艷芳, 安吉宇, 王俊峰, 王淑芳, 薛霄 申請人:河南理工大學