油田三维应急演练系统的场景推理方法研究
打开文本图片集
摘 要： 针对油田传统应急演练方法存在过程固定和简单、演练结果单一且无法为应急指挥系统提供多种预案支持的问题，油田三维应急演练系统的场景推理方法，油田应急培训系统中三维应急场景的结构化描述及其场景的演化。对场景推理的规则进行抽取，对场景推理中模糊知识利用隶属度函数和对场景推理进行模糊匹配，最后通过一个人员中毒的案例展示场景推理的整体架构。运用场景推理的方法可进行初始场景的配置，基于不同的场景推演出不同的应急演练预案，打破了传统固定流程演练的模式，对于同一种灾害事故的初始场景配置，可以推演出不同的应急预案，通过三维应急演练，可以辅助指挥者挑选合适的预案。
关键词：
场景推理; 隶属度构造; 模糊匹配
中图分类号： TP311
文献标志码： A
Study on Scene Inference Method of Oil Field 3D Emergency Drill System
LIU Xianmei， SHAO Zhiwei， ZHAO Ya
（School of Computer & Information Technology， Northeast Petroleum University Daging 163318）
Abstract：
Aimed at the problem that the traditional oil field drill process is fixed and simple， the result is unique， and the process cannot provide a variety of plans to support emergency command， the scene inference method is studied to establish an oil field three-dimensional drill system. This paper mainly studies the structural description of the 3D emergency scene in the oilfield emergency training system and the evolution of the scene， extracts the rules of scene inference， constructs the membership degree of fuzzy knowledge in scene inference and fuzzy matching of scene inference. A case of human poisoning is analyzed and summarized. By using the scene inference method， the system can configure the initial scene， perform different emergency drills based on different scenes. It breaks the traditional model of fixed drilling process， pushes the performance of different contingency plans for an initial disaster or accident scene configuration， it can help commanders to choose appropriate plans through the 3D emergency drills.
Key words：
Scene inference; Membership function construction; Fuzzy matching
0 引言
隨着我国石油工业的迅猛发展及其规模的不断扩大，各种事故呈不断上升的趋势，重大事故时有发生，对人民生命安全、国家财产和环境构成了严重威胁。现在应急演练越发重要，目前传统仿真应急演练系统虽可以做到使员工的训练工作不受实际条件的限制，但这种传统三维应急演练系统只能按照已经固定好的流程进行演练，也无法为控制中心提供多条决策[1] 。对于这种传统的油田三维应急演练需要加入新的预案推理方法，当前主流的推理方法有框架推理，模糊推理，粗糙集推理，场景推理等。灾害事件演化变迁，正是一幕幕场景的演化变迁，故应急演练的场景推理的方式更加值得研究。
1 场景推理模型构建
1.1 三维应急演练场景的结构化描述
灾害事故等突发事件的发生和发展与许多因素有关，
为了实现场景驱动的应急演练，首先要实现的就是应急三维场景的结构化描述。三维场景的重构需要根据实际灾害事故的演化特点进行参数设计，将配置好的三维应急场景进行结构化表达和特征提取，这是应急场景模型框架构造的基础。通过对不同类型应急情况的分析和场景提取，我们可以构建场景模型。三维应急场景效果如图1所示。
三维应急场景的构成元素包括灾害信息，位置信息，设备信息，环境信息，岗位信息。
场景元素表达式如下。
Scence information={Accident，Time，Location，
Equipment，Environment，Post}
以下是对于场景元素的示例。
1、事故信息
（1）事故种类：原油泄漏，人员中毒，人员触电，设备着火，设备爆炸等。
（2）事故程度：例如原油泄漏分为少量、大量。
2、位置信息
（1）总体位置：指的是灾害发生的场所例如厂房，外输泵房间，集油值班室，变频间等。
（2）精确位置：例如原油泄漏的精确位置分为进口阀前门、进出口阀门之间、进出口阀后端等。
3、岗位信息
（1）场景支持的模拟方式：主岗，付岗，双人。
（2）具体岗位：油库调度人员，电力调度人员，值班员，值班长，班长，主值班，副值班，输油岗等。
4、设备信息
（1）操作设备：变频泵，仪表盘，可燃气体报警器，可燃气体报警器二次表，变频器急停按钮，风动阀，阀门法兰，螺栓，润滑油油杯。
（2）操作工具：试电笔，正压呼吸器，静电释放仪。
5、环境信息
（1）社会环境：主要考虑人员状况，是否有人员出现慌乱，是否有人员失踪。
（2）自然环境：主是考虑周围的环境是否会引发次级灾害，例如厂房原油泄漏时，厂房内是否有明火，阀门是否清洁，周围有无杂物等因素导致的灾害发展方向不同。
1.2 三维应急演练场景的演化
基于场景推理的应急演练是由一系列场景组成的，一幕幕的场景构建成场景库。
场景的表达式为：
Scences= {IS，S1，S2，S3…Sn}
Scences代表场景推理的应急演练，IS（Initial Scence）代表初始场景，配置场景的各种参数，并在某种条件下激活演练事件，S1-Sn代表了各个场景，各个场景的串联通过场景间的应对操作来进行，我们通过突发事件的特点和应急措施，建立相应的场景推理规则，通过连接多场景和演化条件构成了一条场景链，如图2所示。
演化关系有多种形式，包括，一对多场景，多对一场景，多分支场景等。一对多场景意味着一个场景可能会发展成其他两个场景更多的场景。多对一场景意味着许多场景发展成一个场景[2] 。多分支场景不但意味着多种应急演练方式，而且可以支持多种决策选择，如图3所示。
突发事件的发展过程及其衍生事件发展总是在变化。一般来说，场景的发展情况如图1-图3所示。
箭头代表演化条件Scence指各个场景。
1、在某些条件下，一个场景演化为下一个场景，如条件Scence2、Secence3和Scence4。
2、在某些条件下，一个场景产生多根分支场景，如Scence5演化出Scence6和Scence9的分支场景。
3、在某些条件下，两个或多个场景可能会发展成一个场景，如Scence13和Scence14演化成Scence15。
2 场景推理的规则构建
2.1 场景推理规则抽取
应急预案是一个粗糙的指导文件，对知识的描述比较笼统，在演练过程中还需要对其细化，而演练脚本对每一个时间点每一个角色的动作都做了详细的规定。[3] 故需把预案编制成脚本，才可以对演练起指导作用。每一次演练，是 脚本中一幕幕场景按照各自的条件不断触发的过程。而场景的变迁的触发，是由场景中的事件对应操作所引起，一个预案包含多幕场景，每个场景中有多个事件，每个（多个）事件对应着一个或多个操作。
将场景作为前件，操作作为后件，通过场景—操作的对应模式抽取场景推理的规则，通过匹配规则，最接近的当前应急预案的模拟场景将会在场景库中被找到，如图4所示。
为了能较好地表现各事件相互触发的层次关系以及突显演练的突发性与随机性，运用模糊数学对场景前件进行描述是必要的。通过该方式构造的系统，可对演练过程进行多分支多结果的推理，达到较好的演练和培训的效果。[4] 演练中遇到的不确定性事件用模糊数学方法进行表达。演练模糊事件的研究包括构造演练事件模糊集、演练关系的模糊集和演练事件隶属度函数。
2.2 场景推理中模糊知识隶属度函数构造
三维应急场景中各个元素之间的关系，要用模糊集来表达。这类关系可歸结为许多事件元素的模糊集与规则中待激活的前件模糊集之间的关系。
例如：有一条规则如下， IF“主值班旋转控制盘按钮至停止处” ∧ “输油岗发现原油泄漏”THEN“副值班汇报控制中心”。其中“发现原油泄漏”模糊集和“旋转控制盘按钮”模糊集与激活“副班长汇报控制中心”这个事件的关系形成一个模糊集，称为事件关系的模糊集，在进行场景推理的时候会用到。
隶属度函数反映了模糊集合中的元素属于该集合的程度。对于“阀门的开度” （0～100）可用连续的函数表达隶属度。而对于“迅速向班长汇报”可用离散型的函数对其表达。演练中隶属度函数分三类来构造。
（1） 单连续隶属度函数（包括操作、汇报、观察与确认） 对于阀门的开度、观察火焰的大小等事件，可以用简单隶属度函数来表达。
（2） 复杂连续隶属度函数（瞬间灾害爆炸）对于些比较复杂事件的元素，则需考虑创造复杂的隶属度函数来表达。
（3） 离散隶属度表（连续灾害类燃气泄漏） 衡量灾害对人造成的伤害，一般需通过仿真算法进行定量的计算。本推理系统是用模糊数学的方法来衡量伤害度，用离散数据来表达其隶属度。
2.3 场景推理的模糊匹配
当应急演练规则的前件是不确定知识的时候，应该使用含有模糊概念、模糊数据或带有模糊确信程度的语句和命题。[5] 例如： IF“原油泄漏”。当应急演练规则激活以后所描述的结论是不确定知识时，也要用含有模糊概念、模糊数据或带有模糊确信程度的语句和命题来表达。例如： THEN“通知控制中心”。对每一条模糊规则，系统需定义一个阈值，表明该规则需要的匹配程度。例如， IF“值班长缓慢打开进风阀”THEN“副值记录时间”。前件的匹配设置为0.3，这意味着进风阀打开的程度只有够慢，才能满足这条规则的匹配条件。
2.3.1 场景推理的的单一模糊事件匹配与响应
场景推理使用“贴近度”来衡量场景中两个模糊事件的匹配程度。若贴近度大于等于规则指定的阈值时，就认为规则的模糊条件与证据事件匹配;贴近度越大表示越匹配。应急演练推理，实质是模糊集组合与证据的匹配过程。下面简单描述演练场景推理的运行步骤。
首先，选择一种计算单一模糊集与单一证据匹配度的方法，分别对考察对象模糊集组合中的每一个单模糊集计算出与相应证据的匹配度。
Xi与X′i的匹配度表示为δ（Xi， X′i）， i= 1， 2， 3。其次，选择一种计算总匹配度的方法，计算组合条件与证据的总匹配度。
对于前件是X1∩ X2（逻辑与）形式的规则，本系统采用了“取极小”的方法来计算总匹配度。δ（Y，Y′）= min{δ（Xi，X′i）" i= 1，2，… ，n}
对于前件是X1∪ X2（逻辑或）形式的规则，本系统采用了“取极大”的方法来计算总匹配度
δ（Y，Y′）= max{δ（Xi，X′i）| i= 1，2，… ，n}
对于前件是A（逻辑非）形式的规则，本系统采用如下算法计算匹配度δ（Yi，Y′i）= 1-δ（Xi，X′i）最后，若总匹配度δ（Y， Y′）大于等于规则的阈值λ，则可匹配;否则，不可匹配。
2.3.2 场景推理中的多维模糊事件匹配与响应
应急演练的过程是一个多事件多维的模糊推理过程。我们可以在场景推理中使用扎德方法进行简单模糊肯定式推演。[6] 当某个场景是一个由多事件组成的复杂表达式时，需用多维模糊肯定式进行推理，步骤如下。
（1） 求出规则前件的各事件的模糊交集，记为A。
（2） 用最大最小规则方法构造出A与考察中带激活的事件B的模糊集之间的模糊关系R（A， B）。
（3） 求出带检验的证据事件的模糊交集，记为A′。
（4） 用模糊肯定式推理，由A′与R（A， B）的合成求出结论的模糊集B′= A′R（A， B）
（5） 对模糊集B和B′进行匹配，匹配成功后激活该条规则。
2.3.3 场景推理中各触发事件分类
（1） 检查和确认类
例如，
步骤描述： 检查风动阀各部位螺栓紧固无松动。
触发阈值：虚拟现实环境中“值班员”角色选中风动阀各部位螺栓∪ “紧固程度”∪ “密封程度”与“螺栓紧固模糊集”匹配度在0. 8以上。
（2） 灾害类
例如，
步骤描述： 外输泵突发原油泄漏。
触发阈值：通过工艺仿真计算管道压力阈值。
（3） 汇报类
例如，
步骤描述：向控制室汇报：
触发阈值：虚拟现实环境中值班长使用通讯设备∪发出“原油泄漏报警器闪烁”信息。
（4） 救助类
例如，
步骤描述：工作人员中毒。
触发阈值：“虚拟环境中救护人员角色选中毒人员角色”∪“呼叫120”∪“选中通讯工具”。
（5） 操作类
例如，
步骤描述：缓慢打开风进阀。
触发阈值：“风进阀”与“阀门关闭模糊集”匹配度为0. 3以下。
3 案例分析
本文对场景推理的一个分支“人员中毒和窒息应急处置模块”进行案例分析。
3.1 首先对本模块的三维应急场景进行结构化描述
在初始场景中我们构建三维应急演练场景，配置参数，包括储油罐、燃气泄漏警报器、设备、岗位等。
（1） 事故信息
事故种类：人员中毒;事故程度：中度。
（2） 位置信息
总體位置：油气储罐。精确位置：罐中心。
（3） 岗位信息
模拟方式：主岗，具体岗位，值班长，副值班长，清罐岗。
（4） 设备信息
操作设备：燃气泄漏警报器、救护车。操作工具：正压呼吸器、手机。
（5） 环境信息。
社会环境：无人员失踪。自然环境：油气储罐周围无明火。
3.2 “人员中毒和窒息应急处置模块”的隶属度构造
（1） 简单连续隶属度函数，针对燃气泄漏等级、汇报和营救的完成程度进行构造。这里拿燃气泄漏事件举例：由于“燃气浓度”和“泄漏事件”基本是呈正比例的关系，所以隶属度函数的形状应该是一个渐进向上的曲线，对于“燃气浓度”属于“泄漏事件”模糊集的隶属度函数可采用S-shaped函数来构造。函数表达如下：y= xl（z，[a，b]）系统定义6个等级的燃气浓度，等级1的火苗隶属于火灾的可能性可以设定为0;而对于等级3以上的浓度（0.01%），隶属于燃气泄漏的可能性可设定为1。所以，函数中[ a， b]的范围可以定义为[1，6]。
（2） 散隶属度表（连续灾害类等）针对人员中毒事件用模糊数学的方法来衡量对人体伤害度，用离散数据来表达其隶属度，考虑泄漏源的距离和泄漏持续的事件来构造离散隶属度函数，离泄漏源越远，时间越短中毒程度越轻。
3.3 中毒应急演练事件推演的匹配规则
基于三维场景结构化描述和模糊知识的隶属度构造，对整个事件进行推理规则的抽取。具体如下。
（1） 值班长组织人员撤离的阀值是“原油泄漏报警器闪烁。进行汇报触发阀值是：虚拟现实环境中值班员选中手机∪“原油泄漏报警器闪烁。具体的场景及事件演化如图5、图6所示。
（2） 值班长营救中毒人员的触发阈值：“虚拟环境中值班长选中正压式呼吸器”∪“储油罐内存在中毒人員”具体的场景及事件演化如图7，图8所示。
（3） 抢救事件的触发阀值触发阈值：“虚拟环境中副值班长选中毒人员角色”∪“进行急救措施”∪“选中通讯工具”。具体的场景及事件演化如图图9所示。
（4） 救护车救援触发阀值“虚拟环境中救护人员角色选中毒人员角色”∪“选中救护车”。具体的场景及事件演化如图10所示。
3.1.4 “人员中毒和窒息应急处置模块”的场景推理架构流程
场景包含初始场景-四个流程场景-结束场景，每个场景都对应相应的操作事件。如图为整个场景推理的架构图，根据此流程完成场景推理。具体推理的架构流程如图11所示。
4 总结
油田三维应急演练系统核心的理论在于场景推理，本文
首先对油田应急演练系统中三维应急场景进行结构化描述，
然后对于场景的演化变迁进行研究，这是场景推理的基础。其次是对场景推理的规则进行抽取，对场景推理中模糊知识进行隶属度函数构造最后对于对场景推理中的事件模糊匹配进行研究。最后通过人员中毒案例进展现整个场景推理架构。综上，油田三维应急演练系统的场景推理方法不但最贴近应急演练系统开发的需求，而且提供了多种演练方式和为应急指挥控制中心提供了多种预案支持。
参考文献
[1] 彭绪富，朱小婉，严慧.爆炸罐突发事件“情景-应对”模型构建研究[J].湖北师范大学学报（自然科学版），2017，37（3）：6-9.
[2] 赵玉明，甘仞初，鞠彦兵.面向情景的机场应急仿真系统Petri网建模方法[J].计算机工程与应用，2006（18）：227-228.
[3] 李群.突发事件应急准备与应急预案系统平台设计与实现[J].中国安全生产科学技术， 2017，13（2）：33-39.
[4] 张东旭. 专家系统在油田生产应急指挥系统中的应用[D].大庆：东北石油大学，2011.
[5] 赵思远. 基于模糊推理的公交人员绩效考核方案研究[D]. 大庆：东北石油大学，2017.
[6] 杨雪蓉. 面向事件关系检测的特征分析与场景推理方法研究[D].苏州：苏州大学，2015.