本发明针对传统应急演练缺乏真实场景交互的问题，提出基于虚拟现实的情景构建系统。通过Logistic回归算法预测多场景交互行为，结合FPGA处理器与无线通信模块实现高精度故障诊断，利用LED显示屏可视化交互过程，显著提升应急演练的模拟真实性和响应效率。

　　1.本发明属于情景演练领域，更具体地说，涉及一种基于情景构建的应急演练交互系统及方法。

　　2.火灾是指在时间或空间上失去控制的燃烧所造成的灾害，新的标准中，将火灾定义为在时间或空间上失去控制的燃烧。火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一，在不同情景下如何实现预防火灾，并实现急演练交互是用户面临的问题。为应对突发事件，预防安全事故发生，现有技术提出一种多地多场景政企联动综合应急演练模式，这种方法是基于情景构建技术设置多地多事故的情景，虽然能够成立演练活动的组织机构，但是相较于传统演练，事故场景的增加使演练难度增大，难以较真实地反映参演人员应急力量的实战水平。

　　3.现有技术存在诸多技术的不足，应急演练交互存在诸多问题，比如如何基于情景实现应急演练是亟待解决的技术问题。现有技术中存在情景构建困难、应急演练能力差、交互困难等诸多问题。

　　4.针对上述技术的不足，本发明的目的提供一种基于情景构建的应急演练交互系统及方法，能够基于情景构建实现应急演练的交互，实现应急演练的模拟与仿真，大大提高了应急能力。

　　7.预测模型，通过logistic函数逻辑回归算法实现不同场景下的应急演练交互；

　　11.其中所述控制模块分别与情景构建模块、预测模型、交互模块和可视化显示模块连接。

　　12.作为本发明进一步的技术方案，虚拟现实系统包含虚拟环境元素模块、现实世界元素模块、3d模型库和虚拟信息生成模块。

　　13.作为本发明进一步的技术方案，3d模型库包含有3ds max软件unity 3d开发引擎工具。

　　14.作为本发明进一步的技术方案，所述预测模型还采用大规模现场可编程门阵列fpga处理器，所述fpga处理器为xc7vx485t、xc5vfx200t或者mpc8640d powerpc处理器。

　　15.作为本发明进一步的技术方案，所述无线通信模块设置有兼容性数据信息接口。

　　16.作为本发明进一步的技术方案，所述控制模块设置有lf398采样保持电路和plc控

　　17.作为本发明进一步的技术方案，所述plc控制器采用模糊控制pid方式完成扰动计算。

　　18.作为本发明进一步的技术方案，通过构建情景构建模块，通过虚拟现实系统实现应急演练情节虚构和设计；

　　19.基于预测模型通过logistic函数逻辑回归算法实现不同场景下的应急演练交互；

　　20.基于控制模块通过控制中心控制不同情景下应急演练交互和信息相互作用；

　　22.基于可视化显示模块通过远端显示终端实现不同情景下的应急演练交互。

　　24.通过12小时周期间隔计算应急演练模拟仿真过程中的电流，利用积分方程推算结果：

　　式(1)中，qd、qc均是诊断应急场景设备流动电荷量，id、ic均是积分等效电流，σd、σc均是诊断周期内电流波动，td、tc表示应急演练模拟仿真事宜诊断周期，i表示应急演练模拟仿真事宜工况诊断感应电流，t表示时间；

　　通过积分方程推算结果对应急演练模拟仿真特性分析结果进行工况修正，修正函数为：

　　式(2)中，是应急演练模拟仿真过程中的最大流动电荷量，λ是应急演练模拟仿真修正过程中其他故障参数变化常量的校正系数，针对应急演练故障参数，通过威布尔分布的概率密度函数f(x)和累积概率分布函数f(x)进行故障判别，两函数分别如等式(3)所示：

　　式(3)中，x是应急演练模拟仿真事宜故障特征参数的值，α和β是形状参数。

　　本发明的技术效果和优点：应急演练是指针对事故情景，依据应急预案而模拟开展的预警行动，事故报告，指挥协调，现场处置等活动。它既能检验应急预案的实用性和有效性，又能锻炼参与演练人员的应急处置能力，是一举多得的好方法.应急演练的关键是做好事故情景的优选和构建，将情景构建贯穿于应急演练的全过程，从事故情景模拟再现的角度审视应急预案，应急准备，应急联动，以及救援人员的能力，查找差距和不足，从而明确

　　优化完善的方向，制定有针对性的改进措施。系统梳理总结应急演练计划，事故情景选择，应急演练实施和演练效果评估方面的典型经验，不仅能提升系统整体的应急管理水平，也可供其他项目参考借鉴。

　　为了使本发明的目的、技术方案及优点更加清楚明白，以下结合具体实施例，—对本发明进行进一步详细说明。—应当理解，—此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

　　预测模型，通过logistic函数逻辑回归算法实现不同场景下的应急演练交互；

　　其中所述控制模块分别与情景构建模块、预测模型、交互模块和可视化显示模块连接。

　　在上述实施例中，虚拟现实系统包含虚拟环境元素模块、现实世界元素模块、3d模型库和虚拟信息生成模块。

　　在具体实施例中，技术人员通过3d建模模块构建多个虚拟模型并合并成一个模型库，用户通过3d合成模块、检测模块、反馈模块、数据感测模块、传感器模块、虚拟控制模块以及虚拟世界等多种应急演练模块联系在一起，在本发明中，培训人员可以自主选择何种虚拟环境，然后通过头戴显示器进入场景模拟训练。以实现不同情景设置。

　　在上述实施例中，3d模型库包含有3ds max软件unity 3d开发引擎工具。

　　对火灾场景进行建模和系统功能开发，对会议室和灭火器的场景建模过程与方法进行描述，同时采用高斯分布原理对火灾发生时任意位置的烟雾浓度进行确定，对高度还原现实世界中的火灾发生提供了支持。

　　场景建模是整个系统的基础，会议室是高层办公场景中不可或缺的元素，本发明采用3ds max软件来对本系统中的场景进行建模，3ds max是一款拥有众多用户的pc端建模软件，它在建模、灯光、动画功能、材质以及软件兼容性等方面都比其他的建模软件更有优势，除此之外，还具有操作简单、功能强大、界面简洁、动画效果高效逼真、渲染能力强等特点。

　　以会议室为例开说明3ds max建模的优势，在高层办公场景中，主要是墙、门、窗的创建，在3ds max中墙体的创建一般都是直接采用“墙”命令创建完成的，如果要对墙体进行修改和编辑，可以通过修改墙体的参数来改变墙体的外形以及数据，门窗也可以直接使用“门”和“窗口”命令来直接创建，这种方式大大提高了建模的效率，并且门窗会自动适应大小安装在墙体上，当墙体的位置发生变化时，门窗也会随之变化。

　　3ds max中的“门”命令包含四种门类型：轴心点单开类型、轴心点双开类型、滑动式、折叠式。会议室选择的门类型为轴心点单开类型。“窗口”命令包括遮蓬式、旋开式、平开式、推拉式、固定式、伸出式六种类型的窗口，高层办公场景中选择的窗口类型为滑动式。

　　在上述实施例中，所述预测模型还采用大规模现场可编程门阵列fpga处理器，所述fpga处理器为xc7vx485t、xc5vfx200t或者mpc8640d powerpc处理器。

　　在具体实施例中，预测模型中的信息交换的芯片可以为bcm5396千兆网交换芯片。在进行数据存储时，可以为双倍数据速率存储器、flash存储器等实现大规模数据的存储。在具体应用时，网络融合模块通过fc交换接口与vpx上背板上设置的高速连接器进行数据互通互联，实现fc节点与交换模块之间的信息交换。在信息交换和数据交互过程中，可以采用两路fc数据，将fc数据输出信息与mpc8640d模块的输入接口连接。mpc8640d模块在接收到数据报文信息之后，将接收到的数据信息通过bcm5396路由到以太网中。

　　在具体实施例中，无线通信模块在接收和发送信号时经过外部射频模块，板卡在处理发送射频信号的工作状态时，输出射频信号0dm到射频前端电路中。再经过输入匹配电路去除掉信号中的噪声和载波的谐波分量，保证输出到推动模块。

　　在具体实施例中，在虚拟模型应用中，通常通过输入和输出指示区的四个接线柱是当防护区域内需要接入工作电源时外接电源的输入和输出端，交流220v或380v均可接入，可通过最大电流30a。控制面板在左下方，本系统采用菜单方式引导用户进行设置。设置时，用户可通过键盘上的*键和#键选择需要的设置项，并按“确认”键进行设置。其中故障监控机包括输入、输出、报警和拨号四种状态，如遇情况则指示灯会发亮。故障诊断设备的控制是通过多个传感器感知应急演练模拟仿线]

　　在具体实施例中，所述控制模块设置有lf398采样保持电路和plc控制器。

　　在具体实施例中，lf398是采样保持电路，在其工作中引导加载外部电容，当采样开关s/h处于高输入电平时，开关接通。sx1276处理芯片运行为收发器形式，通过转变运行中的变化规律实现信号的传递。comp引脚作为补偿电容，可以外接补偿元件，减少芯片内部输出信号误差；vref连接c3和安全电路，保持芯片电压的恒定；vcc引脚连接电源，控制芯片的总电压，利用按钮控制芯片的启动；pwm引脚负责整理信号形态，对转化电流进行脉冲控制，便于识别；gnd引脚连接接地装置，负责应急演练模拟仿真事宜的线]

　　应急演练模拟仿真事宜组工况诊断过程中，收录的各项参数都是相对比例值，需要对不同比例的参数进行标定值换算。实际运行中，供能应急演练模拟仿真事宜流通电流存在随机性，为精准诊断应急演练模拟仿真事宜运行健康情况，对其运行参数变化进行等效变换，形成数据似然估计方法，对于设备运行的诊断过程中产生的波动电路。

　　基于预测模型通过logistic函数逻辑回归算法实现不同场景下的应急演练交互；

　　通过12小时周期间隔计算应急演练模拟仿真过程中的电流，利用积分方程推算结果：

　　式(1)中，qd、qc均是诊断应急场景设备流动电荷量，id、ic均是积分等效电流，σd、σc均是诊断周期内电流波动，td、tc表示应急演练模拟仿真事宜诊断周期，i表示应急演练模拟仿真事宜工况诊断感应电流，t表示时间；

　　为进一步确定应急演练模拟仿真事宜故障特征参数数据，对其运行周期内的特性进行分析，根据其特性电流波动量确定应急演练模拟仿真事宜的稳定情况。通过积分方程推算结果对应急演练模拟仿真特性分析结果进行工况修正，修正函数为：

　　式(2)中，是应急演练模拟仿真过程中的最大流动电荷量，λ是应急演练模拟仿真修正过程中其他故障参数变化常量的校正系数，针对应急演练故障参数，通过威布尔分布的概率密度函数f(x)和累积概率分布函数f(x)进行故障判别，两函数分别如等式(3)所示：

　　式(3)中，x是应急演练模拟仿真事宜故障特征参数的值，α和β是形状参数。

　　故障特征参数值是连续的，但采用数据挖掘算法需要离散输入。因此，该发明提出了一种基于设备状态分布概率的参数离散化方法，将应急演练模拟仿真事宜的运行状态分为正常状态、注意状态、异常状态和严重状态，收集所有同类型设备的实际状态数据后，计算不同状态的分布概率p＝[p1、p2、p3、p4]，则累积分布概率f＝[f1、f2、f3、1]通过累积分布概率p获得。f1、f2和f3根据方程(4)中表示的威布尔分布模型，带入逆累积概率分布函数：

　　2 x3]，并获得四个离散区间s1(0～x1)、s2(x1～x2)、s3(x2～x3)和s4(x3～+∞)。根据不同的离散区间输入应急演练模拟仿真事宜故障特征参数。

　　不同的故障模式将对故障特征参数的变化趋势产生不同的影响，这些故障特征离散参数通过apriori算法进行量化。apriori算法扫描每个训练循环中的整个应急演练过程

　　故障数据库，以计算应急演练过程故障候选项集的置信度。假设故障数据集为df＝[d

　　式(5)中，count()是项目集的计数函数。置信度用于衡量关联规则在整个数据集中的统计重要性，置信度越高，项目集在df中出现的频率就越高。根据apriori算法中得到的电力设备应急演练模拟参数置信度，可以计算出前文中所提到的4种不同故障模式的隶属函数。这些不同的隶属函数对故障诊断措施的失效概率有不同的贡献。因此，每种诊断措施失效概率通过加权方法计算，例如，第j个诊断措施的失效概率pj由公式(6)计算：

　　分别是第i个故障特征参数到第j个故障模式的隶属函数和重要权重。为了保证权重结果的合理性，提出了一种样本差异计算权重模型：首先，获取不同应急演练模拟特征参数的差异值；其次，计算特征参数n

　　是第m个应急演练模拟特征数据集到第j个m个应急演练模拟特征数据集的样本数。第j个故障模式的所有故障特征参数的重要权重通过公式(8)中的归一化计算得出：

　　根据式(7)和式(8)，重要权重w的计算结果是基于故障数据和差异值数量的计算，而不是基于传统评价专家的经验，以确保准确性和合理性。

　　对每种类型的应急演练过程故障模式及其诊断概率之间建立串联网络，通过计算得到设备故障诊断措施失效概率pe为：

　　通过设计的故障诊断设备和改进的大数据算法模型使应急演练过程故障诊断系统对电力数据的诊断更加的准确。

　　logistic函数逻辑回归算法通过函数曲线图来表示，在损失函数方面，logistic回归没有使用欧式距离来衡量误差，而使用了交叉熵函数(crossentropy)。在具体应用过程中，先对数据进行线性回归，通过输入和输出实现数据信息交互。在进行logistic回归进行分类时，能够根据现有数据对分类边界线建立回归公式(找最佳拟合)，以此进行分类。这

　　里的回归表示要找到最佳拟合参数集、多元函数的参数集合和非线性回归。logistic回归训练分类器时的做法就是寻找最佳拟合参数，使用的是最优化算法。不同于之前的分类算法为寻找最优只是调整参数大小，这里用到了寻找最优的算法。

　　在发明中，该发明将通过实验来证实分布式情景构建应急模拟故障诊断方法的适用性与有效性。实验通过搭建物联网情景构建应急模拟系统对接公司内网获得数据。关于实验计算机硬件环境为pentium(r)cpu、8核16g内存，电脑的硬盘容量为512g的硬件环境，软件的操作系统windows10。该发明中用作实验系统架构主要工具是raspberry pi model 2，其主要功能是执行应急演练过程故障信息采集，并作为云服务器的互联网网关。物联网网关采用下载速率1024kbps、向云服务器发送数据。在云系统中实现了web和数据库应用服务器。

　　本发明采用情景构建应急模拟公司管辖下的x情景构建应急模拟运维系统数据库，针对情景构建应急模拟应急演练模拟仿真事宜故障基于simulink软件建立了仿真模型。在构建实验硬软件环境之后，通过故障诊断设备对应急演练过程特征数据的误差和灵敏度进行测试，采用方案1(检测设备方法)故障诊断方法与方案2(虚拟场景方法)故障诊断方法作为实验对比，将故障诊断的实验结果汇总数据表，如表1所示。

　　通过表1数据分析，设置的应急演练模拟仿真故障检测数量最高上限为100台，平均每台应急演练模拟仿真事宜故障诊断的灵敏度为148dbm，差异性为1.29％，诊断误差为1.0％。为了进一步体现该发明方法的优势，在不同设备数量环境下通过对比故障检测灵敏度分析三种不同方案性能，得到实验结果如表2所示。

　　图2中该发明方法对应急演练过程故障检测灵敏度上升趋势较为明显，在0～50台灵敏度增速达到2.8，50～100台时，平均检测灵敏度稳定在140dbm，明显高于其他两种方法，体现了该发明设计的应急演练过程故障诊断方案的实用性。

　　通过对比各发明模型验证结果准确性进一步完成对比实验，在不同设备数量环境下通过对比三种方法诊断准确率，得到实验结果如表3所示。

　　根据计算机处理结果进行仿真对比，得到验证，发现该发明方法故障诊断准确率较高，在数量达到20台时，准确性超过90％，90～103台期间存在波动，在100台时最高为98.6％，均高于其他两种方法，显示了该发明设计的应急演练过程故障诊断方案的可靠性。

　　最后应说明的是：以上所述仅为本发明的优选实施例而已，—并不用于限制本发明，—尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

　　针对传统应急演练缺乏多感官真实感的问题，提出融合VR虚拟场景与物理道具的混合现实演练系统。通过传感器实时采集数据，控制器同步调控物理道具（如可晃动地板、热源）与虚拟场景，实现视觉、触觉、嗅觉等...

　　针对传统应急演练缺乏真实感和多感官体验的问题，提出融合VR与物理道具的混合现实演练系统。通过传感器实时采集数据，控制器同步调控虚拟场景与物理装置，实现视觉、听觉、触觉等多维度沉浸式体验，提升演...

　　1.振动信号时频分析理论与测试系统设计 2.汽车检测系统设计 3.汽车电子控制系统设计