表1(Table 1)
近几年来,包括美国航空公司1420航班空难、华航120航班空难、伊春空难在内的民航客机火灾事故频发.而客舱结构和布局会对火灾疏散时的人员安全产生很大的影响,因此,分析飞机客舱的防火性能并科学合理地指导乘客进行疏散,成为了民航安全领域的重点研究方向之一.
为对飞机客舱的防火性能进行研究,美国联邦航空管理局(Federal Aviation Administration,FAA)进行了一系列的全尺度火灾实验,对火灾时客舱内的温度、能见度、毒性气体浓度等进行了研究[1,2,3,4].Wang等[5]基于FAA的C-133机身全尺度模拟数据,利用SMARTFIRE对飞机客舱火灾进行数值模拟,并预测了轰燃发生的时间.Galea[6]利用air EXODUS仿真软件,研究火灾疏散时飞机的安全标准要求.Sharma[7]应用multi-agent研究人为因素对飞机客舱人员疏散的影响,开发了AvatarSim软件来模拟紧急情况下客舱人员疏散.张炜等[8]基于Delmia软件建立客舱模型,根据元胞自动机原理得到客舱紧急情况下人员安全疏散的路径和时间.张青松等[9]利用提出的拟合算法设计了飞机客舱火灾仿真环境,基于性能化的理念提出了客舱防火设计的方法.
这些研究多关注于特定的火灾场景和人员行为,并没有研究客舱结构及布局变化对防火性能的影响,而这是在飞机客舱防火设计阶段就需要考虑的问题.为此,本文提出了飞机客舱火灾疏散安全指数(Fire Evacuation Safety Index,FESI)的概念,并以B737型飞机结构为基础,分析不同设计条件下各出口的FESI,研究客舱结构及布局对防火性能的影响,得到了若干窄体单通道飞机在确保火灾疏散安全情况下的最大搭载人数,并基于FESI的概念对B737-800飞机的疏散方案进行了优化.本研究不仅可对现有飞机的客舱火灾疏散能力进行评估,优化客舱布局及人员疏散方案,还可为国产大型飞机客舱防火设计提供依据,同时所提出的FESI的概念还可为其他领域的消防研究提供参考.
1 火灾疏散安全指数的提出基于性能化防火设计(Performance-based Fire Protection Design,PFPD)思想的飞机客舱火灾疏散研究通常通过对比各出口的可用安全疏散时间(Available Safe Egress Time,ASET)与必需安全疏散时间(Required Safety Egress Time,RSET)分析疏散过程的安全性,即若ASET＜RSET,则表示疏散过程是危险的;若ASET≥RSET,则表示疏散过程安全[10].然而,该方法仅能表征疏散过程是否安全,无法体现出防火性能的优劣.为此,本文基于性能化的思想,提出了火灾疏散安全指数FESI:
FESI是一个表征客舱防火性能的无量纲数值,其值越小,表示防火性能越高.当FESI＞1时,表示该火灾疏散过程是危险的;当FESI≤1时,表示该疏散过程是安全的.同时,1与FESI之间的差值为安全冗余,体现了客舱防火设计的安全余度,该差值越大,说明火灾疏散过程越安全,反之差值越小,说明火灾疏散过程越危险.
1.1 可用安全疏散时间在客舱火灾疏散中,出口处的环境条件对人员疏散的影响最为严重,因此研究火灾对人员安全的影响时主要考虑各出口处的环境.由于飞机客舱火灾对人员疏散的主要危险有害因素为火灾产生高温和CO,因此ASET主要考虑这两方面的因素,选取两者最小值加以确定:
根据安全线模型[11],ASET(CCO)及ASET(TE)为
出口时间模型中的RSET包含3个主要组成部分:发现起火时间(tdet)、准备疏散时间(tpre)和客舱疏散时间(tevac)[12],而客舱疏散时间又包含了开舱门及放置应急梯的时间(tod)和运动时间(tmove).应用疏散仿真结果及出口时间模型,可确定火灾场景下各出口的RSET:
飞机客舱火灾疏散的全尺度实验由于其耗资和安全性等问题难以进行,因此计算机仿真技术成为了重要的研究手段.为此,利用基于火灾动力学模拟工具(Fire Dynamics Simulator，FDS)的可视化火灾仿真软件PyroSim作为火灾仿真工具,确定客舱火灾疏散中各出口的ASET;使用Pathfinder作为疏散仿真软件,确定客舱火灾疏散中各出口的RSET.以B737-800飞机结构为基础,建立相应仿真模型,对其客舱防火设计影响因素进行分析.其中,B737-800为单通道的窄体飞机.其客舱长27.70m,宽3.76m,高2.3m,典型布置为160座,其中头等舱16座,商务舱18座,经济舱126座,舱门两对共4个,宽1.1m,高1.9m.
在火灾仿真中,采用旋转矩形方块拟合圆弧方法建立客舱PyroSim模型.根据燃油泄漏的池火模型,设定火源位置在客舱左侧中部,火源为t2-稳定火源,其热释放速率(Heat Release Rate,HRR)为10 MW,在237s时达到最大HRR.而中国的运输类飞机适航标准要求在疏散验证中只允许使用一半的出口[13],同时假定中部疏散门无法打开,因此设定在本模型中仅开放右侧的2个出口,前部出口为出口1,后部出口为出口2,各出口处距地1.7m处(人眼高度)设置热电偶和CO浓度探测器,监控出口的实时温度TE及CO浓度CCO,火灾仿真模型如图 1所示.
|
| 图 1 客舱火灾仿真模型 Fig. 1 Fire simulation model for aircraft cabin |
在建立Pathfinder疏散模型时,设置客舱内人员自动选择距离最近的出口,使仿真更接近实际[14].疏散时人员的步速设置为正态分布,标准差为0.3,平均速度为1.1m/s,最大步速为1.2m/s,最小步速为0.96m/s;肩宽为0.363~0.469m之间的随机值;tdet和tpre均为2s,tod为10s.疏散仿真模型如图 2所示.
|
| 图 2 客舱疏散仿真模型 Fig. 2 Evacuation simulation model for aircraft cabin |
由于FESI可表征客舱防火性能的优劣,因此FESI的影响因素即为客舱防火性能的影响因素.由BFD火灾模型可知,影响火灾场景下ASET的因素包括火灾受体的内部表面积、通风口的开口因子[15].对于飞机来说,其客舱内部表面积及出口的宽度、高度会对ASET产生影响,而出口的宽度和客舱内的人数为RSET的潜在影响因素.同时,这些也是在客舱防火设计中需考虑的最为重要的因素.为此,利用建立的火灾及疏散模型,结合火灾疏散安全指数,以B737-800型飞机为基础,通过改变客舱内部表面积、舱门宽度和高度及旅客人数,进行多次仿真,确定不同场景下两出口处的客舱火灾疏散安全指数,分析这些因素变化对FESI的影响,部分结果见表 1,其中场景4为典型客舱布置下的B737-800型飞机的火灾疏散情况.
| 场景 | 内表面积/m2 | 门高/m | 门宽/m | 总人数 | 出口1人数 | 出口2人数 | FESI 1 | FESI 2 |
| 1 | 341.6 | 1.90 | 1.1 | 160 | 70 | 90 | 0.6942 | 0.9846 |
| 2 | 354.9 | 1.90 | 1.1 | 160 | 70 | 90 | 0.6491 | 0.9717 |
| 3 | 368.1 | 1.90 | 1.1 | 160 | 70 | 90 | 0.6494 | 0.9596 |
| 4 | 381.4 | 1.90 | 1.1 | 160 | 70 | 90 | 0.6915 | 1.0276 |
| 5 | 394.7 | 1.90 | 1.1 | 160 | 70 | 90 | 0.6806 | 0.9955 |
| 6 | 381.4 | 1.90 | 0.9 | 160 | 70 | 90 | 0.6890 | 1.0012 |
| 7 | 381.4 | 1.90 | 1.0 | 160 | 70 | 90 | 0.6909 | 1.0149 |
| 8 | 381.4 | 1.90 | 1.2 | 160 | 70 | 90 | 0.6942 | 1.0315 |
| 9 | 381.4 | 1.90 | 1.3 | 160 | 70 | 90 | 0.7012 | 1.0343 |
| 10 | 381.4 | 1.90 | 1.1 | 154 | 67 | 87 | 0.6658 | 0.9984 |
| 11 | 381.4 | 1.90 | 1.1 | 156 | 68 | 88 | 0.6760 | 1.0088 |
| 12 | 381.4 | 1.90 | 1.1 | 158 | 69 | 89 | 0.6852 | 1.0174 |
| 13 | 381.4 | 1.90 | 1.1 | 162 | 71 | 91 | 0.6995 | 1.0376 |
| 14 | 381.4 | 1.90 | 1.1 | 164 | 72 | 92 | 0.7105 | 1.0430 |
| 15 | 381.4 | 1.90 | 1.1 | 166 | 73 | 93 | 0.7326 | 1.0488 |
| 16 | 381.4 | 1.90 | 1.1 | 168 | 74 | 94 | 0.7423 | 1.0602 |
| 17 | 381.4 | 1.90 | 1.1 | 170 | 75 | 95 | 0.7520 | 1.0673 |
| 18 | 381.4 | 1.75 | 1.1 | 160 | 70 | 90 | 0.6181 | 0.9188 |
| 19 | 381.4 | 1.60 | 1.1 | 160 | 70 | 90 | 0.5805 | 0.8770 |
| 20 | 381.4 | 1.45 | 1.1 | 160 | 70 | 90 | 0.5595 | 0.8410 |
| 注：FESI 1为出口1的火灾疏散安全指数;FESI 2为出口2的火灾疏散安全指数. | ||||||||
由仿真结果可知,B737-800型飞机FESI 1为0.6915,显著小于1,安全冗余很大,表明其在疏散过程中十分安全;然而FESI 2为1.0276,该值大于1表明通过该出口进行疏散的人员并不安全.这是由于在典型布置场景下,客舱后部有着较前部更多的旅客,而在火灾疏散时人员会自动选择最近的出口,致使70名旅客选择出口1,而另90名旅客选择出口2,如此导致了FESI 2远大于FESI 1.因此,虽然出口2的ASET较出口1略大,但使用该出口的旅客远多于出口1,导致其RSET大大超出了出口1的RSET,最终造成了FESI 2大于1.
2.2.1 客舱内表面积及舱门宽度对FESI的影响为研究客舱内部表面积及舱门宽度对FESI的影响,以B737-800型飞机为基础,适当增大和缩小以上两个参数,同时保持舱门宽度及旅客人数不变,通过仿真模拟,得到了客舱内表面积及舱门宽度与FESI的关系曲线,如图 3所示.
|
| 图 3 客舱内部表面积及舱门宽度与FESI的关系 Fig. 3 Relationship between FESI and cabin internal surface area or width of exit |
图 3反映了客舱内160名旅客在火灾场景下疏散过程中舱门宽度及客舱内部表面积与两出口FESI间的关系,其中舱门宽度分别为0.9,1.0,1.1,1.2和1.3m.由此可以看出,客舱内部表面积在381.4m2时,两舱门的FESI同时达到最大值,当内部表面积逐渐增大或减小时,FESI会同时减小,在面积减小至368.1m2时,FESI达到最小值,随后随着面积的减小,FESI不断增大.在仿真中设定的客舱内部表面积最小值为341.6m2,这是由于当客舱内部面积过小时,无法容纳160名旅客,这就使得其对应的数据没有实际意义,因此,将此场景下的客舱内表面积的区间设定为341.6~394.7m2
同时,还发现FESI随着舱门宽度的增大而增大,即随着舱门宽度的增加,客舱火灾疏散安全性逐渐降低.这是因为在如B737的单通道窄体飞机中进行疏散时,由于中间通道较为狭窄,只能满足一个人通行,这就导致旅客会依次到达出口,而不是拥挤在出口处等待疏散,使得适当扩大或缩小出口的宽度对RSET并无影响;而舱门宽度的增大必然会造成通风面积的增加,对火灾的发展产生有利的影响,引起ASET的减小,最终导致FESI的增大,从而降低火灾疏散能力.然而,虽然减小舱门宽度会增大客舱火灾疏散的安全性,但当其减小到接近旅客肩宽时,会大大增加旅客通过舱门的时间,导致疏散效率降低,增大FESI,进而不利于疏散安全.值得注意的是,以上结论均基于窄体单通道飞机所得,对于宽体多通道飞机,其疏散特征有很大不同,因此并不遵循以上规律.
2.2.2 旅客人数及舱门高度对FESI的影响为研究客舱内部表面积及舱门高度对FESI的影响,以B737-800型飞机为基础,适当增大和缩小以上两个参数,同时保持客舱内表面积及舱门宽度不变,通过仿真模拟,得到了舱门高度及旅客人数与FESI的关系曲线,如图 4所示.
|
| 图 4 舱门高度及人数与FESI的关系 Fig. 4 Relationship between FESI and height of exit or population |
根据以上分析,飞机搭载的旅客人数会严重影响其防火性能,因此确定特定型号飞机的旅客人数上限对航空公司运营时的安全管理至关重要.然而舱内部表面积、舱门宽度和高度都会对旅客人数上限产生影响,这些因素之间的相互影响较为复杂,因此采用BP(Back-Propagation)神经网络的方法对飞机旅客人数上限进行分析预测.同时,只要客舱座位数不大于人数上限,即可保障其防火性能,确保火灾疏散时的人员安全.其中,BP神经网络输入层包括客舱内部表面积、舱门宽度和高度以及FESI 2这4个因素,输出层仅有一个因素,即旅客人数上限.使用矩阵实验室软件(MATLAB)中的神经网络工具箱对仿真数据进行训练,使用的BP神经网络模型如图 5所示.图中w为BP神经网络模型中的作用函数自变量,b为调节学习参数，w和b的值由MATLAB软件自动生成并随着数据训练过程不断更新至适当的数值,数字4、10、1和1分别为BP神经网络模型各层中的参数数量.
|
| 图 5 BP神经网络模型图 Fig. 5 Model diagram of back-propagation neural network |
在完成训练后,以出口2的FESI=1作为临界条件,结合特定飞机客舱的长度、宽度、高度及其舱门宽度和高度,输入到BP神经网络模型中,得到了多种型号飞机的旅客人数上限,见表 2.
| 机型 | B737-700 | B737-800 | A320-200 | A319-100 |
| 人数上限 | 126 | 154 | 148 | 122 |
通过BP神经网络结合FESI确定出各型飞机的旅客人数上限均低于其典型布置时的座位数,这是由于在无指导模式下的疏散过程中,选择出口2的人数较多所导致.因此,为了更好地提高火灾疏散时的安全性,可对疏散方案进行优化,并由空乘人员按照优化后的疏散方案指导旅客进行疏散.
然而,在对疏散方案进行优化时,之前的研究仅可保障所有出口的ASET均大于RSET,但无法确保优化后的疏散方案为最优.为了有效地提高客舱火灾疏散过程中的安全性,基于FESI的概念,建立了客舱火灾疏散方案优化模型：
式中：
其中:S为客舱内表面积;W为出口宽度;H为出口高度;P为旅客人数;f和g表示S、W、H、P与FESI 1及FESI 2的关系的隐函数,可利用经训练后的BP神经网络确定.
该模型的目标是在确保每个出口的FESI均小于1的前提下,使各出口间FESI的差值最小,这就意味着优化后的疏散方案平衡了各出口的安全冗余,使人员疏散过程的安全性达到最优.为此,根据上述基于FESI的优化模型,对典型客舱布置下的B737-800型客机的疏散方案进行优化.最终优化后的方案为靠近出口1的78名旅客从该出口进行疏散,而靠近出口2的82名旅客从出口2进行疏散,优化后的FESI 1＝0.9465,FESI 2＝0.9483.
此外,将FESI 1和FESI 2设定为1,运用该优化模型及BP神经网络,可得到疏散方案优化后的客舱人数上限.对于B737-800型飞机,最终的客舱人数上限为175人,其中85人选择出口1,90人选择出口2.根据CCAR-121-R4以及CCAR-25-R4中对客舱座椅安置的适航要求,单通道客机过道任何一侧并排座椅数应不大于3,座椅前后最小间距为660mm,因此175人至少需要30排座椅,所需最小客舱长度为19.8m.对于客舱长度为27.70m的B737-800型飞机,航空公司可在完全满足适航标准的情况下将客舱座位数提高至175座.
4 结 论本文基于性能化防火设计的思想提出了火灾疏散安全指数(FESI)的概念,结合计算机仿真,对影响飞机客舱防火性能的防火设计因素进行了分析,对火灾疏散能力进行分析,研究了一系列因素对FESI的影响.随后采用BP神经网络的方法确定了特定飞机的旅客人数上限,并以FESI为基础,对客舱疏散方案进行了优化,从而得到以下主要结论:
1) 飞机客舱的内部表面积、舱门尺寸、座位数都是显著影响客舱防火性能的设计因素.
2) 客舱内部表面积在381.4m2时,两舱门的FESI同时达到最大值,FESI随着出口高度和宽度及旅客人数的减少而减小,因此航空公司为经济利益而无限度地增加座位的行为会导致火灾疏散时安全性的降低．
3) 可以结合FESI和BP神经网络对飞机旅客疏散方案进行优化.典型布置的B737-800型飞机在火灾疏散时,使用出口2的旅客在火灾疏散过程中存在风险,其在无指导模式下的疏散过程中的旅客上限为154人,在对疏散方案优化后,旅客上限增加至175人.
| [1] | Brown L J Jr. Cabin hazards from a large external fuel fire adjacent to an aircraft fuselage, FAA-RD-79-65[R].Washington, D.C.: Federal Aviation Administration, 1979. |
| [2] | Hill R G, Johnson G R, Sarkos C P.Postcrash fuel fire hazard measurements in a wide-body aircraft cabin, FAA-NA-79 42[R].Washington, D.C.: Federal Aviation Administration, 1979. |
| [3] | Eklund T I, Sarkos C P.The thermal impact of external pool fires on aircraft fuselages[J].Journal of Fire and Flammability, 1980, 11(3): 231-240. |
| Click to display the text | |
| [4] | Sarkos C P. Application of full-scale fire tests to characterize and improve the aircraft postcrash fire environment[J].Toxicology, 1996, 115(1): 79-87. |
| [5] | Wang Z Z, Jia F C, Galea E R, et al.Computational fluid dynamics simulation of a post-crash aircraft fire test[J].Journal of Aircraft, 2012, 50(1): 164-175. |
| Click to display the text | |
| [6] | Galea E R.Proposed methodology for the use of computer simulation to enhance aircraft evacuation certification[J].Journal of Aircraft, 2006, 43(5): 1405-1413. |
| Click to display the text | |
| [7] | Sharma S.Multi-agent modeling and simulation of human behavior in aircraft evacuations transactions on aerospace and electronic systems[J].Aerospace and Electronic Systems, 2008, 23(11): 1477-1488. |
| Click to display the text | |
| [8] | 张炜, 刘泽奇, 马智. 飞机乘员应急撤离可视化仿真方法研究[J].航空工程进展, 2010, 1(4): 347-351.Zhang W, Liu Z Q, Ma Z.Study on visualization simulation of aircraft emergency evacuation[J].Advances in Aeronautical Science and Engineering, 2010, 1(4): 347-351(in Chinese). |
| Cited By in Cnki | |
| [9] | 张青松, 戚瀚鹏, 纪欢乐.基于FDS的飞机客舱火灾仿真环境设计[J].计算机工程与设计, 2014, 35(3): 995-998. Zhang Q S, Qi H P, Ji H L.A design of aircraft cabin in fire simulation environment based on FDS[J].Computer Engineering and Design, 2014, 35(3): 995-998(in Chinese). |
| Cited By in Cnki (1) | |
| [10] | 张青松, 戚瀚鹏, 杨彩红, 等.飞机客舱性能化防火设计方法研究[J].科学技术与工程, 2014, 14(28): 311-315.Zhang Q S, Qi H P, Yang C H, et al.Study on performance-based fire protection design method for aircraft cabin[J].Science Technology and Engineering, 2014, 14: (28): 311-315(in Chinese). |
| Cited By in Cnki | |
| [11] | Zhang Q S, Qi H P, Zhao G M, et al.Performance simulation of evacuation procedures in post-crash aircraft fires[J].Journal of Aircraft, 2014, 51(3): 945-955. |
| Click to display the text | |
| [12] | Capote J A, Alvear D, Abreu O, et al.Analysis of evacuation procedures in high speed trains fires[J].Fire Safety Journal, 2012, 49: 35-46. |
| Click to display the text | |
| [13] | CCAR-25-R4运输类飞机适航标准[S].北京: 中国民用航空总局, 2011. CCAR-25-R4.Airworthiness standards for transport category airplanes[S].Beijing: Civil Aviation Administration of China, 2011(in Chinese). |
| [14] | Poon L S, Beck V R.EvacSim: A simulation model of occupants with behavioural attributes in emergency evacuation of high-rise buildings[C]//Proceedings of the 4th International Symposium of Fire Safety Science.Ottawa: IAFSS Digital Archive, 1994: 681-692. |
| Click to display the text | |
| [15] | Barnett C R. BFD curve: A new empirical model for fire compartment temperatures[J].Fire Safety Journal, 2002, 37(5): 437-463. |
| Click to display the text |
