本發明涉及管道通風，特別涉及一種隧道通風控制方法和系統。
背景技術：
1、有效的隧道通風是保障隧道人員健康安全、維持設備正常運行及確保工程順利推進的生命線，其通過持續排出污染物，直接關系到生命安全和工程效益。由于機械運行和人工作業等因素，會產生粉塵、一氧化碳等有害氣體，同時特殊的地質條件也會導致瓦斯等氣體聚集，從而產生巨大的安全隱患。
2、現有技術中，隧道采用的是基于固定閾值的通風控制方案。其實施方式如下：在隧道內按經驗位置布設有限數量的環境傳感器和通風風機。初始化時，由工程人員根據安全規程和歷史經驗，為每種污染物設定一個固定的濃度安全閾值，并為風機設定固定的運行檔位（通風量）和/或固定的啟停時間表。啟動后，傳感器持續監測其所在位置的污染物濃度，并將數據傳送至中央控制器。在此階段，無論污染物濃度如何變化，只要未達到預設閾值，風機通常按照既定的低速模式或定時模式運行，通風策略保持不變。當任何一個傳感器的讀數超過其對應的固定閾值時，將此事件視為一個異常信號，中央控制器隨即觸發預編程的響應動作（啟動備用風機、將現有風機提升至更高功率檔位等）。
3、污染物（如掘進面產生的粉塵或柴油設備排放的一氧化碳）從產生源頭擴散至傳感器布設位置需要顯著的物理時間，而固定通風模式下的系統在傳感器檢測到超標時才響應，這意味著從污染物產生到通風強化之間存在一個不可避免的時間延遲。在此時間延遲內，污染物已在隧道內（尤其是靠近源頭的工作面區域）累積并惡化，這會降低隧道的通風效率。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種隧道通風控制方法和系統。
2、本發明實施例提供一種隧道通風控制方法，包括：
3、獲取隧道內多個風機處的空氣質量數據，空氣質量數據包括：一氧化碳濃度、粉塵濃度和可燃氣體濃度；
4、將空氣質量數據輸入預訓練的隧道通風模型，隧道通風模型包括：依次連接的特征提取模塊、注意力機制模塊、第二長短期記憶神經網絡、蒙特卡洛模擬模塊和篩選模塊，特征提取模塊包括：并行的第一長短期記憶神經網絡、快速傅里葉變換模塊和特征提取子模塊；
5、通過第一長短期記憶神經網絡對一氧化碳濃度進行特征提取，以捕捉一氧化碳濃度的趨勢、周期性和突變性，得到時域特征；通過快速傅里葉變換模塊對粉塵濃度進行特征提取，以確定粉塵濃度的周期性成分所對應的諧波成分，得到頻域特征；通過特征提取子模塊對可燃氣體濃度進行特征提取，以獲取可燃氣體濃度在空間中的變化率，得到空間梯度特征；
6、通過注意力機制模塊對時域特征、頻域特征和空間梯度特征進行動態加權，得到融合特征；通過第二長短期記憶神經網絡對融合特征進行預測，以分析不同污染物擴散和風速的耦合關系，得到隧道在下一時間步的空氣狀態；
7、基于有限元分析軟件構建隧道模型，通過蒙特卡洛模擬模塊預測隧道模型在下一時間步的空氣狀態下多種工況對應的通風方案集合；以最小化通風時間和風機總能耗為目標，通過篩選模塊從通風方案集合中篩選出最優通風方案。
8、可選地，獲取隧道內的歷史空氣質量數據以及對應的歷史通風方案；
9、將歷史空氣質量數據輸入隧道通風模型，得到預測通風方案；
10、基于下式以最小化歷史通風方案和預測通風方案之間的損失函數為目標，對隧道通風模型進行訓練，得到訓練后的隧道通風模型：
11、；
12、其中，為歷史通風方案和預測通風方案之間的損失函數。
13、可選地，通過第一長短期記憶神經網絡對一氧化碳濃度進行特征提取，以捕捉一氧化碳濃度的趨勢、周期性和突變性，得到時域特征，具體包括：
14、第一長短期記憶神經網絡包括：遺忘門、輸入門、輸出門和記憶單元；
15、將一氧化碳濃度數據按照時間窗口進行整理，得到輸入序列；
16、通過輸入門對輸入序列中每一時刻的一氧化碳濃度數據進行信息篩選，得到瞬時特征，并將瞬時特征更新至記憶單元；
17、通過遺忘門控制前一時刻記憶單元的保留程度，以捕捉一氧化碳濃度的長期趨勢與緩慢變化，得到趨勢特征；
18、通過記憶單元整合遺忘門和輸入門的輸出，以捕捉輸入序列的周期性波動；
19、通過輸出門控制記憶單元對當前輸出的影響，以提取一氧化碳濃度的隱藏狀態特征，并將隱藏狀態特征映射為固定維度的向量，得到時域特征。
20、可選地，通過快速傅里葉變換模塊對粉塵濃度進行特征提取，以確定粉塵濃度的周期性成分所對應的諧波成分，得到頻域特征，具體包括：
21、將粉塵濃度按照等間隔采樣構造為離散信號序列，并對離散信號序列進行快速傅里葉變換，得到對應的頻譜分布；
22、將頻譜分布中能量最大的頻率成分作為基波頻率，選取基波頻率的2至6階整數倍頻率對應的諧波分量，得到表征粉塵濃度周期性變化的主要諧波分量；
23、對各主要諧波分量的幅值進行歸一化處理，以保留各主要諧波分量的相位信息，得到反映粉塵濃度變化的時序模式；
24、將時序模式中各階諧波的幅值與相位信息按照階次順序進行拼接，得到頻域特征。
25、可選地，通過特征提取子模塊對可燃氣體濃度進行特征提取，以獲取可燃氣體濃度在空間中的變化率，得到空間梯度特征，具體包括：
26、通過布設在隧道內多個風機處的傳感器采集可燃氣體濃度，得到隧道內離散的測量點數據；
27、對離散的測量點數據進行空間插值計算，得到覆蓋整個隧道的連續濃度網格；
28、對連續濃度網格進行三維數值微分，將每個網格點在x,?y,?z方向的偏導數作為該網格點的梯度向量；
29、根據所有網格點的梯度向量確定可燃氣體濃度在空間中的變化率，得到空間梯度特征。
30、可選地，通過注意力機制模塊對時域特征、頻域特征和空間梯度特征進行動態加權，得到融合特征，具體包括：
31、將時域特征轉化為表征隧道擴散狀態監控需求的查詢向量，將頻域特征轉化為向隧道提供風速和沉降效應的先驗線索的鍵向量，將空間梯度特征轉化為表征可燃氣體在隧道空間內聚集趨勢的值向量；
32、基于下式將查詢向量、鍵向量和值向量進行動態加權，得到融合特征：
33、；
34、其中，為融合特征，為特征維度縮放因子， q為查詢向量， k為鍵向量， v為值向量。
35、可選地，通過第二長短期記憶神經網絡對融合特征進行預測，以分析不同污染物擴散和風速的耦合關系，得到隧道在下一時間步的空氣狀態，具體包括：
36、第二長短期記憶神經網絡包括：遺忘門、輸入門、輸出門和記憶單元；
37、通過遺忘門確定上一時刻記憶單元狀態的保留比例，以控制歷史擴散與風速耦合信息的繼承程度，得到遺忘系數；
38、通過輸入門對融合特征進行信息篩選，并利用雙曲正切激活函數生成當前時刻的候選記憶單元狀態，得到輸入系數；
39、通過遺忘系數和輸入系數更新當前時刻的記憶單元狀態，以捕捉污染物擴散與風速的時序耦合關系，得到當前記憶單元狀態；
40、基于當前記憶單元狀態，通過輸出門提取表征隧道空氣狀態變化的特征，得到當前時刻的隱藏狀態；
41、將當前時刻的隱藏狀態映射為隧道在下一時間步的一氧化碳濃度、粉塵濃度及可燃氣體濃度的預測值，得到隧道在下一時間步的空氣狀態。
42、可選地，基于有限元分析軟件構建隧道模型，通過蒙特卡洛模擬模塊預測隧道模型在下一時間步的空氣狀態下多種工況對應的通風方案集合，具體包括：
43、基于模糊邏輯推理確定的初步通風方案為基準點，通過蒙特卡洛模擬方法在預設的決策空間鄰域內進行采樣；
44、針對隧道通風單元內的多個執行端風機，在多個轉速檔位區間內進行隨機組合，得到包含多組不同轉速配置的通風方案集合。
45、可選地，通過篩選模塊以最小化通風時間和風機總能耗為目標，從通風方案集合中篩選出最優通風方案，具體包括：
46、構建以最小化預測污染物濃度降至安全閾值的通風時間為第一目標函數，以最小化風機執行端的風機總能耗為第二目標函數的多目標優化模型；
47、通過多目標優化模型對候選通風方案集合進行評估與排序，以剔除能耗與效率維度下的受支配解，得到由非支配解組成的帕累托前沿；
48、根據邊際效益最優原則從帕累托前沿中鎖定最優均衡點，并將該點對應的通風方案作為最優通風方案。
49、本發明實施例提供一種隧道通風控制系統，包括：
50、數據獲取模塊，用于獲取隧道內多個風機處的空氣質量數據，空氣質量數據包括：一氧化碳濃度、粉塵濃度和可燃氣體濃度；
51、模型構建模塊，用于將空氣質量數據輸入預訓練的隧道通風模型，隧道通風模型包括：依次連接的特征提取模塊、注意力機制模塊、第二長短期記憶神經網絡、蒙特卡洛模擬模塊和篩選模塊，特征提取模塊包括：并行的第一長短期記憶神經網絡、快速傅里葉變換模塊和特征提取子模塊；
52、特征提取模塊，用于通過第一長短期記憶神經網絡對一氧化碳濃度進行特征提取，以捕捉一氧化碳濃度的趨勢、周期性和突變性，得到時域特征；通過快速傅里葉變換模塊對粉塵濃度進行特征提取，以確定粉塵濃度的周期性成分所對應的諧波成分，得到頻域特征；通過特征提取子模塊對可燃氣體濃度進行特征提取，以獲取可燃氣體濃度在空間中的變化率，得到空間梯度特征；
53、預測模塊，用于通過注意力機制模塊對時域特征、頻域特征和空間梯度特征進行動態加權，得到融合特征；通過第二長短期記憶神經網絡對融合特征進行預測，以分析不同污染物擴散和風速的耦合關系，得到隧道在下一時間步的空氣狀態；
54、方案篩選模塊，用于基于有限元分析軟件構建隧道模型，通過蒙特卡洛模擬模塊預測隧道模型在下一時間步的空氣狀態下多種工況對應的通風方案集合；以最小化通風時間和風機總能耗為目標，通過篩選模塊從通風方案集合中篩選出最優通風方案。
55、本發明實施例提供的上述一種隧道通風控制方法和系統，與現有技術相比，其有益效果如下：
56、本發明通過長短期記憶神經網絡對一氧化碳濃度的時域特征、粉塵濃度的頻域特征和可燃氣體濃度的空間梯度特征加權得到的融合特征進行預測，以分析不同污染物擴散和風速的耦合關系，模擬污染物從產生源頭到傳感器位置的擴散過程與耦合關系。這一技術方案將隧道通風的響應起點從滯后的檢測點提前至預測的產生點，實現了從當前傳感器數據到未來源頭區域空氣狀態的超前推斷，能夠克服固定通風模式依賴滯后檢測的缺陷，在污染物累積前主動干預，顯著削減掘進面等源頭區域的污染物暴露時間與峰值濃度，從而提升隧道整體通風效率。