复合型工艺风险评估模型的研究及其现场应用

充分考虑石化装置的复杂工艺特点,建立了基于贝叶斯网络的危险与可操作性研究(HAZOP)、保护层分析(LOPA)、领结分析(Bow-Tie分析)于一体的复合型工艺风险评估模型.首先编制系统故障树,将其映射成对应贝叶斯网络,利用Ge NIe软件实现贝叶斯双向推理进行故障预测和诊断,找出最容易导致事故的风险贝叶斯故障节点;然后运用HAZOP-LOPA集成分析研究该节点参数出现偏差的原因及后果,通过独立保护层失效概率评估风险等级;最后对剩余风险等级较高的事件进行Bow-Tie分析,辨识出使保护层持续有效的关键活动,进而控制后果严重的工艺安全事故.以辽河石化公司的延迟焦化装置为例对该风险评估模型进行了现场应用.     

基于故障树和贝叶斯网络的危化品罐式运输车道路运输系统的可靠性分析

为保障危化品罐式运输车道路运输系统的可靠性,提出一种基于故障树分析法和贝叶斯网络的系统可靠性研究方法.首先,根据道路运输系统故障树模型向贝叶斯网络转化的方法确定贝叶斯网络模型和条件概率表;其次,结合贝叶斯网络双向推理算法对危化品道路运输系统进行推理计算;最后,分析得出危化品罐式运输车道路运输系统的可靠度.研究发现:该方法可以根据根节点故障的先验概率正向推理系统失效的可能性,并且可以通过根节点的概率重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.在结论中,提出了针对系统中关键风险事件的应对策略.     

基于模糊动态贝叶斯网络的公路工程施工安全风险动态评价研究

针对以往有关公路工程施工安全风险研究中缺乏动态性的不足,构建了基于模糊动态贝叶斯网络（FDBN）的公路工程施工安全风险动态评价模型.在收集资料和事故案例分析的基础上,构建了包括人员风险、技术风险、管理风险和环境风险4个方面共39项指标的公路工程施工安全风险评价指标体系;运用故障树模型对指标体系进行表示,并进一步映射到动态贝叶斯网络;将改进的相似聚合法与模糊集理论引入动态贝叶斯网络,构建风险动态评价模型;通过该模型的反向推理功能可得到各个基本事件的后验概率,确定关键风险因素.最后,通过实例分析验证了该模型的有效性,并识别出安全生产教育培训制度不完善等5个关键风险因素,并提出预防措施,为公路工程施工安全风险评估与决策提供依据.     

诊断贝叶斯网络模型构建与工程应用

提出了一种基于故障树的诊断贝叶斯网络建立方法,给出了用贝叶斯网络描述故障树中事件间基本关系方法,分析了贝叶斯网络对多态逻辑、关联故障、不确定关系等问题的扩展表达能力.以某型飞机外挂接口单元为例,研究了基于故障树构建诊断贝叶斯网络的工程方法,提出了一种基于故障注入的贝叶斯网络故障诊断模型评估方法.     

基于故障树贝叶斯网络的数控刀架故障研究

针对数控机床刀架系统的故障特点,提出了基于故障树分析的贝叶斯网络故障诊断方法,通过建立刀架系统的故障树模型,利用贝叶斯网络,计算出引起系统故障的各个底事件重要度。结果表明:基于故障树贝叶斯网络的故障诊断为数控刀架系统的可靠性设计、分析、维修等提供新的方法。     

基于T-S模糊故障树和贝叶斯网络的隧道坍塌易发性评价

坍塌是钻爆法隧道施工过程中常见的灾害事故之一.为了有效预防坍塌事故,为隧道施工安全风险分析和管理提供决策依据,将T-S模糊故障树和贝叶斯网络进行互补融合,提出了一种基于两者的钻爆法施工隧道坍塌可能性评价方法.根据T-S模糊故障树向贝叶斯网络转化的方法来确定贝叶斯网络模型和条件概率表;利用模糊数和模糊子集分别描述节点的故障状态和故障概率;运用贝叶斯网络双向推理算法进行计算.该方法可以利用根节点的故障概率模糊子集和施工中实际故障状态两种不同的正向推理方式计算隧道坍塌可能性,并且可以依据根节点的重要度分析结果排查故障,同时可以通过反向推理计算根节点的后验概率诊断故障.两个工程实例的应用结果表明,该方法能够科学、合理地评价隧道坍塌的可能性并确定关键致险因子,可作为隧道施工安全保障和管理的决策工具.     

一种基于贝叶斯网络的故障预测方法

为了研究故障在复杂工程系统中的传播机制,根据关键节点的状态异常信息预测系统发生故障的概率,提出一种基于贝叶斯网络的故障预测方法.根据工程系统自身固有的网络拓扑结构,构建了多层贝叶斯网络模型,利用定性趋势分析法将时间信息融入网络节点中,使得网络具有处理时序信息的能力,便于进行故障传播机理分析和故障预测.提出了基于元器件健康度的根节点故障概率确定方法,针对完备数据集和非完备数据集,选择不同的参数学习方法确定贝叶斯网络的条件概率表,采用多树传播算法进行联合概率推理,由系统根节点运行状态推测其余节点的故障概率.算法在Quanser三自由度四旋翼直升机上进行了仿真应用,结果验证了该方法的可行性和有效性.     

事件树、故障树、决策树与贝叶斯网络

在简要介绍贝叶斯网络技术的基础上,通过大坝失效事件树分析、导弹发动机故障树分析以及汽车销售决策树分析3个实例,分别将事件树、故障树及决策树3种分析方法与贝叶斯网络分析方法进行了比较,并给出了事件树、故障树和决策树向贝叶斯网络转化的一般规律:事件作为贝叶斯网络中的结点,根据事件之间的因果或影响关系将网络中的各结点用有向弧连接起来并由已知数据或专家经验确定各结点条件概率表.结果表明贝叶斯网络具有处理多状态复杂模型以及双向推理的优点.     

一种面向业务的信息安全风险评估方法

根据信息安全风险评估理论提出一种面向业务的风险评估方法.该方法明确将各类业务系统作为整体安全对象进行风险评估,并应用"故障树"方法对业务系统进行风险建模和风险计算.该方法是一种行之有效,易于操作的安全评估方法.     

模糊动态贝叶斯可靠性分析方法及其在动车制动系统中的应用

针对动车制动系统的故障发生率具有模糊不确定性以及实际工作环境中故障的发生包含动态性特点,运用三角模糊数和扩展原理来表示底事件故障率,将动态离散时间贝叶斯网络模型与故障树模型相结合,分析获得动态贝叶斯网络叶节点的模糊故障率和各根节点的后验概率。解决了不确定条件下的动态系统可靠性分析问题,对兰新客专线路上运行的动车组的制动空气供给系统进行分析,获得了系统的可靠度预测曲线和薄弱环节,为该路线上运行动车的制动系统针对故障特点制定相应的检修和维护方案提供了理论依据。     

贝叶斯网络在机械系统可靠性评估中的应用

针对故障树分析方法在可靠性评估方法中的局限性,提出了基于贝叶斯网络的机械系统可靠性评估新方法.首先根据系统可靠性框图建立故障树,然后将故障树直接映射成为贝叶斯网络,构建条件概率表,运用贝叶斯网络的推理能力进行系统的可靠性评估.该方法不但能计算出机械系统的可靠性指标,而且能方便地给出某一个部件或几个部件对系统可靠性的影响大小,识别系统的薄弱环节.最后通过实例验证了用贝叶斯网络进行机械系统可靠性评估的有效性.     

基于贝叶斯网络的电力施工安全承载能力评估

提出了基于贝叶斯网络的动态承载能力评估模型。通过对承载能力风险要素的识别和评估,构建了贝叶斯网络结构和参数,在此基础上对电力施工安全承载能力进行了风险评估和诊断。最后,依据分析得到的结果进行风险控制。该系统可以满足电力施工安全承载能力估计的需求。     

信息融合与贝叶斯集成的船用中高速发动机磨损故障诊断

为了解决船用中高速发动机磨损故障诊断准确率偏低的问题,提出多源信息融合与贝叶斯网络集成的磨损故障诊断方法。利用贝叶斯参数估计算法进行多源故障征兆信息融合,通过大量发动机磨损故障实测数据,结合该领域专家知识,建构贝叶斯磨损故障诊断网络,并建立朴素贝叶斯分类器,简化融合结果,最终通过最大后验概率估计值识别磨损故障模式。经实际故障案例计算分析,验证了该诊断方法的有效性及网络模型建构的准确性。     

基于DBN的区域计算机联锁系统可靠性分析

区域计算机联锁设备是实现区域内行车安全、保证运输效率的核心设备,对其可靠性研究具有重要意义。结合目前存在的2种区域联锁制式,采用一种新的联锁方案,即在主控站和从控站(选择其中1站或多站)均设置联锁设备。综合考虑联锁系统的共因故障和可维修等因素,利用动态贝叶斯网络对其进行可靠性分析。首先,从系统故障■安全和危险输出的角度出发,建立区域两联锁单元和三联锁单元的动态故障树,并将其转换为相应的动态贝叶斯网络模型;然后利用动态贝叶斯网络的推理特性,对区域联锁系统进行可靠性分析;最后比较了该方法与基于静态贝叶斯网络和动态故障树分析法的结果。计算结果表明:主控站和其中之一的从控站均设置联锁设备是实现区域联锁的较佳方式;且基于动态贝叶斯网络的系统可靠性分析较上述两种方法在计算准确度和时间复杂度方面均有明显优势;并通过动态贝叶斯网络的诊断推理可知,共因故障是系统故障的主要原因,因此应重点防范以降低事故发生的概率。     

基于贝叶斯网络的物流无人机碰撞风险评估

为降低城市物流无人机（unmanned aerial vehicle,UAV）碰撞风险,识别关键风险因素,构建贝叶斯网络模型进行风险评估。在收集7个真实无人机碰撞事故案例和文献调研的基础上,提炼出15个主要风险因素,并通过问卷调查将风险集划分为低、中、高三个等级对风险发生概率数据进行收集与评估,随后运用解释结构模型（interpretative structural modeling,ISM）对风险因素进行层级划分构建贝叶斯网络模型。根据所构建的贝叶斯网络,将收集数据导入GeNIe,对贝叶斯网络模型进行参数学习,得到无人机碰撞风险不同等级的概率分布。最后对贝叶斯网络模型进行逆向推理、敏感性分析和影响强度分析,明确导致无人机发生碰撞事故的关键因素和敏感因素,依据分析结果提出风险防控建议。     

HHM-BN的某型发动机燃油附件制造风险评估

针对发动机燃油附件制造数据不足、风险因素复杂、动态作用显著的问题,提出一种结合层次全息模型和贝叶斯网络的改进风险评估模型。利用层次全息模型,建立发动机燃油附件制造风险辨识框架。在此基础上,构建发动机燃油附件制造风险贝叶斯网络模型,并对其参数学习最大似然法进行改进;最后,结合实例和Netica软件,通过仿真验证了改进模型的有效性,得到发动机燃油附件制造总体风险为25%,动平衡与302研孔为关键风险。     

基于故障树和Bayes网络组合的装备故障诊断

针对故障树和Bayes网络在故障诊断中的局限性,提出一种使用故障树和Bayes网络组合的方式建立诊断故障Bayes网络,并基于诊断故障Bayes网络运用联合树推理进行故障诊断的方法.该方法解决了在复杂系统故障诊断过程中独立运用故障树和Bayes网络出现故障推理能力弱和建模难等问题.实验结果表明,使用该方法对某型舰船上的甲板灯光照明系统进行故障诊断,得出了各个故障征兆节点或故障原因节点的概率分布,从而可快速准确地定位甲板灯光照明系统故障.     

基于不确定故障树的软件可靠性分析方法

故障树是用来评估系统可靠性或风险的有效方法之一,其中基本事件故障发生概率通常为常数或随机变量.在实际软件可靠性测试过程中,可得到的故障数据量非常少且存在大量的认知不确定性,因此使用传统故障树评估方法是不合理的.为此,本文提出基于不确定故障树的软件可靠性分析方法.故障树中基本事件发生故障的信度用不确定测度表示,以不确定环境下"与门"和"或门"的运算法则计算系统的可靠度.最后,对某装备的软件系统进行可靠性分析及灵敏度分析,使该方法的合理性得以验证.     

神经网络在提升机故障诊断中的应用

结合领域专家的经验知识,根据提升机制动系统故障树,完成了故障样本的收集与设计,然后用自组织特征映射(SOM)网络对制动系统的7种故障自动进行了分类,成功实现了第一层次的诊断;总结了制动系统子系统-液压站故障树,进行故障样本的收集与设计,然后用BP网络、BP网络状态分类器和Elman网络对液压站故障进行了第二层次的诊断,确定了故障原因和程度.对液压站故障的测试结果表明,这3种网络最后的结构和智能算法trainlm、输入、输出均能满足故障诊断与预测的要求;Elman网络的诊断性能较稳定,其隐含层神经元数对诊断性能的影响较小;故障测试精度由高到低依次是BP网络状态分类器、BP网络、Elman网络.     

生物质气化火灾爆炸事故复合型风险评价

为降低生物质气化火灾爆炸事故发生的概率,提出了一种将贝叶斯网络与bow-tie法相结合的风险评价方法.通过建立火灾爆炸事故的故障树并转化成贝叶斯网络,然后计算各基本事件的重要度,进而找出系统中导致事故发生的薄弱环节.采用bow-tie对薄弱环节进行分析,提出相应的预防措施与控制措施,并计算了薄弱环节采取控制措施后事故发生概率降低的幅度.该方法可精确找出导致事故发生的最主要原因及有效预防控制措施,达到有效降低生物质气化火灾爆炸事故发生概率的目的.