基于貝葉斯網絡的半潛起重船主推進器風險分析

辛鵬 朱萬軍 楊洋 何振光

山東海洋工程裝備有限公司 山東 青島 266555

1 基于貝葉斯網絡（Bayesian Networks）的主推進器風險分析

除已知的幾種故障分析方法外，通過貝葉斯網絡分析主推進器系統可以更加直觀得反映各故障點的故障概率，提升DP系統設計和操作的安全性，使預防措施更加精準，數據更加量化。

1.1 貝葉斯網路

貝葉斯網絡是行業中在故障和事故分析中常用到的數學化的分析理論。其主要邏輯是以貝葉斯概率理論為基礎，將故障上部事件節點與下部事件節點的邏輯關系進行基于數字化的概率性推導計算。在常規的故障分析貝葉斯網絡模型分析過程中，如果已知故障樹各個初始節點（基本事件/底層數據）的概率分布。不管數據來源于歷史積累還是行業專家估計評判，都可以通過上層的近似公式推算出下一層節點（主要是各級中間事件）的概率分布；然后再將計算的結果作為下一層分析的輸入信息（作為子節點），然后再依據上述公式計算出該層節點的概率分布，進而通過計算，再推算下一層節點的概率分布[1]；重復下去，按照這種邏輯關系，逐步計算出網絡圖最高層節點（頂事件）的概率分布數據，這樣就通過數據化的推導計算表述出貝葉斯網絡中各節點信息傳播，這種信念傳播就是我們要追求的概率分布。

1.2 依據故障樹建立貝葉斯網絡結構

在常規的故障樹中，我們對發生事件狀態的假定只有正常和故障兩種狀態，按照故障樹與貝葉斯網絡的主要映射關系分別是（事件）以及（門），可以按照這種邏輯關系將特定分析的故障樹轉換為貝葉斯網絡以便更加容易分析。明確條件概率表是構建和使用貝葉斯網絡的核心內容，在條件概率表里面的子節點的條件概率值通常來自業內的行業數據積累或者由行業專家、設計者等有相關經驗從業者打分評定數據[2]。

貝葉斯網絡模型分析過程中，如果已知各個初始節點的概率分布。不管數據來源于歷史積累還是專家評判，則可以通過上層的近似公式推算出下一層節點的概率分布；然后再將計算的結果作為下一層分析的輸入信息，然后計算出該層節點的概率分布，進而通過計算再推算下一層節點的概率分布[3]。

我們通常會對主推進器系統進行基于最小割集、最小路徑的分析，進行重要度排列來獲取了主要的故障模式。我們知道主推進器系統對半潛船動力定位系統的重要度和影響最高，有必要更加深入的剖析本系統。為了更加準確的反映該故障系統各故障節點的故障發生概率，提高理論分析結果的準確性、可靠性?？梢杂秘惾~斯網絡對主推進器系統進行故障分析。經過對主推進器故障的歷史分析，造成主推進器故障的主要原因來自變頻變壓器 、 控制器中央控制單元失效 、電子控制單元 、推進器驅動馬達等方面原因。按照故障樹與貝葉斯網絡模型映射關系按照下表邏輯轉化為貝葉斯網絡。

1.3 貝葉斯網絡概率分析

不同于故障樹概率分析，在貝葉斯網絡中計算故障發生概率可以等效為信念的傳導，比故障樹模式概率分析更加準確，更加簡單，是當今行業內對故障分析比較有效的數學模型手段[4]。同時，轉化后的貝葉斯網絡模型與故障樹結構基本一致，根據本系統的物理特性和貝葉斯網絡模型特性，中間事件我們只確定兩態性（失效/非失效），不考慮復雜的多態可能性，這樣可以更加簡單直白的分析各故障模式及概率分布。

2 工程指導意義

在當前的船舶設計和建造規范中，系統的風險分析報告已經成為動力定位船舶的入級檢驗的必要文件。通過風險分析不僅可以準確了解到和DP相關的輪機系統的每種可能故障模式及故障影響外，還可以定量評估不同故障的影響概率數值，從而針對性得提出降低風險的措施，促進工程人員在設計階段及時發現并修改部分不符合DP3要求的設計方案，向船級社提交計算的分析報告。通過定量風險分析，可知當前工業能力下各個系統的安全可靠度基本達到了99.9%以上，計算結果從量化的概率上對系統的安全提供了可靠的支持，也可以作證該系統的穩定性滿足各方檢驗及使用要求。同時，為進一步提高可靠性和規避潛在風險，還可以對系統的相對薄弱環節補強設計保障方案，增加操作的合理化建議等。

以往的工程項目常采用專家評審判斷風險的概率和規避措施，通過數據分析可以更準確的計算系統組件故障的概率，更能準確地體現風險的分布和影響，為未來的實際項目設計和作業提供了有價值的指導建議，也更方便安全管理部門或船級社等第三方檢驗機構評定船舶的安全表現。