强降雨情景下附着式升降脚手架事故致因IFRAM-BN模型

强降雨事件频发造成附着式升降脚手架事故剧增,为提高强降雨情景下施工安全性,降低事故发生率,提出一种基于改进的功能共振分析模型(IFRAM)和贝叶斯网络(BN)相结合的事故致因分析模型。首先,从定性角度,利用IFRAM识别事故机制并深度挖掘系统功能共振情况;其次,将IFRAM映射至BN定量分析模型,并引入联系云优化计算各根节点的先验概率;最后,以西安“9·10”事故为例,进行实证研究并提出相应预防措施。结果表明:事故在安全状态为Ⅳ级时,发生的可能性最大。工人违规操作、未进行旁站等强制性监督、强降雨等是导致爬架事故的核心致因;强降雨环境→雨后架体载荷超载等致因组合是诱发爬架事故的关键。

基于FDHHFLTS-BN的海底管道泄漏失效风险定量分析

为预防海底油气管道泄漏失效事故,提出基于自由双层次犹豫模糊语言术语集(FDHHFLTS)和贝叶斯网络(BN)的FDHHFLTS-BN风险分析方法,用于分析海底油气管道泄漏失效事故概率及事故的关键风险因素。将故障树模型转换为BN结构,由专家根据FDHHFLTS评估基本事件发生可能性;采用最佳最差法(BWM)确定专家权重,结合相似性聚合方法(SAM)聚合专家意见;依据构建的BN模型,正向推理得到事故发生概率,反向推理得到后验概率,并进行敏感性分析。将该方法应用于实例分析,结果表明:分析段海底管道泄漏事故的概率值为P=6.20×10^(-3);焊缝施工缺陷、材料施工缺陷和渔具作用等为事故发生的关键因素;与传统方法对比分析结果证明,所提方法在确定海底管道风险方面具有一定的优势。

基于Stacking策略的集成BN网络目标威胁评估

现有基于贝叶斯网络的威胁评估采用专家经验确定的朴素结构,其推理评估结果精度欠佳。为此,提出一种融合专家经验与数据观测的基于Stacking策略的集成贝叶斯网络(ensemble Bayesian network,EBN)。首先使用不同搜索空间内的评分优化算法获得数据观测模型集并进行模型平均;然后使用专家经验朴素模型对平均网络进行修剪,形成威胁约束集合;最后以动态规划为基础,通过该集合限制节点序图扩展,以求取全局最优威胁评估网络。在作战想定中,EBN模型单目标威胁概率推理精度比朴素贝叶斯模型高出10%,在多目标威胁排序任务中,其Spearman系数分布亦优于朴素模型。

FTA-BN在机场跑道入侵事故影响因素分析中的应用

为了分析机场跑道侵入的影响因素,更有针对性地对预防机场跑道侵入提出合理建议,结合相关信息通告中统计的数据,首先从人员因素、环境因素、设备因素和管理因素4个方面分析跑道侵入的事故成因,并建立了故障树(Fault Tree Analysis,FTA)模型和贝叶斯网络(Bayesian Network,BN)模型,然后利用软件Netica对贝叶斯网络模型进行了后验概率推理与敏感性分析,最后根据分析结果提出了相应的建议。结果表明,人员因素影响程度最大,其次是管理因素,而环境因素和设备因素的影响程度相对偏小。

基于ACE-BN的通勤飞行事故/事件诱因分析

为降低我国通用航空短途运输运行安全风险,提出一种基于平均因果效应(ACE)和贝叶斯网络(BN)的事故/事件诱因分析方法。首先,分析102起美国通勤飞行事故/事件,共识别出7类19种诱因;然后,引入ACE公式确定节点的优先次序,使用K2算法构建BN结构,并采用最大期望(EM)算法进行网络参数学习,建立通勤飞行事故/事件诱因分析模型;最后,对各诱因的概率进行排序并分析诱因间的敏感性。结果表明:机组经验不足导致的事故/事件发生概率最高;机械设备情况容易受到雨雪等恶劣天气的影响;天气因素和监管因素对机组因素表现出较高的敏感性,其中,恶劣的天气会影响机翼等机械设备的正常运转,进而影响飞行员对于飞机的操作,技术和安全培训不到位会影响飞行员和管制人员的专业水平及经验技能。

基于模糊DEMATEL BN的管制单位动态风险评估

为研究管制单位风险的动态性,提高风险评估的准确性,预防风险事故的发生,提出基于毕达哥拉斯模糊、试验与评估实验室(Decision Making Trial and Evaluation Laboratory,DEMATEL)、贝叶斯网络(Bayesian Network,BN)和模糊损失率的管制单位动态风险评估模型。首先识别管制单位风险因素;其次应用毕达哥拉斯模糊和DEMATEL模型探究风险因素之间的相互关系;再次将因素间的相互关系映射到BN,构建管制单位风险演化过程;然后确定先验概率,并以前兆数据作为输入信息,推导计算管制单位的动态风险概率;最后利用模糊损失率量化风险后果,计算管制单位的动态风险评估值。以某管制单位为例,对构建的管制单位动态风险评估模型进行了实证研究。结果表明:特情处置预案不合理等高严重后果概率持续上升的风险因素是该管制单位的风险管控的重点;t1~t5时间段该管制单位的动态风险评估值从1.035×10-2上升到1.1063×10-2。构建的管制单位动态风险评估模型克服了管制传统风险评估模型无法捕捉动态特征和过度依靠专家经验的不足,提高了评估的准确性,为管制单位控制和减少风险提供了决策支持。

基于FTA-BN模型的有限空间作业事故案例分析

为了减小有限空间的作业风险,降低事故发生率,本研究构建了有限空间作业的事故树—贝叶斯网络事故致因模型(FTA-BN模型),用事故树分析法全面梳理出“人—机—环—管”4个维度的风险因素,结合作业事故数据采用专家打分和模糊数处理定量得出基本事件的发生概率,再通过贝叶斯网络计算出所有事件的后验概率。结果表明:盲目施救、中毒窒息、燃烧爆炸等是有限空间作业事故发生的主要风险因素,针对分析结果提出了更有针对性的对策措施,验证了该模型的可行性和适用性。

基于FTA-BN的云ERP不安全事件的人因失误分析

为明确云企业资源计划(ERP)不安全事件的人因失误因素,构建基于故障树分析-贝叶斯网络(FTA-BN)的人因失误分析模型,以避免单一方法的局限性。首先,对云ERP安全审计记录披露的不安全事件进行分类和追因分析,构建云ERP不安全事件故障树,并定量分析最小割集、结构重要度;然后,将故障树映射为BN结构,利用案例数据进行结构学习和参数学习得到最终的贝叶斯网络;最后,依托贝叶斯网络的敏感性分析辨识关键人因失误因素,凭借预测推理计算发生不安全事件的概率。研究结果表明:云ERP安全人因失误因素中工作不到位、培训不足、资源分配不足、管理流程存在问题、职责不清等因素在对应的事件域中应得到重点关注,以保障持续安全。

Building Bayesian Network(BN)-Based System Reliability Model by Dual Genetic Algorithm(DGA)

A system reliability model based on Bayesian network(BN)is built via an evolutionary strategy called dual genetic algorithm(DGA).BN is a probabilistic approach to analyze relationships between stochastic events.In contrast with traditional methods where BN model is built by professionals,DGA is proposed for the automatic analysis of historical data and construction of BN for the estimation of system reliability.The whole solution space of BN structures is searched by DGA and a more accurate BN model is obtained.Efficacy of the proposed method is shown by some literature examples.

基于Copula-BN的海上船舶碰撞风险评估方法

为有效预防海上船舶碰撞事故,提出一种基于Copula-贝叶斯网络(BN)的海上船舶碰撞动态风险评估方法,采用高斯Copula识别风险节点的边缘分布,从而更准确地描述风险因素与碰撞事件之间的复杂相互关系。首先,收集船舶碰撞事故数据,从人-船-环系统的角度,识别并分析导致船舶碰撞的风险因素;然后,利用Copula函数确定各节点的最优边际分布函数;最后,采用数据结构分析确定BN结构,构建Copula-BN模型,并基于Copula-BN模型进行相关性、前向预测和后向故障诊断分析,依据风险因素与碰撞事件之间的相依性,推出导致船舶碰撞事故发生的关键致因,并通过更新节点的状态数据,分析船舶碰撞动态风险。结果表明:该方法能够识别出导致船舶碰撞事故的关键风险因素,实现海上船舶碰撞动态风险评估。

基于BT-BN的城市老旧社区安全风险评价研究

为更精准评价城市老旧社区安全风险,提出1种基于Bow-tie模型(BT)和贝叶斯网络(BN)的城市老旧社区安全风险评价方法。首先,基于事故致因理论,结合BT模型构建出包含人、物、环境3个维度的城市老旧社区安全风险评价指标体系;然后,构建基于BN的城市老旧社区安全风险评价模型,利用BN方法进行风险测度,得到城市老旧社区安全风险等级;最后,将BT-BN模型应用于深圳市Y社区安全风险评价中以验证该模型的适用性和可行性。研究结果表明:深圳市Y社区安全风险总体等级为低风险,通过BN反向推理得出Y社区的个人不安全行为、社区基础设施脆弱性、社区周边设施危险性为高风险因素;该模型在社区安全风险分析方面具备可行性,与传统社区安全风险评价相比,该方法兼具准确度高与应用性强等优点。研究结果可为城市老旧社区安全风险防范提供一定参考。

改进贝叶斯网络模型在起重作业人机交互差错风险分析中的应用

为量化分析起重作业人机交互差错风险,根据安全工效学原理及安全技术规范将起重作业人、机、环相关影响因素作为根节点,按照事故致因层次关联关系确定子节点,构建起重作业人机交互差错的3层级贝叶斯网络模型(Bayesian Network, BN);基于模糊集理论,采用认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method, CREAM),厘定贝叶斯网络父节点失效概率以及中间节点条件概率;利用逆向推理仿真技术分析起重作业人机交互差错发生的因果链,探究起重伤害事故发生的人机交互差错风险。结果表明:起重作业人机交互差错最可能致因链为起重设备安全检查不到位→管理人员失误→人员操作失误→起重伤害事故发生;单因素失效条件下,起重作业人机交互差错风险概率呈线性增长趋势;在多因素失效条件下,一级节点因素失效概率愈大则人机交互差错效应愈显著,且呈现非线性增长态势。

基于BN-FCEM的化工企业安全风险分析方法

近年来,随着中国化工产业的迅速发展,化工企业危险品化学灾害事故仍时有发生。为更好地提高化工企业安全生产水平、精准识别化工企业中的重要风险因素并合理规避风险,提出一种基于贝叶斯网络(BN)和模糊综合评价法(FCEM)的化工企业安全风险分析方法。首先,该方法基于人、物、技、管、环五个方面共20个与化工企业相关的风险因素,建立了化工企业安全风险BN模型;然后,以模糊理论集(FTS)表征BN模型中概率参数的专家评估信息,结合Netica软件分析基于BN的化工企业安全风险概率和重要风险因素,并采用FCEM评估化工企业的整体安全风险损失;最后,综合考虑化工企业风险概率和风险损失,得出化工企业的安全风险等级。为验证该方法的可行性,以舟山某化工企业为例,结合风险等级矩阵,评估了该化工企业的安全风险,并提出了相应的改进建议。

应急情境下管制员情境意识可靠性研究

为提升管制员的应急处置能力,从管制员的个人能力、管制任务特点和管制设备3个方面构建管制员情境意识(SA)可靠性模型;利用塔台管制模拟软件和SA全面评价技术(SAGAT)测量管制员在应急情境下的SA水平;基于贝叶斯网络(BN)对SA可靠性进行定量分析,进而预测管制员的SA水平,并基于贝叶斯推理分析影响管制员SA可靠性的关键因素。研究结果表明:应急情境下,管制员SA可靠性和SA水平显著正相关,可通过管制员的SA可靠性预测SA水平;通过BN推理分析发现,对管制员的SA可靠性影响程度和敏感程度较高的因素为调配飞机可用时间、管制设备的精准度和管制员的记忆力;对管制员SA可靠性影响最大的致因链为调配飞机可用时间→任务特点→SA可靠性。

基于专家知识与监测数据联合驱动的高压开关柜状态评估

高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失的现象,从而破坏了数据的完整性和可用性,使得对数据质量要求较高的数据驱动方法难以直接用于解决高压开关柜状态评估的问题。为了解决上述问题,研究了一种基于专家知识和监测数据联合驱动的高压开关柜状态评估方法。首先,对高压开关柜系统的内部构成进行了深入分析,并根据区域中设备的功能不同将其分为电缆室、母线室和断路器室三大区域。其次,进一步分析了系统状态、各区域状态及其关键部件状态两两之间的因果关系,从而建立了适用于高压开关柜状态评估的三层贝叶斯网络(BN)拓扑结构。然后,引入专家领域知识设计了适用于高压开关柜系统的3种约束罚函数,并通过求解带有约束的优化问题,改善了不完整数据集下的贝叶斯网络参数估计性能,进而实现了对高压开关柜系统状态的精确评估。最后,在自主设计的10 kV高压开关柜样机上开展了对比验证实验,结果表明,相比于支持向量机(SVM)方法和反向传播(BP)神经网络方法,本文所提方法在状态评估精度上更具优势。

远程控制船舶内河航行风险评价研究

针对远程控制船舶内河航行风险定量评价问题,提出了一种不确定性建模与船模航行试验相结合的风险评价框架,分为模型构建、量化和验证3个部分。在模型构建方面,模型节点来自内河环境、通信、岸端、船端和风险5个方面辨识的船舶远程控制航行风险因素,根据专家经验和航行试验对初始模型结构进行迭代修正,形成了远程控制船舶内河航行风险评价的贝叶斯网络模型;在模型量化方面,为量化父子节点之间线性或非线性关系提出了条件概率计算方法,在内河连续桥区开展船模航行试验,获取了部分根节点的先验概率、航行事故或险情,以及试验人员对航行风险的评价等数据;在模型验证方面,从情景分析、敏感性分析、对比分析3个角度对模型进行了验证。结果表明:在统计的40起航行试验案例中,触碰/碰撞事故占比最高,试验发现了新的失效模式,即控制冲突、程序错误、信号丢失等;构建的贝叶斯网络模型能够有效评价不同情景下航行风险水平,并辨识了与远程控制船舶内河航行风险相关的重要节点。研究结果可以为实现内河船舶远程控制作业模式提供理论依据,也为内河远程控制船舶航行安全提供研究思路。

基于贝叶斯网络的重特大交通事故关键因素分析

基于2013—2021年97起重特大交通事故数据,探究重特大交通事故关键致因。采用改进的灰色关联法构建关键影响因素集,以关键因素为节点变量建立了贝叶斯网络,通过网络结构学习和节点条件概率学习,分析了14个与事故相关的因素,并从中提取了15个单、多车事故死伤人数因素组合链,基于区间数理论对影响因素的危险性进行了排序。结果表明:单、多车事故致因存在差异,超载、存在大型客车、无物理隔离等因素对单、多车事故均有影响,但这些因素对单、多车事故死伤人数的影响程度不同,整体来看,多车事故后果更严重。贝叶斯网络可以反映各因素之间的真实关系,且具有较好的预测精度,研究结论有助于管理部门制定相应的预防策略以减少重特大交通事故发生频率。

基于BN的武器装备体系能力重要度分析

面对不断变化的未来不确定作战环境,在有限资源和技术水平下,武器装备体系顶层设计人员需要辨识与明确对体系建设目标影响最大的能力集合。提出用带置信度的区间数度量武器装备体系能力,用beta分布描述武器装备体系能力性能指标先验分布概率,在武器装备体系能力指标分解结构基础上构建了基于贝叶斯网络的武器装备体系能力重要度评估模型,利用贝叶斯网络的推理功能提出了能力重要度计算方法。最后,以空战武器装备体系为背景对所提方法的可行性和有效性进行了检验。

融合Inception V1-CBAM-CNN的轴承剩余寿命预测模型

针对现有的滚动轴承剩余寿命(RUL)预测方法精度低、轴承健康指标(HI)构建困难等问题,提出了一种基于卷积神经网络(CNN)并融合Inception V1模块和卷积注意力机制模块(CBAM)的滚动轴承RUL预测模型。首先,在CNN中添加了CBAM机制,并进行了加权处理,在通道和空间维度对重要特征进行了强化,对次要特征进行了抑制,通过添加改进的InceptionV1模块,提高了CNN通道间信息交互水平,全面提取了退化特征;然后,进行了网络优化,采用全局最大池化(GMP)方法对模型进行了简化,采用Dropout和批量归一化(BN)方法,避免了过拟合,提高了精度,且克服了训练时出现的梯度消失问题;最后,对数据进行了处理,将降噪后的信号重组为三维张量,将其作为HI,构建了退化标签,引入了评价指标,采用PHM2012轴承数据集进行了实验验证,在3种工况下将其与深度神经网络(DNN)、CNN方法、结合注意力机制的残差网络方法(ResNet)进行了对比。研究结果表明:该方法在变负载条件下的平均RMSE为0.033,较其他方法的RMSE值分别降低了86%、78%和69%,在预测精度和泛化能力方面具有明显优势。

小数据集条件下基于双重约束的BN参数学习

针对小数据集条件下的贝叶斯网络(Bayesian network,BN)参数学习问题,提出了一种基于双重约束的贝叶斯网络参数学习方法.首先,对网络中的参数进行分析并将网络中的参数划分为:父节点组合状态相同而子节点状态不同的参数和父节点组合状态不同而子节点状态相同的参数;然后,针对第一类参数提出了一种新的基于Beta分布拟合的贝叶斯估计方法,而针对第二类参数利用已有的保序回归估计方法进行学习,进而实现了对网络中参数的双重约束学习;最后,通过仿真实例说明了基于双重约束的参数学习方法对小数据集条件下贝叶斯网络参数学习精度提高的有效性.