基于模糊贝叶斯网络的氨燃料加注系统故障风险评估及安全优化研究

为解决氨燃料加注过程中毒性、腐蚀性和不确定性风险缺乏量化评估工具的难题，研究人员创新性地将模糊贝叶斯网络（FBN）应用于氨燃料加注系统，识别出操作中断（49%）和氨泄漏（22%）为主要风险，并揭示软管断开、管道泄漏和紧急切断阀（ESD）故障等关键失效因素，为海事安全协议提供了数据驱动的决策依据。

　　

随着全球航运业加速脱碳进程，氨因其零碳特性成为备受瞩目的替代燃料。然而，这种希望之光背后隐藏着致命阴影——氨的毒性（低至数百ppm即可致命）、腐蚀性（可破坏铜、锌等金属）以及特定条件下的可燃性，使得其加注操作成为高风险场景。历史上不乏惨痛教训：2021年LPG运输船Hamburg DW的氨泄漏导致1死3重伤，2023年美国伊利诺伊州氨罐车翻覆事故造成5人死亡。相比之下，液化天然气（LNG）加注已有成熟的安全框架（如IGF Code），但氨燃料的安全评估仍处于空白。这种"燃料先行、安全滞后"的现状，正由中国的研究团队通过一项开创性研究打破。

国家自然科学基金支持的研究团队开发了首个针对氨燃料加注系统的模糊贝叶斯网络（FBN）风险评估模型。该技术融合了专家知识（expert elicitation）与模糊逻辑，通过概率图模型量化系统组件间的动态关联。研究特别关注了加注软管、管道和ESD阀等关键节点，采用敏感性分析揭示了人为错误和维护不足对系统可靠性的放大效应。

方法论
研究采用贝叶斯信念网络（BBN）构建有向无环图（DAG），节点涵盖从硬件失效到环境因素的27个关键变量。通过模糊集理论处理数据稀缺性，将专家判断转化为梯形隶属函数。模型验证结合了历史事故数据（如挪威Bergensfjord号LNG加注事故）和蒙特卡洛模拟。

定量风险评估结果
分析显示：操作中断（49%）和氨泄漏（22%）是两大主要风险后果。具体而言，软管断开概率达3.2×10^-3/操作小时，显著高于管道泄漏（1.8×10^-3）。ESD阀故障虽概率较低（7.5×10^-4），但会导致后果升级。

讨论
研究发现：人为因素贡献率达38%，远超硬件失效（24%）。特别值得注意的是，同时操作（SIMOPS）场景下风险值激增60%，这解释了挪威LNG事故中因船舶倾斜导致的软管破裂机制。模型还揭示现有检测系统对<5mm泄漏的响应延迟，这与阿拉巴马州氨泄漏事故中蒸气云扩散模式相符。

结论
该研究首次实现了氨燃料加注系统的组件级风险量化，证明传统LNG安全措施无法直接迁移。提出的FBN框架能动态评估ESD系统响应、风速变化等变量影响，如10m/s风速可使毒性影响范围扩大220%。这些发现为IMO制定氨燃料临时指南提供了科学依据，特别是关于独立高液位报警、防静电软管等强制条款的设置。研究建立的"故障-后果"映射关系（如阀门失效与泄漏量的条件概率表）已成为多个氨燃料试点项目的设计基准，标志着海事安全评估从经验驱动向数据驱动的范式转变。