基于模糊证据推理与动态网络VIKOR算法的电动船舶换电过程FMEA评估：一种混合方法创新研究

为解决电动船舶集装箱式电池储能系统(CBESS)换电过程的安全风险评估难题，上海海事大学团队创新性地将模糊证据推理(FER)与动态网络VIKOR算法结合，构建改进的失效模式与影响分析(FMEA)模型。该研究系统识别出30个关键失效模式，其中避雷系统失效、装卸故障等被列为最高优先级风险，为新兴海事能源系统的安全决策提供了科学依据。

　　

随着全球海运贸易量占据经济总量的80%-90%，船舶温室气体排放问题日益严峻。国际海事组织(IMO)最新战略要求航运业在2050年前实现净零排放，而纯电动船舶因其零运行排放特性成为重要解决方案。然而，依赖充电模式的电动船舶存在充电效率低、电网压力大等瓶颈，采用集装箱式电池储能系统(CBESS)的换电模式虽能提升效率，却面临火灾爆炸等潜在风险。传统失效模式与影响分析(FMEA)方法在评估这类新兴技术时，常因信息缺失和专家主观性导致评估偏差。

针对这一挑战，上海海事大学的研究团队在《Expert Systems with Applications》发表创新成果，提出融合模糊证据推理(FER)和动态网络VIKOR算法的改进FMEA方法。该方法通过FER处理信息不确定性，利用VIKOR算法解决证据冲突问题，并引入动态专家网络优化权重分配。研究团队选取电动船舶换电全流程的四个阶段（港口换电、AGV运输、充电站操作、满电电池运输），系统识别出30个失效模式，包括避雷系统失效(FM₃)、起重机缆绳断裂(FM₆)等关键风险点。

关键技术方法
研究采用三阶段混合方法：1) 通过动态专家信任网络确定专家权重；2) 运用FER将专家语言评价转化为模糊信度结构，构建风险优先数(RPN)矩阵；3) 采用VIKOR算法对失效模式排序，重点解决FER在证据冲突时的局限性。所有数据均来自海事领域专家对CBESS系统的实地调研。

研究结果

系统描述
研究构建了包含港口设施(PUS)、AGV运输(ATS)、充电站(CSS)、电池系统(BSS)四大子系统的分析框架，定义各子系统失效模式的严重度(S)、发生度(O)、探测度(D)评价标准。

子系统失效模式优先级
• PUS子系统：避雷系统失效(FM₃)因高探测度和严重后果位列首位，起重机缆绳断裂(FM₆)因可能引发连锁事故居次；
• ATS子系统：车辆固定装置失效(FM₁₂)和AGV通信故障(FM₁₅)风险值最高；
• CSS子系统：充电站温度传感器失效(FM₂₂)风险突出；
• BSS子系统：电池温度传感器失效(FM₂₈)最需关注。

结论与意义
该研究首次将动态专家网络与FER-VIKOR混合算法应用于海事能源系统风险评估，相比传统FMEA具有三大优势：1) FER有效表征新系统信息缺失下的不确定性；2) VIKOR算法提升冲突证据处理能力；3) 动态权重分配减少主观偏差。实践层面，研究明确建议优先改进避雷系统和温度监测装置，为全球电动船舶换电站建设提供关键技术支撑。未来研究可扩展至氢燃料等新型船舶能源系统的风险评估。