考虑不确定性的基于模糊规则的贝叶斯失效模式与影响分析在船用废热回收系统风险评估中的应用
《Ocean Engineering》:Uncertainty-aware fuzzy rule-based Bayesian FMEA for risk assessment of shipboard waste heat recovery systems
【字体:
大
中
小
】
时间:2026年10月23日
来源:Ocean Engineering 6.3
编辑推荐:
• 提出了一种感知不确定性的基于模糊规则贝叶斯FMEA框架,用于在故障数据稀缺条件下的风险评估。• 案例研究评估了安装在LNG运输船上的五个船用废热回收系统(WHRS)子系统中的70种故障模式。• 与污垢相关的故障显示出最高的期望风险值,而腐蚀、污垢和气蚀主导了风险特征。•
• 提出了一种感知不确定性的基于模糊规则贝叶斯FMEA框架,用于在故障数据稀缺条件下的风险评估。• 案例研究评估了安装在LNG运输船上的五个船用废热回收系统(WHRS)子系统中的70种故障模式。• 与污垢相关的故障显示出最高的期望风险值,而腐蚀、污垢和气蚀主导了风险特征。• 结合期望风险值和熵值,能够区分稳健的维护优先事项和需要进一步监测的不确定性热点。
引言
海事行业正经历深刻的变革,这源于对脱碳和数字化运营的需求,同时还需保持安全和运营可靠性。尽管目前海上运输占全球二氧化碳(CO2)排放的2.89%(国际海事组织,2021a),但随着其他主要行业逐步实现脱碳,其相对贡献预计将大幅增加(国际可再生能源署,2021)。为应对这一挑战,在国际海事组织(IMO)采取一系列逐步迈向清洁运输的步骤之后,该组织于2023年7月通过了更新的《船舶温室气体减排战略》。该战略制定了雄心勃勃的目标,要求到2030年和2040年,相对于2008年水平,年均温室气体排放分别减少20%和70%(Bilgili和?l?er,2024;Cao等人,2026)。
除了2023年战略之外,IMO还引入了一系列措施来减少船舶空气污染。其中,开发了一项运营指标——碳强度指标(CII),用于量化每单位运输工作所排放的CO2量(国际海事组织,2022)。尽管该指标在建立不同类型船舶的排放基线方面具有重要意义,但并未与直接处罚挂钩。这种缺乏经济制裁的情况促使监管机构引入了市场措施,在其中经济激励和处罚发挥着核心作用(Psaraftis等人,2021)。一个突出的例子是欧盟排放交易体系(EU ETS)自2024年1月1日起适用于海上运输(Díaz-Secades,2024;Flodén等人,2024)。
海上脱碳不可避免地需要采用替代燃料,目前的预测表明这些燃料将比化石燃料昂贵(Solakivi等人,2022;Spathias,2024;Zhang等人,2025)。鉴于减排的迫切需求和船东在转向替代燃料时将面临的成本上升,能效措施变得至关重要,并为实施这些措施的船舶提供了明显的竞争优势(Ghaforian Masodzadeh等人,2022;Pei等人,2026)。船舶尤其依赖热力机械来提供推进力和船舶服务,并运行各种辅助热系统以执行特定功能,包括垃圾焚烧(Díaz-Secades和Bouzón,2024)。有机朗肯循环和基于塞贝克效应的热电发电机等技术有可能将这些未使用的热能转化为有用的电能(Díaz-Secades等人,2024;Kristiansen等人,2012)。因此,废热回收系统(WHRS)的重要性已被IMO正式认可,IMO将其纳入2021年《创新能效技术处理指南》(国际海事组织,2021b)。然而,将此类系统集成到现有船上环境中会引入新的技术接口和运行条件,这些条件从安全和可靠性的角度尚未得到广泛探索。
新兴船上能源系统的部署提出了重要的安全和可靠性挑战,特别是在运营经验有限和故障数据稀缺的情况下。新系统可能会改变操作员的工作负荷,需要额外培训,或者引入不熟悉的故障机制,从而影响职业安全和系统可用性(Kuncowati等人,2024;?l?er等人,2023;Yu等人,2025;Wang等人,2026)。从工程角度来看,这些系统必须得到适当的维护,以确保运营的连续性并避免非计划停机(Karatu?等人,2022)。因此,必须识别与新系统相关的故障模式,以便实施合适的维护和缓解策略(Karatu?等人,2024)。在此类背景下,关键挑战不仅是估计风险水平,还要在认知不确定性下支持决策,其中必须明确考虑风险的量级以及对该估计的信心(Feng等人,2027)。
评估与新型海事技术相关风险的一个关键困难在于围绕其故障行为的高水平认知不确定性。虽然设计实践旨在防止结构或材料故障,但实际运行条件可能会产生热、机械和电气子系统之间意想不到的相互作用。在这种情况下,明确纳入专家知识的系统化风险评估方法尤其有价值(Rosqvist和Tuominen,2004;Wu等人,2019)。基于这一理念,Karatu?等人(2024)对为满足IMO 2020年法规而安装的船舶洗涤塔系统进行了风险评估,参考了六名来自现役海员和学者的专家判断。
故障模式与影响分析(FMEA)被广泛用于新机械设备的初步评估,因为它通过对严重程度、发生率和检测特性的评估来识别和优先排序故障模式(Kiran,2017;Schneider和Stamatis,1996)。为了应对专家判断固有的模糊性和主观性,模糊逻辑已被广泛集成到FMEA框架中(Akyuz等人,2016;Demirci和Eken,2025)。然而,传统FMEA和模糊FMEA方法本质上仍然是静态的,通常假设故障模式之间相互独立。在由紧密耦合的子系统组成的复杂船上系统中,这些简化可能限制FMEA支持风险知决策的能力,特别是当多个相互作用的故障影响系统级风险时(Qu等人,2026)。此外,虽然模糊FMEA改进了语言不确定性的处理,但它主要关注风险优先级排序,并未明确表示故障模式之间的因果关系(Liu等人,2026)。
为了提高风险优先级排序的稳健性,近期研究已将基于熵的加权方法纳入FMEA框架。基于熵的方法减少了专家加权中的主观性,并通过客观量化专家评估的信息含量来增强故障模式之间的区分度。Akdamar等人(2026)提出了一种面向船舶系统的基于熵加权FMEA框架,并证明了与传统和模糊FMEA方法相比,其优先级排序性能得到了改善。然而,这些方法仍然是以排名为导向的,并未显式建模复杂系统中的故障传播机制。
为了克服在处理专家不确定性和实际故障依赖性方面的这些局限性,Ceylan和Memi?(2025)提出了一种基于模糊参数化模糊软矩阵的FMEA。这些方法有效地解决了模糊性和不完整信息问题,特别是在故障数据稀缺的条件下。然而,它们通常对故障模式之间的因果依赖关系和动态相互作用的建模支持有限。作为替代方法,Liu等人(2022)采用Dempster-Shafer证据理论处理包含不确定性的数据。此外,贝叶斯网络(BN)以更具弹性的方式处理不确定性方面具有显著优势。
BN是一种概率图模型,能够明确表示因果关系并支持不确定性下的推理(Daly等人,2011)。当与从专家知识中推导出的基于规则的结构相结合时,基于规则的贝叶斯网络(RBN)提供了一种透明且可解释的方法来将FMEA扩展到静态风险排名之外(Yang等人,2008)。先前的研究已成功将FMEA与BN相结合应用于海事安全问题,包括封闭空间作业(Gulen等人,2026)和自主船舶系统(Chang等人,2021),展示了它们表示不确定性和支持基于场景分析的能力。Gulen等人(2026)采用RBN对船舶封闭空间作业进行风险评估,不仅识别了最关键的故障模式,还发现了系统性问题,以便随后开发解决方案导向的策略。FMEA与RBN的结合也被证明在分析新技术方面有效。例如,Chang等人(2021)将这些方法应用于识别和排序海上自主水面船舶的危险,得出了有助于理解最相关危险及其相关风险水平的见解。
尽管海上应用废热回收技术的兴趣日益增长,但现有研究主要关注热力学性能,而在严重数据稀缺条件下的风险知部署问题在很大程度上仍未被探索。因此,需要一种能够感知不确定性的方法论,以支持船上WHRS的早期风险评估,当代表性故障数据不可用时。
本研究的主要目标是开发一种感知不确定性的模糊RBN-FMEA框架,用于在故障数据稀缺条件下对船上WHRS进行早期风险评估。次要目标是量化已识别故障模式的期望风险值和熵值,确定维护行动优先顺序,并识别需要进一步监测和数据收集的不确定性热点。该框架通过将其应用于安装在180,000 m3 LNG运输船焚烧器上的集成WHRS进行演示(Díaz-Secades和Bouzón,2024)。
为了弥补已识别的研究空白,本研究做出了三项关键贡献:
贡献1:通过整合模糊专家征询、RBN、期望风险值和熵值,开发了一种感知不确定性的风险评估框架。该框架专为新兴海事技术设计,适用于代表性故障数据不可用或严重受限的情况,能够在认知不确定性下进行系统化的知识形式化和概率风险评估。
贡献2:所提出的框架引入了双重风险解释机制,将贝叶斯风险估计与基于熵的不确定性分析相结合。与主要关注风险排名的传统FMEA、模糊FMEA和大多数现有BN-FMEA方法不同,该方法区分了高风险故障模式和不确定性热点,从而基于风险量级和模型导出的风险节点分布离散度来支持维护决策。
贡献3:该框架被应用于安装在LNG运输船上的集成WHRS,以识别关键故障模式,评估相关不确定性水平,并为维护计划和运营决策提供实用建议。所生成的故障模式数据库和风险洞察为海上WHRS技术的安全部署提供了结构化参考。
通过这种方式,所提出的方法不仅基于风险量级,还考虑与该评估相关的离散程度来支持维护决策。从实践角度来看,本研究识别和优先排序了关键故障模式和不确定性热点,为海上WHRS的维护计划和运营决策提供了可操作的见解。它为海事公司提供关于WHRS的全面指南,包括故障模式、原因和结果,这些可以轻松集成到其计划维护系统中。
本文其余部分组织如下。第2节描述专家征询过程和所提出的分析框架。第3节介绍案例研究和风险评估结果。第4节讨论发现的含义,第5节总结主要结论。
分节摘要
方法
为了系统地评估已识别故障模式的风险水平,本研究提出了一种整合FMEA、模糊逻辑建模和RBN的综合方法论框架,如图1所示。具体而言,首先采用FMEA来识别和结构化潜在故障模式。引入模糊逻辑建模将专家的评估转化为语言变量和隶属度。这些模糊表示被集成到RBN中,以推断风险节点
案例研究
本研究聚焦于一种先前开发的用于安装在船舶焚烧器上的废热回收装置。该概念回收了船舶废物燃烧过程中释放的大量热能,并将其转化为有用的电能。该系统集成了蒸汽朗肯循环、有机朗肯循环(ORC)以及利用焚烧器壁与海水冷却管线之间温差发电的塞贝克效应模块。
当应用于讨论
本节从几个互补的角度讨论所获得的结果,包括风险排名的解释、运营和维护含义、不确定性在评估过程中的作用,以及所提出框架的方法学贡献和局限性。
结论
本研究提出了一种感知不确定性的模糊RBN-FMEA框架,用于在运营经验有限和故障数据稀缺条件下对船上WHRS进行风险评估。通过整合模糊专家征询和基于规则的概率推理,对每种故障模式的发生率、严重程度、检测性和风险之间的关系进行建模,并结合期望风险值和熵值,该框架能够在明确考虑...的情况下对故障模式进行优先排序
CRediT作者贡献声明
Luis Alfonso Díaz-Secades:撰写——初稿,资源,概念化。?a?lar Karatu?:撰写——审阅与编辑,数据管理,概念化。Juncheng Tao:撰写——初稿,方法论,形式化分析。Evelin Krmac:撰写——审阅与编辑,验证,资源。
Xinjian Wang:撰写 – 审阅与编辑、可视化、方法论。
资助
本研究未获得公共、商业或非营利部门资助机构的任何特定拨款。
利益冲突声明
作者声明,他们没有任何已知的竞争性经济利益或个人关系可能会影响本文所报告的工作。
Luis Alfonso Díaz-Secades|?a?lar Karatu?|Juncheng Tao|Evelin Krmac|Xinjian Wang
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号