基于三阶段故障树分析–贝叶斯网络（FTA-BN）的纯汽车和卡车运输船（PCTC）电动汽车（EV）火灾升级评估：安全屏障退化情景

《Process Safety and Environmental Protection》：A three-stage FTA-BN assessment of electric-vehicle fire escalation on pure car and truck carriers under safety-barrier degradation

　　

纯汽车和卡车运输船（pure car and truck carriers，PCTC）上的电动汽车（electric-vehicle，EV）火灾可由局部引发升级为货舱空间蔓延以及船舶范围火控失效。研究人员开发了一种三阶段故障树分析–贝叶斯网络（fault tree analysis–Bayesian network，FTA-BN）模型，将火灾引发与引发后探测、抑制和遏制相区分。专家判断采用Dempster–Shafer证据理论（Dempster–Shafer evidence theory，D-S）进行融合；所得分数经校准后作为贝叶斯网络（Bayesian network，BN）中的概率值根事件参数，而航次和船舶依赖因素作为情景证据处理。在参考情景下，该模型给出的阶段概率为：EV火灾引发8.39%，滚装空间火灾蔓延1.05%，船舶范围火控失效0.18%。阶段结构将引发后屏障退化的效应限制在下游升级。自动抑制响应速度（automatic suppression response speed）是限制火灾蔓延最具影响力的屏障，而应急通信冗余（emergency communication redundancy）和结构防火完整性（structural fire integrity）是直接作用于升级阶段的最强屏障。研究人员进一步采用预定义同时退化情景，以考察屏障劣化的组合效应。敏感性和排序稳定性分析显示，主要阶段特定屏障优先级在测试参数变化下大体保持稳定。

纯汽车和卡车运输船（pure car and truck carriers，PCTC）广泛用于远洋车辆运输，但其紧凑货物布置使车辆甲板火灾一旦发生后，船上火控裕度有限。近期严重车辆运输船火灾事件，包括 MV Felicity Ace 伤亡和 Zhonghua Fuqiang 船上火灾，表明在密集车辆堆存、消防通道受限、通风条件不确定以及海上外部支持延迟条件下，早期火控失败可使局部货舱甲板火灾发展为船舶级紧急状态。PCTC车辆布置在多层滚装甲板且间距狭窄，常处于封闭或半封闭货舱空间；通道受限会妨碍手动消防干预，通风控制、边界冷却和消防队部署也可能受甲板布置限制。远洋航行中，火灾初始阶段岸基外部援助很少可得，因此早期火控高度依赖船上火灾探测、固定灭火系统、应急指挥、通信和结构防火分隔屏障。随着电动汽车（electric-vehicle，EV）运输增加，锂离子（Li-ion）电池可能发生热失控（thermal runaway）、复燃、长时间冷却需求、有毒气体释放以及电池包是否完全稳定的不确定性，电池危险还与密集车辆堆存、有限甲板高度、常规车辆可燃物和受限消防通道相互作用。既有FTA、BN、模糊扩展、D-S证据理论、系统理论事故建模和后果模拟等方法可用于事故数据有限条件下融合经验信息与专家知识，但针对纯货物PCTC、密集堆存、甲板通道受限、海上响应限制及多安全屏障依赖的火灾升级研究仍不充分。因此，研究人员提出三阶段FTA-BN框架，将EV火灾引发、早期火控失败、滚装空间蔓延和船舶范围火控失效表示为不同但因果连接的阶段，并引入九个安全屏障节点作为有效/退化情景变量。

方法上，研究人员首先进行事故结构与场景定义，构建三阶段故障树，区分顶层事件T₁（EV火灾引发）、T₂（滚装空间火灾蔓延）和T₃（船舶范围火控失效），并以中间事件M₁₅表示引发后早期火灾探测和控制失败。随后将故障树映射为BN，采用Noisy-OR（一种多因独立作用并含泄漏项的条件概率参数化方法）处理不确定多因关系。参数估计使用五位海事安全和风险评估专家（Experts A–E）的评分，以D-S证据理论融合，经D-S基本概率分配（basic probability assignment，BPA）和pignistic概率变换得到融合评分，再通过三组非线性校准转换为概率值根事件参数。条件概率表（conditional probability table，CPT）在屏障退化情景下按 odds 乘数调整。BN在GeNIe 5.0中实现并以精确变量消除独立检查，随后开展前向推断、诊断推断、敏感性分析、单屏障退化和耦合退化情景比较，以及排序稳定性检查。研究方法概述约二百五十字，未涉及试剂或质粒构建等操作；样本来源为五位专家评分，无其他船队队列数据。

研究结果中，3.1 基线推断与阶段升级模式：在参考PCTC条件、所有安全屏障有效、X₇高海况不存在、X₈过高荷电状态（state of charge，SOC）不存在、X₁₄焊接/动火不存在、X₂₅设计缺陷不存在、X₃₄穿透密封失效不存在、X₂₃密集停车存在时，前向推断得到P(T₁)=8.3910%，P(T₂)=1.0497%，P(T₃)=0.1806%；P(T₂|T₁)=12.5095%，P(T₃|T₂)=17.2089%。这些值被说明为BN评估框架内的事件状态概率，不应解释为每航次、年度或船年事故频率。

3.2 船舶范围火控失效下的诊断推断：通过固定T₃为发生状态并进行反向推断，T₂和T₁变为确定，多个上游节点后验概率显著增加。最显著的响应包括X₃₁未评估舱口开启/通风后验82.23%、M₁₀未及时探测火灾58.94%、M₃机械损伤58.15%、X₂₁报警延迟18.29%、X₂₂不了解报警程序18.07%、M₁₄防火分隔失败11.65%、X₁₉火灾探测系统失败10.31%、X₃消防水系统失败3.46%。这些是T₃证据下的后验概率，不是独立事故频率；T₁和T₂为硬阶段前提，M₁₁、M₁₂和M₁₃为概率路径贡献者。

3.3 选定不确定性、模型形式和情境敏感性分析：通过BN敏感性分析和T₃发生状态的龙卷风分析，对根状态概率和单个CPT条目按基线值±10%扰动，T₃由0.180637%变为0.164214%–0.197061%。T₃最强局部效应集中在T₂阶段CPT行以及T₃阶段CPT行，X₃₁作为个体贡献者突出。最终阶段输出最敏感于阶段链接参数以及通风/开口和边界控制因素。不确定性检查还覆盖三组校准尺度、留一专家重新融合、D-S支持质量设置、屏障分数到 odds 映射、耦合屏障聚合规则和受影响CPT行范围。

3.4 单一安全屏障退化：逐一令S₁–S₉从有效变为退化且其他条件固定，S₁主要作用于T₁，S₂–S₇主要作用于T₁至T₂升级阶段，S₈–S₉主要作用于T₂至T₃失控阶段。S₂自动抑制系统响应速度产生最大T₂相关放大20.87%，其次S₃火灾探测系统冗余13.82%；S₄、S₅、S₆、S₇的T₂相关效应分别为1.34%、1.13%、3.25%、4.22%。直接作用于T₂至T₃的屏障中，S₉应急通信冗余T₃相关放大20.85%，S₈结构防火完整性20.35%，S₂通过上游T₂效应产生20.87%的下游T₃放大。结果支持T₁侧重电池保护、T₂侧重早期探测与抑制、T₃侧重通信与结构遏制的阶段特定优先模式。

3.5 耦合退化与排序稳定性检查：六个同时退化压力情景中，C₁为S₂+S₃，C₂为S₅+S₆，C₃为S₆+S₉，C₄为S₉+S₈，C₅为S₆+S₉+S₈，C₆为S₂+S₆+S₉。乘积规则下，代表阶段放大分别为C₁=36.21%、C₂=5.12%、C₃=24.57%、C₄=43.21%、C₅=47.63%、C₆=49.75%。C₁产生最大T₂增加36.21%，C₆产生最大T₃放大49.75%。含S₂/S₃组合改变T₂但不改变T₁，符合其起后作用。±10%扰动下，S₂在99.6%情况下保持T₂领先屏障，T₃前三屏障集合S₂、S₉、S₈在98.0%情况下保留。

3.6 情境压力情景检查与既有研究比较：公开伤亡报告不含完整BN状态和CPT信息，Felicity Ace和Zhonghua Fuqiang案例被用作情境检查。过高SOC使T₁升至52.0152%，高海况使其升至26.9926%；取消密集停车使T₂降至0.1104%，X₃₄缺陷使T₃升至0.3041%；六个高风险情境同时施加时，T₁=63.5369%、T₂=8.1673%、T₃=2.3664%。与既有EV海事和过程安全风险研究相比，该研究的贡献集中于PCTC特定升级结构、引发与早期控制失败分离、校准专家根参数、情景证据、阶段特定屏障分析以及条目级可重复性检查；多阶段FTA-BN、五专家启发和反向推断被视为已有方法而非单独方法创新。

3.7 局限性与未来工作：根参数依赖专家评分和基准校准，0.005、0.04和0.09为校准锚而非通用故障率；六个变量固定为情景证据，输出条件于这些设置；有效/退化屏障状态为比较类别，无船特定阈值规则；静态二元BN不表示时间变化热失控、抑制延迟、复燃、部分屏障退化或演变船员绩效；期望专家评分计算假设九个有序启发水平等距数值编码，是认知建模约定而非经验概率间距假设。屏障退化和共因退化未作为随机过程建模；动态应用需要船特定屏障健康指标、联合失效数据和操作时间序列。留一专家重新融合和α敏感性检查用于检验专家证据层依赖，但专家面板小且可能共享专业假设，更大、更异质面板及船特定可靠性和人可靠性数据可增强外部效度。

结论翻译：研究人员开发了三阶段FTA-BN模型评估PCTC上EV火灾升级。该模型将着火与起后探测和抑制分离：T₁由M₂驱动，M₁₅代表早期火灾探测/控制失败，T₁门控T₂蔓延阶段。T₁发生后，M₁₅、M₁₃、X₂₃和M₁₁通过T₂条件结构治理蔓延，从而防止起后屏障反馈至引发概率。参考情景下，模型估计概率为P(T₁)=8.3910%，P(T₂)=1.0497%，P(T₃)=0.1806%，P(T₂|T₁)=12.5095%，P(T₃|T₂)=17.2089%。S₂给出最大T₂相关单屏障放大并强传播至T₃；直接作用于T₂至T₃阶段的屏障中，S₉和S₈效应最大。测试耦合案例中，C₆产生最大T₃放大。这些发现支持PCTC EV运输的分阶段控制策略，但绝对概率水平仍对校准、专家证据、CPT规范和情境设置敏感。该模型最适合可重复情景比较、条件升级分析、诊断推断和屏障优先级筛选。未来工作应纳入船特定可靠性和人可靠性数据、部分和依赖屏障退化，并使用演练、险兆、维护记录和事故数据对阶段过渡进行经验验证。作者为Yingchi Li和Xiao Chen。