基于改進CUOWGA算子-Sharpley值的應(yīng)答器傳輸系統(tǒng)風(fēng)險評價方法

褚心童,張亞東,李 耀

(西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院,成都 611756)

隨著我國高速鐵路的飛速發(fā)展，高速鐵路安全運營越來越受到人們關(guān)注。應(yīng)答器傳輸系統(tǒng)作為列車運行控制系統(tǒng)中重要的地-車信息傳輸子系統(tǒng)，在保證列車安全高效運行方面起到了極其重要的作用[1]。如何更加科學(xué)、合理地對應(yīng)答器傳輸系統(tǒng)進行風(fēng)險評價，對保障高速鐵路安全運行具有重要意義。

危險與可操作性分析 (Hazard and Operability Analysis，HAZOP) 方法是一種系統(tǒng)化的辨識方法，結(jié)構(gòu)化程度較高。HAZOP將系統(tǒng)劃分為若干功能相對獨立的節(jié)點，并提取分析要素，通過設(shè)計引導(dǎo)詞，辨識系統(tǒng)中潛在的危險及影響。目前廣泛運用于系統(tǒng)安全風(fēng)險分析領(lǐng)域[2]。

由于HAZOP方法屬于定性分析，無法對識別出的風(fēng)險進行量化評價。因此近年來國內(nèi)外學(xué)者在HAZOP方法基礎(chǔ)上，綜合ANP分析[3]、模糊綜合評價法[4]、偏移度量化分析[5]等方法，對定量風(fēng)險評價進行了研究。但這些方法未考慮風(fēng)險事件間的相關(guān)性，并且如何進一步降低風(fēng)險評價中專家決策的主觀性需要深入研究。

CUOWGA算子是一種改進的OWGA(有序加權(quán)幾何平均)算子[6]，它可以對不確定環(huán)境中的一組區(qū)間數(shù)據(jù)，基于數(shù)據(jù)間兩兩比較的可能度公式及模糊互補判斷矩陣公式進行集結(jié)決策，降低決策者帶來的主觀影響，得到可信度最高的數(shù)據(jù)區(qū)間。CUOWGA算子目前已經(jīng)在多屬性決策[7]、聚類分析[8]等領(lǐng)域得到廣泛應(yīng)用。

而Sharpley值是一種基于合作博弈論的利益分配方式[9]，它可以計算各成員在考慮相互聯(lián)盟的情況下對于整體的相對重要程度或權(quán)重[10]。根據(jù)這一特點，可以計算安全性分析領(lǐng)域中多風(fēng)險相關(guān)下的評價因素權(quán)重值。

本文方法首先對被測系統(tǒng)建立功能分層模型，使用HAZOP方法辨識模型潛在的風(fēng)險及影響；根據(jù)辨識結(jié)果建立評價因素集，結(jié)合模糊統(tǒng)計法建立評判集；邀請5人專家組使用評判集對各底層因素進行模糊評價并量化為置信區(qū)間；使用改進的CUOWGA算子集結(jié)各專家評價，降低專家評價主觀性，獲得各單一因素的風(fēng)險評估值；利用Sharpley值函數(shù)，計算在考慮風(fēng)險相關(guān)性的情況下，各下層評價因素對上層評價因素的影響權(quán)重；根據(jù)各下層因素的風(fēng)險評估值及權(quán)重，使用加權(quán)平均法計算上層評價指標(biāo)的風(fēng)險評估值；重復(fù)上述步驟，最終獲得被測系統(tǒng)的整體風(fēng)險等級。本方法利用模糊統(tǒng)計法、CUOWGA算子及Sharpley值相結(jié)合，全面整合了專家組評價，降低了專家主觀影響及經(jīng)驗差異，且考慮了多風(fēng)險相關(guān)性，對應(yīng)答器傳輸系統(tǒng)的風(fēng)險評價提供了新方法。

1 系統(tǒng)建模與HAZOP分析

1.1 功能分層模型

本文利用功能分層模型對系統(tǒng)功能進行建模描述。功能分層模型能夠描述系統(tǒng)的功能分層結(jié)構(gòu)，根據(jù)功能涵蓋的范圍，以樹狀圖的形式自上而下進行功能分解[11]。某典型功能分層模型如圖1所示。

圖1 典型功能分層模型示意

功能分層模型能幫助研究人員根據(jù)底層功能風(fēng)險程度，自下而上地完成整個系統(tǒng)的風(fēng)險評估。

1.2 HAZOP風(fēng)險識別

基于功能分層模型，運用HAZOP方法對模型中的潛在的風(fēng)險事件及其影響進行識別，建立HAZOP分析表[12]，包括以下內(nèi)容。

(1)節(jié)點：系統(tǒng)具體的設(shè)備單元、功能、操作過程及狀態(tài)。

(2)要素：同一節(jié)點中可能具有的不同特征，是節(jié)點的細化。

(3)引導(dǎo)詞：用于描述對要素設(shè)計意圖偏離的詞或短語。常用引導(dǎo)詞及含義見表1[13]。

表1 常用引導(dǎo)詞含義

(4)偏差：一般為“要素”與“引導(dǎo)詞”組成的短語，即識別出的故障模式。

(5)發(fā)生原因：從設(shè)備單元的硬件、軟件、外界條件等方面分析產(chǎn)生風(fēng)險或故障的原因。

(6)可能后果：風(fēng)險可能導(dǎo)致的后果或影響。

按照功能分層模型的層次劃分，結(jié)合“節(jié)點”及“要素”的定義，將功能分層模型中的中間功能{FⅠ，F(xiàn)Ⅱ}作為HAZOP分析節(jié)點，底層功能{{F1，F(xiàn)2}，{F3，F(xiàn)4}}作為分析要素展開分析。

2 系統(tǒng)風(fēng)險評價方法

2.1 構(gòu)建評價因素集

評價因素集是指決策系統(tǒng)中影響評判的各種因素所組成的集合[14]。本方法中可將HAZOP辨識出的所有偏差{u1，u2，…，um}作為評價因素集U。以圖1展示的典型功能分層模型為例，結(jié)合各偏差所屬的節(jié)點{uⅠ，uⅡ}，可將評價因素集U表示為

U={uⅠ，uⅡ}={{u1，u2}，{u3，u4}}

其中，uⅠ表示節(jié)點FⅠ的所有偏差組成的評價因素子集，u1表示要素F1辨識出的偏差的評價因素。

2.2 構(gòu)建標(biāo)準(zhǔn)評判集及模糊評判集

評判集是指對評估標(biāo)準(zhǔn)進行劃分而得到的各風(fēng)險等級的集合。根據(jù)EN50126標(biāo)準(zhǔn)中對列控系統(tǒng)風(fēng)險級別的說明，將其作為標(biāo)準(zhǔn)評判集G={G1，G2，G3，G4}={“可接受的”，“可容許的”，“不期望的”，“不可接受的”}[15]。

傳統(tǒng)方法中，往往將評判集量化為確定數(shù)值，主觀性較強。為解決這一問題，將評判集量化為區(qū)間數(shù)。定義風(fēng)險等級最大值為1，最小值為0。根據(jù)等分原則，標(biāo)準(zhǔn)評判集可表示為G={G1，G2，G3，G4}={[0，0.25]，[0.25，0.5]，[0.5，0.75]，[0.75，1]}。

當(dāng)專家進行風(fēng)險評價時，受限于經(jīng)驗認知或現(xiàn)場環(huán)境復(fù)雜等條件，標(biāo)準(zhǔn)評判集的4等級劃分較為模糊。為便于專家給出客觀評價，將風(fēng)險等級擴展為7級，定義模糊評判集V={v1，v2，…，v7}={“最小”，“很小”，“較小”，“一般”，“較大”，“很大”，“最大”}。其含義及對應(yīng)量化區(qū)間如表2所示。

表2 模糊評判集量化含義

2.3 單因素評判集

2.4 基于CUOWGA算子的專家評價集結(jié)

CUOWGA算子是一種針對區(qū)間決策數(shù)據(jù)的集結(jié)方法，有利于解決模糊性問題。集結(jié)過程中引入規(guī)范化決策矩陣及可能度矩陣，降低了專家個人主觀性及專家間經(jīng)驗差異性帶來的影響[16]。

傳統(tǒng)CUOWGA算子獲得的結(jié)果與評判集量綱不同，本文針對此增加了算子-評判集轉(zhuǎn)換步驟。以n個專家參評包含m個風(fēng)險事件的因素集為例，具體計算過程如下。

(1)專家位置權(quán)重ω=(ω1，ω2，…，ωk，…，ωn)

(1)

其中，Q(r)為模糊語義量化算子

(2)

其中，a，b，r∈[0，1]。規(guī)定模糊語義計算原則分別為“至少半數(shù)”“大多數(shù)”“盡可能多”的前提下，Q(r)中的參數(shù)[a，b]對應(yīng)取值為 (0，0.5),(0.3，0.8),(0.5，1)。

(3)

令la=aU-aL，lb=bU-bL，定義：

(4)

(5)

(5)規(guī)范化評判數(shù)據(jù)排序

(6)計算CUOWGA算子

利用位置權(quán)重ω，對b(k)進行加權(quán)處理，得到因素uk的CUOWGA算子

(6)

因素集的CUOWGA算子可表示為CUOWGA(u1，u2，…，um)。

(7)算子-評判集置信區(qū)間轉(zhuǎn)換

利用式(3)的逆推公式，獲得因素uk的集結(jié)評判數(shù)據(jù)J(uk)，其中

(7)

因素集的集結(jié)評判數(shù)據(jù)可表示為J(u1，u2，…，um)。

2.5 基于Sharpley值函數(shù)的因素權(quán)值計算

由于在應(yīng)答器傳輸系統(tǒng)中，各風(fēng)險可能同時出現(xiàn)且相互影響，風(fēng)險相關(guān)性的評估對評價結(jié)果的準(zhǔn)確性至關(guān)重要。Sharpley值函數(shù)本質(zhì)是一種考慮成員可以聯(lián)盟的情況下，按各成員對整體貢獻度進行分配的一種分配方式[17]。將其引入安全性分析領(lǐng)域，可以合理分析在考慮風(fēng)險相關(guān)性的情況下，各因素對因素集的影響權(quán)重。具體步驟如下[18]。

(1) 集結(jié)評判數(shù)據(jù)歸一化

對集結(jié)評判數(shù)據(jù)J(u1，u2，…，uk，…，um)進行歸一化處理，得到歸一化評判數(shù)據(jù)C(c1，c2，…，ck，…，cm)。

(8)

(2)計算因素組合影響程度

將因素集中所有可能同時出現(xiàn)的因素組合用集合S表示，s表示其中的一種組合方式。組合s對因素集的影響程度v(s)可表示為

(9)

其中，σ表示關(guān)系系數(shù)，uk表示組合s包含的一個因素，ck表示uk的歸一化評判數(shù)據(jù)。v(s)計算值大于1時取值為1。

組合方式s中包含的因素相互影響時，關(guān)系系數(shù)σ取1.2，增強影響程度；當(dāng)各因素相互獨立或s包含所有因素時，關(guān)系系數(shù)σ取1。

(3)計算各因素的風(fēng)險相關(guān)權(quán)重

根據(jù)Sharpley值的計算公式，因素uk對因素集的影響權(quán)重φk可表示為

(10)

其中，|s|表示組合方式s中含有的因素個數(shù)；v(s)表示組合s對因素集的影響程度；v(s/k)表示組合s剔除因素uk后形成的新組合對因素集的影響程度；n是因素集包含的因素個數(shù)，w(|s|)表示組合s的加權(quán)因子。

2.6 加權(quán)綜合評判

根據(jù)各因素的集結(jié)評判數(shù)據(jù)J(u1，u2，…，um)及權(quán)重(φ1，φ2，…，φm)，運用加權(quán)平均法計算因素集U的綜合評判值Z(U)，可表示為

(11)

3 案例分析

應(yīng)答器傳輸系統(tǒng)是列控系統(tǒng)的重要地-車信息傳輸子系統(tǒng)，也是保障列車安全運行的關(guān)鍵設(shè)備[19]。論文以應(yīng)答器傳輸系統(tǒng)為對象進行方法應(yīng)用與驗證。

3.1 構(gòu)建評價因素集

應(yīng)答器設(shè)備由地面、車載兩部分設(shè)備構(gòu)成。車載設(shè)備包括BTM與天線單元，地面設(shè)備包括LEU及地面應(yīng)答器。應(yīng)答器設(shè)備結(jié)構(gòu)如圖2所示[20]。

圖2 應(yīng)答器設(shè)備結(jié)構(gòu)

應(yīng)答器系統(tǒng)的核心功能，是實現(xiàn)地面設(shè)備與車載設(shè)備之間信息的安全傳輸，而系統(tǒng)核心功能的實現(xiàn)，需要地面應(yīng)答器功能、LEU功能、BTM及天線單元功能的共同支撐[21-22]。

根據(jù)應(yīng)答器系統(tǒng)結(jié)構(gòu)，建立三層功能分層模型。最上層為應(yīng)答器傳輸系統(tǒng)功能；第二層為應(yīng)答器部件功能；第三層功能為各部件具體功能，也是最簡潔、不能繼續(xù)分解和細化的功能。。

利用HAZOP對功能分層模型進行風(fēng)險辨識，可得到如表3所示的應(yīng)答器系統(tǒng)功能分層模型風(fēng)險識別表。共識別出風(fēng)險偏差11個，由于篇幅限制，僅列出部分辨識結(jié)果。

表3 應(yīng)答器傳輸系統(tǒng)功能分層模型風(fēng)險辨識

根據(jù)HAZOP辨識結(jié)果，將11個風(fēng)險偏差編號，并建立應(yīng)答器風(fēng)險評價因素集U={uⅠ，uⅡ，uⅢ}={{u1，u2，u3，u4}，{u5，u6，u7}，{u8，u9，u10，u11}}，如圖3所示。

圖3 應(yīng)答器風(fēng)險評價因素集

3.2 單因素評判

邀請5人專家組對因素集的底層因素進行單因素評判。以“地面應(yīng)答器功能失效”因素子集uⅠ為例，共包含4個因素。評判數(shù)據(jù)如表4所示。

表4 專家組模糊評價數(shù)據(jù)

表5 單因素評價矩陣

3.3 專家評價集結(jié)

(1)計算專家位置權(quán)重

對風(fēng)險預(yù)測時，應(yīng)考慮風(fēng)險最大的情況，因此選擇模糊語義為“盡可能多”，即[a，b]取值為(0.5，1)。根據(jù)式(1)、式(2)計算可得，專家位置權(quán)重為

ω=(0.4，0.4，0.2，0，0)

(2)單因素評判矩陣規(guī)范化

表6 規(guī)范化評判矩陣

同理，可得其余3個因素的可能度矩陣如下

b(1)=

b(3)=

(7)計算CUOWGA(u1，u2，…，u4)

根據(jù)式(6)，結(jié)合位置權(quán)重ω，可計算各因素的CUOWGA算子

CUOWGA(u1，…，u4)=

(8)根據(jù)式(7)計算集結(jié)評判數(shù)據(jù)

J(u1，…，u4)=

([42.9，57.2]，[0，23.5]，[0，24.9]，[0，29.3])

3.4 因素權(quán)值計算

根據(jù)上述集結(jié)評判數(shù)據(jù)的中間值，計算多風(fēng)險相關(guān)下的底層因素對因素子集uⅠ的影響權(quán)重。

(1)根據(jù)式(8)，對集結(jié)評判數(shù)據(jù)中間值進行歸一化處理

C=[0.563 0，0.132 2，0.14，0.164 7]

(2)將因素{u1，u2，u3，u4}隨機組合，根據(jù)式(9)各組合對因素子集uⅠ的影響程度v(s)如表7所示。

表7 各組合影響程度數(shù)據(jù)

(3)根據(jù)表7及式(10)，計算各因素權(quán)值

φ1(v)=0.598 5；φ2(v)=0.124 0

φ3(v)=0.129 7；φ4(v)=0.145 8

3.5 加權(quán)綜合評判

(1) 因素子集綜合評判

將各底層因素的集結(jié)評判數(shù)據(jù)J(u1，u2，…，um)及權(quán)重(φ1，φ2，φ3，φ4)，應(yīng)用式(11)計算得因素子集uⅠ“地面應(yīng)答器功能失效”的綜合評判值Z(uⅠ)=[25.7，44.6]。

選取不同因素子集，重復(fù)3.3節(jié)內(nèi)容，可計算得：“LEU功能失效”Z(uⅡ)=[15.1，28.9]，“BTM及天線功能失效”Z(uⅢ)=[41.3，54.6]。

(2)因素集U綜合評判

將因素集U={uⅠ，uⅡ，uⅢ}作為評價集合，{Z(uⅠ)，Z(uⅡ)，Z(uⅢ)}作為{uⅠ，uⅡ，uⅢ}的集結(jié)決策數(shù)據(jù)，重復(fù)3.4節(jié)內(nèi)容計算權(quán)值，再利用式(10)獲得因素集U“應(yīng)答器系統(tǒng)失效”綜合評判值Z(U)為[30.9，46.1]。

取Z(U)中值38.5作為“應(yīng)答器系統(tǒng)失效”的最終評價值，則根據(jù)標(biāo)準(zhǔn)評判集可知，應(yīng)答器系統(tǒng)功能失效等級為“可容許的”，該結(jié)果與現(xiàn)場使用情況相符，表明基于改進CUOWGA算子-Sharpley值的應(yīng)答器傳輸系統(tǒng)風(fēng)險評價方法是有效的。同時，根據(jù)因素子集的綜合評判值大小，可發(fā)現(xiàn)“BTM及天線單元功能失效”對系統(tǒng)整體影響最大，應(yīng)采取措施重點防護。

4 結(jié)論

(1)將專家評判數(shù)據(jù)量化為區(qū)間數(shù)并運用CUOWGA算子進行集結(jié)，可以有效降低專家決策的主觀性。

(2)引入Sharpley值函數(shù)可以對多風(fēng)險相關(guān)下的風(fēng)險事件權(quán)重進行計算，提升了結(jié)果的客觀性與可信度。

(3)以應(yīng)答器設(shè)備為例，驗證評價方法的有效性。案例結(jié)果表明：應(yīng)答器系統(tǒng)功能失效等級為“可容許的”，“BTM及天線單元功能失效”對系統(tǒng)整體影響最大，該結(jié)果與現(xiàn)場使用情況相符，驗證了本方法的有效性。