直升機電力作業非線性動態安全評價模型

陳勇剛教授 張天來 孫 新

(中國民用航空飛行學院 民航安全工程學院，四川 廣漢 618307)

0 引言

隨著我國經濟快速發展，我國電力工業規模迅速提升，電網規模不斷擴大。由于骨干網架運行模式復雜，超特高壓線路所處地理位置偏遠，采用直升機進行電力作業已經成為我國當今電網發展的必要技術手段。采用直升機進行電力作業具有經濟、便捷、不受地域影響等優勢，能夠有效解決徒步作業面對長距離高壓線路不易開展的問題。但由此帶來作業安全問題也與日俱增，已成為通用航空業關注的焦點。雖然經過20多年的直升機電力作業實踐，我國已經摸索出一套適合國情的直升機電力作業具體操作方法，并形成完善的安全規范，但適用于行業標準的安全評價體系的建立仍處于起步階段，尤其是動態安全評價方法尚未形成。

為此，已有學者從不同角度開展對于直升機電力作業安全評價方面的研究。劉偉東等通過經驗分析得到直升機電力作業中易出現安全隱患的因素；陳曉等結合“人—機—環境”理論思想構建直升機電力作業安全評價指標體系，并在此基礎上應用風險矩陣方法對風險等級進行量化；嚴風碩等將灰色綜合評價法與層次分析法結合，通過定量分析對直升機電力作業運行控制能力進行安全評價；王騫針對評價指標的多狀態性，應用貝葉斯網絡模型對電力巡線項目進行風險定量分析。在算法方面，蔡孟龍等和申建紅等將模糊集與證據理論相結合，在得到各指標概率分布基礎上，利用沖突信息提高對系統指標評價的可靠性；朱婷等在應用故障樹基礎上結合貝葉斯網絡模型，系統揭示各指標之間相互聯系并進行推理，實現對貝葉斯網絡模型的改進。

上述研究已取得了直升機電力作業安全評價方面的研究成果，但其局限性仍然存在，其主要體現在：針對直升機電力作業安全定性分析較多，定量評價手段較少;主觀因素對于直升機電力作業定量評價手段影響較大，隨機性較強;具有滯后性，難以事先發現系統中存在的安全風險，不能實現動態評估以滿足現實需要。考慮到上述局限性，本文借鑒模糊集與證據理論相結合的思想對評價指標進行概率計算，降低主觀因素對于評價結果的影響程度，并采用三角模糊數方法對專家主觀語義決策進行定量以降低主觀態度對條件概率的影響，在此基礎上針對各指標的不確定性構建貝葉斯網絡模型，實現模糊集理論、證據融合理論、三角模糊數理論與貝葉斯網絡模型有效結合，構建直升機電力作業非線性動態安全評價模型。

1 直升機電力作業安全評價指標體系

基于航空災害發生機理模型可知，直升機電力作業安全狀態是由生產系統中“人、機、環和管理”相互耦合、共同作用的結果。人是直升機電力作業的核心，良好的身心狀況與安全意識是保障人的安全行為的重要前提。設備是安全生產穩步進行的基礎，直升機設備與電力作業設備可直接影響安全作業效果，是保證日常作業安全進行的要素之一。環境是生產活動進行的客觀條件，良好的自然環境與滿足運行條件的機場環境是保證直升機起降安全的基本要求。管理作為保證安全的重要手段，企業內部管理與地方政府監督有機結合能夠有力保障作業安全性。基于航空災害發生機理模型，依據《直升機電力作業安全規程》要求，結合直升機電力作業實際運行情況數據，選出若干評價指標體系指標。在此基礎上應用Delphi法，建立專家工作組，采用專家背靠背方式征詢專家意見，經過多輪征詢匯總，使專家意見逐漸趨同，得到關鍵性評價指標體系，見表1。

表1 直升機電力作業安全評價指標體系Tab.1 Safety assessment index system of helicopter power operation

2 直升機電力作業安全評價模型

2.1 模糊集

模糊集是基于傳統數學無法表達不精確問題而提出，在一定程度上能夠表示不確定概念并實現其轉化。隸屬度函數作為模糊集理論的核心，通常被用于描述不確定概念外延中對象屬于概念的程度。利用高斯隸屬度函數來表示表1中各一級指標的模糊程度，其中高斯隸屬度函數為：

(1)

式中：

μ

—函數的中心點；

σ

—寬度，即專家對所給出評價等級不確定度的量化值，

σ

越高，表示不確定性越強。

在查閱相關資料基礎上，將專家評價風險等級劃分為5個級別，分別為很高(VH)、高(H)、一般(M)、低(L)、很低(VL)，5個級別對應量化值分別設定為0.9、0.7、0.5、0.3、0.1。歸納風險等級量化值，見表2。

表2 風險等級劃分表Tab.2 Risk ranking

基于高斯隸屬度函數特性，結合表2風險等級的劃分，定義函數中心點

μ

=(1，0.75，0.5，0.25，0)，根據式(1)隸屬度函數為：

(2)

根據式(2)，構造某專家對于一級指標人員因素

P

的隸屬度矩陣：

同理，構造其余隸屬度矩陣。

2.2 基于改進證據理論的數據融合

由于受到決策者個體偏好和知識結構的限制，部分決策者可能會得到與普遍觀點差別較大的隸屬度矩陣，而DS證據理論能夠解決由于“不確定”而引起的沖突問題，因此采用證據理論融合多個專家給出的不同風險評價結果以降低隨機性與不確定性的影響。由DS證據理論合成法則可知，針對

n

個相互獨立的證據

m

，

m

，……，

m

，其融合結果為：

(3)

i

，

j

，

k

=1…

n

式中：

A

—將要進行融合的目標；

A

、

B

、

C

—證據所支持的若干目標；

m

—若干相互獨立的證據；

n

—證據個數；

Ω—空集；

K

—

n

個相互獨立證據

m

，

m

，…，

m

之間的沖突程度。

(4)

(5)

2.3 貝葉斯網絡模型

貝葉斯網絡(Bayesian Network，BN)是一種有效用于推理不確定信息的工具，其具有堅實的理論基礎以及靈活推理能力使其成為風險評價、故障診斷以及邏輯推理領域中最常見方法之一。考慮到各類安全指標對于直升機電力作業不安全事件不確定性邏輯關系，通過建立BN模型從而對直升機電力作業進行安全風險分析。BN基本公式介紹如下：

條件概率公式：設

M

、

L

是

N

(基本事件集)的2個事件，且

p

(

M

)>0，則稱

p

(

L

|

M

)為在事件

M

發生條件下事件

L

條件概率，其中：

(6)

全概率公式：設

L

，

L

，…，

L

是兩兩互斥事件，且滿足

P

(

L

)>0和

L

∪

L

∪…∪

L

=

D

，

P

(

D

)=1，若另有一事件

M

滿足

M

=

M

∩

L

+

M

∩

L

+…+

M

∩

L

，則：

(7)

將表1中二級指標作為根節點，一級指標作為中間節點，通過各根節點風險等級概率結合中間節點發生的條件概率計算其風險發生可能性，并以直升機電力作業不安全事件作為葉節點，結合由中間節點的風險等級概率和葉節點發生的條件概率，綜合計算得到葉節點發生概率。為方便計算，采用GeNIe軟件中[Chance]、[Arc]、[Node Properties]等功能對BN模型拓撲結構進行架構，并通過[Node Properties]、[Definition]、[Update]等功能將條件代入并更新BN模型，得到在特定邏輯關系下BN推理結果。

2.4 基于三角模糊數的條件概率計算

為確定中間節點與葉節點基于其父節點不同狀態所發生的條件概率，綜合多位專家意見，采用三角模糊數理念來計算事件發生的條件概率。三角模糊數隸屬度函數為：

(8)

(9)

為使主觀決策的定量與三角模糊數聯系起來，通過專家決策的方法來確定發生概率，引入“非常高”“高”“偏高”“中等”“偏低”“低”“非常低”7個語言變量，見表3。

表3 事件發生概率語義值及相應的三角模糊數Tab.3 Semantic values of event occurrence probability and corresponding triangular fuzzy numbers

若共有

g

位專家，專家

r

給出中間節點

X

處于狀態

o

三角模糊數根據表3可以表示為:

(10)

采用“均值面積法”將模糊概率轉化為精確概率，節點

X

處于

o

狀態的條件概率為：

(11)

將計算所得的條件概率進行歸一化處理，并代入BN模型拓撲結構中進行計算，得到當前狀態下不安全事件發生的概率以及可能出現的風險。

3 實例分析

為評價重慶某通用航空公司直升機電力作業安全狀況，邀請8位直升機電力作業領域專家對該公司直升機電力作業安全水平進行評價與分析，其中2名專家是具有多年管理經驗的通航公司管理人員，2名專家是經驗豐富的直升機電力作業一線技術專家，其余專家是來自于中國民航飛行學院的民航安全管理專業教授。

3.1 計算根節點概率值分布

請專家分別按照事先設定的評價指標體系對該通航公司風險等級進行評價，并確定給出評價等級不確定度。以專家1為例，確定其風險評價等級與不確定度，見表4。

表4 專家1風險評價等級與不確定度Tab.4 Risk assessment level and uncertainty of Expert 1

將表4中數據代入式(2)中，通過MATLAB計算得到各個評價指標隸屬度矩陣，經過歸一化得到該專家對各評價指標概率值分布數據，見表5。同理，分別獲得其他專家評價指標隸屬度矩陣。應用式(4)對其進行逐個融合，得到融合后各評價指標概率值分布數據，見表6。

表5 專家1的概率值分布Tab.5 Probability distribution of Expert 1

表6 融合后各指標概率值分布Tab.6 Probability value distribution of each index after fusion

表6為BN模型中根節點的5個風險等級概率。

3.2 計算中間節點概率值分布

以自然環境因素

N

為例，結合專家評價，應用公式(10)、(11)計算條件概率并進行歸一化，由根節點不同狀態導致自然環境因素

N

類風險發生的條件概率，見表7。

表7 自然環境因素N類風險的條件概率表Tab.7 The conditional probability for N class risk of natural environment factor

同理，求出其他中間節點條件概率以及葉節點發生的條件概率。

3.3 貝葉斯網絡模型計算

將中間節點與葉節點的條件概率代入BN模型節點中通過GeNIe軟件進行計算，得到結果，如下圖。

3.4 結果分析

從BN模型分析結果可知，該公司近期出現直升機電力作業不安全事件的可能性高達73%，結合歷史經驗分析，當歷史上的安全狀況與當前相符時，有70%以上的概率出現不安全事件，證明該評價模型是可行的。此時管理人員應及時對不安全因素進行整改，其中最易出現風險的方面為組織因素，其次為電力作業設備因素，第三為人員因素。通過BN模型分析可知，針對組織因素方面，應提高企業安全文化水平，加強相關工作人員對于安全作業認知，提高工作人員作業手冊配備率，提高從業人員安全防范意識，加強教育培訓體系并有針對性地開展不同條件下專業訓練。針對電力作業設備因素方面，需及時淘汰不安全、過期設備，確保相關電力設備完全符合國家標準，同時及時補充缺失設備，防止因設備缺失導致工作延誤或出現安全問題。針對人員因素方面，提高從業人員知識技術考核標準，確保工作人員了解相關工作操作章程及應對危險時的應急處置方法，對工作小組工作進行合理排班，確保每一位從業者工作期間都能保持最佳的工作狀態，同時確保團隊組成合理，避免出現工作小組人員出現集體懈怠情況。針對其他方面，要避免作業中不安全因素，可以采取建立健全相關法律法規，明確政府相關部門職能，建立合理、統一、可行的行業標準體系并且將直升機電力作業風險防范落實在日常運營中，針對直升機作業特點選擇合適路線等措施。

圖 直升機電力作業不安全事件貝葉斯網絡分析Fig. Bayesian network analysis of unsafe incidents in helicopter power operations

4 結論

(1)依據民航《直升機電力作業安全規程》要求，結合相關專家、人員建議，應用系統工程思想和安全科學理論，從人員、直升機設備、電力作業設備、自然環境、機場環境、組織、規章管理7個方面建立直升機電力作業體系。以模糊集理論為基礎，結合改進型證據理論對樣本數據進行融合，考慮信息一致性同時加強對沖突信息的利用，相比于傳統改進證據理論可靠性較高。

(2)將三角模糊數理論與BN模型理論相結合，針對以往評判時，中間節點在根節點不確定狀態下隨機性與不確定性大的問題，提出采用群決策方法，通過三角模糊數反應專家對于事件發生概率的語義結果，進而通過BN模型計算中間節點與葉節點概率，進一步提高BN模型分析結果準確性。

(3)通過實例分析可知，本研究構建的模型準確性高、實用性強，評價結果清晰明了客觀，通過對二級指標風險評價得到企業出現不安全事件概率的分析結果，為直升機電力作業安全評價提供了新的思路與手段。針對通用航空日益復雜運行條件，未來將對模型的敏感性與時間性預測進行探索，以提高模型在實際操作中的應用水平。