船舶火災爆炸危險性評估與預警系統

宋英杰，李 林

（河北大學，河北 保定 071002）

0 引言

船舶火災爆炸是指船舶發生火災后，由于燃料、氣體或其他可燃物質的爆炸而造成的事故。這種事故可能導致船舶嚴重受損、人員傷亡和環境污染。船舶火災爆炸的原因多種多樣，包括但不限于以下幾種：

1）電氣故障。電線老化、短路或電器設備故障可能導致火災爆炸。

2）燃料泄漏。燃料泄漏可能引發火災，并在緊閉空間中積聚可燃氣體，一旦遇到火源就可能發生爆炸。

3）火源不當使用。吸煙或使用明火等不當行為可能引發火災。

船舶火災爆炸的危險程度很高，建立船舶火災爆炸危險性評估與預警系統十分必要。本文建立船舶火災爆炸的故障樹，并結合多傳感器數據融合技術開發了船舶火災爆炸的多傳感器融合預警系統。

1 船舶火災爆炸的故障樹分析與故障樹建模

故障樹分析法（FTA）是一種系統性的故障分析方法，用于識別和分析導致系統故障的可能原因和路徑。通過將系統故障分解為不同的事件和邏輯關系，構建故障樹來表示系統故障的邏輯結構。故障樹由事件和邏輯門組成。事件表示系統中可能發生的故障或失效，邏輯門用于描述事件之間的邏輯關系。常用的邏輯門包括與門、或門和非門。故障樹分析步驟包括：

1）確定故障樹的目標，即要分析的系統故障。

2）識別可能導致系統故障的基本事件[1]。

3）確定基本事件之間的邏輯關系，并使用邏輯門進行組合。

4）繪制故障樹圖，表示故障事件之間的邏輯關系。

5）對故障樹進行定量或定性分析，計算系統故障的概率或可能性。

6）根據分析結果，提出相應的改進措施，減少系統故障的發生概率。

故障樹分析法的流程如圖1 所示。

圖1 故障樹分析的基本流程Fig.1 The process of fault tree analysis

船舶火災爆炸事故的故障樹分析法建立關鍵環節包括：

1）確定頂事件

船舶火災爆炸事故的頂事件需要說明的是，故障樹中不考慮火災爆炸的嚴重程度，只要能引起船舶火災爆炸的原因都要考慮；由于船體的結構復雜，頂事件不對火災爆炸發生區域進行限制，凡是某一個艙室出現火災，都屬于頂事件。

2）確定二級、三級子系統事件

這些事件會間接導致船舶火災爆炸事故的發生。

圖2 為船舶火災爆炸事故的故障樹。

圖2 船舶火災爆炸事故的故障樹Fig.2 Fault tree of ship fire and explosion accident

在該故障樹中，T 為頂事件，是指船舶發生火災爆炸事故，A 為中間原因，代表船舶子系統或區域出現火災；B1 代表濾油器火災爆炸，B2 代表動力系統火災，B3 代表船體艙室火災，B4 代表電氣設備火災爆炸，A2～A6 分別代表泵組火災、閥類火災、液壓缸起火、密封結構起火和船舵起火。X1～X7 是故障樹的底層節點，分別代表潤滑脂起火、外來火源、短路起火、斷路起火、燃油起火、燃氣起火爆炸、液壓油起火。

2 船舶火災爆炸的多傳感器融合預警系統

2.1 多傳感器數據融合系統整體設計

由于船舶火災爆炸會引發嚴重的后果，本文結合多傳感器融合技術，建立船舶火災爆炸的危險性評估和預警系統。

基于多傳感器融合的火災爆炸預警系統設計包括以下步驟：

1）傳感器選擇。根據船舶火災預警的需求，選擇合適的傳感器，如溫度傳感器、煙霧傳感器、氣體傳感器等。

2）數據采集。將溫度傳感器、煙霧傳感器、氣體傳感器等傳感器采集到的數據傳輸到預警系統的中央處理單元，可以通過有線或無線方式進行傳輸。

3）數據處理。系統的處理單元對傳感器采集到的原始數據進行預處理，包括數據校正、濾波、去噪等操作，以提高數據的準確性和可靠性。然后將經過預處理的多個傳感器數據進行融合，可以采用加權平均、最大值、最小值等方法，得到綜合的火災預警數據。采用規則基礎的方法、機器學習方法或深度學習方法等，以判斷是否存在火災風險。

4）預警輸出。根據預警算法的結果，將預警信息輸出給船舶上的相關人員，可以通過聲音、光信號、文字信息等方式進行預警。

多傳感器融合的預警系統數據處理流程如圖3 所示。

圖3 多傳感器融合的預警系統數據處理流程Fig.3 Data processing process of multi-sensor fusion early warning system

可知，多傳感器融合的預警系統數據處理關鍵環節包括傳感器輸入、數據校正、相關性分析、參數估計和目標識別、危險性估計等[2]。

1）數據校正

預警系統的處理單元對傳感器數據進行校正，以消除傳感器之間的誤差和偏差，校正可以通過校準傳感器、使用校準模型或者進行數據處理來實現，數據校正的目的是提高傳感器采集數據的準確度，為火災爆炸風險評估提高準確性。

2）關性分析

指對多個傳感器數據之間的相關性進行分析，以確定它們之間的關系和相互作用。通過相關性分析，可以發現傳感器數據之間的潛在模式和規律，當船體出現火災和保障信號時，溫度傳感器、煙霧傳感器理論上應該同時發現異常信號，通過相關性分析可以提高火災爆炸風險評估的準確度。

2.2 火災爆炸預警系統的多傳感器融合加權算法

針對船舶火災爆炸預警系統的多傳感器融合算法，本文采用一種基于誤差的自適應加權融合算法，原理如下：

假設船舶火災爆炸預警系統中共有m個傳感器，采集的數據Xi(i=1,2,...,n)，相鄰數據的誤差不高于門限值 ε(與傳感器的測量精度有關)，可得：

在預警系統中定義第j個傳感器的監測值為：

n(t)為信號的白噪聲，若傳感器監測的值準確且相互獨立，則Y的估計公式可寫為：

式中，Wj為加權系數，

信號的估計方差為：

假設傳感器的加權系數一致，則估計方差可寫為：

可得多傳感器融合算法的加權平均算法函數為：

圖4 為火災預警系統的多傳感器加權融合算法原理。

圖4 火災預警系統的多傳感器加權融合算法原理Fig.4 Principle of multi-sensor weighted fusion algorithm for fire warning system

圖中，傳感器組共有n組，每組分別包括溫度、煙霧和CO 傳感器，通過加權融合局部處理后進入數據處理中心。

3 在線式船舶火災爆炸危險評估與預警系統平臺

3.1 平臺功能設計

在線式船舶火災爆炸危險評估與預警系統平臺開發是用于幫助船舶進行實時火災和爆炸危險評估，并提供預警功能。該系統可以通過實時監測船舶的各種參數和傳感器數據，對火災和爆炸危險進行評估，并在危險發生前提供預警信息[3]，以便采取相應的措施來避免事故的發生。

系統功能框圖如圖5 所示。

圖5 在線式船舶火災爆炸危險評估與預警系統平臺功能框圖Fig.5 Functional block diagram of online ship fire and explosion hazard assessment and early warning system platform

可知，在線式船舶火災爆炸危險評估與預警系統平臺分為操作模塊、本體解析模塊、火災危險性評估模塊和輔助功能模塊，操作模塊的功能包括界面修改、用戶登錄、數據存儲等；本體解析模塊包括故障樹導入、數據錄入等；火災危險性評估模塊的功能包括評估推理等。

3.2 數據庫搭建與平臺使用邏輯規則

在建立船舶火災爆炸風險評估與預警系統的數據庫時，采用了Oracle 數據庫，這是一種關系型數據庫管理系統（RDBMS），其工作原理可以概括為以下幾個步驟：

1）連接管理。當一個用戶連接到Oracle 數據庫時，數據庫會驗證用戶的身份和權限。如果驗證通過，用戶將獲得一個會話（session）來訪問數據庫。

2）SQL 解析和優化。用戶通過SQL 語句來操作數據庫，數據庫會對SQL 語句進行解析和優化。解析過程將SQL 語句分解為語法樹，并檢查語法的正確性。優化過程將選擇最優的執行計劃來執行SQL 語句。

3）執行管理。一旦SQL 語句被解析和優化，數據庫將生成一個執行計劃，該計劃描述了如何執行SQL 語句。數據庫將執行SQL 語句并訪問相關的數據。這可能涉及到讀取、插入、更新或刪除數據等操作。數據庫會確保數據的一致性和完整性。

在線式船舶火災爆炸危險評估與預警系統平臺的Oracle 實例包括用戶進程、服務進程、網絡、共享池、網關、日志緩沖區等[4]，功能結構圖如圖6 所示。

圖6 風險評估與預警系統的Oracle 實例功能圖Fig.6 Oracle instance functional diagram of risk assessment and early warning system

用戶在使用在線式船舶火災爆炸危險評估與預警系統平臺時的邏輯圖如圖7 所示。用戶通過查詢層進行數據分析和故障樹獲取，通過推理機層獲取系統的多傳感器融合模型和風險評估模型，從本體層獲取火災爆炸的原因。

圖7 火災爆炸危險評估與預警系統平臺的使用邏輯圖Fig.7 Logic diagram of the use of fire and explosion risk assessment and early warning system platform

4 結語

本文針對船舶火災爆炸風險性評估和預警系統進行詳細研究，構建了火災爆炸的故障樹，結合多傳感器融合模型和風險評估模型，實現了在線式的船舶火災爆炸事故風險性預測。