基于BN-PHA的煤矿提升运输系统风险分析

曹春玲，张娜齐，李梦雨，邵 杨

(西安科技大学 机械工程学院，陕西 西安 710054)

煤矿提升运输系统是井下生产系统和地面作业相连接的枢纽，提升运输过程中发生的各类事故严重制约着矿井的生产，甚至对人员安全构成威胁[1]。对井下提升运输系统进行风险分析并提出相应的控制策略，对煤矿的安全高效开采有着重要意义。

目前关于煤矿提升运输系统的风险分析，多是简单地定性或是定量分析，缺少科学系统的分析方法[2]。贝叶斯网络具有双向推理的能力，在风险分析领域被广泛应用[3]。例如，Li[4]等提出了一种基于模糊层次分析法和贝叶斯网络的煤矿井下瓦斯爆炸风险分析方法，实时计算风险事件发生概率及风险因素概率分布，改善了传统方法在定量分析及动态控制方面的不足；Zhu[5]等利用多米诺效应和DBN分析与贝叶斯网络集成，提供了可靠的化工厂爆炸事故风险分析方法；Bilal[6]等基于蝴蝶结法和模糊贝叶斯网络提出了一种液化天然气储罐火灾爆炸风险分析方法。由此可知，贝叶斯网络的故障诊断和风险预测双重功能可以清晰客观的展现风险因素间的因果关系，适用于煤矿提升运输系统风险分析这样的不确定性问题。

在贝叶斯网络定量分析辨识出风险因素，计算出风险事件发生概率后，需要结合其他方法提供相应的控制预防措施。预先危险性分析可确定事故产生的原因及产生的影响，并进行安全等级评价，提出消除或控制风险源的措施[7]。鉴于此，本文基于贝叶斯网络引入预先危险性分析方法，提出一种可以辨识事故节点，提供有效预防措施的煤矿提升运输系统风险分析方法。最后在煤矿提升运输系统中进行实际应用，提高风险控制水平，可为今后相关系统的风险分析提供参考意义。

1 相关理论

1.1 事故树与贝叶斯网络

事故树分析(Fault Tree Analysis，FTA)，是进行安全评价和风险分析的重要分析方法之一。事故树分析法能对各系统的危险性因素进行辨识，分析这些因素之间的逻辑关系，并用图形演绎的模式将其逻辑关系表现出来[8]。

贝叶斯网络(Bayesian Network，BN)是一种以贝叶斯公式和图论为基础的概率模型，由联合概率 即条件概率(CPT)和有向无环图(DAG)组成，由表示变量的节点和连接节点的有向边组成[9]。贝叶斯公式的表达式见式(1)。

式中，P(A)为先验概率；P(A|B)后验概率；P(B)为证据因子；P(B|A)为似然函数。

贝叶斯网络学习包括两部分：通过结构学习找寻最优有向无环图，本文选用故障树构造贝叶斯网络；贝叶斯网络结构确定后，根据指定的条件概率进行参数学习[10]。

1.2 预先危险性分析

预先危险性分析(Preliminary Hazard Analysis，PHA)是一种定性安全评价方法，可以在生产活动之前将系统中潜藏风险的具体类型、源头以及事故后果等进行定性分析，并提出相应的预防措施，有效阻止风险发展成为事故[11]。为评判风险因素对系统破坏性的严重性，预先危险性分析法将风险因素的危险性等级划分为4个级别[12]，见表1。

表1 危险性等级划分

2 基于BN-PHA模型的风险分析过程

根据上述理论方法提出煤矿提升运输系统风险分析方法，其主要步骤如下：

1)收集所需数据，根据事故报告及相关统计数据，编制事故树。将事故树映射为风险贝叶斯网络，利用GeNle软件进行基本事件后验概率的计算以及事故发生概率的确定，找出最容易引起煤矿提升运输事故的风险因素为风险贝叶斯事故节点。

2)对风险贝叶斯事故节点进行预先危险性分析，通过案例报告分析找出风险因素起因，即诱发条件；根据相关经验和数据推断可能产生的后果；评定危险性等级，最后给出相应的防范措施。

3 实例分析

3.1 事故树与贝叶斯网络构建

煤矿提升运输系统工作环境复杂，涉及的风险因素众多，本文根据事故报告及相关的研究结果，确定了煤矿提升运输系统的事故树，如图1所示。

图1 煤矿提升运输事故故障树

其中，T为顶事件即煤矿提升运输事故。中间事件Ai与底事件Xi，见表2。

表2 煤矿提升运输系统风险事件

将故障树映射为贝叶斯网络结构，其映射关系为：基本事件对应根节点、中间事件对应子节点、顶事件对应叶节点、逻辑门则对应条件概率表，映射后的贝叶斯网络结构如图2所示。

图2 煤矿提升运输事故贝叶斯网络结构

3.2 确定贝叶斯网络节点概率

找出最可能引起煤矿提升运输事故的风险因素，首先要确定根节点的先验概率。以国家煤矿安全监察局和中华人民共和国应急管理部的事故调查报告为数据来源，收集获取2001—2020年79起煤矿提升运输较大及以上事故分析调查报告。采取数据驱动思想，并以风险因素为关键词提取了25个风险因素Xi出现的频次，利用先验概率计算公式，即式(2)，得出煤矿提升运输系统各个风险因素的先验概率P(A)，风险因素频次及先验概率结果见表3。

表3 煤矿提升运输系统风险因素的先验概率

P(A)=n/N(2)

式中，n为风险因素Xi发生的频次；N为煤矿运输事故发生的总次数。

借助GeNle2.1软件，将根节点的先验概率和节点间的逻辑关系在贝叶斯网络中更新，利用贝叶斯网络的正向推理功能计算出叶节点的先验概率，利用其反向推理功能得到根节点的后验概率，计算结果如图3所示。

由图3可知各根节点的后验概率，其中X3、X6、X11、X13、X25的后验概率较大，分别为0.453、0.371、0.312、0.227、0.206。由此可知，工作人员违规通行、信号装置故障、司机违章驾驶、超重和超速以及连接件故障这5项风险因素是引起煤矿提升运输事故的最可能风险因素。

图3 煤矿提升运输系统风险因素后验概率分布

3.3 预先危险性分析

在利用贝叶斯网络对煤矿提升运输系统进行分析的基础上，运用预先危险性分析法进行详细风险分析，得出分析结果见表4。

表4 煤矿提升运输系统预先危险性分析一览表

1)熟悉煤矿提升运输系统，识别风险因素。根据上一小节贝叶斯网络的计算结果，得出5项后验概率较高的风险因素。

2)识别转化条件，参照已有的事故资料，分析研究事故的起因和形成事故的原因。

3)根据相关事故报告及案例分析，确定风险因素会造成的破坏后果及危害程度。

4)根据事故的危害后果，对照表1给出的危险性等级划分标准，确定危害后果的危险等级。

5)针对分析得出的事故起因和后果，制定相应的安全措施。

4 结 论

1)根据煤矿提升运输系统的风险特征和事故分析报告编制煤矿提升运输系统事故故障树，利用GeNle软件建立了煤矿提升运输系统事故风险分析贝叶斯网络模型。

2)根据建立的煤矿提升运输系统事故风险分析的贝叶斯网络模型，利用其故障诊断功能计算出各基本事件的后验概率，得出导致煤矿提升运输事故发生的关键因素，即工作人员违规通行、信号装置故障、司机违章驾驶、超重和超速和连接件故障。

3)采用预先危险性分析法对确定的关键风险因素进行了详细分析，找出了风险因素导致事故的起因及可能产生的危害后果，并从人员和设备两方面出发提出了相应的措施。