基于FTA-BN的矿井安全监控系统运行可靠性分析

谢尊贤 郝聪，2 张志远 张傲雪

（1.西安建筑科技大学，陕西 西安 710055；2.中国华电内蒙古蒙泰不连沟煤业有限责任公司，内蒙古 鄂尔多斯 010300）

0 引言

煤炭产业是我国实体经济的支柱产业，煤炭开采地质条件复杂，作业环境恶劣，安全生产至关重要。煤矿安全监控系统是矿井“六大系统”中的关键组成部分，具有安全预警避险和指导安全生产的功能，是煤矿日常安全管理和灾害防治不可或缺的安全装备［1］。煤矿安全生产监控系统具有采集、传输、处理、报警、控制等多个功能，能够有效地监测矿井各类气体浓度，同时监控设备运行状态等。安全监控系统的传感器数量庞大且分布复杂，系统能否可靠运行对保障煤矿安全生产至关重要。近几年我国对煤矿安全监控系统进行了强制性升级改造，大大提高了煤矿安全生产水平。学者们对安全监控系统运行的研究较多，邹哲强［2］从失效范围、规模限定、应力设计等方面进行设想，提出2种煤矿安全监控系统可靠性指标测定方法；高超［3］从故障表现、处理方法、检验方法等方面对井下各类传感器常见故障进行了归纳总结；姜文超［4］针对传感器的误报警，从内、外因两个角度进行了探索并提出了解决方案。但是目前尚无对新安全监控系统运行状况可靠性分析的文献，且目前故障树对安全监控系统的可靠性分析还主要停留在分析事故原因阶段，缺乏原因导致事故发生的可能性推测方面的研究。因此，本文综合故障树模型和贝叶斯网络模型的优点，通过构建FTA-BN复合模型对目前我国煤矿广泛使用的KJ90X安全监控系统运行状况进行可靠性分析，并利用BN的反向推理技术，寻找安全监控系统运行中的薄弱环节，并提出相应管理措施，以期为提高煤矿安全管理和安全生产水平提供参考。

1 FTA与KJ90X安全监控系统运行状况故障树绘制

1.1 FTA

故障树模型中的事件包含两种状态，即故障和正常。通过绘制故障树，连接逻辑门可以清晰地描述顶上事件、中间事件和基本事件之间的逻辑关系，适用于分析故障机理确定、故障逻辑清晰的系统。而在实际生活生产中，大部分系统中的事件具有多态性，故障树中的逻辑门难以描述此类多态性事件，系统中故障因果关系复杂，其中的因果关系存在不确定性，在这种情况下采用概率进行描述更为合理。

1.2 绘制KJ90X安全监控系统运行状况故障树

本文对内蒙古某矿的KJ90X安全监控系统进行分析研究，该矿于2010年正式投产，核定年产能1 500万t，2019年被认定为国家一级安全生产标准化矿井。该矿KJ90X安全监控系统包含模拟量、开关量等各类传感器300余个，遍布于2综采面、4掘进面和各类大小硐室23个，系统内监控设备制造精密，数量繁多，工作环境恶劣，出现故障的原因也多种多样。本文通过研究2020年1月1日至12月31日安全监控系统实际运行的大量历史数据，统计设备异常报警记录和台账，对KJ90X安全监控系统各部分故障进行归纳总结，首先将安全监控系统异常确定为故障树的顶上事件T，其次确定引起安全监控系统异常的23个基本事件，并将其分为4类，分别为传感器异常，交换机异常，光端机异常，中心站异常，围绕这4类中间事件，绘制KJ90X安全监控系统运行状况故障树如图1，其中故障树事件符号及含义如表1。

图1 KJ90X安全监控系统运行状况故障树

表1 KJ90X安全监控系统运行状况故障树事件符号及含义

2 KJ90X安全监控系统FTA-BN模型构建

2.1 BN

BN（Bayesian Network）是一种有向无环图模型，通过有向无环图将变量间的复杂关系以可视化方式呈现出来，由代表变量的节点及连接这些节点的有向线构成，各节点的定义如表2所示。

表2 贝叶斯网络中节点定义

BN与FTA有很多相似处，与FTA相比，它在描述复杂系统多态性和探索事件逻辑关系非确定性方面具有更强的能力。它既可以进行正向推理，通过联合概率分布计算出根节点不同状态组合下子节点发生的概率［5］，还可以进行反向推理，通过假设顶上事件的发生，反向求出基本事件的发生概率，因此更适合用于复杂系统安全性和可靠性分析。

图2 BN图

2.2 KJ90X安全监控系统运行状况故障树的贝叶斯网络化

BN中的两大关键部分是描述系统状态事件的节点和描述状态事件相互联系的概率分布，它们分别对应故障树中的事件（顶上事件、中间事件、基本事件）和逻辑门（与门、或门）。故障树的贝叶斯网络化原理，即通过系统故障分析建立可靠性故障树模型，将故障树模型中的事件和逻辑门转换为贝叶斯网络模型中的节点和概率分布，从而达到分析新模型中的节点和概率分布的目的。

故障树的贝叶斯网络化步骤为：熟悉系统，确定顶上事件，调查导致顶上事件发生的中间事件和基本事件，用合适的逻辑门进行连接构建故障树；将故障树中的事件转换为贝叶斯网络中的各节点，并用有向线将各节点进行连接代替故障树中的逻辑关系；贝叶斯网络中的先验概率即为故障树中基本事件的发生概率。

依据KJ90X安全监控系统故障树和故障树贝叶斯网络化原理和步骤，绘制对应的贝叶斯网络图，使得故障树中的事件与贝叶斯网络中的节点一一对应，故障树中的逻辑关系与贝叶斯网络中的有向线一一对应，建立KJ90X安全监控系统运行状况贝叶斯网络如图3。

图3 KJ90X安全监控系统运行状况贝叶斯网络

3 KJ90X安全监控系统运行状况可靠性分析

3.1 确定BN先验概率

在故障树的贝叶斯网络化中，BN的先验概率即故障树的基本事件发生概率。本文基本事件的发生概率采用下列2种方法确定：对于能够通过查询分析KJ90X安全监控系统异常数据得到事件频率的，用该频率作为基本事件的发生概率；对于不能由异常数据得到事件概率的基本事件，通过咨询安全监测监控技术员、设备生产厂家运维工程师、监控值班调度员等专业技术人员和查询交换机、光端机、中心站的设备使用说明书确定其发生概率，最终各基本事件发生概率如表3。

表3 基本事件发生概率

本文利用Netica软件对KJ90X安全监控系统运行状况贝叶斯网络进行演算，该软件是加拿大NORSYS软件公司开发研制的图模型处理工具，提供了图形化的建模界面及概率参数展示界面，简洁直观且易于操作。KJ90X安全监控系统运行状况贝叶斯网络演算结果如图4，通过演算得出顶上事件概率为14.8%，即KJ90X安全监控系统运行可靠度为85.2%。

图4 KJ90X安全监控系统运行状况贝叶斯网络演算结果

3.2 确定BN后验概率及敏感度

BN的后验概率是指在已知顶上事件T发生的情况下，各基本事件的发生概率。利用Netica软件贝叶斯网络的反向推理功能，假设顶上事件T必然发生，反向推理出各基本事件的后验概率以及先验概率与后验概率的改变量如表4，为了界定基本事件的重要程度，通过咨询相关专家、技术人员，以及实践一线的通风队队员、安全监控技术人员和监控值班调度人员等将改变量的大小分界点确定为0.01，即将改变量为1%作为区分基本事件的重要程度。

表4 基本事件后验概率及改变量

为了进一步了解基本事件不发生时对顶上事件概率影响的敏感度，准确寻找安全监控系统运行中的薄弱环节，假设各基本事件独自不发生，利用Netica软件对KJ90X安全监控系统运行状况贝叶斯网络进行演算，得出各基本事件单独不发生时，顶上事件发生概率及敏感度△P（T）如表5。

3.3 KJ90X安全监控系统运行结果分析

1）通过分析KJ90X安全监控系统贝叶斯网络后验概率表，当顶上事件一定发生时，基本事件后验概率较先验概率均出现了改变，其中超限报警X1改变量为16.28%、调校报警X2为29.65%、信号线断线X4为12.78%、接触不良X5为3.81%、传感器进水X7为6.29%、人为操作失误X8为10.99%、网络配置错误X21为1.82%、双机热备异常X22为1.22%、数据库异常X23为4.47%，这些基本事件先、后验概率改变量均超过了1%，这9个基本事件为系统的薄弱环节。

误报警X3、接线短路X6、传感器物理损坏X9、电源故障X10、电路板故障X11、端口故障X12、背板故障X13、配置错误X14、病毒攻击X15、系统数据错误X16、连接器故障X17、纤芯污染X18、光缆故障X19、光端机物理损坏X20中的基本事件虽然也有改变，但改变量均没有超过1%，因此在安全监控系统整体平稳运行的前提下，这些基本事件发生对顶上事件的影响会越来越弱。

2）通过分析各基本事件单独不发生时顶上事件发生概率及各基本事件敏感度表，可以得出在KJ90X安全监控系统的整个运行过程中，各基本事件的敏感度△（T）排序为：X2＞X1＞X4＞X8＞X7＞X23＞X5＞X21=X22＞X3=X6=X9=X16=X20＞X10=X11=X12=X13=X14=X15=X17=X18=X19，即：电源故障X10、电路板故障X11、端口故障X12、背板故障X13、配置错误X14、病毒攻击X15、连接器故障X17、纤芯污染X18、光缆故障X19中的基本事件虽然有概率发生，但是对顶上事件发生的影响几乎为零；网络配置错误X21、双机热备异常X22、误报警X3、接线短路X6、传感器物理损坏X9、系统数据错误X16、光端机物理损坏X20中的基本事件虽然可以直接引起安全监控系统的异常，但是它们发生的概率依然非常小，且在不发生的条件下，对顶上事件的发生影响同样非常微弱；而调校报警X2、超限报警X1、信号线断线X4、人为操作失误X8、传感器进水X7、数据库异常X23、接触不良X5中的基本事件相比其他基本事件对顶上事件发生概率的影响较大，且这些基本事件发生概率也较高，因此这7个基本事件就是安全监控系统运行中的薄弱环节，应当引起重视。

3）通过以上两种分析方法，选择它们薄弱环节中的共有基本事件，得出超限报警X1、调校报警X2、信号线断线X4、接触不良X5、传感器进水X7、人为操作失误X8、数据库异常X23这7个基本事件为KJ90X安全监控系统的薄弱环节，这一结果与该矿安全监控系统运行现状相一致。

4 提高该矿KJ90X安全监控系统运行可靠性的对策建议

1）通过对基本事件后验概率和敏感度的分析，均得出超限报警X1、调校报警X2、信号线断线X4、接触不良X5、传感器进水X7、人为操作失误X8、数据库异常X23为KJ90X安全监控系统的薄弱环节。当这7个基本事件不发生时，可以显著降低安全监控系统运行异常的频率，假设在理想状态下，调校报警X2正常作业忽略不计，超限报警X1、信号线断线X4、接触不良X5、传感器进水X7、人为操作失误X8、数据库异常X23均不发生，顶上事件发生概率仅为0.013 0，较之前顶上事件发生的概率下降了13.5%，下降约10倍。系统运行异常时，可优先排查这7个基本事件，再对其他基本事件进行逐个排查，矿井应当在实际安全生产中特别注意对这些基本事件的防范。

2）在超限报警X1、调校报警X2、信号线断线X4、接触不良X5、传感器进水X7、人为操作失误X8和数据库异常X23这7个系统薄弱环节的基本事件中，除调校报警X2外，其余6个基本事件均与传感器异常相关。基于此，可从设备和人员两方面着手进行管理，即：可优先选用防水防潮的传感器信号线和调校周期更长、运行更稳定的激光传感器来减少因传感器异常导致系统运行异常次数；采掘工作面推进时，作业人员要善于保护各类传感器，避免造成传感器损坏；运维人员应当每天检查监控设备及传感器信号线和电缆是否完好，减少线路故障；安全监控设备应当使用专用电缆和线路，以免造成信号干扰；同时还需要提高作业人员业务能力，规范作业流程，减少因人为操作失误造成的系统异常。

5 结论

1）本文系统梳理了导致KJ90X安全监控系统运行异常的中间事件和基本事件以及它们之间的逻辑关系，建立了FTA-BN复合模型，解决了故障树单一模型在分析系统可靠度的片面性和无法反向推理的问题。

2）由本文构建的KJ90X安全监控系统运行状况贝叶斯网络模型得到的结果来看，超限报警、调校报警、信号线断线、接触不良、传感器进水、人为操作失误和数据库异常7个基本事件对安全监控系统运行可靠度有显著影响。

3）针对KJ90X安全监控系统薄弱环节，提出了日常运维的建议和措施。

4）应用本文构建的FTA-BN复合模型对矿井安全监控系统进行运行可靠性分析，其结果与矿井安全监控系统运行现状相一致。结果表明用FTA-BN模型分析KJ90X矿井安全监控系统运行可靠性适用和可行，所得结论及措施可为使用同类安全监控系统的矿井安全管理提供参考，也为矿井安全监控系统的可靠性分析提供了一种方法。