一种基于状态向量推理的SDG_HAZOP分析方法

安 全 与 环 境 工 程 第1 9卷 第3期 V o l . 1 9 N o . 3                 M a 2 0 1 2年    5 月 S a f e t a n d E n v i r o n m e n t a l E n i n e e r i n 0 1 2           y  2 y g g  

一种基于状态向量推理的 S D G-HA Z O P 分析方法
2 , 刘康炜1, 于风清1

( , ) 中国石化青岛安全工程研究院 , 青岛 2 中国石油大学 ( 华东 ) 青岛 2 1. 6 6 0 7 1; 2. 6 6 5 5 5
摘   要 : HA 在石油 、 化工工业中得到了广泛应用 。 但人 工 HA Z O P 是分析系统可靠性的一种有效方法 , Z O P分析 存在费时 、 费力 、 成本高等缺点 , 而计算机辅助 S 然而传统 D G-HA Z O P 分析 的 提 出 有 效 地 改 善 了 人 工 分 析 的 弊 端 , 分析的结果往往过于冗繁 。 本文介绍了一种改进的基于 状 态 的计算机辅助 S D G-HA Z O P 是纯定性的分析与推理 , 向量推理的计算机辅助 S 该方法基于 S 构造了一个计算机自动推理引擎, 并 D G-HA Z O P 分析方法 , D G 定 性 模 型, 引入了状态向量的概念 , 通过正向反向推理 , 快速高效地发掘出偏差产生的后 果 和 原 因 。 通 过 应 用 实 践 表 明 , 与人 工 HA 该方法具有完备性好 、 评价结果系统性和条理性强等优点 。 Z O P 分析法和现有 S D G-HA Z O P 分析方法相比 , 关键词 :S 状态向量 ; 推理引擎 ; 推理深度控制 D G; HA Z O P; ( ) 中图分类号 : X 9 1 3    文献标识码 : A    文章编号 : 1 6 7 1 1 5 5 6 2 0 1 2 0 3 0 0 7 3 0 4 - - -

S D G-H A Z O P A n a l s i s M e t h o d B a s e d o n S t a t u s V e c t o r R e a s o n i n               y g
12 1 L I U  K a n e i YU F e n i n -w   ,   - g g q g ( 1. S i n o e c S a e t E n i n e e r i n I n s t i t u t e, Q i n d a o 2 6 6 0 7 1, C h i n a; 2. C h i n a  U n i v e r s i t o P e t r o l e u m,     p f y  g g g y f      Q i n d a o 2 6 6 5 5 5, C h i n a)   g ,

:HA A b s t r a c t Z O P i s o n e o f t h e u s e f u l m e t h o d s t o a n a l z e t h e r e l i a b i l i t o f t h e s s t e m a n d i t i s w i d e l u s e d                                 y y y y     , i n t h e e t r o l e u m a n d c h e m i c a l i n d u s t r i e s . T h e t r a d i t i o n a l a r t i f i c i a l HA Z O P h a s m a n d i s a d v a n t a e ss u c h a s                       p y g   , c o n s u m i n l a b o r i o u s n e s s a n d h i h c o s t . C o m u t e r a i d e d S D G-HA Z O P a n a l s i s e f f e c t i v e l i m r o v e s t i m e -       -       g g p y y p   ;h , m a n u a l a n a l s i s o w e v e r t r a d i t i o n a l c o m u t e r a i d e d S D G-HA Z O P i s a k i n d o f u a l i t a t i v e a n a l s i s t h e       -               y p q y m e t h o d w h i c h r e s u l t s i n t h e a n a l s i s t h a t i s v e r c o m l e x. A n i m r o v e d a n a l s i s m e t h o d o f S D G-HA Z O P                           y y p p y   b a s e d o n s t a t u s v e c t o r r e a s o n i n i s o f f e r e d i n t h i s a e r . T h i s m e t h o d c o n s t r u c t s a c o m u t e r a u t o m a t e d r e a                             - g p p p   s o n i n e n i n e b a s e d o n S D G m o d e l . I t i n t r o d u c e s t h e c o n c e t o f s t a t u s v e c t o r a n d f i n d s t h e c o n u a l i t a t i v e                               - g g p q   s e u e n c e s a n d r e a s o n s u i c k l t h r o u h t h e f o r w a r d a n d b a c k w a r d r e a s o n i n . C o m a r e d w i t h a r t i f i c i a l                     q q y g g p   o o d HA Z O P a n d t r a d i t i o n a l S D G-HA Z O P, t h e i m r o v e d a n a l s i s m e t h o d h a s c o m l e t e n e s s a n d i t s a n a l t i                         - g p y p y c a l r e s u l t s a r e s t r u c t u r e d a n d r e a s o n a b l e .           : ; ; K e w o r d s S D G; HA Z O P; s t a t u s v e c t o r r e a s o n i n e n i n e r e a s o n i n d e t h c o n t r o l     g g g p y       现阶段使用较多的是人工 HA 它 Z O P 分析方法 ,

0  引   言
是一种系统 HA Z O P( H a z a r d a n d O e r a b i l i t     p y) 已经广泛 化地分析工艺流程 潜 在 危 害 的 分 析 方 法 , 应用于生产工 艺 过 程 中 。 通 过 HA 能够 Z O P 分 析, 发现装置中存在的 危 险 , 根据危险带来的后果明确 系统中的主要危害 , 并对装置工艺过程中存在的危 险采取有效的保护措施
[ 1, 2]

是一种用于辨识设计缺陷 、 工艺过程危害及操作性问 题的结构化分析方法 , 该方法的本质就是通过系列的 会议对工艺图纸和操作规程进行分析 。 但随着 技术 人 工 HA 的发展 , Z O P分析方法的缺点也表现出来 了, 主要是 : 难以对大规模的数据 、 信息进行处理和计 算; 无法得到完备的结果 ; 口头讨论方式不严格 ; 得出 的文本 ( 说 明) 不 规 范, 事 后 难 于 看 懂; 评 价 费 时、 费
] 3 。 为了解决上述问题 , 力、 成本高 ; 等等[ 计算机辅助



收稿日期 : 2 0 1 1 1 2 0 4 2 0 1 2 0 1 0 4 - -    修回日期 : - - , : 作者简介 : 刘康炜 ( 男, 在读博士研究生 , 主要从事 H 1 9 8 3—) S E 研究工作 。E-m a i l l i u k w. d a i n o e c . c o m @s q y p

9卷                     安 全 与 环 境 工 程                 第 1 7 4

在 众 多 计 算 机 辅 助 HA HA Z O P 分析应 运 而 生 , Z O P , ( ) 分析技术中 S D GS i n e d D i r e c t e d G r a h 符号定向图     g p 技术由于其具有揭示潜在危险以及故障在系统中传 播规律的特殊作用而脱颖而出 , 它特别适合于具有根 部 原 因 及 多 重 因 果 关 系 问 题 的 分 析, 且结论完备性 目前已经成为计算机辅助 HA 好, Z O P 分析的主力和
] 4 。 但传统计算机辅助 S 趋势[ D G-HA Z O P 是纯定性

” 、 “ 正作用 、 负作用和无作用在计算机里分别用 “ 1 - ” 、 “ ” 表示 。 如图 1 表示的是 A 对 B 正作用 , 0 B对 1 , 、 。 C 负作用 A C 之间无作用 在一个有7个 S D G 具有包容大量信息 的 能 力 , 节点的 S 所有节点可能取得的不同状 态 D G 模型中 ,
N 7 的组合数为 Pma 1 8 7。  =3 =2   x=3

为了更好地将 S D G 图在计算机中存储和表 示 , ) 我们 引 入 了 状 态 向 量 ( 和邻接矩阵 S t a t e V e c t o r   ( ) 的概念 , 并做了如下定义 。 A d a c e n c M a t r i x j y   定义 1  状 态 向 量 : 用来表示整个装置或工艺 流程当前状态的向量 , 设装置有 n 个节点 , 装置的状 态可以用 n 维向量S 表示 , 即 …, S= ( s s s 1, 2, n) 式中 : 其取值为 0、 分别 s i 的状态 , 1、 -1, i 表示节点 对应节点所代表的 变 量 处 在 正 常 范 围 、 超过允许的 上限以及低于允许的下限 3 种情况 。 定义 2  邻接矩阵 : 用来表示 S D G 图中相邻节 在计算机中高效的存储和表示 点影响关系的矩阵 , 设 装 置 有 n 个 节 点, 它对 S D G 图 。 具体描 述 如 下 : 应 n 阶邻接矩阵 A , 用( 其 中a a i n×n 表 示 , i j) j表示节 点i 对节点j 的影响关系 。 在 S D G 分析中 , a i j的取 值有 0、 1、 -1 三种 : 0 表 示i 节 点 对j 节 点 无 作 用 , 即i 节点的变化不对j 节点产生直接影响 ; 1 表示正 即j 节点 的 变 化 趋 势 与i 节 点 的 变 化 趋 势 相 作用 , 同; 即j 节 点 的 变 化 趋 势 与i 节 点 -1 表示负作用 , 的变化趋势相反 。 通过当前的状态向量与邻接矩阵作用能够计算 出当前各节点状态在系统中传播一步可能造成的影 响, 即系统中所有节点的新的状态 , 也就是当前状态 可能导致的后果 。 邻接矩阵的转置矩阵用来逆推产 生当前节点状态的 所 有 可 能 因 素 , 即产生当前状态 可能的原因 。

它可以保证结果的全面性 , 但会导致 的分析与推理 , 在某种程度上失去了安 HA Z O P 分析报告过于冗繁 , 全评价的意义 。 鉴于此, 本文提出了一种改进的基于 S D G 深度推 理的 HA Z O P 分析方法。 该方法基于 S D G 定性模型, 构造了一个计算机自动推理引擎, 通过正向反向推理, 快速高效地发掘出偏差产生的后果和原因。 该推理引 擎通过邻接矩阵和状态向量表示 S 通过多种 D G 模型, 可保证推理结果的有效性。 推理深度控制机制,

1  相关概念和定义
即 符 号 定 向 图, S D G( S i n e d D i r e c t e d G r a h)     g p 是由一系列节点和 节 点 之 间 有 方 向 的 连 线 ( 又称支 。S D G 能够表达复杂的因果关 并且具有包容大规模潜在信息的能力 , 因此可以 系,
[ 6]

路) 构成的网络图

用S D G 来描述一 个 复 杂 系 统 中 各 组 件 之 间 的 关 联 关系以及它们对整个系 统 的 贡 献 , 这也是运用 S D G 对 复 杂 系 统 建 模 的 基 本 方 法。 图 1 为 一 个 简 单 S D G 模型示意图 。

图 1 S D G 模型示意图 F i . 1 D i a r a m o f S D G  m o d e l     g g

图 1 中 A、 每个节点表示一 B、 C 表示 3 个节点 , 、 “ 、 “ ” 并且每个节点有 “ 三种状 个物理变量 , +” -” 0 态分别表示超出物 理 变 量 上 限 、 低于物理变量下限 和处于正常状 态 。 节 点 之 间 的 有 向 线 段 表 示 支 路 , 支路用来表示节点 之 间 的 定 性 关 系 , 有向线段箭头 上游的节点为初始节点 , 箭头下游节点为终止节点 。 、 “ 节点之间的关系分为 3 种 , 分别为“ 正 作 用” 负作 。如果初始节点的增加( 用” 和“ 无作用 ” 减 少) 导致 , 减少 ) 则此支路的影响为正作用 , 终止节点的增加 ( 在S 反之 , 则为负作用 , 用 D G 图中用实线箭头表示 ; 虚线表示 ; 节 点 之 间 没 有 箭 头 链 接 的 表 示 无 作 用。

2 D G-HA Z O P   基于状态向量推理的 S 分析方法
   下面 以 一 个 实 例 来 介 绍 基 于 状 态 向 量 推 理 的 S D G-HA Z O P 分析方法的分析过程 。 液位及离心泵系统由一个储水槽、 一台离心泵、 管 ) 。 线、 调节器及阀门等组成( 见图2 2. 1 S D G 建模 2. 1. 1  划分单元 根据功能 、 控 制 系 统、 物 料 等, 将系统划分成多 个子系统单元 。 对于如图 2 所示的液位及离心泵系 统, 因其结构简单 , 可将整个系统作为一个单元 。

第 3 期       

刘康炜等 : 一种基于状态向量推理的 S D G-HA Z O P 分析方法    

  7 5

) : 影响 ( 3 a 3 4 =-1 ) : 影响 ( 4 a 4 1 =1 ) : 影响 ( 5 a 5 6 =1 ) : 影响 ( 6 a 6 9 =1 ) : 影响 ( 7 a 7 8 =-1 ) : 影响 ( 8 a 8 9 =-1 ) : 影响 ( 9 a 9 2 =-1 构建后果邻接矩阵如下 : 0   1   0   0   0  0  0   0   熿 0   0   1   0   0  0  0   0   0   0   0 -1  0  0  0   0   1   0   0   0   0  0  0   0   2. 1. 2  变量定义 在划 分 好 的 子 系 统 中, 选择与安全相关的关键 并根据非正常 原 因 及 不 利 后 果 表 罗 列 其 直 接 变量 , 的不利后果和非正常原因 。 为了提高推理的准确度 和有效性 , 只选取与安全有关的信息 , 即建模时首先 压力 、 流量 、 组分 、 液位等常见 要在单元设备的温度 、 仔细挑选该设备安全问题的关键变量 。 过程变量中 , 例如 , 对于实例中 的 储 水 槽 , 液 位 是 关 键 变 量, 那么 至于它的温度 、 压力等其他变量就全部忽略 。 针对实例 , 对 关 键 变 量 进 行 如 下 定 义: F 1 为储 水槽入 口 流 量 ; L 为 储 水 槽 液 位 ;L I C 为储水槽液 位调节器 ; V V 1 为储水槽入口流量调节阀 ; 2 为离心 泵入口阀 ; P V 1 为离心泵 入 口 压 力 ; 3 为离心泵出口 阀; P F 2 为离 心 泵 出 口 压 力 ; 2 为 离 心 泵 出 口 流 量。 定义了变量后 , 就可以得到装置状态向量表达式 : 0燄 0 0 0 0 1 -1

图 2  液位及离心泵系统控制流程图 F i . 2 L i u i d l e v e l a n d c e n t r i f u a l u m s s t e m c o n t r o l           g q g p p y  

A= 0   0   0   0   0  1  0   0  
0   0   0   0   0  0  0   0   0   0   0   0   0  0  0   0

0   0   0   0   0  0   0 -1   0 0 -1 0 0 0 0 0 0 0燅 燀 将 A 转置 , 得到原因邻 接 矩 阵 AT , 对应的原因 邻接矩阵表达为 ) : 影响 ( 1 a 2 1 =1 ) : 影响 ( 2 a 3 2 =1 ) : 影响 ( 3 a 4 3 =-1 ) : 影响 ( 4 a 1 4 =1 ) : 影响 ( 5 a 6 5 =1 ) : 影响 ( 6 a 9 6 =1 ) : 影响 ( 7 a 8 7 =-1 ) : 影响 ( 8 a 9 8 =-1 ) : 影响 ( 9 a 2 9 =-1 构建原因邻接矩阵如下 : 0  0   0   1  0  0   0   熿 1  0   0   0  0  0   0   0  1   0   0  0  0   0   0   0 -1  0  0  0   0   0   0 0   0   0 0   0 0燄 -1 0 0 0 0 0 0

S= ( F L, L I C, V V P V P F 1, 1, 2, 1, 3, 2, 2) 2. 1. 3  构建邻接矩阵 [] 与传统 的 S D G-HA Z O P分析构建影响方程 5
不同 , 本文利用邻接 矩 阵 来 表 示 与 存 储 变 量 之 间 的 影响关系 。 首先确 定 两 两 变 量 之 间 的 相 互 影 响 , 即 通过分析得到如下关系 : F 1 对 L 正作用 L对 L I C 正作用 L I C对 V 1 负作用 V 1 对F 1 正作用 V 2 对P 1 正作用 P 1 对F 2 正作用 V 3 对P 2 负作用 P 2 对F 2 负作用 F 2 对 L 负作用 对应的后果邻接矩阵表达为 ) : 影响 ( 1 a 1 2 =1 ) : 影响 ( 2 a 2 3 =1 ( ) 1 ( ) 2 ( ) 3 ( ) 4 ( ) 5 ( ) 6 ( ) 7 ( ) 8 ( ) 9

AT = 0 0
0 0

0 0

0 0 0 0 0 0

0 0

0  0   0   0  1  0   0  

0  0   0   0  0   0 -1   0   0  0   0   0  0  1   0 燀 2. 2 S D G 模型的图形化显示

-1   0燅

实例的 S D G 模型的图形化显示见图 3。 2. 3 S D G 推理 S= ( F L, L I C, V V P V P F 1, 1, 2, 1, 3, 2, 2) ) 初始正常状态 : S= ( 0, 0, 0, 0, 0, 0, 0, 0, 0 . 2. 3. 1  后果推导 以后 果 邻 接 矩 阵 A 为 推 导 依 据 , 确定一个偏

9卷                     安 全 与 环 境 工 程                 第 1 7 6

( 条件 2 S 即 n+1 中存在s i 由 1 或者 -1 变 为 0 存在变量状态由不 安 全 状 态 转 变 成 安 全 状 态 , 如上 ) 。 例中 S L 状态由 -1 变为 0 3 到S 4 推理时 , 条件 3  设置了推理深度 n。 若推导过程中满足以上 条 件 中 任 意 一 条 , 则S n 即为推理结果 。 2. 4  推理结果整理 将实例的推理结果进行整理列于表 1。
图 3 S D G 模型的图形化显示 F i . 3 G r a h i c a l d i s l a o f S D G  m o d e l     g p p y  
偏差

表 1  实例的推理结果 T a b l e 1 R e a s o n i n r e s u l t s   g  
原因 后果 储水槽液位 L I C: 调节器发生作用 储水槽入口流 V 1: 量调 节 阀 开 度 减 小 储水 槽 入 口 流 F 1: 量减少 储水槽入口流量过大 F 1: 离心泵出口流量过小 F 2: 储水槽入口流量调节阀开度过 V 1: L 液面 大 离心泵入口压力过小 超过 P 1: 上限 P 离心泵出口压力过大 2: 储水槽液位调节器作用不够 L I C: 离心泵入口阀开度过小 V 2: 离心泵出口阀开度过小 V 3:

差, 例如 L 液位高于上限 , 状态推导如下 : ) S 0, 1, 0, 0, 0, 0, 0, 0, 0 0= (      ? ) S 0, 1, 1, 0, 0, 0, 0, 0, 0 1= (      ? ) S 0, 1, 1, -1, 0, 0, 0, 0, 0 2= (      ? ) S -1, 1, 1, -1, 0, 0, 0, 0, 0 3= (      ? ) S -1, 0, 1, -1, 0, 0, 0, 0, 0 4= ( , 根据推 理 终 止 条 件 ( 见 后) S 3 为终止状态向 量, 推理最终结果为 ) S -1, 1, 1, -1, 0, 0, 0, 0, 0 3= ( 其余的非 0 项即为后果 。 S 2 为偏差 , 2. 3. 2  原因推导 以邻接矩阵 A 的 转 置 矩 阵 AT 为 推 导 依 据 , 确 定一个偏差 , 例如 L 液位高于上限 , 即状态变为 ) S 0, 1, 0, 0, 0, 0, 0, 0, 0 0= (      ? ) S 1, 1, 0, 0, 0, 0, 0, 0, -1 1= (      ? ) S 1, 1, 0, 1, 0, -1, 0, 1, -1 2= (      ? ) S 1, 1, -1, 1, -1, -1, -1, 1, -1 3= (      ? ) S 1, 0, -1, 1, -1, -1, -1, 1, -1 4= ( , 根据推 理 终 止 条 件 ( 见 后) S 3 为终止状态向 量, 推理最终结果为 ) S 1, 1, -1, 1, -1, -1, -1, 1, -1 3= ( 其余的非 0 项即为原因 。 S 2 为偏差 , 2. 3. 3  推理终止条件 为了 保 证 推 理 的 有 效 性, 我们设计了以下推理 终止条件 , 满足其中任意一条推理即结束 。 条件 1 S 即推 理 下 一 状 态 与 上 一 状 态 S( n+1 = 。 相同 )

3  结   论
( )本文提出了一种改进的基于状态向量推 理 1 的S 该方法以计算机辅助 D G-HA Z O P 分 析 方 法, 构 建 智 能 推 理 模 型; 基 S D G-HA Z O P 分析 为 基 础 , 于状态向量推理的引入改变了传 统 的 S D G - , HA Z O P 分析基于 单 个 状 态 推 理 的 固 有 模 式 有 效 地降低了推理的复 杂 度 ; 通过多种深度推理控制机 制, 保证了状态推理在有限的次数结束 , 也保证了状 态向量的有效性 , 避免了无效推理 。 ( )通 过 应 用 实 践 表 明 , 与 人 工 HA 2 Z O P 分析 该方法具有简 和现有 S D G-HA Z O P 分析方法相比 , 化推理 、 评价结果有效性和完备性好等优点 。 参考文献 :
[ ]文科武 . ] 炼 油 设 计, 1 HA Z O P 技术及其在 石 化 行 业 中 的 应 用 [ J . ( ) : 2 0 0 2, 3 2 8 5 5-5 8. [ ]沈翠霞 , 吴重 光 . 计算机辅助危险与可操作性分析技术的发展 2 [ ] ( ) : 计算机工程与应用 , J . 2 0 0 4, 4 0 3 6 2 0 8-2 1 2. [ ]李安峰 , ] 夏涛 , 张贝克 , 等. 化工过程 S 系统仿 3 D G 建模方法[ J . ( ) : 真学报 , 2 0 0 3, 1 5 1 0 1 3 6 4-1 3 6 8.     [ ]王杭州 , 陈 丙 珍, 何 小 荣, 等. 基于开源组件的 S 4 D G 推理*台 [ ] ( ) : 化工学报 , J . 2 0 1 0, 6 1 7 1 8 2 9-1 8 3 6.     [ ]张贝克 . 图形化软件*台及安全工程应用研 5 S D G 实时推理机制 、 北京 : 北京化工大学 , 博士学位论文 , 究[ D] . 2 0 0 4. [ 6]中 国 石 油 化 工 股 份 有 限 公 司 青 岛 安 全 工 程 研 究 院 . HA Z O P分 北京 : 中国石化出版社 , 析指南 [ M] . 2 0 0 8. , 通讯作者 : 于风清 ( 男, 高 级 工 程 师, 主要从事 H 1 9 6 0—) S E 方面的 : 研究 。E-m a i l f . d a i n o e c . c o m @s y g q y p


相关文档

  • 基于SDG的HAZOP单元建模方法
  • 第七讲 基于SDG的HAZOP
  • 基于SDG的加热炉HAZOP与故障诊断
  • 基于层次分析法的SDG-HAZOP方法研究及其应用
  • 基于模糊推理的计算机辅助SDG_HAZOP新方法
  • 基于SDG-HAZOP方法的煤气化关键设备安全评价
  • 基于案例推理的HAZOP分析自动化框架
  • 一种基于引理推理的攻击过程分析方法
  • 一种基于动态建链推理的网络攻击过程分析方法
  • 一种基于矢量量化的音频场景分析方法
  • 电脑版