APP下载

基于Noisy-or Gate的贝叶斯网络机械伤害风险评估

2021-01-22谢中朋

安全 2020年12期
关键词:机械故障模型

周 航 谢中朋

(首都经济贸易大学 管理工程学院,北京 100070)

0 引言

机械伤害是机械加工企业中频繁发生的伤害事故,对企业员工生命和财产安全产生极大的威胁。因此,有效地评估机械伤害事故的风险,分析事故的故障原因,提出有效的预防措施是极其重要的。近年来许多专家学者采用将故障树转化成贝叶斯网络的方法进行风险评估,形成一套故障树转化成贝叶斯网络的转化规则,包括图形转换和数值转换2个方面[1-3],但这种方法在数值转换上存在一些缺点,如若按照或门的转换规则进行数值转化,那与之对应的节点条件概率发生的可能性就为1,只有所有因素均不发生转化,该节点发生的可能性为0。这说明该事故发生可能性将大大增加,存在误差较大。而且该子节点对所有父节点的影响程度均视为相等,无法发挥贝叶斯网络寻找关键影响子节点因素的优势。因此本文提出应用Noisy-or Gate模型来确定对应或门节点的条件概率表,以此减少或门中因0和1概率产生的误差,同时也保留了故障树转化贝叶斯网络的快速便捷等优势,为机械伤害事故预防提供新思路。

1 Noisy-or Gate与Leaky Noisy-or Gate模型

1.1 Noisy-or Gate模型

Noisy-or Gate模型可用来描述n个变量X1,X2,…,Xn与其影响的结果Y之间的内在联系。每个变量都是二值离散变量,有2种状态,假设它们为真值 (1) 和假值 (0)。基于 Noisy-or Gate 模型的贝叶斯网络还需要满足以下条件:

(1)若任意节点Y的父节点为X1,X2,…,Xn,则X1,X2,…,Xn之间应相互独立。

(2)每个变量在其他变量为假时都足以导致结果Y的发生,此时仅有Xi(i=1,2,…,n)为1,而其他父节点为 0,节点Y取值为1的概率为Pi=P(Y|X1,X2,…,Xi,…,Xn)[4];……

登录APP查看全文

猜你喜欢

机械故障模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
调试机械臂
故障一点通
简单机械
3D打印中的模型分割与打包
奔驰R320车ABS、ESP故障灯异常点亮
按摩机械臂
故障一点通
江淮车故障3例