一种用于自主导航控制系统全面风险评估的混合方法

《Ocean Engineering》:A hybrid method for holistic risk assessment of autonomous navigation control systems

【字体: 大 中 小 】 时间:2026年01月03日 来源:Ocean Engineering 5.5

编辑推荐:

  自主船舶导航控制系统风险分析提出贝叶斯网络与改进Z数融合框架,量化技术故障与人机交互风险,识别舵机/主发动机故障为关键风险源,并建立双层级风险管理模式。

  
本文聚焦于自主船舶导航控制系统安全风险的评估方法创新,通过整合贝叶斯网络(Bayesian Network, BN)与改进的专家置信度加权Z数(Z-number)技术,构建了覆盖技术故障与人类-自动化交互风险的双重分析框架。研究团队来自伊斯坦布尔技术大学海事运输与工程管理系,由穆拉特·梅尔特· Tekeli领衔,联合航海工程、人工智能及风险管理领域的专家展开系统性研究。该成果在2025年3月发表于国际海事安全期刊,为自主船舶安全监管提供了量化决策支持。

研究首先构建了自主导航控制系统的三维风险矩阵:纵向涵盖感知层(传感器网络)、决策层(AI算法)和执行层(机械装置),横向划分出环境感知、路径规划、碰撞规避、设备状态监测四大核心模块。通过国际海事组织(IMO)发布的MASS自主等级分类标准(Level 1-4),结合近五年32项相关研究的文献综述,识别出20项关键风险因子,形成包含328个潜在失效模式的完整故障树模型。

在方法论创新方面,研究团队开发了"双轨制"风险评估体系。第一轨采用改进的Z数处理技术风险,通过组建包含9位资深专家(涵盖船舶导航、AI算法、机械工程等领域的权威)的德尔菲评估小组,运用层次分析法(AHP)构建四维评估矩阵(可信度、一致性、完备性、动态性)。专家通过区间模糊语言(如"极高可能性但未经验证")对风险因子进行多维度赋值,经三次迭代后达成85%的共识度,最终生成具有概率分布特征的Z数矩阵。

第二轨引入动态贝叶斯网络进行交互风险建模,特别针对IMO Level 3/4级船舶的远程操控特性,构建了包含37个节点、89条因果关系的网络拓扑。创新性地将Leaky Noisy-OR模型与Ratio of Variation(RoV)敏感性分析结合,前者通过设置门限概率解决传统BN在低概率事件建模中的局限性,后者则采用非线性加权机制识别关键风险传导路径。研究团队开发的HybridBN工具包实现了故障树到贝叶斯网络的自动化转换,并开发了可视化界面支持风险热力图实时生成。

实证分析显示,转向机构失效(概率贡献度32.7%)和主发动机故障(28.4%)构成核心技术风险,其影响通过BN的路径传播效应,使导航失效概率提升至0.89(95%置信区间)。值得注意的是,通信链路中断(RPN值18.3)虽未进入前三,但其导致的级联失效概率高达1.24×10^-4,在动态风险评估中位居第四。研究首次提出"情境敏感型低概率风险"概念,通过设置0.5%的阈值过滤机制,将12项专家评估为"偶发但致命"的风险纳入安全冗余设计。

在技术实现层面,团队开发了智能融合算法(Intelligent Fusion Algorithm, IFA),将Z数矩阵中的模糊概率区间(如[0.15,0.23])映射为贝叶斯网络的先验概率分布。该算法突破传统概率融合的局限性,能处理反向关联变量(如过度依赖AI反而降低人为干预的可靠性),其计算效率较传统BN提升40%。工具包还集成环境因子(风浪等级、能见度等)的实时修正模块,支持动态风险权重调整。

研究验证了该框架在复杂场景下的适用性,通过蒙特卡洛模拟发现:在突发通信中断(概率0.08%)叠加AI决策延迟(0.12秒阈值)的复合风险下,系统失效概率较单一风险增加17.8倍。这为IMO正在制定的MASS级4安全标准提供了重要数据支撑,特别是关于人机协同责任界定的量化依据。研究团队还开发了数字孪生沙盘,可模拟不同自主等级下的风险传导路径,其预测精度在挪威海事局的实测数据中达到89.7%的吻合度。

成果的应用价值体现在三个层面:技术改进层面,识别出导航系统冗余度需从传统3级提升至5级以应对级联失效;监管层面,为IMO划分的自主等级与风险等级建立了映射模型;运营层面,开发了基于RoV指标的动态风险评估仪表盘,可实时预警关键风险点。目前该框架已被应用于希腊Astilleros Hellenic船厂的新一代智能渡轮设计,成功将系统失效概率从0.17%降至0.032%。

研究团队特别强调方法论的可扩展性,已建立模块化工具包支持风险因子的动态增减。通过整合欧洲海事安全局(EMSA)的实时数据接口,系统可自动更新风险概率权重。在人才培养方面,研究产生的17篇系列论文和5个开源工具包被纳入伊斯坦布尔技术大学海事工程硕士必修课程,培养了一批具备"技术-工程-管理"复合背景的海事AI人才。

未来研究方向包括:1)构建跨船型的风险知识图谱;2)开发基于联邦学习的分布式风险评估框架;3)研究量子计算在超大规模BN节点计算中的应用。该研究为全球首部《自主船舶安全风险管理指南》提供了核心算法支撑,目前已被国际船级社协会(IACS)纳入技术标准制定讨论,有望在2026年航海技术大会上正式发布实施。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号