谷夢瑤，李光海，戴之希

1.中國計量大學(xué)質(zhì)量與安全工程學(xué)院，杭州 310018

2.中國特種設(shè)備檢測研究院，北京 100029

隨著經(jīng)濟(jì)和社會的快速發(fā)展，我國特種設(shè)備總量基本保持平穩(wěn)增長，比如2018年底，我國特種設(shè)備總量達(dá)1394.35萬臺，比2017年底上升7.02%，比2016年底上升14.15%。特種設(shè)備與人們的生產(chǎn)、生活息息相關(guān)，但其多是在高溫、高壓或高速下運(yùn)行，且通常盛載易燃、易爆、有毒介質(zhì)或大量人員，因此一旦發(fā)生事故極易造成群死群傷及重大經(jīng)濟(jì)損失。故而，對于特種設(shè)備，需做好事故預(yù)測預(yù)防工作，以保障人民的生命財產(chǎn)安全。

事故預(yù)測是指運(yùn)用各種知識和科學(xué)技術(shù)，依據(jù)歷史數(shù)據(jù)，推斷和估計事故的發(fā)展趨勢或后果。目前已有許多學(xué)者對特種設(shè)備事故預(yù)測進(jìn)行研究，例如趙曉濤等[1]利用灰色理論來預(yù)測電梯設(shè)備的死亡人數(shù)和萬臺設(shè)備死亡人數(shù)；司明[2]提出了基于FES 和FTA 的鍋爐隱患預(yù)警模型。事故預(yù)測結(jié)果是制定合理的事故預(yù)防措施的重要依據(jù)，為了得到更好的事故預(yù)測結(jié)果，有必要對事故形成全面的認(rèn)識和了解。然而，目前針對特種設(shè)備事故的研究多數(shù)是零散、獨(dú)立的，比如唐又紅等[3]僅分析了起重機(jī)械立柱結(jié)構(gòu)的失效機(jī)理。因此，為了更好地預(yù)測特種設(shè)備事故，有必要先研究通用型的特種設(shè)備事故表征技術(shù)。

根據(jù)科普百科，表征為能指代某種東西的符號或信號?！氨碚鳌背１挥糜谛睦韺W(xué)和化學(xué)等領(lǐng)域，較少被于事故領(lǐng)域，因此當(dāng)前關(guān)于事故表征的文獻(xiàn)比較有限。關(guān)文玲等[4]提出通過爆炸拋射物、爆炸容器等事故表征物，來分析火災(zāi)爆炸事故；洪源等[5]提出了混凝土質(zhì)量事故的表征方式，比如其將混凝土出現(xiàn)孔洞與露筋表征為混凝土出現(xiàn)大面積蜂窩、麻面及表面局部缺漿粗糙的現(xiàn)象；彭鑰[6]通過危險性指數(shù)來表征事故多發(fā)路段的危險性；孟祥坤等[7]引入風(fēng)險熵來表征深水鉆井井噴事故風(fēng)險傳遞的隨機(jī)性與模糊性。上述文獻(xiàn)給出了多種不同的事故表征方式，比如文獻(xiàn)[4]通過事故表征物，文獻(xiàn)[5]通過事故的物理現(xiàn)象或表現(xiàn)形式，文獻(xiàn)[6-7]通過若干定量型指標(biāo)。這為事故表征技術(shù)研究提供了新思路，然而，上述文獻(xiàn)僅注重事故某一方面的表征，且未針對特種設(shè)備事故。因此，需針對全類特種設(shè)備的事故，研究新的、恰當(dāng)?shù)?、通用的事故表征方式，并將其?yīng)用于全類特種設(shè)備的事故預(yù)測中。

雖然事故表征技術(shù)有利于建立更規(guī)范的特種設(shè)備事故案例庫，但如何基于事故案例庫實現(xiàn)事故預(yù)測仍是一個難題。CBR 是一種利用相似歷史案例求解新問題的方法，其基本原理是當(dāng)遇到新問題時，系統(tǒng)會在歷史案例庫中，檢索相似案例，找出與新問題相近的一個或若干案例，重用或修改這些案例以解決當(dāng)前問題[8]。CBR 具有應(yīng)用廣泛、推理能力強(qiáng)和學(xué)習(xí)能力突出等優(yōu)勢，近年來已在計算機(jī)輔助設(shè)計[9]、疾病診治[10]、故障診斷[11]、智能控制[12]、環(huán)境預(yù)測[13]、決策支持[14]等方面取得了豐碩的研究成果。顯然，案例推理技術(shù)能很好的解決上述難題。

基于此，提出了融合事故表征和CBR 的特種設(shè)備事故預(yù)測研究，主要包括：（1）提出了面向全類特種設(shè)備的通用型事故表征技術(shù)，其由事故表征信息結(jié)構(gòu)模型、規(guī)范化方法和編碼規(guī)則三部分組成；（2）提出了融合事故表征和CBR 的特種設(shè)備事故預(yù)測新方法，該方法不但能預(yù)測特種設(shè)備事故發(fā)展趨勢，還能提供事故發(fā)生概率以及應(yīng)采取的預(yù)防措施；（3）通過上海某公司的汽車起重機(jī)案例驗證了所提事故預(yù)測方法的有效性。

1 特種設(shè)備事故表征技術(shù)

事故案例主要來源于《2005—2013特種設(shè)備事故案例集》、《浙江電梯事故案例集》和《2002—2017承壓設(shè)備事故案例集》。

1.1 事故表征信息結(jié)構(gòu)模型

根據(jù)文獻(xiàn)[4-7]和預(yù)期目標(biāo)，將面向全類特種設(shè)備的通用型事故表征定義為利用恰當(dāng)?shù)氖鹿市畔⒔M合來表示全類特種設(shè)備的事故。綜合多個特種設(shè)備事故領(lǐng)域?qū)＜医ㄗh，提出從設(shè)備基本信息、事故前兆信息、事故結(jié)果信息和事故預(yù)防措施四個方面來表征特種設(shè)備事故，具體的事故表征信息結(jié)構(gòu)模型見圖1。其中事故前兆信息是事故前被識別和管理的前饋指標(biāo)和錯誤信息，包括環(huán)境的不安全條件、設(shè)備的不安全狀態(tài)、人的不安全行為以及安全管理上的缺失。環(huán)境的不安全條件為作業(yè)環(huán)境的照明、溫濕度等，介質(zhì)和產(chǎn)生物的毒性、腐蝕性等，周圍人員、車輛等的密度，自然環(huán)境中地殼活動度、土壤酸堿度等；人員的不安全行為為操作人員等的技能水平、精神狀態(tài)等。設(shè)備的不安全狀態(tài)為設(shè)備全生命周期各階段的質(zhì)量情況，如設(shè)計結(jié)構(gòu)是否合理、有無焊接缺陷等。安全管理上的缺失為安全管理法規(guī)的完善度、執(zhí)行度，應(yīng)急預(yù)案完善度等。事故預(yù)防措施包括預(yù)防措施和評價等級，評價等級為專家對預(yù)防措施的評價結(jié)果，分為很好、好、一般、不好和很不好五個等級。

1.2 事故表征信息規(guī)范化方法

通過分析事故案例發(fā)現(xiàn)，在描述事故案例時圖1中的各類表征信息存在大量的不標(biāo)準(zhǔn)、不規(guī)范之處，主要包括：（1）缺失關(guān)鍵信息。目前缺失較多的是設(shè)備基本信息中的注冊代碼、設(shè)計時間等；（2）用詞不規(guī)范統(tǒng)一。例如對于叉車撞傷人，有的將其事故特征定為撞傷，有的為撞人，有的則為擠壓；（3）事故原因模糊不清。多數(shù)事故是多原因綜合作用的結(jié)果，然而很多案例未說明多個原因間的關(guān)系，以及導(dǎo)致這些原因的深層次原因，例如安全閥失效導(dǎo)致鍋爐超壓爆炸，但未說明安全閥失效原因。

上述問題歸因于特種設(shè)備事故信息上報準(zhǔn)確度太低。基于此，提出以下三個面向全類特種設(shè)備的通用型建議：

（1）將圖1 中的事故表征信息設(shè)定為必填項，以避免信息缺失現(xiàn)象的存在。

圖1 特種設(shè)備事故表征信息結(jié)構(gòu)模型Fig.1 Information structure model of special equipment accident characterization

（2）對于投用時間、使用單位等針對性事故表征信息，規(guī)范其填寫格式，比如對于投用時間，要求填寫格式為某年某月某日。

（3）對于事故特征等通用性表征信息，若相關(guān)條例等已規(guī)定其標(biāo)準(zhǔn)選項，則根據(jù)這些條例設(shè)定其標(biāo)準(zhǔn)項，比如對于事故等級，參考《特種設(shè)備安全監(jiān)察條例》，設(shè)定標(biāo)準(zhǔn)項為一般事故、較大事故、重大事故和特別重大事故。若未規(guī)定，則可根據(jù)大量的事故案例，歸納得標(biāo)準(zhǔn)項，比如對于事故原因和失效原因，歸納得標(biāo)準(zhǔn)項分別見表1和表2。

表1 特種設(shè)備標(biāo)準(zhǔn)事故原因Table 1 Standard accident causes of special equipment

表2 特種設(shè)備標(biāo)準(zhǔn)失效原因Table 2 Standard failure causes of special equipment

1.3 事故表征信息編碼規(guī)則

研究事故表征信息編碼規(guī)則是為了便于檢索事故表征信息，并建立事故案例庫?；诖耍岢? 個事故表征信息編碼原則：（1）簡單明了。代碼結(jié)構(gòu)應(yīng)盡量簡單清晰，長度應(yīng)盡量短；（2）易于擴(kuò)充。代碼應(yīng)留有適當(dāng)?shù)暮髠淙萘浚唬?）代碼唯一。

根據(jù)上述原則，提出如下面向全類特種設(shè)備的通用型編碼規(guī)則：

（1）對于有標(biāo)準(zhǔn)項且標(biāo)準(zhǔn)項間為并列關(guān)系的事故表征信息，則根據(jù)標(biāo)準(zhǔn)項總數(shù)，設(shè)定適合的十進(jìn)制位數(shù)作為其代碼，比如對于事故等級，其標(biāo)準(zhǔn)項共4項，因此設(shè)定其編碼樣式為Z，以一位十進(jìn)制數(shù)字表示，從1 開始，1-一般事故、2-較大事故、3-重大事故、4-特別重大事故。

（2）對于有標(biāo)準(zhǔn)項且標(biāo)準(zhǔn)項間為上下層級關(guān)系的事故表征信息，則需分層設(shè)定事故表征信息編碼，比如對于表1中的標(biāo)準(zhǔn)事故原因，共4層，每層的并列標(biāo)準(zhǔn)項均少于10，因此設(shè)定其編碼樣式為ERFT，以四位十進(jìn)制數(shù)字表示，具體代碼見表3。

表3 8大類特種設(shè)備的事故原因代碼Table 3 Accident cause code of 8 major special equipment

（3）對于無標(biāo)準(zhǔn)項且為時間型事故表征信息，則以統(tǒng)計得的特種設(shè)備事故表征信息為基礎(chǔ)，針對年月日分別以四位、兩位和兩位十進(jìn)制數(shù)字來表死后，編碼樣式為WQEZ HU LK，比如投用時間為2005 年6 月25 日，則其代碼為20050625。

（4）對于無標(biāo)準(zhǔn)項且為非時間型事故表征信息，為滿足易于擴(kuò)展的原則，設(shè)定其編碼樣式為HEG，以三位十進(jìn)制數(shù)字表示，從001開始。

2 基于事故表征和CBR的事故預(yù)測方法

2.1 案例庫建立和案例描述

（1）事故案例庫建立

首先，基于圖1 中的事故表征信息結(jié)構(gòu)模型，從收集的特種設(shè)備事故案例中提取各事故案例的事故表征信息；然后，利用1.2節(jié)的事故表征信息規(guī)范化方法進(jìn)行規(guī)范化處理；最后，基于1.3 節(jié)的事故表征信息編碼規(guī)則，對規(guī)范后的事故表征信息進(jìn)行編碼，由此建立特種設(shè)備事故案例總庫M，總庫根據(jù)特種設(shè)備種類又分為鍋爐案例庫M1，起重機(jī)械案例庫M2，電梯案例庫M3，管道案例庫M4，壓力容器案例庫M5，客運(yùn)索道案例庫M6，大型游樂設(shè)施案例庫M7，以及場（廠）內(nèi)機(jī)動車輛案例庫M8。

（2）事故案例描述

2.2 相似案例檢索

2.2.1 計算屬性相似度

由圖1知，特種設(shè)備事故案例的條件屬性特征值包括兩類：（1）確定符號型，如某鍋爐為電站鍋爐；（2）模糊文本型，如某鍋爐的操作人員未持證上崗等。因此，需結(jié)合屬性特征值特點，定義不同的相似度計算方法。

（1）確定符號型屬性特征值

若屬性Aj的特征值為確定符號型，則：

（2）模糊文本型屬性

若條件屬性Aj的特征值為模糊文本型，則：

2.2.2 計算屬性權(quán)重

屬性權(quán)重的合理性直接關(guān)系到案例檢索的精度。由圖1知，特種設(shè)備事故案例的條件屬性多為模糊文本型，且為層級結(jié)構(gòu)，較適合采用AHP 法。然而，該方法未考慮專家自身的研究領(lǐng)域、工作經(jīng)驗等對評價置信度的影響，而將不同專家的評價結(jié)果視為一致。但在實際評價中，不同專家的個人偏好、經(jīng)驗、知識結(jié)構(gòu)等均不同，不同專家對同一指標(biāo)的評價結(jié)果存在差異，同一專家對不同指標(biāo)的評價結(jié)果也存在差異[16]，這使得不同專家評價結(jié)果的可信度存在差異。因此，為降低人為主觀影響，提高AHP法評價結(jié)果的可信度，有必要考慮專家對評價結(jié)果的權(quán)威程度和一致性程度，計算專家置信度，并提出基于專家置信度的改進(jìn)型AHP法。

2.2.2.1 專家置信度計算

（1）專家權(quán)威性系數(shù)

參考文獻(xiàn)[17]，設(shè)置專家權(quán)威性指標(biāo)及取值見表4。在實際應(yīng)用中，企業(yè)可根據(jù)自身需求對表4 中的指標(biāo)數(shù)量、類型以及取值等級等進(jìn)行調(diào)整。表4 中的5 個指標(biāo)涵蓋了會影響到評價結(jié)果的主要專家特性，是結(jié)合專家意見，利用統(tǒng)計分析技術(shù)從大量如專家年齡、性格、社會背景等指標(biāo)中篩選出來的。其中，教育背景代表專家的綜合知識水平，工作年限代表其工作經(jīng)驗量，技術(shù)職務(wù)代表其專業(yè)技能水平，專業(yè)相關(guān)度代表其其對該評價內(nèi)容的熟悉程度，專業(yè)自信度代表了其對評價結(jié)果的自信程度。令θc為專家Vc的權(quán)威性系數(shù)，則：

表4 專家權(quán)威性指標(biāo)取值Table 4 Expert authority index value

式中qcl為專家Vc的第l個專家權(quán)威性指標(biāo)值。

（2）專家一致性系數(shù)

①選取C個專家對條件屬性重要度進(jìn)行評價，利用AHP法計算屬性權(quán)重，由此得基于專家Vc的屬性Aj的初始權(quán)重φij，然后令專家Vc的初始權(quán)重為1C，則通過加權(quán)融合得屬性Aj的權(quán)重期望值

②計算專家Vc對屬性Aj的評價偏差量，并進(jìn)行歸一化處理，由此得評價偏離度Rcj為：

③評價偏離度Rcj表示專家Vc的評價結(jié)果距離群決策期望值的距離，Rcj越小則專家Vc的評價結(jié)果一致性越高。由此得評價一致性系數(shù)Ucj為：

（3）專家置信度

基于專家權(quán)威性系數(shù)θc和一致性系數(shù)Ucj，得專家Vc在評價屬性Aj時的置信度ηcj為：

2.2.2.2 屬性權(quán)重計算

假設(shè)經(jīng)AHP法計算得的初始屬性權(quán)重為φcj，則結(jié)合專家置信度ηcj，通過加權(quán)融合得屬性Aj的最終權(quán)重為：

2.2.3 計算案例相似度

事故案例具有時效性，某歷史案例與當(dāng)前時間的時間間隔越大，則其對目標(biāo)案例的參考價值就越低，即時間衰減效應(yīng)。因為越接近當(dāng)前時間，則某歷史案例的設(shè)備技術(shù)情況、設(shè)備管理方式、人員管理方式等越接近當(dāng)前社會盛行的類型。越遠(yuǎn)離當(dāng)前時間，則其設(shè)備可能是目前已淘汰的設(shè)備型號、管理方式等，這時其采取的應(yīng)對措施也就不再適用于當(dāng)前的新型設(shè)備。因此，為使案例相似度的計算更符合實際情況，得到更為準(zhǔn)確的案例相似度，有必要考慮時間衰減效應(yīng)的影響。假設(shè)歷史案例Zi的發(fā)生時間為Ti，當(dāng)前時刻為T，則：

2.2.4 確定相似度閾值

假設(shè)SQ為相似度閾值，則：

2.3 事故預(yù)測

2.3.1 事故發(fā)展趨勢預(yù)測

（1）根據(jù)目標(biāo)案例的事故前兆信息，參考表2 中的標(biāo)準(zhǔn)失效原因，得該特種設(shè)備的四級標(biāo)準(zhǔn)失效原因（如設(shè)備有陳舊性損傷）和具體失效原因（如起重機(jī)鋼絲繩有磨損或斷股）。

（2）根據(jù)該特種設(shè)備的四級標(biāo)準(zhǔn)失效原因，對表2中的標(biāo)準(zhǔn)失效原因進(jìn)行調(diào)整，例如根據(jù)事故前兆信息，無工藝人員技能水平低這個四級失效原因，則無生產(chǎn)工藝不合理這個三級失效原因。

（3）假設(shè)集合SC共有K個相似案例，則統(tǒng)計分析這K個案例的具體失效原因和具體事故原因。

（4）結(jié)合步驟（3）的統(tǒng)計結(jié)果、步驟（2）調(diào)整后的標(biāo)準(zhǔn)失效原因，以及表1 的標(biāo)準(zhǔn)事故原因，建立該特種設(shè)備的事故原因故障樹，以了解該特種設(shè)備可能的事故發(fā)展趨勢。

2.3.2 事故發(fā)生概率預(yù)測

2.3.3 事故預(yù)防措施預(yù)測

根據(jù)Likert 5 級計分制對相似案例的預(yù)防措施評價等級進(jìn)行賦值，表5為Likert 5級量表。

表5 Likert 5級量表Table 5 Likert 5 scale

假設(shè)經(jīng)賦值后，相似案例Zγ的預(yù)防措施評價等級B11的特征值為bγ,11，則相似案例Zγ的預(yù)防措施B11的推薦系數(shù)為：

根據(jù)各相似案例的預(yù)防措施推薦系數(shù)，按從大到小的順序進(jìn)行排序，由此得各相似案例預(yù)防措施的推薦排名。

3 算例及結(jié)果比較

上海某公司計劃租1 臺汽車起重機(jī)拆卸門式起重機(jī)的鋼結(jié)構(gòu)，該汽車起重機(jī)額定起重量為25 t，被拆卸門式起重機(jī)自重為17.8 t。在拆卸前，通過管理和檢查，得其設(shè)備基本信息和事故前兆信息見表6。

表6 目標(biāo)案例Z*和歷史案例Z1 的屬性相似度計算結(jié)果Table 6 Results of attribute similarity calculation between target case Z*and historical case Z1

3.1 相似案例檢索

利用該汽車起重機(jī)的設(shè)備基本信息和事故前兆信息，在M2 庫中檢索相似案例，具體過程如下：

（1）計算目標(biāo)案例Z*和歷史案例Z1的屬性相似度

①計算確定符號型屬性的相似度：

同理可得，目標(biāo)案例Z*和歷史案例Z1的其他屬性相似度計算結(jié)果見表6。

（2）計算屬性權(quán)重

首先，選取5 個專家組成評價小組，其權(quán)威性狀況見表7，并根據(jù)表4和7，利用公式（3）計算5個專家的權(quán)威性系數(shù)，結(jié)果見表8；其次，由專家對表6 中的屬性重要度進(jìn)行評價，并根據(jù)評價結(jié)果，利用AHP法計算屬性權(quán)重，結(jié)果見表9；再次，根據(jù)屬性權(quán)重，利用公式（4）～（7）計算專家一致性系數(shù)，同時，根據(jù)專家一致性系數(shù)和權(quán)威性系數(shù)，利用公式（8）計算專家置信度，結(jié)果見表10；最后，根據(jù)屬性權(quán)重和專家置信度，利用公式（9）計算屬性最終權(quán)重，結(jié)果見表11。

表7 5個評價專家的權(quán)威性狀況Table 7 Authority of five evaluation experts

表8 5個評價專家的權(quán)威性系數(shù)Table 8 Authoritative index values of five evaluation experts

表9 條件屬性權(quán)重Table 9 Condition attribute weight

表10 5位評價專家的專家置信度Table 10 Expert confidence of 5 evaluation experts

表11 條件屬性的最終權(quán)重Table 11 Final weight of condition attributes

（3）計算案例相似度

首先，根據(jù)屬性最終權(quán)重和相似度，利用公式（9）得目標(biāo)案例Z*和歷史案例Z1的相似度為0.162；然后，已知?dú)v史案例Z1的發(fā)生時間為2015 年5 月，當(dāng)前時間為2020年7月，則歷史案例Z1距今的時間間隔為62個月，根據(jù)公式（10）得時間衰退因子TD(T1)=1.212；最后，根據(jù)案例相似度和時間衰退因子，利用公式（8）得經(jīng)時間衰減修正后的案例相似度為0.197。同理可得，目標(biāo)案例Z*與M2 庫中其余35 個歷史案例的案例相似度見表12。

（4）確定相似度閾值

首先，根據(jù)專家經(jīng)驗，設(shè)定G=0.8。同時，由表12知，歷史案例與目標(biāo)案例Z*間的最大相似度為0.406；然后，根據(jù)最大相似度，通過公式（11）得相似度閾值SQ=0.325；最后，根據(jù)相似度閾值SQ，得相似案例集合SC={Z9,Z12,Z19,Z20,Z27,Z30,Z33} 。

表12 目標(biāo)案例Z*與歷史案例的案例相似度Table 12 Case similarity between target case Z*and historical case

3.2 事故預(yù)測

（1）事故發(fā)生趨勢預(yù)測

首先，根據(jù)表6中的事故前兆信息，對表2中的標(biāo)準(zhǔn)失效原因進(jìn)行調(diào)整；然后，根據(jù)集合SC中的相似案例，分析得與目標(biāo)案例相關(guān)的失效原因包括“未采取鋼絲繩保護(hù)措施，如未采用保護(hù)墊片、包角等”、“鋼絲繩捆扎方式錯誤”等，事故原因包括“使用單位無防墜落措施”等；最后，結(jié)合表1中的標(biāo)準(zhǔn)事故原因以及統(tǒng)計得的相關(guān)事故原因和失效原因，得到該汽車起重機(jī)的事故發(fā)展趨勢故障樹如圖2所示。

（2）事故發(fā)生概率預(yù)測

表13 給出了集合SC中相似案例的各事故后果信息，及其特征值全集。然后，結(jié)合表12 中的案例相似度，利用公式（12）和（13）得目標(biāo)案例各事故后果信息的發(fā)生概率見表14。

表13 相似案例的事故后果信息Table 13 Accident consequence information of similar cases

表14 目標(biāo)案例各事故后果信息的發(fā)生概率Table 14 Occurrence probability of accident consequence information of target cases

（3）事故預(yù)防措施預(yù)測

表15給出了集合SC中相似案例的事故預(yù)防措施；然后，根據(jù)表5，對各預(yù)防措施的評價等級進(jìn)行賦值，并結(jié)合案例相似度，利用公式（14）計算各相似案例預(yù)防措施的推薦系數(shù)，結(jié)果見表15；最后，根據(jù)推薦系數(shù)，得各相似案例預(yù)防措施的推薦排名。

表15 相似案例的事故預(yù)防措施Table 15 Accident prevention measures of similar cases

3.3 結(jié)果分析

（1）預(yù)測結(jié)果分析

由圖2可知，目標(biāo)案例的汽車起重機(jī)可能由于鋼絲繩陳舊性損傷、捆扎方式錯誤等失效原因?qū)е落摻z繩整體斷裂，再加上未設(shè)置防墜落措施和安全管理人員等，最終會發(fā)生吊具、吊臂或配重塊的墜落或傾覆事故。同時，由表14 可知，該汽車起重機(jī)最可能在使用環(huán)節(jié)，由于索具鋼絲繩斷裂發(fā)生一般等級的吊具墜落事故，最終造成1人死亡。顯然，最應(yīng)該針對鋼絲繩斷裂導(dǎo)致的墜落事故開展預(yù)防工作。而由以上數(shù)據(jù)可知，最應(yīng)該采取的預(yù)防措施包括加強(qiáng)對吊具、鋼絲繩等的檢查，及時更換有損傷的鋼絲繩、吊具等，在起吊物尖銳邊緣添加木質(zhì)墊塊、包角等，以及設(shè)置防墜落等安全保護(hù)措施。

圖2 汽車起重機(jī)的事故發(fā)展趨勢故障樹Fig.2 Fault tree of accident development trend of truck crane

（2）預(yù)測結(jié)果與實際結(jié)果的對比分析

表16 和圖3 分別給出了目標(biāo)案例汽車起重機(jī)的實際事故結(jié)果和事故原因故障樹。由表14 和16 可知，除了事故后果，其余6項事故結(jié)果信息的預(yù)測結(jié)果和實際結(jié)果均相同，由此說明事故發(fā)生概率預(yù)測結(jié)果是合理的、有效的。由圖2和圖3可知，兩個故障樹具有較高的一致性，由此說明事故發(fā)展趨勢預(yù)測的合理性。而由表15 和16 可知，事故預(yù)測措施的推薦結(jié)果包含了實際結(jié)果，且推薦措施更全面、具體，由此說明事故預(yù)防措施預(yù)測的合理性和有效性。

圖3 目標(biāo)案例中汽車起重機(jī)的事故原因故障樹Fig.3 Fault tree of truck crane accident cause in target cases

表16 目標(biāo)案例中汽車起重機(jī)的實際事故結(jié)果Table 16 Actual accident results of truck crane in target cases

4 結(jié)論

為了更好地掌握特種設(shè)備事故發(fā)展趨勢、發(fā)生概率和預(yù)防措施，本文開展的工作包括：（1）提出了面向全類特種設(shè)備的通用型事故表征技術(shù)，主要內(nèi)容包括事故表征信息的結(jié)構(gòu)模型、規(guī)范化方法和編碼規(guī)則。（2）提出了融合事故表征和案例推理的特種設(shè)備事故預(yù)測方法，其中為了更精準(zhǔn)地檢索相似案例，提出了針對不同屬性類型的屬性相似度計算方法、基于專家置信度和AHP 法的屬性權(quán)重計算方法、考慮時間衰減效應(yīng)的案例相似度計算方法以及相似度閾值確定函數(shù)。（3）通過上海某公司的汽車起重機(jī)案例驗證了所提事故預(yù)測方法，結(jié)果表明其不但能給出特種設(shè)備的事故原因故障樹，以了解事故發(fā)展趨勢，還能提供如事故特征等的發(fā)生概率，以及應(yīng)采取的預(yù)防措施。

本文中專家權(quán)威性指標(biāo)的數(shù)量設(shè)置、類型選擇等更多是依據(jù)專家意見，具有一定的主觀性。未來，將針對此問題，利用最小二乘法、相關(guān)分析、文獻(xiàn)窮舉法等進(jìn)行深入研究，提出更具客觀性、更系統(tǒng)的專家權(quán)威性指標(biāo)確定方法。