海上风能是一种巨大的、无需补偿、无污染的可再生能源，开发海上风能是大势所趋［1］。海上风电由于其资源丰富、能源清洁、噪声视觉干扰很小等优势，近年来成为各国研究和开发的重点［2］。风电机组是海上风电开发不可缺少的重要系统，主要由叶片、机舱、塔架和支撑架构等组成，其性能优劣关系到海上风电的正常运营与使用效能，甚至影响到运维人员的工作、安全和生存。风机关键零部件应该满足海上特殊环境要求并保证风机的可靠性，从而便于提高风机的利用率、降低维修率［3－ 4］。
由于现有海上风电场风机故障诊断的方法主要还是离线式，故障诊断一般发生在故障之后或进行定期维护时，对故障的发现和诊断具有显着的滞后性，导致维护成本进一步提高。同时，海上风机故障诊断的参照标准大多还未制定，这也给故障诊断的预知性和准确性带来较大影响［5］。因此，本文拟对海上风电机组设备展开故障模式及影响分析（ 即FMEA） ，辨识导致事故伤亡或财产损失的设备基本故障，评定海上风电机组的运行状态，为预防性维修提供依据。
1 改进的故障模式及影响分析
故障模式及影响分析（ FMEA） 法已在航空、核能、化工及制造业等领域有广泛的应用并得到认可［6］。传统 的 FMEA 方 法 采 用 风 险 优 先 指 数 （ 即ＲPN） 来对风险排序，以期将有限资源充分利用到最危险故障模式的预防与维修中。ＲPN 值由故障的发生概率（ O） 、严重程度（ S） 和探测度（ D） 三者相乘得到，三个决策因素的取值范围均为 1 ～ 10。ＲPN 值越大，故障模式越重要，需给予更高的优先等级。传统FMEA 法存在很多缺点［7 － 9］： （ 1） 不同的 O、S、D 组合可能得到相同的 ＲPN 值，但潜在的风险却大不相同。这就造成了资源和时间的浪费，甚至有时候高风险源被忽视而引起灾难。（ 2） 此方法中不能体现 O、S、D 的相对重要度，即传统 FMEA 法中三个决策因素的重要度相同，然而在实际应用中并非如此。（ 3）ＲPN 值为 1 ～ 1 000 之间的离散数，且密布于此范围的底部，故而相同的差值并不能反映相同的风险等级差别。
此外，决策因素的不确定性越明显，传统 FMEA法的应用越不准确。因而，许多学者提出了改进方法来克服以上的缺点［10 － 11］。为了体现决策因素的不确定性，模糊理论被引入 FEMA 中［12 － 14］，采用“低”、“中”、“高”等语义描述 O、S、D 以及风险等级。CHANG 等人［15］将灰色系统理论引入到 FMEA中，在传统得分 1 ～ 10 的基础上，计算得到灰色关联度，利用其大小对风险排序。
由以上分析可知，传统 FMEA 方法还需很多改进之处，如决策因素的权重分析、更多决策因素的引入、专家知识经验的模糊性分析以及风险评价准则的确定等。本文从系统维修的角度出发，采用故障模式及影响分析（ FMEA） 并引入模糊与灰色理论，对海上风电机组设备风险进行全面辨识与评估，确定风险优先等级，为海上风电设施的维修决策提供技术支持。
1. 1 模糊语言术语集的建立
在确定海上风电机组设备各种可能的故障模式、产生原因及其检测方法的基础上，应用模糊理论，将传统 FMEA 计算的 3 个基本变量： 发生概率、严重程度和探测度作为模糊语言变量，结合专家经验和知识确定各语言变量的模糊语言术语集和对应的模糊数，评价各种故障模式。给每一变量设置 5 个语言术语，即很低、低、中、高、很高。各种模糊语言术语的描述如表 1 所列，传统 FMEA 中变量的取值准则可参考文献［16］得到。
1. 2 隶属函数的选取
故障发生概率、严重程度和探测度 3 个变量的模糊隶属函数通过综合德尔菲法等确定，所选专家必须熟悉海上风电机组的操作和管理状况。
每一位专家的权重（ Ci） 由他们在业内的经验和知识水平决定，并且通过所有参与专家的认可。研究中所选五个专家的权重设定如表 2 所列。
在模糊规则库分析中，每一变量有 5 个语言术语，这些术语描述的隶属函数如图 1 所示。采用三角隶属函数来描述以上五个语言术语，不仅能够确保从一种语义到另一语义的平滑过渡，还可以简化每一个语言术语的反模糊化过程。
在使用合适的语言术语来描述每一个语言变量的基础上，需要产生一个 明 确 的 数值，即脆性系数，来表示每一个语言术语。简言之，这些模糊集与灰色理论的应用需要隶属函数的反模糊化。本文参考 CHEN 等［17］提出的方法计算模糊集的脆性系数，公式如下2 灰色关联度分析灰色系统理论由邓聚龙［18］提出并发展，对于那些信息不完备、数据稀少、处置问题缺乏经验、内涵不清楚的对象之间的关系的分析来说，灰色关联分析是十分必要的。灰色关联度的计算步骤如下：
（ 1） 比较序列。比较序列表示形式如下
（ 2） 标准序列。标准序列反映了所有决策因素的理想或期望水平。从安全的角度出发，标准序列取所有因素的最低水平。同样地，此序列与比较序列均为矩阵形式，表示为
（ 3） 差序列。计算两个序列（ 比较序列和标准序列） 的差序列，表示如下
（4）灰色关联系数。灰色关联系数可由下式求得
（ 5） 灰色关联度。计算比较序列与标准序列的关联度，可由下式得到权重系数对最后故障风险排序有很大的影响，βk可由层次分析法得到。由以上分析得到的灰色关联度值反映了某一潜在故障原因与决策因素最优值之间的关系，最小关联度值对应的故障模式获得最大风险优先级。
3 实例分析
海上风电机组的机舱中主要包含齿轮箱、发电机、控制系统等部件。其中，齿轮箱是风电机组传动系统的重要组成部件，其主要功能是将叶片在风力作用下所产生的动力传递给发电机并使其得到较高的转速。在风电机组的主轴、齿轮箱、发电机、偏航系统、变桨系统等处都安装有轴承，大多采用滚动轴承形式，轴承的运行状态对整个系统的安全可靠运行影响很大。本文以海上风电机组的齿轮箱为例，进行故障模式及影响分析研究。
通过对海上风电机组齿轮箱的运行及维修历史记录进行统计，采用德尔菲法得到设备故障模式模糊术语，并计算模糊集的脆性系数，分别为： 很低（ 0. 196） ，低（ 0. 370） ，中（ 0. 583） ，高（ 0. 804） ，很高（ 0. 952） 。
对各故障模式的决策因素进行反模糊化，得到比较序列。标准序列应取各决策因素最低模糊术语的反模糊化值，将“很低”的最小可能值（ 0） 作为标准序列，即标准序列为零矩阵。
差序列为比较序列与标准序列之差，由以上分析可得，差序列等于比较序列。故有 Δmin= 0. 196，Δmax= 0. 952，ζ = 0. 5。
将 FMEA 方法应用到海上风电机组齿轮箱的主要目的就是辨识齿轮箱中缺乏安全考虑的区域，即风险源，包括警报、自动保护、状态监测和人为失误等各方面。鉴于海上风电机组管理和使用操作的性质，故障模式决策因素的权重系数应该遵从 βd≥βs≥βo的原则，这表明在此分析中加重了对探测度因素的偏向。通过咨询专家和现场操作及维护人员，利用层次分析法，得到决策因素“发生概率、“严重程度”和“探测度”的权重系数分别为 0. 25、0. 25 和 0. 5。利用这些取值，采用式（ 8） 可计算得到灰色关联度。实例计算结果如表 3 所列。
从表 3 可以看出，故障模式 2 和模式 7 具有相同的 ＲPN 值。从传统 FMEA 分析表可知，模式 2 的三个决策因素取值分别为 4、5、4，模式 7 的三个决策因素取值分别为 2、8、5，故而它们的乘积均为 80，但是故障模式的风险水平却同，这一点通过灰色理论的应用得到充分的证明。灰色关联度计算结果显示，故障模式 7 比模式 2 的风险优先级较高，但传统ＲPN 方法却将两者看作同等风险。
运用本文提出的方法进行风险排序时，不区分那些决策因素语义描述相同的故障模式。比如，故障模式2和模式17的“发生概率”、“严重程度”和“探测度”均分别描述为“低”、“中”、“低”，灰色关联度均为0. 754，这表明两者具有相同的风险优先等级。然而，采用传统 FMEA 方法计算ＲPN 排序分别为5和9，即故障模式2具有较高的风险，这种排序会给决策者造成误导，特别是分析数据有明显的不确定性时。
灰色理论应用权重系数的影响从故障式9和10的计算结果对比中得到明显的体现，它们的决策因素描述分别为“很”，“低”，“高”，“中”，和“低”，“中”，“低”，然而，由于探测度因素对整个风险等级的影响作用比另两个因素都大，所以故障模式9比模式10的风险等级高，从排序结果也证明了这一点。
4 结 论
（ 1） 模糊语义和模糊数的应用使得专家的工作相对简单容易，他们凭自己的经验对模糊语义做出判断，再经过模糊理论的处理，可以得到准确的结果。模糊判断和专家经验相结合，尽可能忽略自己的主观判断。将专家知识和经验引入到海上风电机组风险评估中，并考虑了专家对决策因素的偏向程度，使齿轮箱的设备维修计划制定更切合操作实际。
（ 2） 灰色关联度计算在评估资料不完全或者不可靠时具有很大的优势，因为该方法不着眼于绝对准确度而是更加关注相对排序，能够对不确定性因素做出评价，并使得分析结果可信度更高。
（ 3） 基于模糊理论与灰色理论的改进 FMEA 方法经过海上风电机组齿轮箱实例计算证明能够得到预期的结果，因此本方法是可行的，通过对故障模式的排序可以看出排序结果和维修方式基本能够反映实际。
（ 4） 本文提出的改进 FMEA 方法适合于规范化安全评估进程的第二个环节，即风险评价阶段，对潜在风险详细分析并排序，能够对有限的资源进行合理有效的配置，为海上风电机组安全运行和低成本维护提供理论依据和技术支持。
在弱环境流水文、相对较强的射流以及受纳水体水深较深（ 约 18 m） 的条件下，借鉴美国内陆核电厂多孔扩散器工程实践，采用近岸且近河底布置的倾斜式同向多孔扩散器开展研究，结果表明： 对于近岸布置的多孔扩散器，扩散器长度 Ln与 H 呈正相关，喷口直径 D 与 H 呈负相关，喷口水深 HD与 H 呈正相关； 在排热量相同的情况下，液态流出物流量 Q 与 H呈正相关。就排放口下游 1 000 m 断面处的 H1 000 m而言，各参数灵敏度由高到低排序为： 喷口直径 D、喷口数量 n、主管长度 Ln。上述研究是在受纳水体水深较深（ 约 18 m） 条件下开展的，对于浅水环境尚需开展进一步的论证工作。
结合运行经验反馈，美国环保署推荐多孔扩散器喷口射流的流速不宜超过 8 000 m/s，尽管理论上高速射流可加快排放口近区的卷吸掺混，但需在配套工程特性和生态环境影响方面加强关注。
