浮式生产系统(Floating Production Storage and Offloading Units,FPSO)外输作业的环境条件较港口码头更为恶劣,且作业过程中多浮体的运动使作业条件更加复杂,极易发生碰撞、油气泄漏等事故。为了将事故隐患消灭在萌芽阶段,对FPSO外输作业进行风险识别,深入分析作业过程中的事故演化规律,并对高发事故进行预警研究,以期为FPSO外输作业提供安全保障。针对FPSO外输作业风险研究现状中存在的不足,本文开展以下3个方面的研究:(1)针对现有的FPSO外输作业事故演化规律研究仅将事故视为单个事件的有序发生或潜在因素的层级叠加等问题,提出一种基于功能共振事故模型(Functional Resonance Accident Model,FRAM)的FPSO外输作业事故演化规律研究方法,全面揭示FPSO外输系统风险因素间的动态性和耦合关系。首先基于FRAM的一般性能条件,识别导致FPSO外输事故发生的人员、技术和组织因素;其次评价功能性能变化,用以确定关键作业环节和事故演化过程;最后制定防控屏障来预防事故发生。以“FPSO+原油中转船(Cargo Transfer Vessel,CTV)+普通油轮”外输作业(简称CTV卸油作业)方式为例,进行事故演化规律研究,结果表明:靠泊和卸油阶段是事故高发的关键作业环节,操作人员的综合素质、CTV的靠泊技术、CTV与FPSO双方的沟通效果等是诱导事故发生的关键因素。(2)针对FPSO外输作业存在失效概率难以确定、故障数据和相关信息缺失等问题,提出了一种基于直觉模糊集和多准则妥协解排序法(Vlsekriterijumska Optimizacija I Kompromisno Resenje,VIKOR)的风险评估方法,从而实现FPSO外输作业风险因素的分级监管。首先通过信任度函数和熵值法分别对评分专家和评估准则进行客观赋权,获得评估矩阵;其次确定各风险因素在评估准则下的最优项和最差项;最后根据各风险因素的评价值与最优项之间的距离进行风险排序。该风险评估方法将“FPSO+CTV+普通油轮”外输作业的风险因素分为3级:特大风险共有7个,重大风险共有11个,一般风险共有7个。(3)针对现有研究无法实现FPSO外输作业事故实时预警,以及安全预警模型多采用单一数据集进行训练,模型泛化能力差等问题,提出了一种基于交叉验证支持向量机(Support Vector Machine,SVM)的FPSO外输作业碰撞事故预警方法。首先将样本数据划分为多个子集,每次保留任意1个子集作为检测样本进行反复训练;然后在SVM的参数空间内寻优,找到误差最小时的参数值,得到FPSO外输作业碰撞事故预警模型;最后将现场风浪流的实时监测数据输入到预警模型中,预测油轮的运动趋势,并对危险情况进行预警。该模型预测CTV卸油作业过程中普通油轮纵荡和横荡幅值的均方误差分别为0.53和0.41,均优于常规SVM模型,具有更好的泛化能力和准确性。