现代工业生产的大规模发展,为人类提供更丰富的物质生活产品的同时,也带来了灾难性事故危害的潜在风险。为了提高工业生产的安全性,安全仪表系统(Safety Instrumented System, SIS)被越来越广泛地应用于现代流程工业,以便在事故发生前能执行其安全功能,避免事故的发生或减少事故发生后造成的危害。安全仪表系统作为流程工业安全生产的关键设施,对其自身的安全可靠性要求很高,但由于自身结构、软件、硬件、周围环境及维护等原因,安全仪表系统本身也存在着安全性问题。为了确保安全生产、避免事故的发生,需要对安全仪表系统的可靠性进行准确的评估,因此,其可靠性评估方法的研究成为功能安全领域研究的热点问题。目前,对安全仪表系统可靠性评估的主要方法有五种,即：故障树、可靠性框图、简化公式法、PDS及Markov模型。前四种模型计算简单,但一次建模所考虑的性能指标有限,存在过多的条件假设,无法动态的反应安全仪表系统各状态之间的动态变化。而Markov模型克服了前四种模型的不足,但也存在未考虑安全仪表系统的参数不确定性、模型的不完整性及人为因素等不确定性因素,使得评估结果仍有不足。由于人为因素较难量化,本文暂不考虑,而参数不确定是指Markov模型中假设各个状态参数值为点值,但在实际应用中各个状态参数会随着使用时间的推移而变化,是一个区间值。其次,为了提高安全仪表系统的可用性和可靠性系统通常采用冗余结构,而在多重冗余结构中对安全可靠性影响最大的是共因失效因子,但Markov模型中采用的β因子模型,不同冗余结构使用相同的共因失效因子β,模型存在不完整性。为了解决Markov可靠性评估模型存在的不确定性问题,本文对现有的可靠性评估模型进行了分析研究。针对Markov模型应用到SIS系统可靠性评估中存在的参数不确定性问题,本文将D-S证据理论的方法引入Markov模型,提出了DS-Markov模型,该模型通过引入D-S证据理论的信度函数和似真度函数来计算由各个状态组成的辨识框架中失效率的区间值,得到两个不同的Markov模型状态转移矩阵,根据不同的状态转移矩阵计算单元或系统的平均要求时失效概率,最终得到一个平均要求时失效概率的区间值。其次,针对SIS可靠性评估中Markov模型的模型不完整性问题,本文结合β因子模型和多重β因子模型提出了一个新的共因失效因子模型—β*模型,β*模型不仅采用共因失效修正因子CMOON来区分不同的冗余结构的共因失效因子,还考虑了安全仪表系统的自诊断性。本文通过DS-Markov模型和Markov模型对常见的冗余结构(1oo1、1oo2、2oo2、2oo3、1oo2D)单元进行可靠性评估,并对结果进行了分析：通过β*模型与β模型对2003冗余结构单元评估并分析了评估结果；再把改进了的模型应用到一个完整的安全仪表系统中验证对其可靠性评估的准确度。实验验证表明本文提出的DS-Markov模型评估均值高于Markov模型评估得到的点值,DS-Markov模型评估准确度更高；本文提出β*模型评估结果均高于β模型,对安全仪表系统的可靠性评估更准确。