The offshore oil industry has expanded to deep water and Arctic. The harsh operating conditions (e.g., ice and strong wind) and increasing complicated system raise the occurrence likelihood of system faults. This requires timely fault isolation and management in the subsea system. However, the offshore oil industry mainly relies on humans to isolate faults based on alarms. With harsh operating conditions and increasing complicated system, this industry urgently needs research on more efficient fault isolation and cause diagnosis methods. Unfortunately, limited research is conducted on fault isolation method in the offshore oil industry. Furthermore, in industry 4.0 era, large amounts of information are obtained. This provides precondition for the application of information fusion technique which aims to improve diagnosis results. However, to the authors’ knowledge, information fusion has not been much studied in the fault isolation of the offshore oil industry. Moreover, the interaction of different subsystems contains valuable information. How the interaction of different subsystems can influence the fault diagnosis has not been explored. This paper proposes a Bayesian network (BN) based method for timely fault isolation and cause diagnosis for the offshore oil industry. The work fuses different information, and it also includes the dependency among different subsystems in the fault diagnosis. As an important alarm source, false alarms are also taken into account in the model. A case study on the subject of the subsea wellhead and chemical injection systems is conducted to demonstrate the functions and merits of the proposed method.

离岸石油工业已经扩展到深水和北极。苛刻的运行条件（例如，冰和强风）和日益复杂的系统增加了发生系统故障的可能性。这就要求及时对海底系统进行故障隔离和管理。但是，海上石油工业主要依靠人来基于警报来隔离故障。随着苛刻的工作条件和日益复杂的系统，该行业迫切需要研究更有效的故障隔离和原因诊断方法。不幸的是，在海上石油工业中对故障隔离方法的研究还很有限。此外，在工业4.0时代，获得了大量信息。这为旨在改善诊断结果的信息融合技术的应用提供了前提。然而，据作者所知，在海上石油行业的故障隔离中，对信息融合的研究还很少。此外，不同子系统的交互包含有价值的信息。尚未探讨不同子系统之间的相互作用如何影响故障诊断。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。信息融合在海上石油行业的故障隔离中没有得到太多研究。此外，不同子系统的交互包含有价值的信息。尚未探讨不同子系统之间的相互作用如何影响故障诊断。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。信息融合在海上石油行业的故障隔离中没有得到太多研究。此外，不同子系统的交互包含有价值的信息。尚未探讨不同子系统之间的相互作用如何影响故障诊断。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。不同子系统的交互包含有价值的信息。尚未探讨不同子系统之间的相互作用如何影响故障诊断。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。不同子系统的交互包含有价值的信息。尚未探讨不同子系统之间的相互作用如何影响故障诊断。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。本文提出了一种基于贝叶斯网络的方法，用于海洋石油工业的及时故障隔离和原因诊断。该工作融合了不同的信息，并且在故障诊断中还包括不同子系统之间的依赖性。作为重要的警报源，模型中还考虑了虚假警报。以海底井口和化学注入系统为例进行了案例研究，以证明该方法的功能和优点。