基于模糊逻辑的人为差错概率量化方法

为满足人机系统概率风险评估的需要,提出一种人为差错概率量化方法。分析技能、规则和知识为基础(skill,rule and knowledge-based,SRK)框架和行为模式的确定方法Hanaman决策树法,指出在确定行为模式的过程中考虑行为模式影响因素的不确定性是必要的;使用模糊逻辑方法处理行为模式各个影响因素的不确定性,根据Hanaman决策树构建模糊推理规则,利用系统人为行为可靠性程序(systematic human action reliability procedure,SHARP)方法所提供的人为差错概率区间确定人为差错概率的隶属度函数。结果表明:该方法考虑了任务场景的不确定性,可以得到人为差错概率的精确值,满足人机系统概率风险评估的需要。

概率化认知控制模式下人为差错概率的量化方法

在现有成果的基础上,对CREAM方法中的人为差错概率量化进行了改进。介绍了CREAM基本法量化人为差错概率的基本思想;讨论了两种概率化认知控制模式的确定方法:贝叶斯网络法和模糊逻辑法,强调了概率化认知控制模式下量化人为差错概率的必要性。通过理论推导,构建了概率化认知控制模式下人为差错概率的量化方法。另外,为了提高计算效率,提供了人为差错概率的Monte Carlo仿真算法。通过示例分析,证明了方法的有效性。

基于HEART方法的管制员调配飞行冲突的人为差错概率研究

空中交通管制员的核心任务之一是调配飞行冲突,故有必要对管制员调配飞行冲突的可靠性进行分析与评估。本文首次将HEART方法应用于管制员调配飞行冲突的人为差错概率分析,并根据相关人因可靠性分析方法对HEART中的任务分类和差错诱发条件进行了改进,从而提高了该方法在空中交通领域的适用性。改进后的HEART方法能对管制员调配飞行冲突的人为差错概率进行定量分析,并可发现起负面作用的差错诱发条件,可为管理部门有针对性地制定改进措施提供技术支持,对保障空中交通安全有序地运行具有重要的意义。

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括:通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题:验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。

基于HEART方法的驾驶舱处理海上航行冲突中人为差错概率研究

驾驶舱在船舶航行过程中起着非常重要的作用,包含判断与决策过程。这一过程有询问、讨论、确定方案、执行和反馈5个环节。通过分析这5个环节间的相互关系及影响,对人为差错概率进行定量分析,发现起负面作用的差错诱发条件,分析驾驶员对海上航行安全的影响,保障海上交通安全有序地运行,提高HEART方法在海上交通领域的适用性。

采用HEART方法分析管制员调配飞行冲突的人为差错概率的研究

调配飞行冲突是空中交通管制员的一项重要工作内容,一旦其在改在该项工作中出现差错将会造成非常严重的后果,保证其调配飞行冲突的可靠性是非常必要的,在对管制员调配飞行冲突的人为差错率开展分析的过程中,HEART是一种有效的分析方法,本文就主要对此HEART方法在管制员调配飞行冲突人为差错概率分析中的应用予以简单分析。

人为差错概率量化方法综述

综述了人为差错概率的量化方法。首先,介绍了人为差错概率的基本概念,强调了人为差错概率量化的必要性,指出人为差错概率量化不仅是人机系统概率风险评估的重要组成部分,也是制定人为差错规避措施的重要依据。然后,根据人为差错概率量化理论基础的不同,将现有的人为差错概率量化方法分为时间决定论、任务决定论和场景决定论3种类型,针对3种类型中的典型方法,分别从方法的思路、量化过程以及发展现状等方面进行了详细分析。最后,分别从人为差错数据的使用、场景的表征和使用、量化过程使用的模型以及人为差错概率量化的目标和结果等4个方面,对人为差错概率量化方法进行了综合评述,指出了现有方法中所存在的共性问题,并提出改进建议。

基于Bayes估计的民航维修人为差错评估技术研究

研究了基于Bayes估计的民航维修人为差错评估技术。首先,将维修人为差错概率视为随机变量,利用航空公司积累的历史信息作为先验数据,以THERP手册提供的5%分位点作为维修人为差错概率中值,运用点估计法确定维修人为差错的先验分布模型。其次,给出了Bayes先验分布参数的求解方法。最后,选取验后Beta分布的中值作为θ的贝叶斯估计,构建了民航人为维修差错概率计算方法。通过实例分析,可以看出随着维修次数的增多,维修人为差错概率就越接近于极大似然法估计的失效概率。现场数据的检验反映了该评估方法的有效性、精确性和实用性。

基于FIS-CREAM方法的人为差错风险评估

人为差错是影响航空安全的重要风险因素之一。文章根据飞机驾驶人因特点,结合具体飞行任务,基于模糊推理系统构建飞机驾驶人为差错风险量化模型,以识别飞机操纵过程中关键人为差错并确定人为差错的风险严重性,进而评估航空飞行安全。该方法不仅考虑了人为差错的概率,还考虑了人为差错对驾驶舱系统的影响,并提出了人为差错概率、差错影响概率和人为差错后果作为驾驶舱人为差错风险评估的量化指标。选择进近阶段任务作为研究对象并进行案例分析,实验结果表明,该模型能够精确描述人为差错风险严重性与风险指标之间的关系,降低了专家判断的主观性对结果的影响,且有效解决了数据不足引起的不确定性等问题。

维修人为差错控制方法探讨

利用类似MSG-3的逻辑、分类方法,借鉴风险评估的思想构建人为差错控制模型。根据人为差错基本理论以及维修管理经验,通过减少维修机构工作载荷及维修机构人为差错概率,构建"维修机构人为差错控制框图"和方法。结果证明,本文建立的模型(方法)基本覆盖了一般维修单位的人为差错控制环节,并具有系统性、预前性、持续性,在笔者所在的维修单位应用良好。

认知控制模式下的CREAM方法概率量化

研究了人因可靠性分析(Human Reliability Analysis,HRA)中人为差错概率的量化。首先,介绍了认知可靠性与差错分析方法(Cognitive Reliability and Error Analysis Method,CREAM)中基本法的基本理论,讨论了两种概率化认知控制模式的确定方法——贝叶斯网络法和模糊逻辑法,强调了概率化认知控制模式下量化人为差错概率的必要性。然后,在分析认知模式下人为差错概率分布的基础上,通过理论推导,构建了概率化认知控制模式下人为差错概率的量化方法。为了提高计算效率,提供了人为差错概率的蒙特卡洛仿真算法。最后,通过实例,演示了方法的使用过程,并证明了方法的有效性。

一种以人为中心的风险评估算法

从人为差错的辨识、概率计算和后果量化三个方面讨论人因事件风险评估的流程,并针对这三个关键问题设计相关的解决方案。针对人为差错辨识问题,设计一种统一的人为差错基本分类框架,作为差错辨识过程的模板库;针对人为差错概率计算问题,提出首先计算人为差错总体概率,然后结合历史事故统计资料计算具体差错模式发生概率的新方法;针对后果量化问题,按照先定性后定量的原则,设计一种后果量化值的确定方法。