CN103197564A - 数字化人机界面监视单元数量优化方法及系统 - Google Patents

Abstract

本发明公开了一种数字化人机界面监视单元数量优化方法及系统，该方法包括：对待处理的数字化人机界面的监视单元数量进行模糊分段以建立模糊优化因子序列；对模糊优化因子序列进行分段免疫进化以提取模糊优化因子，并分别对提取出的模糊优化因子进行监视人因失误概率计算；判断监视人因失误概率是否趋向稳定，若是则终止进化，若否则返回分段免疫进化的操作；对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。本发明方法及系统能够快速高效地优化出最佳的监视单元数量，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。

Description

数字化人机界面监视单元数量优化方法及系统

技术领域

本发明涉及核电厂数字控制领域，特别地，涉及一种应用于核电厂数字控制系统的数字化人机界面监视单元数量优化方法及系统。 

背景技术

操作人员通过人机界面获取工厂当前运行状况的信息，将获得的信息，经判断、决策之后执行相应的行为动作。经验表明，人机界面设计好坏对人的信息获取，判断等一系列行为将带来影响。在数字控制系统发生的事故中，由人因引起的事故已占主要地位，人因事故已成为当今核电站、化工厂等事故的主要根源，例如，在系统失效中,60％-90％归于人误动作；在1995年美国绩计中，大约70％-90％事件与人有关。 

数字化系统的新特点从根本上改变了操作人员对人机界面的认知行为、监视行为、及应急行为等，而人因事故却是数字化主控室事故的根源，那么怎样改变这种状况呢一方面，可以通过操作人员在整个数字化人机界面中的认知，监视等过程来提高操作人员自身的适应能力、应变能力、判断能力、应急能力等等二另一方面，可以以人因可靠性为基点对数字化人机界面进行优化，这样优化后的人机界面更能减少人因事故发生的隐患。 

现有的人机界面监视单元数量优化方法，主要包括： 

(1)有限微分法 

这种方法是最原始的梯度方法，需要执行多次重复仿真，适用于瞬态和再生仿真。有限微分方法为了获得更加可靠的估计值，需要更多次的运行来求得偏微分，使原本已经很大的运行咸本更高。 

(2)似然比法 

似然比方法又称评分函数，仅需要单次仿真运行就可以得到梯度的估计值，其基本思想是分析系统样本路径的概率测度对随机变量分布函数的依赖关系，通过测度变换获得似然比，进而构造性能测度的估计量。此方法也比较适合数值性问题；该方法是通过一些估计得到结果。 

(3)粒子群优化方法 

使用PSO方法解决优化问题，把每个问题的潜在解定义为搜索空间中的一个粒子01，每个粒子可以用三元组(xi，vi，pi)表示，其中，xi表示粒子的当前位置；vi表示粒子的当前速度；pi表示粒子本身搜索过的最好的位置(个体经验)。 

(4)无约束间接法 

无约束间接法是利用函数性态，通过微分或变分进行求优，主要有梯度法、牛顿法、变尺度法等。梯度法缺点是要求目标函数必须具有一阶偏导数，并需计算，迭代点离最优点远时函数值下降快，越接近最优点收敛速度越慢。牛顿法缺点是要求目标函数必须有一阶、二阶偏导数及海森矩阵非奇异且正定或负定，需要计算一阶、二阶偏导数及海森矩阵的逆阵，程序复杂、计算量大。变尺度法缺点是需计算一阶偏导数，且由于舍入误差和一维搜索的不精确等原因，数值稳定性仍不够理想，有时因计算误差引起变尺度矩阵奇异而导致计算失败。 

(5)有约束直接法 

该方法适用于仅含不等式约束的优化问题，具体有网络法、随机方向搜索法以及复合形法等。 

(6)神经网络方法 

其实神经网络在优化方面应用比较少，神经网络主要用来对输入的权重因子进行修正及过程计算。本研究主要用来对数字化人机界面的监视单元数量优化，并未涉及到对权重因子修正；另一方面，很难找到适合神经网络的激励函数，因此神经网络不适合本研究的监视单元数量优化问题。 

现有的人机界面监视单元数量优化方法的数据运算量大、迭代次数多，无法满足快速设计数字化人机界面监视单元数量的问题，以使得操作人员能快速且准确地获得监控信息，降低因人机界面信息获取导致的人因事故的发生概率。 

发明内容

本发明目的在于提供一种数字化人机界面监视单元数量优化方法，以解决快速对数字化人机界面监视单元的数量进行优化的技术问题。 

本发明的另一目的在于提供一种数字化人机界面监视单元数量优化系统，以解决快速对数字化人机界面监视单元的数量进行优化的技术问题。 

为实现上述目的，本发明采用的技术方案如下： 

一种数字化人机界面监视单元数量优化方法，包括以下步骤： 

对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列； 

对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子； 

依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率； 

判断所述监视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因 子序列的分段免疫进化，若否则返回对所述模糊优化因子序列进行分段免疫进化的步骤； 

对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。 

进一步地，所述监视人因失误概率计算的步骤包括： 

对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率； 

对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算，以计算出该模糊优化因子对应的监视人因失误概率。 

进一步地，所述亲和力失误率运算采用的映射函数为： 

$P_{\mathrm{ij}}=\left(\frac{1}{1+H_{\mathrm{ij}}}\right)*\mathrm{\η}$

其中，η表示常量因子；P_ij表示第i个抗原因子中的第i个模糊优化因子对抗体的亲和力失误率；H_ij表示抗体与抗原之间的亲和力。 

根据本发明的另一方面，一种数字化人机界面监视单元数量优化系统，包括： 

模糊分段模块，用于对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列； 

分段提取模块，用于对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子； 

失误概率计算模块，依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率； 

进化判断模块，用于判断所述监视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回所述分段提取模块以从所述模糊优化因子序列中提取所述模糊优化因子； 

优化选取模块，用于对所述失误概率计算模块获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。 

进一步地，所述失误概率计算模块包括： 

亲和力失误率计算单元，用于对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率； 

失误概率计算单元，用于对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率。 

本发明具有以下有益效果： 

本发明数字化人机界面监视单元数量优化方法，通过采用模糊分段建立用于监视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据量，提升了运算效率，从而能够快速高效地优化出最佳的监视单元数量的取值范围，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。 

本发明数字化人机界面监视单元数量优化系统，通过采用模糊分段建立用于监视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据量，提升了运算效率，从而能够快速高效地优化出最佳的监视单元数量的取值范围，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。 

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。 

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中： 

图1是本发明优选实施例数字化人机界面监视单元数量优化方法的步骤流程示意图； 

图2是图1中步骤S30的流程示意图； 

图3是本发明优选实施例数字化人机界面监视单元数量优化系统的原理方框图；以及 

图4是图3中失误概率计算模块的原理方框图。 

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。 

本发明用于解决数字化人机界面监视单元数量适合度问题，以方便操作员通过人机界面能够快速准确地获取监视信息，以提高数字监控系统的安全可靠性。 

参见图1，本发明的优选实施例提供了一种数字化人机界面监视单元数量优化方法，具体包括以下步骤： 

步骤S10：对待处理的数字化人机界面的监视单元数量进行模糊分段并建立包括多个模糊优化因子的模糊优化因子序列； 

模糊理论主要用于研究现实世界中一些模糊不清的问题，并使之清晰化。本发明利用模糊理论并结合并研究对象，即数字化人机界面的监视单元数量，将监视单元数量进行模糊分段以构成模糊优化因子。故模糊优化因子是对监视单元数量的数量段进行编码的，并不是对一个具体的数量值进行编码。例如，设定监视单元数量取值范围为1-20，故模糊优化因子并不是1-20之间的一个具体数值，而只能是位于1-20数量范围内的数量段。如将1-20分为[1，5]、[6，10]、[11，15]、[16，20]四个模糊段，则最后的优化结果则为上述4个模糊段中的一个模糊段。 

步骤S20：对模糊优化因子序列进行分段免疫进化以从模糊优化因子序列中提取出模糊优化因子； 

传统优化方法在求解中小规模的优化问题时能够达到较高的速度和精度，但实际生活中大多数情况下面临的均是NP完全问题，由于求解复杂度较大，传统的优化方法已不能适应，因为不可避免的出现“维数灾”问题。在实践中有时为了避免这种情况，经常采用强行中止，这必然导致大量的解空间被丢弃。于是开始寻求新的算法，例如：模拟退火算法，蚁群算法，粒子群算法，鱼群算法等等。本发明中，对基于模糊分段的模糊优化因子序列采用分段免疫进化方法搜索模糊优化因子，对于搜索得到的模糊优化因子进行监视人因失误概率计算。 

具体的分段免疫进化方法可以分解为以下步骤： 

先对模糊优化因子序列中的模糊段按模糊集由小到大的顺序进行排列，分别对队列Q1，Q2进行初始化； 

取模糊优化因子序列当中的中问段d_m1进队列Q1，对队列Q1进行出队操作，这时中间段d_m1将原模糊优化因子序列分为两个子序列； 

将队列Q1出队的模糊段按步长n，段数m再分段，依次把这些段进入队列Q2， 

队列Q2中的模糊段出列，并依次对模糊段进行监视人因失误概率计算，直至队列Q2为空： 

重复返回至构建队列01的步骤，具体为经提取中问段d_m1后，余下的模糊段被中间段d_m1分为两个子序列，分别取上述两个子序列的中间段进队列01； 

这样不断重复，直至计算出的模糊段的监视人因失误概率趋于稳定，即提取出的模糊优化因子的监视人因失误概率中最大值与最小值的差值小于预设阈值。 

步骤S30：依次对提取出的模糊优化因子进行监视人因失误概率计算，以获取提取出的模糊优化因子的监视人因失误概率； 

在模糊优化因子序列中采用分段免疫进化方法提取出的模糊段即为模糊优化因子，参照图2，对模糊优化因子进行监视人因失误概率计算的步骤包括： 

步骤S31：对提取出的模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率； 

其中，亲和力失误率运算的映射函数为： 

$P_{\mathrm{ij}}=\left(\frac{1}{1+H_{\mathrm{ij}}}\right)*\mathrm{\η}---\left(1\right)$

在公式(1)中，η表示常量因子；P_ij，表示第i个抗原因子中的第j个模糊优化因子对抗体的亲和力失误率；H_ij表示抗体与抗原之间的亲和力，当数字化人机界面监视单元的优化因子取不同模糊集时，得到的H_ij就会不同，因此，通过调整H_ij就可以达到对人机界面因子的优化。从公式(1)可知，数字化人机界面参数数量设计的亲和力越好，亲和力失误率P_ij就越小，而亲和力失误率P_ij会最终影响监视人因失误概率的计算。 

步骤32：对提取出的模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率。 

通过执行步骤S31和S32，即可对经分段进化提取出的各个模糊段进行监视人因失误概率计算，以得到各模糊段对应的监视人因失误概率。 

其中，监视转移马尔可夫人因可靠性模型的定义如下： 

p{MS_i，H_i，D_i}=p(MS_i，H_i，D_i|MS_i-1}=p{MS_i|H_im，D_i}+(p{H_im}+p{D_i})    (2) 

在公式(2)中，p{MS_i，H_i，D_i}表示在人因、决策行为影响下，监视第i个目标的失误概率；p(MS_i，H_i，D_i|MS_i-1}表示在人的影响因子及决策行为影响下，从第i-1个目标转移到第i个目标的失误率；p{MS_i|H_im，D_i}表示在人的影响因子及决策行为影响下，监视第i个目标的失误率；p{H_im}表示监视中，人的影响因子所造成有监视失误率，p{D_i}表示监视中，决策行为造成的监视失误率。对p{H_im}的计算考虑了模糊数量优化因子、人的影响因子及监视时间，p{H_im}的计算式中包含了亲和力失误率P_ij，故在应用监视转移马尔可夫人因可靠性模型计算监视人因失误概率需要先计算出亲和力失误率P_ij。 

步骤S40：判断监视人因失误概率是否趋向稳定，即判断取出的模糊优化因子的监视人因失误概率中最大值与最小值的差值是否小于预定阈值，若是则终止对模糊优化因子序列进行分段免疫进化，执行步骤S50；若否则返回步骤S20继续对模糊优化因子序列进行分段免疫进化，以提取深度进化的模糊段作为模糊优化因子。 

步骤S50：对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。 

本发明数字化人机界面监视单元数量优化方法，通过采用模糊分段建立监视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据量，提升了运算效率，从而能够快速高效地优化出最佳的监视单元数量的取值范围，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。 

本发明优选实施例选取在蒸汽发生器传热管断裂过程中的误安注事件中能总体反映工厂 状态的人机界面来进行数量优化。该试验过程先也需要对该数字化人机界面进行分区，因为我们将对每个功能分区中的警告因子，参数因子及信息显示因子的数量进行优化。我们以误安注主界面为例进行考虑。实验用到的模拟界面共46个，其中35个辅助界面是该情景下相关的人机界面，另外11个界面是原始界面及各功能块参数数量变量过程中的演化界面，是优化的对象。这些人机界面均可通过Visual studio.net语言平台开发出来，由于界面较多，这里不予列出。 

实验过程如下： 

先对每个功能块的因子设定一个范围及分段数，即进行模糊优化因子编码；模糊段取范围区间的平均分段值，在免疫进化过程中，可以动态改变因子的取值范围和模糊分段数； 

利用免疫分段进化方法对模糊优化因子序列进行分段进化以提取模糊段作为模糊优化因子； 

对各模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率； 

对提取出的模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率； 

判断监视人因失误概率是否趋向稳定，在监视人因失误概率趋向稳定的情况下，终止进化； 

比较监视人因失误概率，提取监视人因失误概率最小的模糊优化因子作为监视单元数量最优的模糊段。 

本实施例通过实验获得了原始界面及每次分段免疫进化后界面的有关实验数据，再根据实验数据通过计算方法进行计算，得到每种功能块数量的失误情况，再把每种失误情况进行比较，从而找出比较好的功能块模糊数量，从而达到优化的目的。通过分析我们得到了蒸汽发生器传热管断裂过程中误发安注功能块几个对象的数量优化的最好结果。 

对该试验获得的数据进行分析，可以得到以下两点：第一，分段免疫进化方法在达到最优解时的平均进化次数比顺序进化次数少得多；第二，本发明分段免疫进化方法具有收敛快，稳定性高，灵敏度好等优点。 

参照图3，一种数字化人机界面监视单元数量优化系统100，包括： 

模糊分段模块110，用于对待处理的数字化人机界面的监视单元数量进行模糊分段并建立包括多个模糊优化因子的模糊优化因子序列； 

分段提取模块120，用于对模糊优化因子序列进行分段免疫进化以从模糊优化因子序列中提取模糊优化因子； 

失误概率计算模块130，用于依次对提取出的模糊优化因子进行监视人因失误概率计算，以获取提取出的模糊优化因子的监视人因失误概率； 

进化判断模块140，用于判断失误概率计算模块130计算出的监视人因失误概率是否趋向 稳定，即判断提取出的模糊优化因子的监视人因失误概率中最大值与最小值的差值是否小于预定阈值，若是则终止进化，若否则返回分段提取模块120，以继续从模糊优化因子序列中选取模糊优化因子； 

优化选取模块150，用于对失误概率计算模块130获得的多个盟视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。 

进一步地，参照图4，失误概率计算模块130包括： 

亲和力失误率计算单元131，用于对提取出的模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率； 

失误概率计算单元132，用于对提取出的模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率。 

本发明数字化人机界面监视单元数量优化系统，通过采用模糊分段建立用于临视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据量，提升了运算效率，从而能够快速高效地优化出最佳的监视单元数量的取值范围，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。 

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (5)

1.一种数字化人机界面监视单元数量优化方法，其特征在于，包括以下步骤：

对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列；

对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子；

依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率；

判断所述临视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回对所述模糊优化因子序列进行分段免疫进化的步骤；

对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。

2.根据权利要求1所述的数字化人机界面监视单元数量优化方法，其特征在于，

所述监视人因失误概率计算的步骤包括：

对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率；

对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算，以计算出该模糊优化因子对应的监视人因失误概率。

3.根据权利要求2所述的数字化人机界面监视单元数量优化方法，其特征在于，

所述亲和力失误率运算采用的映射函数为：

$P_{\mathrm{ij}}=\left(\frac{1}{1+H_{\mathrm{ij}}}\right)*\mathrm{\η}$

其中，η表示常量因子；P_ij表示第i个抗原因子中的第j个模糊优化因子对抗体的亲和力失误率；H_ij表示所述抗体与抗原之间的亲和力。

4.一种数字化人机界面监视单元数量优化系统，其特征在于，包括：

模糊分段模块，用于对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列；

分段提取模块，用于对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子；

失误概率计算模块，依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率；

进化判断模块，用于判断所述监视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回所述分段提取模块以从所述模糊优化因子序列中提取所述模糊优化因子；

优化选取模块，用于对所述失误概率计算模块获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。

5.根据权利要求4所述的数字化人机界面监视单元数量优化系统，其特征在于，

所述失误概率计算模块包括：

亲和力失误率计算单元，用于对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率；

失误概率计算单元，用于对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率。

Images