CN107609753A - 一种面向航天在轨任务的人因可靠性分析及量化方法 - Google Patents

Abstract

本发明公开了一种面向航天在轨任务的人因可靠性分析及量化方法。为充分考虑太空环境对在轨人员可靠性的影响，区别于传统方法基于陆地环境设置的绩效形成因子(PSF)，本发明提出针对空间环境的PSF，建立空间PSF评价系统。然后，构建基于贝斯网络的认知控制模式(COCOM)评估模型，获取人的COCOM。最后，提出人为失误概率(HEP)量化方法，确定特定在轨任务的人因可靠性，为预防和减少人为差错提供量化依据。最终，通过分析两个数字模拟案例和一个国际空间站在轨维修任务案例，验证本方法的可行性与有效性。

Description

一种面向航天在轨任务的人因可靠性分析及量化方法

技术领域

本发明涉及航天在轨工程与人因可靠性技术领域，具体涉及一种面向航天在轨任务的人因可靠性分析及量化方法。

背景技术

航天飞行和空间探索的重要性以及宇航员在太空中的任务活动受到全世界关注，载人航天和探月工程也是我国的重大工程项目。为了确保航天飞行任务的成功，航天员与航天器的安全至关重要。然而，随着复杂系统可靠性的不断提高，人为错误已成为航天任务系统可靠性的薄弱环节，并极可能导致任务故障或灾难性事故的发生。美国国家航空航天局(NASA)指出，1990年至1993年间，在所记录的航天事故中有80-85％与人为错误有关。除了人因差错发生的范围广之外，发生人因差错所造成的损失也极为重大，往往是灾难性的或不可挽回的。未来的人类空间任务将持续时间很长，空间极端环境对生活和执行任务的航天员将会产生不同的影响，这些影响将不可避免的影响人的可靠性，从而危害任务成功完成以及航天器的安全。

基于以上情况，研究人因可靠性分析(HRA)方法来对载人航天器的人为差错进行预测和减少是至关重要的。然而，现有的大量HRA方法都源于核电、煤矿等陆地环境的工程领域。由于源于陆地工作环境的人类PSF并不能代表各种独特的空间环境影响，所以现在还没有一种能够充分考虑空间环境特异性的人因可靠性分析与量化方法。

2006年，NASA主办了一次空间人因可靠性技术交流会，目标是从50多种现有的HRA方法中确定适用于NASA太空任务的HRA方法。会议推荐第二代HRA方法的代表性分析方法——“认知可靠性和误差分析方法”(CREAM)用于分析和预测空间任务中的人因可靠性。然而，CREAM最初是为核领域开发的，这意味着在这种方法中考虑的PSF是基于对陆地环境对人类行为的影响。长时间空间飞行环境对人类的影响，例如微重力，加速度，振动和隔离等因素并未考虑在内。此外，由于在复杂而不确定的空间环境中执行的任务的信息和统计数据通常不可用，由空间环境的复杂性和多变性引起的不确定性也无法通过CREAM表达，导致难以有效准确的获得HEP，这必然影响到该方法评估结果的有效性与可行性。

本发明针对我国载人航天工程的需求，基于当前国内外研究缺乏有效的航天人因可靠性分析与量化方法的现状，提出了一种面向航天在轨任务的人因可靠性分析及量化方法。该方法综合分析空间环境的特异性，考虑空间环境对人类行为的影响因素，定义了9种空间环境PSF，构造空间PSF评价体系，构建基于贝叶斯网络的COCOM评估模型，评估人的COCOM，最终提出航天人因可靠性HEP动态量化方法，达到分析与量化评估航天任务中人的可靠性的目的。

发明内容

本发明要解决的技术问题为：太空环境微重力等极端特异性环境对航天人员的行为活动造成影响，当前缺乏能够考虑空间环境影响因素的人因可靠性分析和量化方法，达到预防与减少人为失误的目的，危害航天员的安全，威胁航天任务的成功。本发明旨在提出一种针对太空环境，面向航天在轨任务的人因可靠性分析和量化方法。

本发明采用的技术方案为：一种面向航天在轨任务的人因可靠性分析及量化方法，该方法包括如下步骤：

步骤(1)、基于空间环境的人的绩效评估；

步骤(2)、基于贝叶斯网络模型的认知控制模式评估；

步骤(3)、面向航天在轨任务的人因差错概率量化。

其中，步骤(1)具体包括以下步骤：

1)基于空间的人因PSF定义

与陆地环境不同，空间的极端环境存在许多威胁宇航员健康的因素。这些因素中有一些是空间环境固有的，如微重力，加速度和辐射等。其他的一些因素则与神经心理学有关，如航天员的心理状态、任务压力和一些社会层面的因素。这些航天任务特有的环境特性会影响人的认知绩效和任务的成功。考虑空间环境的特异性，将影响人表现的因素定义为以下九种基于空间人因PSF。

1.微重力适应性

微重力是区别太空环境与陆地环境最为显著的特征之一。在地球上，重力有助于人类分辨自己在空间中的方向并控制自己的姿态。对人类来说，感知是一种认知过程，人们感知对象的方式会影响他们对环境的看法。然而，在微重力环境中，通常情况下人类感知系统被破坏，人们不能依据从眼睛，肌肉和关节接收到的输入区分他们的方向。对于长期处在太空中的航天员来说，微重力改变了他们对环境的感知方式，从而导致了持续后果的幻觉。有研究表明，在航天任务的第一周，大约有70％的航天员会遭遇空间晕车(Space MotionSickness,SMS)。表1为NASA根据症状的严重程度对SMS现象的分类。

表1.根据症状的严重程度对SMS现象的分类

严重程度	表现
		无	没有迹象或症状发生
轻微	产生一个或多个暂时症状，无操作影响，所有症状在36-48小时内消失
		中度	持续性的几个症状，操作影响较小，所有症状在72h内消失
严重	持续性的几个症状，绩效下降显着，症状可能持续超过72小时

2.航天器的物理环境

符合人体工程学设计的航天器物理环境可以大大提高航天员绩效并减少人为错误。在设计这些物理环境的特征时，如内部气体、水系统、污染控制，加速度，声学，振动，辐射和温度等物理环境，人的容忍程度应考虑在内。否则的话，可能会发生操作错误甚至对宇航员产生伤害。例如，超过加速度的限制可能会严重干扰航天员活动并造成伤害，从而威胁任务成功和机组人员的生存。相类似的，其他物理因素也需要合理的设计使宇航员保持高性能。

3.居住性功能

由于需要长时间在用于任务的飞船上生活和工作，所提供的居住性功能的质量，包括食物和营养，医疗设施，垃圾管理系统，娱乐能力，个人卫生，身体废物管理和生理对策，对宇航员有着至关重要的影响。居住性功能质量是指人员占用所需系统的特征，每个功能的具体需求和设计随任务类型而异。例如，一些研究表明太空中的长期居住可以使宇航员产生负面的情绪状态，如孤独和单调。因此，需要提供相应的娱乐能力，以维持航天员行为和心理健康。

4.睡眠和昼夜节律

高质量的睡眠可以提高认知能力，而睡眠不良导致疲劳并降低人的认知。许多太空任务中已经报告存在失眠，疲劳和睡眠质量差的现象。长周期航天任务中，航天员的睡眠质量将不可避免地被改变，进而出现问题，影响宇航员的表现。由于生物钟具有自然的昼夜节律，因此优质睡眠倾向于与其同步。由于缺乏与之相对的环境因素，例如自然光和昼夜循环中的光强变化，所以在空间环境比在陆地环境更难以保持昼夜交替的生物钟。昼夜节律生物钟的破坏可能导致宇航员的生物学障碍，对身体和精神健康产生不利影响，并降低他们的认知能力。

5.硬件和设备系统

太空舱内的硬件和设备是一个庞大而复杂的系统，其组件范围遍及小物件(如工具和抽屉)到大型和复杂的系统(如交互界面和国际空间站架)。良好设计的太空舱硬件和设备系统具有以下属性：硬件和设备的标准化，对训练的需求最小化，安全性和效率。如果设计良好，机组人员可以方便地组装和拆卸可维修设备，妥善管理电缆并直观地与系统进行交互。相比之下，设计不充分容易导致操作员错误，甚至导致任务失败。

6.地面支持和通讯

地面支持和交流是非常重要的一个因素，因为在长时间太空任务期间直接可用的信息很少。来自Mir，Skyla和Apollo的数据以及仿真表明，缺乏地面支持和沟通会导致很多问题。在长期任务期间，地面控制小组将面临与航天器失去联系的风险，并无法做出准确的判断。除此之外，航天员和地面支援人员在连线时存在延迟的现象，例如从地球到火星的通信延迟达到37分钟。因此，提供一套充分完整的地面后勤支持系统与有效的同信策略在为确保空间任务安全中扮演重要的角色。

7.训练和程序的充分性

航天员接受空间环境的模拟训练，并在地面条件下实施航天器的操作程序是至关重要的。一方面，在实际的太空飞行任务中，通过遥测提供地面支援是无法预测具体的航天在轨情景。另一方面，航天员个体差异很大。因此，不同航天员可能需要进行不同类型的训练，以达到对航天器的最低可接受的训练准备水平。此外，程序和计划的可用性是非常重要的。航天员总是需要在非常困难的条件下执行多个任务，详细列出操作程序比要求航天员记住这些程序要容易一些。

8.任务压力

在极具挑战性的空间环境中，航天员的认知受到任务压力的影响。陆地研究表明，人的认知能力和表现在压力作用下容易恶化。研究表明，空间任务中的各种精神运动功能都有退化，包括中枢姿势功能，目标运动速度和准确度，内部时间保持，注意过程，肢体位置感觉以及并发任务的中央管理。任务压力在人类的表现中起着重要的作用，因此在任何基于空间的HRA研究中都应该考虑。

9.心理和社会因素

最后一个关键因素是航天员的心理和社会状况。大量研究表明，在执行长时间太空任务时，航天员将受到许多心理和社会因素的影响。这些问题最终可能会导致潜在的危险情况，如失去动力，孤独，表现不佳和抑郁。因此，人类心理社会方面的因素应与认知可靠性一起考虑。

2)基于空间的PSF评价体系构建

为了评价上述基于空间环境的PSF，本发明提出基于空间PSF的评价体系。

首先，对于9种基于空间的PSF的一般评价规则如表2所示。通过表2，每个基于空间的PSF对人的影响都可以通过“对绩效可靠性的预期影响”表达出来。

表2.空间PSF评估系统

然后，本发明定义9种PSF之间不是相互独立的，不同PSF之间存在着依赖关系。受影响的PSF称为主PSF，影响该主PSF的PSF称为从PSF。通过分析，9种PSF中有3个主PSF。如表3所示，为这3种主PSF与其相应的从PSF。

表3.空间基于PSF的调整规则

最后，从PSF对主PSF的影响方式为：当主PSF“对绩效可靠性的预期影响”为“不重要”时，主PSF受从PSF的影响，且主PSF的“对绩效可靠性的预期影响”根据从PSF的“对绩效可靠性的预期影响”调整成“改进”或“降低”。

举个例子，如表4所示，当主PSF(4.睡眠和节律)的状态为“不重要”时，且其从PSF(1.微重力适应性)和(3.居住性功能)的状态皆为“改进”时，主PSF的状态改为“改进”；当主PSF(4.睡眠和节律)的状态为“不重要”时，且其从PSF(1.微重力适应性)和(3.居住性功能)的状态皆为“降低”时，主PSF的状态改为“降低”；其他时候，主PSF的状态保持不变。

表4.主PSF“睡眠和昼夜节律”的调整规则

因此，如上所述构建了基于空间的PSF及其评估体系，能够充分考虑和恰当表达长时空间任务期间对人类表现产生重大影响的复杂多样的空间环境因素。

其中，步骤(2)具体包括以下步骤：

1)构建基本贝叶斯网络gi，确定第i个PSF的主要影响集合；

2)构建调整贝叶斯网络h_j，调整主PSF的主要影响；

3)构建分组贝叶斯网络l_k，确定每组PSF得分；

4)构建评分贝叶斯网络u，确定PSF的总得分；

5)构建识别贝叶斯网络p，确定人的认知控制模式(COCOM)。

为了描述空间环境的不确定性和基于空间的PSF之间的依赖关系，建立了基于空间PSF的贝叶斯网络模型，以此来确定每种COCOM(人的认知控制模式)概率。构造该贝叶斯网络模型的过程由五个步骤组成，如下所述。

1)构建基本贝叶斯网络g_i，确定第i个PSF的主要影响集合

第一步是为评估每个PSF的主要影响，定义一个基本的贝叶斯网络gi(i＝1,2,3,…,9)，如图2示。根据表2，g_i确定第i个PSF的主要影响。PSFi被定义为第i个PSF的评价等级集合。例如，PSF1是“微重力适应性”的评价等级集合，被定义为：{很好，好，一般，差}。主要影响被定义为对绩效可靠性的一组预期影响，由三个状态组成：{降低，不重要，改进}。如表6所示，为对应于基本贝叶斯网络g₁的条件概率表。因此，当PSF1的等级被评价为“很好”时，通过g₁所对应的条件概率表，可以确定PSF1的主要影响为{改进}。

表5.g₁的条件概率表

2)构建调整贝叶斯网络h_j，调整主PSF的主要影响

第二步是根据主从PSF之间的依赖关系，构建调整贝叶斯网络h_j，调整主PSF的主要影响。根据表3，考虑主从PSF之间的依赖关系，建立如图3示的调整贝叶斯网络h_j(j＝4,6,9)。例如，第4个PSF为主PSF，受到第1和第3个PSF的影响，其调整的条件概率表如表4所示。当PSF4通过第一步确定主要影响为{不重要}，PSF1和PSF3分别被评价为{降低}和{降低}时，根据调整贝叶斯网络h_j，PSF4的主要影响被调整为{降低}。

3)构建分组贝叶斯网络l_k，确定每组PSF得分

为确定总的PSF得分，需根据9个PSF主要影响为减少和改进状态的总数来定义，并且被表示为{导致可靠性降低的PSF的数量，导致可靠性改进的PSF的数量}，这有55个可能的状态。为减少计算的复杂性，将九个PSF分为三组，第一组为PSF1，PSF2和PSF3；第二组为PSF4，PSF5和PSF6；第三组为PSF7，PSF8和PSF9。

因此，第三步为构建分组贝叶斯网络l_k(k＝1,2,3)，如图4示，确定每组PSF的分组得分。其中，分组k被定义为第k个分组内三个PSF得分集合：{组内PSF降低的个数，组内PSF改进的个数}。因此，分组k包含有10种状态，分别为{(0,0),(0,1),(0,2),(0,3),(1,0),(1,1),(1,2),(2,0),(2,1),(3,0)}，且每个分组的条件概率表是相同的，如表6所示。

表6.分组l_k的条件概率表

4)构建评分贝叶斯网络u，确定PSF的总得分

第四步为构造评分贝叶斯网络u确定三组PSF的总得分，如图5示。其中总得分具有55个可能状态：{(0,0),(0,1),(0,2),…,(7,2),(8,0),(8,1),(9,0)}。因此，可以确定总的PSF得分。由于评分贝叶斯网络u的条件概率表太大，并且其形式如表6，不在文中给出。

5)构建识别贝叶斯网络p，确定人的认知控制模式(COCOM)

最后一步是构建一个识别贝叶斯网络p，如图6示。其中，COCOM有四种状态，分别为{战略控制模式，战术控制模式，机会控制模式，扰乱控制模式}，对应识别贝叶斯网络p的条件概率表如图7示，该条件概率表是基于常用的第二代人因可靠性分析方法CREAM。

最终，如图8所示，描述了已经构建完整的基于空间PSF的贝叶斯网络，以此来确定COCOM。输入为每个PSF评价等级的概率，通过该模型，输出COCOM的概率。在正常明确各种环境条件的情形下，每个PSF的评价等级为确定的，即每个PSF的主要影响为“改进”、“降低”或“不重要”为确定的，此时各PSF主要影响的输入为整数1或0，获得确定的COCOM，即输出某个COCOM的概率为1，其他模式为0。当条件环境或数据不充分时，通过评价每个PSF各主要影响的可能性，即分配每种主要影响一个概率，使各个主要影响概率之和为1作为输入，通过模型，计算得到四种COCOM的概率。因此，该模型既可以处理确定条件的情况，亦可处理不确定条件的情况。

其中，步骤(3)具体包括以下步骤：

1)基于贝叶斯网络模型的人因差错概率(HEP)量化。

为了量化HEP，必须确定每种COCOM所对应的人的失误概率(HEP)。这些值可以由专家根据统计数据确定，并定义为U_Cm(m＝1,2,3,4)表示。

因此，HEP可以通过以下公式获得：

其中H表示HEP，Cm表示第m个COCOM，UCm表示第m个COCOM的对应的标准HEP，p(Cm)表示第m个COCOM的概率。本发明中采用统计数据，如表7所示的人的控制模式失误概率表，来确定最终的HEP。

表7.概率计算示例中四个COCOM的概率分布

COCOM	战略控制模式	战术控制模式	机会控制模式	扰乱控制模式
					UCm	2.24×10-4	0.01	0.0708	0.316

本发明与现有技术相比的优点在于：

(1)本发明充分考虑与分析了航天任务中影响航天员的环境因素，并将这些因素进行归纳总结，定义为9种空间环境的绩效影响因素(PSF)，提出基于空间的PSF评价体系，为分析空间环境中人因可靠性奠定基础。现有的方法并没有分析和考虑针对空间环境或航天任务的PSF，无法充分与完整的分析该环境中人的可靠性。

(2)本发明针对航天在轨任务的不确定性与太空环境的复杂性，构建基于空间PSF的贝叶斯网络模型，量化分析与评估航天员的人因可靠性。该模型不仅充分考虑空间环境对人的影响，还能够通过动态评估与更新HEP，克服由于可信性数据缺失导致的不确定性所造成的困难。现有方法都是需要有确定性的数据输入才能进行分析，这造成了当前分析方法易受评价人员的主观影响。

附图说明

图1为本发明一种面向航天在轨任务的人因可靠性分析及量化方法原理图；

图2为确定每个PSF主要影响的基本贝叶斯网络；

图3为调整主PSF的调整贝叶斯网络；

图4为分组贝叶斯网络；

图5为总得分贝叶斯网络；

图6为识别贝叶斯网络；

图7为识别贝叶斯网络的条件概率表；

图8为基于空间PSF的贝叶斯网络模型；

图9为确定环境下的贝叶斯网络；

图10为不确定环境下的贝叶斯网络；

图11为第一项子任务的贝叶斯网络；

图12为与CREAM评估结果对比图。

具体实施方式

下面结合附图以及具体实施方式进一步说明本发明。

为了具体说明本发明的方法，本发明对两个数字模拟案例和一个实际的空间飞行任务情景共3个案例进行分析。

1)案例1：环境条件及输入数据确定的情况

案例1为第一个数字模拟案例，假设输入数据为确定的情形，以此证明本发明在输入数据确定情形下的分析与量化能力。

步骤(1)、基于空间环境的人的绩效评估；

模拟情境假设输入数据确定，即对人的绩效评估如表8所示。

表8.确定性计算示例的PSF的级别

根据步骤1中对于主从PSF依赖性的调整规则，在此情形下，没有PSF的主要影响需要进行调整。

步骤(2)、基于贝叶斯网络模型的认知控制模式评估；

通过构建如图8所示的基于空间PSF的贝叶斯网络，获得该情境下的COCOM，如图9(该图为软件自动生成结果图)所示。输入数据为PSF1-PSF9的主要影响集合为{“降低”，“降低”，“不重要”，“降低”，“不重要”，“改进”，“改进”，“降低”，“不重要”}，因此PSF总得分为{(4,2)}，最终确定该情境下的COCOM为“机会控制模式”。

步骤(3)、面向航天在轨任务的人因差错概率量化。

根据7，得到在此空间环境与条件下，航天员的HEP为0.0708。

由此，可以发现在确定环境条件情境下，最终得到的COCOM和HEP与传统CREAM方法计算获得COCOM和HEP的方式相同，验证了本发明针对确定情形下的可行性和有效性。

2)案例2：环境条件及输入数据完全不确定的情况

案例2为第二个数字模拟案例，假设输入数据为完全不确定的情形，以此证明本发明在输入数据不确定情形下的分析与量化能力。

步骤(1)、基于空间环境的人的绩效评估；

由于是数字模拟案例，因此考虑最为极端的情形，即所有PSF的影响和等级完全无法评价。在这种情况下，考虑每个PSF的每个等级出现的概率是一样的，即分配给每个PSF每种等级同等的出现概率。例如，PSF1等级集合为{“很好”，“好”，“一般”，“差”}，那么在此情境中假设每种等级出现的概率都为0.25。以此类推，每个PSF的输入都通过平均出现概率的方式输入到网络，具体输入如表9所示。

表9.不确定环境下PSF输入数据

步骤(2)、基于贝叶斯网络模型的认知控制模式评估；

通过构建如图8所示的基于空间PSF的贝叶斯网络，获得该情境下的COCOM，如图10(该图为软件自动生成结果图)所示。最终确定该情境下的COCOM出现的概率如表。

表10.不确定环境下COCOM评估表

步骤(3)、面向航天在轨任务的人因差错概率量化。

根据表7和表10对于COCOM的概率评估，则该情境下的HEP为：

通过此案例，得到本发明方法不仅可以处理确定环境条件下的人因可靠性，更重要的是在数据不可用或者不完全的时候，也可以分析评估得到当前已知状态下的人因可靠性，大大提高了方法的可用性和适用范围。除此之外，随着环境条件的确定，该方法还可以通过更新和完整输入数据，以此越来越接近案例1那种确定形式的评估，区别于当前方法的静态评估，是一种动态更新的方法

3)案例3：一个实际的空间飞行任务情景

案例3针对一个实际的空间飞行任务情景进行案例分析。

在轨维修(IFM)是一种航天员经常执行的任务，在这种任务中航天员需要执行常规的预防性维修或者针对系统异常进行修复性维修。这样的在轨维修任务通常涉及许多航天员活动。

步骤(1)、基于空间环境的人的绩效评估；

此案例分析的任务为HTV货运飞船节点2天顶上入口前庭配置的在轨维修任务。该任务为货运飞船在对接到国际空间站后，为节点2的模块舱口与货运飞船货车舱口的打开做准备。航天员必须从国际空间站给货运飞船提供内部动力和安装通信管线。该任务的具体细节可以参考文献(Calhoun J,Savoie C,Randolph-Gips M,Bozkurt I.HumanReliability Analysis in Spaceflight Applications.Quality and ReliabilityEngineering International.2013,29:869-82.)。

经过分析，该任务由21项子任务组成。然而，由于缺乏有效的人因可靠性绩效数据，有些PSF的评价等级和主要影响无法确定。通过运用本发明，能够综合考虑航天环境与数据不确定性。例如21项子任务中的第一项任务“打开节点2最低点舱口”，其PSF评价等级输入如表11所示。

表11.第一项子任务的PSF输入数据表

绩效因子名称	评价等级	对绩效可靠性的预期影响	概率
				1.微重力适应性	不清楚	不清楚	均匀分布
2.航天器的物理环境	可以忍受的	降低	1
				3.居住性功能	不清楚	不清楚	均匀分布
4.睡眠和昼夜节律	不清楚	不清楚	均匀分布
				5.硬件和设备系统	可以支持	不重要	1
6.地面支持和通讯	不清楚	不清楚	均匀分布
				7.训练和程序的充分性	充足，完整	改进	1
8.任务压力	紧急	降低	1
				9.心理和社会因素	适当的	不重要	1

以此类推，通过这种方式，21项任务的PSF等级能够获得。

步骤(2)、基于贝叶斯网络模型的认知控制模式评估；

通过构建如图8所示的基于空间PSF的贝叶斯网络模型，获得该情境下的COCOM。如图11(该图为软件自动生成结果图)所示，为第一项子任务的贝叶斯网络模型，最终获得的COCOM如表12所示。

表12.第一项子任务的COCOM评估表

COCOM	战略控制模式	战术控制模式	机会控制模式	扰乱控制模式
					出现概率p(Cm)	0.05556	0.84259	0.10185	0

其他20项子任务亦可通过模型获得。

步骤(3)、面向航天在轨任务的人因差错概率量化。

根据表7和表12，可以获得第一项子任务的HEP为：

同样，其他20项子任务的HEP通过本发明获得，其结果如图12所示。为了比较验证本发明的有效性，通过将CREAM方法评估的结果与本发明评估的结果进行分析比较，比较结果同样如图12所示。

与通过CREAM评估的结果进行比较，使用本发明评估的HEP显然更大，这意味着本发明任务航天员在执行此类在轨维修时更容易犯错误。这是由于在传统CREAM方法中，采用基于陆地的PSF用于评估空间环境下人的可靠性，这肯定会导致对HEP评估时得出更为乐观的结果。相比之下，考虑空间环境的具体影响因素，并在贝叶斯网络中更有效地表达空间环境的不确定性，评价就会变得更加准确和保守。此外，由于能够更新评估，本发明还可以为其结果提供动态更新，使其逐渐接近确定的COCOM，从而产生更为准确的评估结果。

Claims (3)

1.一种面向航天在轨任务的人因可靠性分析及量化方法，其特征在于：该方法包括如下步骤：

步骤(1)、基于空间环境的人的绩效评估；

步骤(2)、基于贝叶斯网络模型的认知控制模式评估；

步骤(3)、面向航天在轨任务的人因差错概率量化。

2.根据权利要求1所述的面向航天在轨任务的人因可靠性分析及量化方法，其特征在于：步骤(1)中基于空间环境的人的绩效评估的具体步骤为：考虑空间中的环境因素以及航天员心里因素，定义了九种基于空间的绩效形成因子(PSF)，并构建基于空间的PSF评价体系，具体包括：

1)基于空间的人因PSF定义；

2)基于空间的PSF评价体系构建。

3.根据权利要求2所述的面向航天在轨任务的人因可靠性分析及量化方法，其特征在于：步骤(2)中基于贝叶斯网络模型的认知控制模式评估具体步骤为：

1)构建基本贝叶斯网络gi，确定第i个PSF的主要影响集合；

2)构建调整贝叶斯网络h_j，调整主PSF的主要影响；

3)构建分组贝叶斯网络l_k，确定每组PSF得分；

4)构建评分贝叶斯网络u，确定PSF的总得分；

5)构建识别贝叶斯网络p，确定人的认知控制模式(COCOM)。