CN109270851B - 人机交互动态故障树认知过载故障逻辑门的设计方法 - Google Patents

人机交互动态故障树认知过载故障逻辑门的设计方法 Download PDF

Info

Publication number
CN109270851B
CN109270851B CN201810941540.8A CN201810941540A CN109270851B CN 109270851 B CN109270851 B CN 109270851B CN 201810941540 A CN201810941540 A CN 201810941540A CN 109270851 B CN109270851 B CN 109270851B
Authority
CN
China
Prior art keywords
task
tasks
information
cognitive
resource
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810941540.8A
Other languages
English (en)
Other versions
CN109270851A (zh
Inventor
郭健彬
尤启东
曾声奎
吕红红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201810941540.8A priority Critical patent/CN109270851B/zh
Publication of CN109270851A publication Critical patent/CN109270851A/zh
Application granted granted Critical
Publication of CN109270851B publication Critical patent/CN109270851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00Systems involving the use of models or simulators of said systems
    • G05B17/02Systems involving the use of models or simulators of said systems electric

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Test And Diagnosis Of Digital Computers (AREA)
  • Alarm Systems (AREA)

Abstract

本发明提供一种人机交互动态故障树认知过载故障逻辑门的设计方法,包含三个阶段:1、认知过载故障逻辑门设计;2、认知过载可靠性建模;3、认知过载模型定量计算;通过以上各阶段的论述,分析了人机交互过程,查找出多任务并行的情景,明晰了认知过载故障逻辑,定量分析了并行任务的冲突值,达到和建立了认知过载故障可靠性模型的效果,解决了复杂系统人机交互认知过载故障定量定性分析问题。

Description

人机交互动态故障树认知过载故障逻辑门的设计方法
技术领域
本发明提供一种针对人机交互动态故障树认知过载故障逻辑门的设计方法,主要是针对以监视型任务为主并且可能同时执行多项任务的复杂人机系统,从认知信息的角度分析该类型系统人机交互过程中认知过载故障,并提出一种认知过载故障建模的方法。它是基于动态故障树方法和多资源理论模型,属于人机交互可靠性建模分析领域一种应用步骤简便且工程实用的方法。
背景技术
随着人机系统向自动化、复杂化、电子信息集成化的方向发展,“人”的工作职能、所处的工作环境、工作方式和地位发生了很大的变化,脑力劳动取代体力劳动成为了主流。这对人的快速信息处理能力提出了相当高的要求,需要人能够具备长时间连续处理信息或者短时间内快速感知获取信息、理解信息、筛选整理信息、分析加工信息并作出决策和相应操作的能力,挑战了人的生理极限和认知极限。一定时间内复杂的认知处理活动会导致人的认知负荷的增加,当超过人的认知负荷强度时会发生认知过载故障而无法保证人机系统的可靠性和安全性。新形势下的人机交互认知过载故障可靠性定量建模分析正是从人机交互信息层面出发,分析人在认知信息处理过程中的认知负荷,对复杂人机系统人机交互可靠性进行定量建模与预计。
人机交互分析是对交互过程中人为失误进行研究,而人机交互建模的目的是在充分考虑存在环境扰动、系统故障和人为失误的情况下,将人、机、环作为整体,对任务需求下的人机交互动态过程进行描述,研究人机之间的信息传递,分析可能导致事故的潜在风险场景。
在人机交互建模方面,依据实现方式可将其分为基于逻辑的方法和基于仿真的方法两类。第一类方法是通过逻辑分析对系统内的人机环要素以及相互之间的影响关系进行建模,得到元素组合或序列,典型方法如故障树分析(Fault Tree Analysis,FTA)/动态故障树分析(Dynamic Fault Tree Analysis,DFTA)方法、事件树分析(Event TreeAnalysis,ETA)方法等;第二类方法是通过仿真技术来实际模拟人机交互过程,将环境扰动、系统故障和人为失误加入人机系统,从而分析异常态下的人机交互行为,典型方法如班组信息、决策和行为响应(Information,Decision,and Action in Crew Context,IDAC)仿真方法、多主体(Multi Agent,MA)仿真方法等。对人机交互可靠性进行建模分析需要从人机交互机理角度对人机交互过程进行分析,即考虑认知失误特性。美国伊利诺伊大学航空实验室的Wickens提出的信息处理模型自提出以来逐步完善,将人机交互过程划分为信息获取、信息分析和信息执行三个阶段,从认知信息流层次描述人的认知行为和信息加工阶段,符合现有复杂人机系统以监控型任务为主的特点。基于仿真的建模方法需要针对不同任务场景中的多种认知失误模型和故障机理模型分别进行仿真模型的构建,而遍历事件组合或时序十分耗时,因而工作量浩大且通用性差,同时仿真结果难以进行校核。ETA方法虽然能从因果逻辑关系对人机交互过程进行描述,建模过程简单,但是仅能以线性链条的方式进行描述而无法对组合事件(人机环)进行分析,描述能力不足。而FTA/DFTA方法不仅是以逻辑关系对人机交互过程进行建模,具有分析流程简单和工程应用成熟的特点,而且可以对异常情况下的系统事件组合进行分析。但是FTA方法也存在一定的缺陷,即仅将人误视为底事件而没有深入考虑人的认知特性、场景任务特性和人机耦合特性。因而本发明以信息处理模型为人机交互过程分析方法,基于传统DFTA方法,增加对人机交互的描述能力,进行人机交互认知过载可靠性建模与预计技术的研究。
发明内容
(1)目的:
针对上述问题,本发明提出了人机交互动态故障树认知过载故障逻辑门的设计方法,它是一种基于多资源理论信息处理模型和传统DFTA方法的建模方法,为其提供一种工程实用、应用合理的分析方法。
(2)技术方案
本发明是一种人机交互动态故障树认知过载故障逻辑门的设计方法,该方法包含三个阶段:
1、认知过载故障逻辑门设计:根据信息处理模型分析人机交互信息层次并针对认知过载人为失误设计出认知过载故障逻辑门;
2、认知过载可靠性建模:针对某人机交互场景及任务,根据层次任务分析法对人机交互任务进行分析,并根据Wickens多资源理论构建人机交互任务需求;
3、认知过载模型定量计算:针对某具体认知过载模型,根据Wickens多资源理论对建立好的模型进行人机交互过程的认知负荷计算;
其详细情况介绍如下:
第一阶段:认知过载故障逻辑门设计
认知过载故障逻辑门设计分为以下三个步骤:
步骤(1)人机交互过程分析
依据信息处理模型将人机交互分为三个阶段:信息感知——判断决策——操作执行,需要调用的资源包括注意力资源和记忆资源;信息感知阶段指人对外界信息的感知,获取通道包括:视觉、听觉、触觉、嗅觉;视觉信息获取来源包括:外界环境、人机交互显示界面、同伴动作;听觉信息获取来源包括:外界环境、语音系统(一般是预警)、通讯系统、同伴交流;触觉信息获取来源包括:具有振动效果的设备;嗅觉信息获取来源包括:发生故障产生异味的人机系统设备;
人在感知信息时,根据当前任务需求具有主观能动性的有选择的从相应渠道和对应来源感知到相关信息,同时自动过滤或忽视对当前任务无贡献意义的信息;当任务调整时,人需要感知的信息类型和数量也随之改变;当人机系统出现警告时,人会在保证系统正常工作的同时,根据警告信息的类型调整感知方向为感知可识别警告故障类型相关的信息;而人在一定时间内通过视觉、听觉等感知器官能获取的信息是有限的;当人需要在短时间内感知的信息过多超出人的限度时,我们就认为发生了认知过载故障,此时人可能会出现信息遗漏的现象,无法获得需要的全部信息;
步骤(2)认知过载故障分析
认知负荷理论认为认知过载的定义为,问题解决和学习过程中的各种认知加工活动均需消耗认知资源,若所有活动需要的资源总量超过了个体拥有的资源总量,就会引起资源分配不足,因而影响学习或问题解决效率;引申到人机交互可靠性领域,本发明对认知过载故障的定义为,在时间有限的前提下,人由于认知资源有限而未能感知到所需的全部信息的状态;因此,认知过载故障与时间是否充足、认知资源限度和所需感知信息相关,导致的结果是有选择性的舍弃完成某一任务和感知与该任务相关的信息,因此未能感知到某些信息或忘记执行某项操作;当时间充足时,人拥有足够的时间串行处理各项任务,感知信息过程也是一样;而给定有限时间即人具有时间压力时,人需要并行执行多项任务,即同时感知多项信息;认知资源作为人的固有资源,经由不同的感知通道连续消耗用于感知各项信息,容量有限;所需感知信息即执行当前日常任务、临时任务等相关的所需感知信息,包括维持人机系统正常运转所必需的信息和识别故障模式所必需的信息等等,与系统本身、所需执行任务和任务优先级相关;
本发明引入Wickens提出的多资源四维计算模型(以下简称多资源理论)描述人在执行多任务并行的感知信息阶段的资源分配情况和预测多任务工作负荷超载;多资源理论包含四个维度:阶段、知觉通道、视觉加工和加工代码,解释了人机交互认知过程中信息的来源和资源的分配消耗问题;
所述“阶段”,人机交互行为分为知觉、认知和反应三个阶段,分别对应于信息感知、判断决策和操作执行阶段;
“知觉通道”,描述的是认知资源通道,包括视觉通道、听觉通道和触觉通道;跨通道的认知资源时间共享比通道内的更好;完成任务时,需要将资源分配到多种通道,而多任务并行执行可能需用同种认知资源通道;
“视觉加工”,分为焦点视觉和外周视觉两种;两者使用单独的资源,能够实现有效的时间共享,与不同的信息加工类型相关联,前者用于感知精细细节、模式和物体识别,例如辨识具体数字、阅读文字等,后者包含大量的周围视觉,用于感知方向和自我运动;
“加工代码”,反映模拟的/空间的和类别的/符号的(通常是语言的或言语的)加工之间的区别;在知觉、认知和反应上,空间和言语的加工都依赖于独立的资源;假设手动反应在本质上是空间的(追踪、驾驶操纵杆或鼠标运动),声音反应通常是言语的,那么空间和言语资源的区分就可以解释手动和声音反应可以实现时间共享,从而保持相对高的效率;每一维资源都划分为空间的和言语的两种,三种通道的区分包含于知觉-认知阶段,焦点视觉和外周视觉的区别体现在视觉资源通道;任何任务都会占据立方体中一个或多个单元格,不同任务在一个维度上的重叠程度越高,那么由于资源竞争而引起的干扰越大;
自认知过载故障定义出发,通常情况下,人并行执行的任务包括正常任务流程中的任务、可能出现的临时任务和识别异常故障模式的任务;临时任务一般与任务性质相关,可分为通信型任务、记录型任务、监视型任务、认知型任务和操作型任务;识别异常故障模式的任务,所需感知信息类型与故障模式和故障设备相关,感知逻辑为:发现→检查→确认;其中,同个参数可能在多个仪表上冗余出现,可能通过不同的知觉资源通道获取,加以复核验证;假设,对具有多个信息来源的参数,人会依据感知难度确定感知来源,所需认知资源不同;三种任务共同调用视觉、听觉资源通道,相互之间造成竞争和干扰,超出认知限度时发生认知过载;
步骤(3)认知过载故障逻辑门图形及运算逻辑设计
本发明设计出认知过载故障逻辑门,用于描述认知过载故障发生的逻辑因果,是一种多输入不定项输出的逻辑,如图1所示,图形解释如图2所示;
在异常状态发生时,由于认知限度,人在某段时间内无法执行全部任务,即完成对所需全部信息的感知,因此不得不放弃部分任务,同时无法获取该部分任务的信息,发生故障;其中,事件A、B、C为认知过载门的三类输入事件,分别表示需要人在某段时间里并行完成的三类任务:异常任务、正常任务、临时任务;异常任务,即影响到机器功能的故障类型在被人感知后需要人进行信息感知、判断并进行相应响应动作,一般是指机器异常底事件用圆形表示;正常任务指的是在该阶段中操作者需要完成的常规任务,即任务内容固定且可以预先知晓,用方框表示;临时任务指的是临时性指派给操作者需要其完成的任务,类型多样,用方框表示;事件D、E、F为认知过载门的输出事件,与输入事件A、B、C一一对应,表示当信息超出人的认知限度后人对任务的取舍;输入事件A、B、C不一定全部发生,事件B、C是由情景环境确定的,输出事件D、E、F也不一定全部发生;当输入事件的信息未超过人的认知限度时,那么很大概率输出事件D、E、F全部不发生;当输入事件的信息超过人的认知限度时,那么输出事件依据情景环境给定的优先级以一定概率发生;认知过载门的输入输出是以信息形式来进行运算,运算逻辑表示如图2所示;
图4中的虚线框表示的是信息在认知过载门中的传递;信息类型是完成对应输入事件中的任务需要感知的信息,是一个信息集合;信息状态分别与输出事件对应,由信息类型、信息显示故障模式和信息获取渠道组成,当该输出事件发生时,对应的信息显示故障模式为缺失;输出事件会导致某些事件的发生(传统DFTA中的底事件),与该项任务的内容相关;输入事件的信息是否超出人的认知限度是输出事件是否发生的判断条件,采用Wickens提出的多资源理论量化的方法;当认知过载发生时,操作者可能会放弃部分任务,即输出事件部分发生,本说明做出以下规定:
1、若输入事件仅有一项,则认知过载门不会被触发;
2、优先级包括以任务重要度或保障安全性对输入事件进行排序,由分析人员预先设定;
3、当优先级为以任务重要度排序时,人至少需要完成一项任务,即输入事件为n项时,输出事件至多发生n-1项;当事故后果会影响系统或人的安全时,人可能会舍弃所有任务,保护自身安全,即输出事件可以全部发生;
4、输出事件的发生优先顺序严格按照输入事件的优先级排序,如输入事件优先级排序为B>C>A时,那么输出事件发生的优先级排序一定为D>F>E;
以输入事件依据任务重要度排序,优先级为B>C>A为例,分析其输出事件情形如表1所示;
表1给定事件优先级为B>C>A时,输出事件的发生情形
Figure BDA0001769200360000051
Figure BDA0001769200360000061
附注1:Y——yes,发生;N——no,不发生;其他情形发生概率为0;其中,Pij≥0;
输出事件各种发生情形的概率由专家给出;某输出事件的概率是该事件类型下,其发生的所有情形的概率的加和;
第二阶段:认知过载可靠性建模
本阶段采用层次任务分析法对人机交互任务进行系统分析,将阶段任务逐层分解为至元任务层次,将元任务层次中的人机交互认知信息处理过程和信息需求进行辨别分类,也是实现对认知过载进行定量建模的重要基础;具体分为以下两个步骤:
步骤(1)人机交互任务分析
本发明将人机系统任务分为三类:正常任务、临时任务和异常任务(识别功能故障);其中,正常任务即在无故障的前提下实现人机系统功能的常规任务操作,因人机系统功能不同而不完全相同;临时任务是指不隶属于正常任务流程的临时调派,需要操作者完成的任务,例如:临时通讯型任务、临时监视型任务等等;异常任务,是指在复杂人机系统发生功能故障时,需要人感知信息判断识别出该故障模式的任务;临时任务和异常任务就像是操作者在执行正常任务时增加的其他认知任务干扰,在不同的任务阶段随机发生,占用人的认知资源;
本发明从明确任务、描述任务、分解任务生成任务序列的步骤完成对人机系统正常任务的分析与分解:
1、确定人机系统对象及任务调研后,依据主要任务不同,划分若干阶段,对每个阶段需要执行的任务进行简单描述;
2、将每个阶段所执行的任务进行详细描述和层级细化,从信息层次结合分析对象详细至实际的具体操作和操作对象,生成任务序列,如表2所示;该表2是对任务序列的描述包括任务的作业功能、交互人员/对象和该任务对应的信息处理阶段,交互人员/对象包括人(人与人直接交流)、人(通讯交流)、人机界面和环境,信息处理阶段包括感知信息、判断决策、操作执行三个阶段;
表2正常任务和异常任务分析结果表
Figure BDA0001769200360000071
依据调用认知资源的不同将临时任务进行重新分类如表3所示:该表3是表示临时任务的分类从视觉和听觉两个认知资源通道出发,每个通道有持续占用和间断占用/不占用两种占用情况,共有4种组合,根据临时任务对视觉和听觉的占用情况确定其类型;
表3依据调用认知资源类型,临时任务分类
Figure BDA0001769200360000072
异常任务中所包含的功能故障与人机系统相关,具体分析流程与正常任务的分析流程相似:
1、依据人机系统对象,将功能故障进行分类,并对该功能故障进行简单描述;
2、将识别该功能故障需要进行的操作进行细化,结合分析对象详细至具体操作和操作
对象,生成操作序列,如表2;说明异常任务操作序列的内容与正常任务序列相同;
步骤(2)人机交互任务需求分析构建
在复杂人机交互场景(如有人作战飞机)中,存在多个人和多个机器设备,对认知过载故障的分析必须具体针对某个人;人在执行任务过程中有相对明确的分工,各自负责属于自己的中心任务,因而感知的信息类型和执行任务时间不完全相同;为实现不同的目的,人感知同种信息的“加工代码”也不一定相同;在某场景下,人可能同时需要执行正常任务、临时任务和异常任务;但是,人不需要完全将临时任务和异常任务与所有正常任务并行进行,而是正常任务中的某一部分元任务和该认知过载门输入事件中的临时任务和异常任务并行;
因而,首先确定分析对象(人),基于步骤(2)对正常任务、识别功能故障任务的分析结果,筛选出涉及到分析对象和信息处理阶段为感知信息的元任务,依据调用的认知资源通道和加工代码等对两类任务需求进行分析,首先应确定该任务的所感知的信息、信息获取渠道以及不同渠道的优先级、知觉通道和加工代码,知觉通道包括听觉(用A表示)和视觉(用户V表示),听觉加工代码包括言语代码(用V表示)和空间代码(用S表示),视觉加工代码包括焦点(用F表示)和外周(用A表示);分别如表4所示;
表4对正常任务和异常任务的认知资源需求分析构建
Figure BDA0001769200360000081
附注1:知觉通道里的A=Auditory(听觉),V=Visual(视觉);加工代码里的V=Verbal(言语的),S=Spatial(空间的),F=Focal(焦点),A=Ambient(外周);
其中,信息获取渠道的分类包含人机交互界面(CI)、环境(CE)、通讯(CCE)、直接与人交流(CCM),信息的获取渠道至少为1项且需要具体到界面部分,每项信息的信息获取渠道优先级不一定相同;
再确定指派给该分析对象(人)的临时任务,确定其隶属类别,同样从认知资源角度对其进行需求分析,确定其感知的信息、知觉通道和加工代码;如表5所示;
表5对临时任务的认知资源需求分析构建
Figure BDA0001769200360000082
第三阶段:认知过载模型定量计算
该阶段需要将人机交互各任务阶段需感知的信息调用的认知资源通道和认知资源通道占用情况作为衡量是否会发生认知过载的判断条件;针对某具体认知过载门,输入事件中包含正常任务、临时任务和异常任务三类,但不一定全部包含;依据输入事件中的临时事件或/和异常事件的加入时间,确定与这两项/一项任务并行的正常任务的元任务组;再依据情景环境中的环境条件和输入事件中的功能故障对正常任务中的某些信息获取渠道进行封锁,得到该情景环境、功能故障、临时任务条件下的需求分析结果;表6中的需求分析结果中,将环境和功能故障对信息获取渠道的封锁效应叠加之后,每一项感知信息的获取渠道只有一种;
表6并行元任务组和并行异常任务的需求分析结果
Figure BDA0001769200360000091
在此基础上,对输入事件的需求分析构建结果进行并行任务干扰量化,总干扰值包含单项任务资源需求方面和多项任务对资源的竞争导致的冲突方面(所需资源的重叠程度即竞争程度衡量),做出该认知过载门是否输出的判断;针对某具体认知过载门依据认知过载门输入事件数量为2或3,可分为两种情况,均包含三个步骤;
情况一:认知过载门输入事件数量为2
步骤(1)定义输入事件优先级
分析人员根据任务的重要度和保障安全性定义输入事件的优先级;假设优先级较大的为输入事件1,较小为输入事件2;因为输出事件与输入事件一一对应,且输出事件是放弃与之对应的输入事件,则输入事件2对应输出事件发生的优先级必然大于输入事件1对应的输出事件;
步骤(2)构建资源向量
每个任务的完成可能需要不同种类不同等级的资源,使用资源需求向量半定量的描述每项任务的资源需求,假设共有0,1,2三个等级;若不需使用某项资源,则资源需求值为0;若需要使用某项资源,则资源需求值为1;若任务十分复杂或困难,则资源需求值为2;构建每一个任务的资源需求向量(VF,VA,AS,AV);并计算输入事件1的需求值1和输出事件2的需求值2;
R=VF+VA+AS+AV(1)
式中:R为输入事件需求值;
VF为输入事件VF的需求值,取值为0、1、2;
VA为输入事件VA的需求值,取值为0、1、2;
AS为输入事件AS的需求值,取值为0、1、2;
AV为输入事件AV的需求值,取值为0、1、2;
步骤(3)构建冲突矩阵
多项任务并行时,资源需求竞争冲突是相对的,而不是绝对的;如果两项任务无法共享某种资源,则其冲突值最大为1;若两项任务可以完美共享某种资源,则冲突值最小为0;随两项任务对某认知资源的竞争程度加深,冲突值不断增大;在实际分析中,假设冲突数量与“立方体”中的共享资源数量是成比例的;表7是一个典型;本发明中使用的冲突矩阵,包含三个维度:阶段、加工代码和知觉通道,不包含视觉加工焦点-外周视觉(现有数据均源于Wickens2002年论文数据,不包含此项);其中,假设冲突基线值为0.2,这是并行任务执行资源冲突的基本消耗;认知过载门的输入事件仅考虑感知信息阶段即知觉阶段;
表7多资源理论中,认知资源的冲突矩阵
Figure BDA0001769200360000101
附注1:其中,冲突值沿对角线对称;第一个位置的V=Visual(视觉),A=Auditory(听觉),C=Cognitive(认知),R=Response(反应);第二个位置的F=Focal(焦点),A=Ambient(外周),S=Spatial(空间的),V=Verbal(言语的);
步骤(4)并行任务总干扰计算公式
并行任务总干扰值由总资源需求值和总资源冲突值的和组成;总资源需求值为多项任务的资源需求向量各分量求和获得,总资源冲突值由两项任务需用的资源需求值不为0的资源冲突值求和获得;
Total interference=R1+R2+C (2)
式中:Total interference为总扰值;
R1为输入事件1的需求值;
R2为输入事件2的需求值;
C为冲突值;
当并行任务总干扰值超过7时,则认为发生了认知过载故障;
情况二:认知过载门输入事件数量为3,此时,该方法存在不适用情形,本发明进行改进如下:
步骤(1)定义输入事件优先级
分析人员根据任务的重要度和保障安全性定义输入事件的优先级;假设优先级最大的为输入事件1,较小为输入事件2,最小的为事件3;因为输出事件与输入事件一一对应,且输出事件是放弃与之对应的输入事件,则输出事件的发生的优先级必然是,输入事件3对应的输出事件大于输入事件2对应的输出事件大于输入事件1对应的输出事件;
步骤(2)构建资源向量
构建每一个任务的资源需求向量以及输入事件1和输入事件2的总资源需求向量(VF,VA,AS,AV);计算输入事件1的需求值1,输入事件2的需求值2以及输入事件3的需求值3;
步骤(3)构建冲突矩阵
根据输入事件1和输入事件2的资源需求向量,查询冲突矩阵表7构建冲突矩阵,进行资源冲突值1的计算;
根据输入事件1和输入事件2总资源需求向量和输入事件3的资源需求向量,查询冲突矩阵表7构建冲突矩阵,进行资源冲突值2的计算;
步骤(4)并行任务总干扰计算公式
并行任务总干扰值由总资源需求值和总资源冲突值的和组成;总资源需求值为三项任务的资源需求向量各分量求和获得,总资源冲突值由资源冲突值1和资源冲突值2求和获得;首先任务干扰值1,任务干扰值1=需求值1+需求值2+冲突值1;其次计算总任务干扰值,总任务干扰值=任务干扰值1+需求值3+冲突值2;
认知过载门的输出事件以并行任务总干扰值是否超过7为判断条件,输出事件概率情形数量与输入事件数量相关,当输入事件数为2时,仅需判断两输入事件是否发生过载,因此只有2种情形;当输入事件数为3时,既要判断3个输入事件同时发生是否过载,又要判断优先级较高的两个输入事件同时发生是否发生过载,同时若3个输入事件同时发生未过载则优先级较高的两个输入事件同时发生一定不会过载,因此共有3种情形;专家根据输入事件数量和认知过载发生情况确定每种情形对应的输出事件发生概率;以表1中的事件类型1和4为例,即输入事件数量分别为2或3时,概率赋值情形如表8和表9,即确定认知过载门输出事件和概率;
表8给定事件优先级为B>C>A,输入事件数量为2时,输出事件的概率量化情形
Figure BDA0001769200360000121
表9给定事件优先级为B>C>A,输入事件数量为3时,输出事件的概率量化情形
Figure BDA0001769200360000122
附注1:其中Y——yes,N——no;
当给定情景时,认知过载门的正常任务和临时任务输入事件是否发生视确定的,任务优先级也是确定的,输出事件的概率与异常任务是否发生和认知过载是否发生相关,那么:
Figure BDA0001769200360000123
P(D|A),
Figure BDA0001769200360000124
P(E|A),
Figure BDA0001769200360000125
P(F|A)可通过计算认知过载情况以及专家对各种情形概率赋值获得;
通过以上各阶段各个步骤的论述,分析了人机交互过程,查找出多任务并行的情景,明晰了认知过载故障逻辑,定量分析了并行任务的冲突值,达到和建立了认知过载故障可靠性模型的效果,解决了复杂系统人机交互认知过载故障定量定性分析问题。
(3)功效、优点
本发明从信息层次分析人机交互认知过载故障逻辑,创造性的提出认知过载故障逻辑门,并进行了图形绘制和运算逻辑设计,给出定量建模方法,其功效主要在于以下三方面:
1.针对疏失型(Omission)人为失误,在人机交互故障逻辑分析的基础上,提出了认知过载信息交互故障模式,分析并设计了认知过载逻辑门;
2.同时基于多资源理论,提出了多任务下的认知载荷计算方法,给出了考虑故障逻辑不确定性特征的定量建模方法,同时扩展了其适用范围;
3.该方法针对信息层次人机交互问题,考虑人机之间的耦合影响,对认知过载故障进行可靠性建模,具有较好的实用性和可行性。
附图说明
图1认知过载门的逻辑门符号。
图2认知过载的运算逻辑表示。
图3直升机巡航认知过载案例的故障树图形。
图4本发明所述方法流程图。
图中序号、符号、代号说明如下:
图1图2图3中ABC为输入事件代号、DEF为输出事件代号,方框内加“认知过载”代表认知过载逻辑门,圆圈代表故障树底事件,箭头代表输入和输出方向;
图2图3中虚线框代表信息,虚线箭头代表信息传递方向;
具体实施方式
下面将结合2005年1月10日发生的救援直升机坠毁事故案例对本发明作进一步的详细说明。分析对象为救援直升机,情景环境为夜间飞行,低空巡航状态,所处地面区域为河、桥交汇处,海岸线无物理灯指示,舱外无参照物。机长收到地面控制指挥员指示,增加临时任务,调整航线降低高度以避让一架空客。直升机雷达高度计存在故障,高度低于“非着陆状态不安全离地高度”时无法触发近地警告。机长直至降落撞击水面仍未发现直升机已然高度过低的事实,没有时间采取措施纠正以提升高度,致使直升机坠毁。
本发明是人机交互动态故障树认知过载故障逻辑门的设计方法,如图4所示;本发明设计出认知过载故障逻辑门,用于描述认知过载故障发生的逻辑因果,是一种多输入不定项输出的逻辑,如图1所示,图形解释如图2所示;
本案例说明仅包含技术方案中的第二阶段和第三阶段,具体实施方式详述如下:
第二阶段:认知过载可靠性建模
认知过载可靠性建模分为以下两个步骤:
步骤(1)人机交互任务分析
该案例中,雷达高度计无法触发近地警告的功能故障由于无法被识别,不属于识别功能故障任务,因此机长面临的任务包含正常任务、临时任务。正常任务为机长掌握直升机飞行姿态,操纵直升机沿航线赶向救援地,低空巡航沿途搜索求救人员。临时任务为搜寻前方的空客位置,调整直升机下降高度调整航线,以避让空客,属于TT2临时任务。分析以上直升机的正常任务和临时任务,分别如表10和表11所示。
表10直升机低空巡航案例,正常任务分析
Figure BDA0001769200360000141
附注1:其中任务序号加注*的表示自该任务开始便在本阶段中持续进行。
表11直升机低空巡航案例,TT1临时任务分析
Figure BDA0001769200360000142
Figure BDA0001769200360000151
附注1:其中任务序号加注*的表示自该任务开始便在本阶段中持续进行;
步骤(2)人机交互任务需求分析构建
依据步骤一中的任务分析,对涉及到机长和信息处理阶段为感知信息的正常任务和临时任务进行筛选,对两类任务调用的认知资源通道和加工代码等进行分析,分别如表13所示。
对于TT2类临时任务,将其认知资源需求分析如表12所示。
表12直升机巡航案例,对TT2临时任务的认知资源需求分析构建
Figure BDA0001769200360000152
表13直升机巡航案例,对正常任务的认知资源需求分析构建
Figure BDA0001769200360000153
Figure BDA0001769200360000161
第三阶段:认知过载模型定量计算
依据情景环境中的黑夜条件和雷达高度计故障近地警告无法被触发对正常任务元任务组中的某些信息获取渠道进行封锁,得到该情景环境、功能故障、临时任务条件下的需求分析结果,如表14所示。
表14直升机巡航案例,并行元任务组的需求分析结果
Figure BDA0001769200360000162
依据该直升机情景描述,建立故障树,如图3所示。
该故障树中的认知过载门输入事件数量为2,对这两项输入事件需求分析构建结果进行并行任务干扰量化。
步骤(1)定义输入事件优先级
根据任务重要度排序,正常任务优先级大于临时任务,即图3中M7优先级大于M8;
步骤(2)构建资源需求向量
M7正常任务执行的资源需求向量(VF,VA,AS,AV)=(1,1,0,0),M8临时任务执行的资源需求向量(VF,VA,AS,AV)=(0,2,1,0);需求值1=1+1=2;需求值2=2+1=3;
步骤(3)构建冲突矩阵
依据表15中认知资源的冲突矩阵,M7正常任务执行与M8临时任务执行的资源冲突值=0.8+0.6+0.6+0.4=2.4;
表15直升机案例认知资源冲突矩阵计算表
Figure BDA0001769200360000163
步骤(3)并行任务总干扰计算
Total interference=(1+1)+(2+1)+2.4=7.4,发生认知过载故障。
依据此时任务优先级M8>M7,上层事件为发生顺序为M9>M10,相应发生概率应由专家赋值,为说明情况,此处为作者自主赋值,如表16所示。
那么,输入事件M7,M8发生,认知过载发生时,
P(M9)=P直2+P直3,P(M10)=P直3
输入事件M7,M8发生,认知过载不发生时,
P(M9)=P直5+P直6,P(M10)=P直6
表16直升机巡航案例,输出事件的概率量化情形
Figure BDA0001769200360000171
附注1:其中Y——yes,N——no,概率应由专家赋值。

Claims (1)

1.一种人机交互动态故障树认知过载故障逻辑门的设计方法,其特征在于:该方法包含三个阶段:
1、认知过载故障逻辑门设计:根据信息处理模型分析人机交互信息层次并针对认知过载人为失误设计出认知过载故障逻辑门;
2、认知过载可靠性建模:针对人机交互场景及任务,根据层次任务分析法对人机交互任务进行分析,并根据Wickens多资源四维计算模型构建人机交互任务需求;
3、认知过载模型定量计算:针对某具体认知过载模型,根据Wickens多资源四维计算模型对建立好的模型进行人机交互过程的认知负荷计算;
其详细情况介绍如下:
第一阶段:认知过载故障逻辑门设计
认知过载故障逻辑门设计分为以下三个步骤:
步骤(1)人机交互过程分析
依据信息处理模型将人机交互分为三个阶段:信息感知——判断决策——操作执行,需要调用的资源包括注意力资源和记忆资源;信息感知阶段指人对外界信息的感知,获取通道包括:视觉、听觉、触觉、嗅觉;视觉信息获取来源包括:外界环境、人机交互显示界面、同伴动作;听觉信息获取来源包括:外界环境、语音系统、通讯系统、同伴交流;触觉信息获取来源包括:具有振动效果的设备;嗅觉信息获取来源包括:发生故障产生异味的人机系统设备;
人在感知信息时,根据当前任务需求具有主观能动性的有选择的从相应渠道和对应来源感知到相关信息,同时自动过滤及忽视对当前任务无贡献意义的信息;当任务调整时,人需要感知的信息类型和数量也随之改变;当人机系统出现警告时,人会在保证系统正常工作的同时,根据警告信息的类型调整感知方向为感知可识别警告故障类型相关的信息;而人在一预定时间内通过视觉和听觉感知器官能获取的信息是有限的;当人需要在短时间内感知的信息过多超出人的限度时,认为发生了认知过载故障,此时人会出现信息遗漏的现象,无法获得需要的全部信息;
步骤(2)认知过载故障分析
认知负荷理论认为认知过载的定义为,问题解决和学习过程中的各种认知加工活动均需消耗认知资源,若所有活动需要的资源总量超过了个体拥有的资源总量,就会引起资源分配不足,因而影响学习及问题解决效率;引申到人机交互可靠性领域,对认知过载故障的定义为,在时间有限的前提下,人由于认知资源有限而未能感知到所需的全部信息的状态;因此,认知过载故障与时间是否充足、认知资源限度和所需感知信息相关,导致的结果是有选择性的舍弃完成一任务和感知与该任务相关的信息,因此未能感知到信息及忘记执行操作;当时间充足时,人拥有足够的时间串行处理各项任务,感知信息过程也是一样;而给定有限时间即人具有时间压力时,人需要并行执行多项任务,即同时感知多项信息;认知资源作为人的固有资源,经由不同的感知通道连续消耗用于感知信息,容量有限;所需感知信息即执行当前日常任务和临时任务相关的所需感知信息,包括维持人机系统正常运转所必需的信息和识别故障模式所必需的信息,与系统本身、所需执行任务和任务优先级相关;
引入Wickens提出的多资源四维计算模型描述人在执行多任务并行的感知信息阶段的资源分配情况和预测多任务工作负荷超载;多资源四维计算模型包含四个维度:阶段、知觉通道、视觉加工和加工代码,解释了人机交互认知过程中信息的来源和资源的分配消耗问题;
所述“阶段”,人机交互行为分为知觉、认知和反应三个阶段,分别对应于信息感知、判断决策和操作执行阶段;
“知觉通道”,描述的是认知资源通道,包括视觉通道、听觉通道和触觉通道;跨通道的认知资源时间共享比通道内的更好;完成任务时,需要将资源分配到多种通道,而多任务并行执行需用同种认知资源通道;
“视觉加工”,分为焦点视觉和外周视觉两种;两者使用单独的资源,能够实现有效的时间共享,与不同的信息加工类型相关联,前者用于感知精细细节、模式和物体识别,后者包含大量的周围视觉,用于感知方向和自我运动;
“加工代码”,反映模拟的/空间的和类别的/符号的加工之间的区别;在知觉、认知和反应上,空间和言语的加工都依赖于独立的资源;假设手动反应在本质上是空间的即追踪、驾驶操纵杆及鼠标运动,声音反应是言语的,那么空间和言语资源的区分就能解释手动和声音反应能实现时间共享,从而保持相对高的效率;每一维资源都划分为空间的和言语的两种,三种通道的区分包含于知觉-认知阶段,焦点视觉和外周视觉的区别体现在视觉资源通道;任何任务都会占据立方体中一个及多个单元格,不同任务在一个维度上的重叠程度越高,那么由于资源竞争而引起的干扰越大;
自认知过载故障定义出发,人并行执行的任务包括正常任务流程中的任务、临时任务和识别异常故障模式的任务;临时任务与任务性质相关,分为通信型任务、记录型任务、监视型任务、认知型任务和操作型任务;识别异常故障模式的任务,所需感知信息类型与故障模式和故障设备相关,感知逻辑为:发现→检查→确认;其中,同个参数在多个仪表上冗余出现,通过不同的知觉资源通道获取,加以复核验证;假设,对具有多个信息来源的参数,人会依据感知难度确定感知来源,所需认知资源不同;三种任务共同调用视觉、听觉资源通道,相互之间造成竞争和干扰,超出认知限度时发生认知过载;
步骤(3)认知过载故障逻辑门图形及运算逻辑设计
设计出认知过载故障逻辑门,用于描述认知过载故障发生的逻辑因果,是一种多输入不定项输出的逻辑;
在异常状态发生时,由于认知限度,人在某段时间内无法执行全部任务,即完成对所需全部信息的感知,因此不得不放弃部分任务,同时无法获取该部分任务的信息,发生故障;其中,事件A、B、C为认知过载门的三类输入事件,分别表示需要人在一时间里并行完成的三类任务:异常任务、正常任务、临时任务;异常任务,即影响到机器功能的故障类型在被人感知后需要人进行信息感知、判断并进行相应响应动作,是指机器异常底事件用圆形表示;正常任务指的是在系统规定的某个任务阶段中操作者需要完成的常规任务,即任务内容固定且能预先知晓,用方框表示;临时任务指的是临时性指派给操作者需要其完成的任务,类型多样,用方框表示;事件D、E、F为认知过载门的输出事件,与输入事件A、B、C一一对应,表示当信息超出人的认知限度后人对任务的取舍;输入事件A、B、C不一定全部发生,事件B、C是由情景环境确定的,输出事件D、E、F也不一定全部发生;当输入事件的信息未超过人的认知限度时,那么很大概率输出事件D、E、F全部不发生;当输入事件的信息超过人的认知限度时,那么输出事件依据情景环境给定的优先级以一预定概率发生;认知过载门的输入输出是以信息形式来进行运算;
信息类型是完成对应输入事件中的任务需要感知的信息,是一个信息集合;信息状态分别与输出事件对应,由信息类型、信息显示故障模式和信息获取渠道组成,当该输出事件发生时,对应的信息显示故障模式为缺失;输出事件会导致一些事件的发生,与该项任务的内容相关;输入事件的信息是否超出人的认知限度是输出事件是否发生的判断条件,采用Wickens提出的多资源四维计算模型量化的方法;当认知过载发生时,操作者会放弃部分任务,即输出事件部分发生,做出以下规定:
1、若输入事件仅有一项,则认知过载门不会被触发;
2、优先级包括以任务重要度及保障安全性对输入事件进行排序,由分析人员预先设定;
3、当优先级为以任务重要度排序时,人至少需要完成一项任务,即输入事件为n项时,输出事件至多发生n-1项;当事故后果会影响系统及人的安全时,人可能会舍弃所有任务,保护自身安全,即输出事件能全部发生;
4、输出事件的发生优先顺序严格按照输入事件的优先级排序,如输入事件优先级排序为B>C>A时,那么输出事件发生的优先级排序一定为D>F>E;
第二阶段:认知过载可靠性建模
本阶段采用层次任务分析法对人机交互任务进行系统分析,将阶段任务逐层分解为至元任务层次,将元任务层次中的人机交互认知信息处理过程和信息需求进行辨别分类,也是实现对认知过载进行定量建模的重要基础;具体分为以下两个步骤:
步骤(1)人机交互任务分析
将人机系统任务分为三类:正常任务、临时任务和异常任务;其中,正常任务即在无故障的前提下实现人机系统功能的常规任务操作,因人机系统功能不同而不完全相同;临时任务是指不隶属于正常任务流程的临时调派,需要操作者完成的任务;异常任务,是指在复杂人机系统发生功能故障时,需要人感知信息判断识别出该故障模式的任务;临时任务和异常任务就像是操作者在执行正常任务时增加的其他认知任务干扰,在不同的任务阶段随机发生,占用人的认知资源;
从明确任务、描述任务、分解任务生成任务序列的步骤完成对人机系统正常任务的分析与分解:
1、确定人机系统对象及任务调研后,依据主要任务不同,划分阶段,对每个阶段需要执行的任务进行简单描述;
2、将每个阶段所执行的任务进行详细描述和层级细化,从信息层次结合分析对象详细至实际的具体操作和操作对象,生成任务序列,对任务序列的描述包括任务的作业功能、交互人员/对象和该任务对应的信息处理阶段,交互人员/对象包括人与人直接交流、通讯交流、人机界面和环境,信息处理阶段包括感知信息、判断决策、操作执行三个阶段;
临时任务的分类从视觉和听觉两个认知资源通道出发,每个通道有持续占用和间断占用/不占用两种占用情况,共有4种组合,根据临时任务对视觉和听觉的占用情况确定其类型;
异常任务中所包含的功能故障与人机系统相关,具体分析流程与正常任务的分析流程相似:
1、依据人机系统对象,将功能故障进行分类,并对该功能故障进行简单描述;
2、将识别该功能故障需要进行的操作进行细化,结合分析对象详细至具体操作和操作对象,生成操作序列,异常任务操作序列的内容与正常任务序列相同;
步骤(2)人机交互任务需求分析构建
在复杂人机交互场景中,存在复数个人和复数个机器设备,对认知过载故障的分析必须具体针对人;人在执行任务过程中有相对明确的分工,各自负责属于自己的中心任务,因而感知的信息类型和执行任务时间不完全相同;为实现不同的目的,人感知同种信息的“加工代码”也不相同;在一场景下,人同时需要执行正常任务、临时任务和异常任务;但是,人不需要完全将临时任务和异常任务与所有正常任务并行进行,而是正常任务中的一部分元任务和该认知过载门输入事件中的临时任务和异常任务并行;
因而,首先确定分析对象,基于步骤(2)对正常任务、识别功能故障任务的分析结果,筛选出涉及到分析对象和信息处理阶段为感知信息的元任务,依据调用的认知资源通道和加工代码对两类任务需求进行分析;首先应确定该任务的所感知的信息、信息获取渠道以及不同渠道的优先级、知觉通道和加工代码,知觉通道包括听觉和视觉,听觉加工代码包括言语代码和空间代码,视觉加工代码包括焦点和外周;
其中,信息获取渠道的分类包含人机交互界面、环境、通讯、直接与人交流,信息的获取渠道至少为1项且需要具体到界面部分,每项信息的信息获取渠道优先级不一定相同;
再确定指派给该分析对象的临时任务,确定其隶属类别,同样从认知资源角度对其进行需求分析,确定其感知的信息、知觉通道和加工代码;
第三阶段:认知过载模型定量计算
该阶段需要将人机交互各任务阶段需感知的信息调用的认知资源通道和认知资源通道占用情况作为衡量是否会发生认知过载的判断条件;针对某具体认知过载门,输入事件中包含正常任务、临时任务和异常任务三类,但不一定全部包含;依据输入事件中的临时事件或/和异常事件的加入时间,确定与这两项/一项任务并行的正常任务的元任务组;再依据情景环境中的环境条件和输入事件中的功能故障对正常任务中的某些信息获取渠道进行封锁,得到该情景环境、功能故障、临时任务条件下的需求分析结果;将环境和功能故障对信息获取渠道的封锁效应叠加之后,每一项感知信息的获取渠道只有一种;
在此基础上,对输入事件的需求分析构建结果进行并行任务干扰量化,总干扰值包含单项任务资源需求方面和多项任务对资源的竞争导致的冲突方面,做出该认知过载门是否输出的判断;针对具体认知过载门依据认知过载门输入事件数量为2及3,分为两种情况,均包含三个步骤;
情况一:认知过载门输入事件数量为2
步骤(1)定义输入事件优先级
分析人员根据任务的重要度和保障安全性定义输入事件的优先级;假设优先级较大的为输入事件1,较小为输入事件2;因为输出事件与输入事件一一对应,且输出事件是放弃与之对应的输入事件,则输入事件2对应输出事件发生的优先级必然大于输入事件1对应的输出事件;
步骤(2)构建资源向量
每个任务的完成需要不同种类不同等级的资源,使用资源需求向量半定量的描述每项任务的资源需求,假设共有0,1,2三个等级;若不需使用资源,则资源需求值为0;若需要使用资源,则资源需求值为1;若任务十分复杂及困难,则资源需求值为2;构建每一个任务的资源需求向量VF,VA,AS,AV;并计算输入事件1的需求值1和输出事件2的需求值2;
R=VF+VA+AS+AV (1)
式中:R为输入事件需求值;
VF为输入事件VF的需求值,取值为0、1、2;
VA为输入事件VA的需求值,取值为0、1、2;
AS为输入事件AS的需求值,取值为0、1、2;
AV为输入事件AV的需求值,取值为0、1、2;
步骤(3)构建冲突矩阵
多项任务并行时,资源需求竞争冲突是相对的,而不是绝对的;如果两项任务无法共享某种资源,则其冲突值最大为1;若两项任务能完美共享某种资源,则冲突值最小为0;随两项任务对认知资源的竞争程度加深,冲突值不断增大;在实际分析中,假设冲突数量与“立方体”中的共享资源数量是成比例的;使用的冲突矩阵,包含三个维度:阶段、加工代码和知觉通道,不包含视觉加工焦点-外周视觉;其中,假设冲突基线值为0.2,这是并行任务执行资源冲突的基本消耗;认知过载门的输入事件仅考虑感知信息阶段即知觉阶段;
步骤(4)并行任务总干扰计算公式
并行任务总干扰值由总资源需求值和总资源冲突值的和组成;总资源需求值为多项任务的资源需求向量各分量求和获得,总资源冲突值由两项任务需用的资源需求值不为0的资源冲突值求和获得;
Total interference=R1+R2+C (2)
式中:Total interference为总扰值;
R1为输入事件1的需求值;
R2为输入事件2的需求值;
C为冲突值;
当并行任务总干扰值超过7时,则认为发生了认知过载故障;
情况二:认知过载门输入事件数量为3,此时,并行任务干扰量化方法存在不适用情形,进行改进如下:
步骤(1)定义输入事件优先级
分析人员根据任务的重要度和保障安全性定义输入事件的优先级;假设优先级最大的为输入事件1,较小为输入事件2,最小的为事件3;因为输出事件与输入事件一一对应,且输出事件是放弃与之对应的输入事件,则输出事件的发生的优先级必然是,输入事件3对应的输出事件大于输入事件2对应的输出事件大于输入事件1对应的输出事件;
步骤(2)构建资源向量
构建每一个任务的资源需求向量以及输入事件1和输入事件2的总资源需求向量(VF,VA,AS,AV);计算输入事件1的需求值1,输入事件2的需求值2以及输入事件3的需求值3;
步骤(3)构建冲突矩阵
根据输入事件1和输入事件2的资源需求向量,查询冲突矩阵表7构建冲突矩阵,进行资源冲突值1的计算;
根据输入事件1和输入事件2总资源需求向量和输入事件3的资源需求向量,查询冲突矩阵,进行资源冲突值2的计算;
步骤(4)并行任务总干扰计算公式
并行任务总干扰值由总资源需求值和总资源冲突值的和组成;总资源需求值为三项任务的资源需求向量各分量求和获得,总资源冲突值由资源冲突值1和资源冲突值2求和获得;首先任务干扰值1,任务干扰值1=需求值1+需求值2+冲突值1;其次计算总任务干扰值,总任务干扰值=任务干扰值1+需求值3+冲突值2;
认知过载门的输出事件以并行任务总干扰值是否超过7为判断条件,输出事件概率情形数量与输入事件数量相关,当输入事件数为2时,仅需判断两输入事件是否发生过载,因此只有2种情形;当输入事件数为3时,既要判断3个输入事件同时发生是否过载,又要判断优先级较高的两个输入事件同时发生是否发生过载,同时若3个输入事件同时发生未过载则优先级较高的两个输入事件同时发生一定不会过载,因此共有3种情形;专家根据输入事件数量和认知过载发生情况确定每种情形对应的输出事件发生概率;
当给定情景时,认知过载门的正常任务和临时任务输入事件是否发生是确定的,任务优先级也是确定的,输出事件的概率与异常任务是否发生和认知过载是否发生相关,那么通过计算认知过载情况以及专家对各种情形概率赋值能获得以下概率值:
Figure FDA0002998638830000081
P(D|A),
Figure FDA0002998638830000082
P(E|A),
Figure FDA0002998638830000083
P(F|A)。
CN201810941540.8A 2018-08-17 2018-08-17 人机交互动态故障树认知过载故障逻辑门的设计方法 Active CN109270851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810941540.8A CN109270851B (zh) 2018-08-17 2018-08-17 人机交互动态故障树认知过载故障逻辑门的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810941540.8A CN109270851B (zh) 2018-08-17 2018-08-17 人机交互动态故障树认知过载故障逻辑门的设计方法

Publications (2)

Publication Number Publication Date
CN109270851A CN109270851A (zh) 2019-01-25
CN109270851B true CN109270851B (zh) 2021-08-13

Family

ID=65153770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810941540.8A Active CN109270851B (zh) 2018-08-17 2018-08-17 人机交互动态故障树认知过载故障逻辑门的设计方法

Country Status (1)

Country Link
CN (1) CN109270851B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008310B (zh) * 2019-12-11 2023-08-25 北京航空航天大学 不考虑维修的间歇性工作逻辑门及其故障树的仿真方法
CN112433609B (zh) * 2020-11-19 2022-03-15 北京航空航天大学 一种基于多主体的信息层次人机交互安全性建模方法
CN112784446A (zh) * 2021-03-12 2021-05-11 北京航空航天大学 一种基于bdi的多主体全要素安全性建模方法
CN113919673B (zh) * 2021-09-28 2023-04-18 西南交通大学 高铁应急调度预案复杂度量化评估方法
CN114329911B (zh) * 2021-12-07 2024-04-16 中国航空综合技术研究所 基于使用场景模型的飞控系统功能故障分析方法
CN114740980B (zh) * 2022-04-22 2024-06-21 北京交通大学 一种基于认知过程和状态的人机交互模式设计方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184291A (zh) * 2011-05-06 2011-09-14 北京航空航天大学 一种针对全测试无反馈系统的系统级故障诊断方法
CN106021647A (zh) * 2016-05-06 2016-10-12 北京航空航天大学 一种基于割序集的动态故障树蒙特卡洛仿真定量计算方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7319998B2 (en) * 2003-11-14 2008-01-15 Universidade De Coimbra Method and system for supporting symbolic serendipity
CN101093559B (zh) * 2007-06-12 2010-06-23 北京科技大学 一种基于知识发现的专家系统构造方法
US9204836B2 (en) * 2010-06-07 2015-12-08 Affectiva, Inc. Sporadic collection of mobile affect data
CN101950327B (zh) * 2010-09-09 2012-05-23 西北工业大学 一种基于故障树信息的设备状态预测方法
CN104007981B (zh) * 2014-06-13 2017-04-12 河海大学常州校区 一种基于出错‑认知映射模型的人机交互界面设计方法
CN104627385B (zh) * 2014-12-01 2016-06-29 中国民航大学 一种过程可视化决策诊断系统及其推理控制方法
CN105022893B (zh) * 2015-08-11 2018-01-12 河北工业大学 交流充电桩系统故障分析方法
CN106652721B (zh) * 2016-10-21 2019-01-01 中国民航大学 一种飞机维修虚拟训练系统及方法
CN106533754A (zh) * 2016-11-08 2017-03-22 北京交通大学 用于高校教学服务器故障诊断的方法及专家系统
CN106502238A (zh) * 2016-11-30 2017-03-15 北京航空航天大学 一种固液动力飞行器故障诊断系统
CN107891994B (zh) * 2017-11-09 2020-08-25 北京九天翱翔科技有限公司 一种全智能飞行器飞行试验误差分析系统
CN108133083B (zh) * 2017-12-08 2021-09-03 中国航天标准化研究所 一种空间人机系统安全性影响因素筛选方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184291A (zh) * 2011-05-06 2011-09-14 北京航空航天大学 一种针对全测试无反馈系统的系统级故障诊断方法
CN106021647A (zh) * 2016-05-06 2016-10-12 北京航空航天大学 一种基于割序集的动态故障树蒙特卡洛仿真定量计算方法

Also Published As

Publication number Publication date
CN109270851A (zh) 2019-01-25

Similar Documents

Publication Publication Date Title
CN109270851B (zh) 人机交互动态故障树认知过载故障逻辑门的设计方法
Inagaki Adaptive automation: Sharing and trading of control
Coppin et al. Autonomy spectrum and performance perception issues in swarm supervisory control
CN109697558B (zh) 一种考虑路径依赖的人误机理建模方法
CN110221620B (zh) 一种基于mas的多无人系统监督控制站
CN109145438B (zh) 人机环三因素耦合作用下人机系统产生影响的分析方法
Kirwan The role of the controller in the accelerating industry of air traffic management
CN112433609B (zh) 一种基于多主体的信息层次人机交互安全性建模方法
Gore Man–machine integration design and analysis system (MIDAS) v5: Augmentations, motivations, and directions for aeronautics applications
US10031520B2 (en) System and method for predicting an adequate ratio of unmanned vehicles to operators
Washington et al. Adoption of a Bayesian belief network for the system safety assessment of remotely piloted aircraft systems
Oishi et al. Invariance-preserving abstractions of hybrid systems: Application to user interface design
US20070011035A1 (en) System and method for optimizing transportations assignments and mainetenance activities
Huang An architecture and a methodology for intelligent control
Stocker et al. An approach to quantify workload in a system of agents
CN112989604B (zh) 一种基于贝叶斯网络的致因场景安全性定量评价方法
CN112214209B (zh) 一种无人机运行场景中交互信息与任务时序的建模方法
Onken Cognitive cooperation for the sake of the human-machine team effectiveness
Gérard et al. A framework for designers to support prospective design
Maathuis Human Centered Explainable AI Framework for Military Cyber Operations
CN112784446A (zh) 一种基于bdi的多主体全要素安全性建模方法
Ružický Formalization of user interaction with virtual expert resource of knowledge type via ontological modelling
D’Aniello et al. Situation granularity
Salvan et al. Pilots’ decision-making during unstabilized approaches: Group-level policy capturing for cognitive assistance
Bocaniala et al. On enhanced situational awareness models for unmanned aerial systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant