CN109388510A

CN109388510A - 一种人机系统任务可靠性分析方法及装置

Info

Publication number: CN109388510A
Application number: CN201710685400.4A
Authority: CN
Inventors: 陈旭鸿; 唐欢; 潘宇雄; 汪旭; 杜绍华; 尹超; 匡芬
Original assignee: CRRC Zhuzhou Institute Co Ltd
Current assignee: CRRC Zhuzhou Institute Co Ltd
Priority date: 2017-08-11
Filing date: 2017-08-11
Publication date: 2019-02-26
Anticipated expiration: 2037-08-11
Also published as: CN109388510B

Abstract

本发明公开一种人机系统任务可靠性分析方法及装置，该方法步骤包括：S1.建立待分析人机系统的任务可靠性模型；S2.将待分析人机系统的每个任务流程等效为IDA模型，并在IDA模型中设置绩效影响因子；分别获取每个任务流程在IDA模型中各阶段的初始人误概率，并使用对应绩效影响因子的影响系数对初始人误概率进行修正，得到修正后人误概率；S3.根据各阶段修正后人误概率分别计算每个任务流程的可靠度，以及根据任务可靠性模型使用各个任务流程的可靠度计算得到系统最终的可靠度；该装置包括可靠性模型建立模块、任务分析模块以及可靠度计算模型。本发明具有实现方法简单、可靠性分析效率及精度高等优点。

Description

一种人机系统任务可靠性分析方法及装置

技术领域

本发明涉及人机系统技术领域，尤其涉及一种人机系统任务可靠性分析方法及装置。

背景技术

人机系统是由人和机器构成并依赖于人机之间相互作用而完成指定功能的系统，例如驾驶员-舰载机系统、驾驶员-机车系统以及驾驶员-动车系统等。为保证人机系统能够可靠、高效地发挥作用，需要对人机系统进行可靠性分析，以评估人机系统的可靠程度。

人机系统的任务通常是由多个任务流程构成，各个任务流程涉及多个设备，目前人机系统的可靠性分析与评估方法中通常都是将人作为机器处理，即并不考虑人的影响因素，随着系统及设备安全可靠性的不断提高，人机系统的可靠性越来越取决于人的可靠性，因而不考虑人的影响因素是无法实现精确的系统可靠性分析。

人因可靠性分析(Human Reliability Analysis，HRA)即是考虑人的失误对风险的后果，实现可靠性分析以揭示系统的薄弱环节，目前人因可靠性分析通常都是单独基于人误概率的分析方法或基于可靠性分析模型，如以认知可靠性与差错分析方法(CognitiveReliability and Error Analysis Method，CREAM)为基础，构建人误概率量化的方法；IDA(Information,Decision,Action Model)模型作为一种人的可靠性分析模型，是在给定约束和限制条件下，对操作员的问题解决和决策阶段的行为建立模型，模型由三个部分组成：信息模块(信息预处理阶段)、问题解决和决策模块(决策阶段)和动作模块(动作执行阶段)，IDA模型能够解决问题制定决策，从而得到更合理的决策，但该模型并未考虑人的认知能力和人机交互作用的影响，对人因绩效的适用性具有不确定性，模型分析精度依然不高。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种能够充分考虑人的认知能力、人机交互作用，且实现方法简单、可靠性分析效率及精度高的人机系统任务可靠性分析方法及装置。

为解决上述技术问题，本发明提出的技术方案为：

一种人机系统任务可靠性分析方法，步骤包括：

S1.模型建立：建立待分析人机系统的任务可靠性模型；

S2.任务分析：将待分析人机系统的每个任务流程等效为IDA模型，并在所述IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子；分别获取每个所述任务流程在IDA模型中各阶段的初始人误概率，并使用对应所述绩效影响因子的影响系数对所述初始人误概率进行修正，得到修正后人误概率；

S3.可靠度计算：根据各阶段的所述修正后人误概率分别计算每个任务流程的可靠度，以及根据所述任务可靠性模型使用各个任务流程的可靠度计算得到系统最终的可靠度。

作为本发明方法的进一步改进：所述任务可靠性模型为串联模型、并联模型、串联-并联模型、串联-并联-旁联模型中一种，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成所述任务可靠性模型。

作为本发明方法的进一步改进：所述步骤S3中，当所述任务可靠性模型为串联模型时，具体按照R(1)*R(2)…R(i)….R(n)计算得到系统最终的可靠度，当所述任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统中所有需分析的任务流程的数量。

作为本发明方法的进一步改进，所述步骤S2中具体按照HEP∏δ_i对所述初始人误概率进行修正，其中HEP为所述初始人误概率，δ_i为第i个所述绩效影响因子的影响系数。

作为本发明方法的进一步改进，所述步骤S3中具体按照下式计算每个任务流程的可靠度；

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai)

其中，R_H为可靠度，R_I、R_D、R_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的可靠度，HEP_I、HEP_D、HEP_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的所述初始人误概率，δ_I、δ_D、δ_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的所述绩效影响因子的影响系数，HEP_I∏δ_Ii、HEP_D∏δ_Di、HEP_A∏δ_Ai分别为息获取阶段I、决策阶段D、动作执行阶段A的所述修正后人误概率。

作为本发明方法的进一步改进，所述绩效影响因子包括用于表征信息获取特征的信息获取影响因子，所述信息获取影响因子包括在信息预处理阶段的信息量、信息获取难易程度以及信息精准度中一种或多种。

作为本发明方法的进一步改进，所述绩效影响因子还包括用于表征任务信息的任务影响因子，所述任务影响因子包括任务复杂度、任务重要度以及操作复杂度中一种或多种。

作为本发明方法的进一步改进，所述任务复杂度具体包括在决策阶段的任务量和/或知识水平要求；所述任务重要度具体为在决策阶段的任务失败后果影响程度；所述操作复杂度具体包括在动作执行阶段的操作复杂度和/或工具使用难度。

一种人机系统任务可靠性分析装置，包括：

模型建立模块，用于建立待分析人机系统的任务可靠性模型；

任务分析模块，用于将待分析人机系统的每个任务流程等效为IDA模型，并在所述IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子；分别获取每个所述任务流程在IDA模型中各阶段的初始人误概率，并使用对应所述绩效影响因子的影响系数对所述初始人误概率进行修正，得到修正后人误概率；

可靠度计算模块，用于根据各阶段的所述修正后人误概率分别计算每个任务流程的可靠度，以及根据所述任务可靠性模型使用各个任务流程的可靠度计算得到系统最终的可靠度。

作为本发明装置的进一步改进：所述模型建立模块中任务可靠性模型为串联模型、并联模型、串联-并联模型、串联-并联-旁联模型中一种，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成所述任务可靠性模型。

作为本发明装置的进一步改进：所述可靠度计算模块中当所述任务可靠性模型为串联模型时，具体按照R(1)*R(2)…R(i)….R(n)计算得到系统最终的可靠度，当所述任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统中所有需分析的任务流程的数量。

作为本发明装置的进一步改进：所述可靠度计算模块中具体按照HEP∏δ_i对所述初始人误概率进行修正，其中HEP为所述初始人误概率，δ_i为第i个所述绩效影响因子的影响系数。

作为本发明装置的进一步改进：所述可靠度计算模块中具体按照下式计算每个任务流程的可靠度；

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai)

其中，R_H为可靠度，R_I、R_D、R_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的可靠度，HEP_I、HEP_D、HEP_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的所述人误概率，δ_I、δ_D、δ_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的所述绩效影响因子的影响系数，HEP_I∏δ_Ii、HEP_D∏δ_Di、HEP_A∏δ_Ai分别为息获取阶段I、决策阶段D、动作执行阶段A的所述修正后人误概率。

作为本发明装置的进一步改进：所述任务分析模块中绩效影响因子包括用于表征信息获取特征的信息获取影响因子，所述信息获取影响因子包括在信息预处理阶段的信息量、信息获取难易程度以及信息精准度中一种或多种。

作为本发明装置的进一步改进：所述任务分析模块中绩效影响因子还包括用于表征任务信息的任务影响因子，所述任务影响因子包括任务复杂度、任务重要度以及操作复杂度中一种或多种。

作为本发明装置的进一步改进：所述任务分析模块中任务复杂度具体包括在决策阶段的任务量和/或知识水平要求；所述任务重要度具体为在决策阶段的任务失败后果影响程度；所述操作复杂度具体包括在动作执行阶段的操作复杂度和/或工具使用难度。

与现有技术相比，本发明的优点在于：

1)本发明通过IDA模型对人机系统进行分析，在可靠性分析过程中考虑人的因素，能够准确反映产品在实际使用过程中的可靠性，同时基于IDA模型使用绩效影响因子来修正各阶段的人误概率，考虑了人的认知能力和人机交互作用的影响，弥补了传统人机系统的可靠性分析与评估方法中将人作为机器处理的缺陷，分析实现更为合理且精度更高，通过将人机交互作用考虑进来，能够充分分析人机系统整体的任务可靠性水平，使分析结果能够更加接近产品的实际可靠性水平；

2)本发明通过在IDA模型的基础上，考虑人的认知能力、人机交互作用的影响，在IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子，能够构建更为精确的可靠性模型，由绩效影响因子来表征绩效影响因子的影响大小，对每个任务流程进行分析时，分别确定每项任务操作流程的初始人误概率，结合对应绩效影响因子的影响系数对初始人误概率进行修正能够充分反映任务流程中人的失误、认知能力以及人机交互作用的影响，从而提高任务可靠性分析的精度；

3)本发明构建的改进IDA模型进一步包括信息获取方面的信息量、信息获取难易程度以及信息精准度，以及任务方面的任务复杂度、任务重要度以及操作复杂度，能够从任务的角度全面考虑人的影响因素，所构建的IDA模型精度更高，且更适用于工程应用。

附图说明

图1是本发明实施例1人机系统任务可靠性分析方法的实现流程示意图。

图2是本发明实施例1构建的全串联型任务可靠性模型的原理示意图。

图3是本发明实施例1中构建的改进IDA模型的原理示意图。

图4是本发明实施例1人机系统任务可靠性分析装置的结构示意图。

图5是本发明实施例2中建立的任务可靠性模型的原理示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

实施例1：

如图1所示，本实施例人机系统任务可靠性分析方法步骤包括：

S1.模型建立：建立待分析人机系统的任务可靠性模型。

任务可靠性模型是用以估计产品在执行任务过程中完成规定功能的程度，基本可靠性模型是一个全串联模型，即可靠性模型为串联系统，如图2所示，由各任务流程与各设备串联构成串联系统，也可以根据任务情况采用并联模型、串联-并联模型、串联-并联-旁联模型等，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成任务可靠性模型。

本实施例首先分析人机系统的构成，对该系统的任务进行分析以确定所有的任务操作流程，再根据任务流程图建立人机系统的任务可靠性模型，如建立得到图2所示的全串联模型或并联模型、串联-并联模型、串联-并联-旁联模型等。

S2.任务分析：将待分析人机系统的每个任务流程等效为IDA模型，并在IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子；分别获取每个任务流程在IDA模型中各阶段的初始人误概率，并使用对应绩效影响因子的影响系数对初始人误概率进行修正，得到修正后人误概率。

本实施例在IDA模型的基础上，考虑人的认知能力、人机交互作用的影响，在IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子，能够构建更为精确的可靠性模型，由绩效影响因子来表征绩效影响因子的影响大小，对每个任务流程进行分析时，分别确定每项任务操作流程的初始人误概率HEP以及对应绩效影响因子的绩效影响因子，结合绩效影响因子对初始人误概率HEP进行修正，修正后人误概率能够充分反映任务流程中人的失误、认知能力以及人机交互作用的影响，从而提高任务可靠性分析的精度。

本实施例中，绩效影响因子具体包括用于表征信息获取信息的信息获取影响因子，即考虑信息获取方面人的认知能力、人机交互作用的影响，信息获取影响因子具体可采用在信息预处理阶段的信息量、信息获取难易程度以及信息精准度，也可以根据实际需求采用信息量、信息获取难易程度以及信息精准度中一种或两种，还可以采用其他信息获取方面的绩效影响因子以进一步提高精度。

本实施例绩效影响因子还包括用于表征任务信息的任务影响因子，即考虑任务方面人的认知能力、人机交互作用的影响，任务影响因子具体包括任务复杂度、任务重要度以及操作复杂度，也可以根据实际需求采用信息量、信息获取难易程度以及信息精准度中一种或两种，还可以采用其他任务方面的绩效影响因子以进一步提高精度。

如图3所示，本实施例构建的改进IDA模型考虑机器对人的影响，信息获取方面考虑信息量、信息获取难易程度以及信息精准度等绩效影响因子，信息获取方面考虑信息量、信息获取难易程度以及信息精准度等绩效影响因子，能够从任务的角度考虑影响因素，所构建的IDA模型精度更高，且更适用于工程应用。

步骤S1中确定人机系统的所有任务流程后，分别对各任务流程进行分析，基于上述改进IDA模型分别确定I(信息预处理)阶段、D(决策)阶段、A(动作执行)阶段的初始人误概率以及对应各绩效影响因子PIFs的影响系数，在具体实施例中对各阶段不同影响程度所设定的绩效影响因子表如表1所示。人误概率具体可考虑环境、任务以及人机界面等因素进行确定。

表1：绩效影响因子表。

当然在其他实施例中，I(信息预处理)阶段、D(决策)阶段、A(动作执行)阶段的各绩效影响因子PIFs的影响系数均可根据实际需求进行确定。

S3.可靠度计算：根据各阶段修正后人误概率分别计算每个任务流程的可靠度，以及根据任务可靠性模型使用各个任务流程的可靠度计算得到系统最终的可靠度。

获取到I(信息预处理)阶段、D(决策)阶段、A(动作执行)阶段的修正后人误概率后，计算各任务流程的可靠度，以对各任务流程的可靠性进行分析。

本实施例构建的改进IDA模型认为每项操作由三个步骤共同完成，即I(信息预处理)，D(决策)、A(动作执行)三个阶段，当三个步骤全部正确时对应操作正确，即为全串联模型，则每个任务流程的可靠度R_H计算公式为：

R_H＝R_IR_DR_A (1)

式(1)中，R_H为当前任务流程的可靠度，R_I、R_D、R_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的可靠度。

以计算R_I为例，若HEP_I为I(信息预处理)阶段的初始人误概率，δ_I1、δ_I2、δ_I3分别为对应该阶段上述绩效因子PIFs(信息量、信息获取难易程度以及信息精准度)的影响系数，使用绩效因子PIFs的影响系数δ_I1、δ_I2、δ_I3对I阶段的初始人误概率HEP进行修正，即由作为I阶段的修正后人误概率。

得到修正后人误概率后，按照式(2)计算得到该阶段的可靠度：

按照上述方法即可分别计算得到I(信息预处理)阶段、D(决策)阶段、A(动作执行)阶段的可靠度R_I、R_D、R_A，则每个任务流程的可靠度计算公式为：

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai) (3)

其中，R_H为可靠度，R_I、R_D、R_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的可靠度，HEP_I、HEP_D、HEP_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的人误概率，δ_I、δ_D、δ_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的绩效影响因子系数。

根据步骤S1建立的任务可靠性模型，在确定组成单元(各任务流程)的可靠度之后，可以计算最终系统的可靠度，最终系统可靠度的计算原理与不同串并联时电阻的计算方式相同。

分别以任务可靠性模型串联模型、并联模型为例，当任务可靠性模型为串联模型时，具体按照R(1)*R(2)…R(i)…·R(n)计算得到系统最终的可靠度，当任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统的所有需分析任务流程的数量。

本实施例采用上述方法，通过IDA模型对人机系统进行分析，在可靠性分析过程考虑人的因素，能够准确反映产品在实际使用过程中的可靠性，同时基于IDA模型使用绩效影响因子来修正各阶段的人误概率，考虑了人的认知能力和人机交互作用的影响，弥补了传统人机系统的可靠性分析与评估方法中将人作为机器处理的缺陷，分析实现更为合理且精度更高，通过将人机交互作用考虑进来，能够充分分析人机系统整体的任务可靠性水平，使分析结果能够更加接近产品的实际可靠性水平。

如图4所示，本实施例人机系统任务可靠性分析装置，包括：

任务分析模块，用于将待分析人机系统的每个任务流程等效为IDA模型，并在IDA模型中设置用于表征认知能力、人机交互作用的绩效影响因子；分别获取每个任务流程在IDA模型中各阶段的人误概率以及对应绩效影响因子的绩效影响因子；

可靠度计算模块，用于根据各阶段的人误概率、绩效影响因子分别计算每个任务流程的可靠度，根据任务可靠性模型使用各个任务流程的可靠度计算得到系统最终的可靠度。

本实施例中，模型建立模块中任务可靠性模型为串联模型、并联模型、串联-并联模型、串联-并联-旁联模型中一种，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成任务可靠性模型。

本实施例中，可靠度计算模块中，当任务可靠性模型为串联模型时，具体按照R(1)*R(2)…R(i)….R(n)计算得到系统最终的可靠度，当任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统的所有需分析任务流程的数量。当串联-并联模型或串联-并联-旁联模型，串联-并联、串联-并联-旁联方式时计算电阻原理相同的，计算对应的系统最终的可靠度。

本实施例中，可靠度计算模块中具体按照式(3)计算每个任务流程的可靠度；

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai) (3)

其中，R_H为可靠度，R_I、R_D、R_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的可靠度，HEP_I、HEP_D、HEP_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的人误概率，δ_I、δ_D、δ_A分别为信息获取阶段I、决策阶段D、动作执行阶段A的绩效影响因子的影响系数。

本实施例中，任务分析模块中绩效影响因子包括用于表征信息获取信息的信息获取影响因子，信息获取影响因子包括在信息预处理阶段的信息量、信息获取难易程度以及信息精准度，绩效影响因子包括用于表征任务信息的任务影响因子，任务影响因子包括任务复杂度、任务重要度以及操作复杂度，任务复杂度具体包括在决策阶段的任务量和/或知识水平要求；任务重要度具体为在决策阶段的任务失败后果影响程度；操作复杂度具体包括在动作执行阶段的操作复杂度和/或工具使用难度。

本实施例人机系统任务可靠性分析装置的原理与上述人机系统任务可靠性分析方法一致，不再赘述。

实施例2：

本实施例是具体对机车检查整备作业任务进行可靠性分析，详细步骤为：

步骤一：分析人机系统构成。

对机车检查整备作业任务分析，确定人机系统由检修员、被检修设备共同构成，为简化分析，检修设备具体包括维修时涉及的人机界面，例如仪表盘，显示屏等。

步骤二：任务分析。

本实施例中对机车检查整备作业任分析得到以下8个任务流程：

①手动缓解蓄能制动器，确认蓄能制动器在制动状态；

②闭合蓄电池脱扣61QA，确认蓄电池电压不低于96V；

③确认总风缸压力不低于450kpa，升弓压力表压力达到735kpa时，辅助压缩机停止，初次升弓时按压升弓辅助压缩机按钮，每次打风时间不超过10分钟；

④闭合操作台电钥匙开关，闭合操作台升弓板键开关，同时观察受电弓网压状态，无感应电压时不得进行升弓操作；

⑤确认受电弓升起，网压不低于25kv，闭合操作台主断板键开关，确认操作台仪表指示灯、辅变流器、水泵、油泵、牵引风机、冷却风机、停放制动灯依次熄灭；

⑥确认制动机仪表显示压力正常，换向手柄为前牵位；

⑦检查制动控制柜各塞门及主断路器、受电弓供风塞门都处于正确位置。

⑧确认CTMS微机显示屏各辅机状态正常，无故障报警。

步骤三：建立任务可靠度模型。

由于上述各任务流程相互独立，无相互影响，则为该人机系统建立串联型任务的可靠性模型，如图5所示，包括8个任务流程单元以及8个设备单元，依次串联构成任务可靠度模型。

步骤四：确定每个任务流程的绩效影响因子PIFs的影响系数以及人误概率HEP。

本实施例构建的IDA模型如图3所示，以及采用如表1所示的绩效影响因子表。以任务流程1为例，具体确定得到如表2所示的绩效影响因子PIFs的影响系数表。

表2：任务流程①的PIFs的影响系数。

本实施例具体设定I、D、A三个阶段的初始人误概率HEP均为0.01，即HEP_I、D、A＝0.01，其他第②～⑧任务流程的各个阶段绩效影响因子PIFs的影响系数均为1。

步骤五：根据各阶段绩效影响因子PIFs的影响系数以及人误概率HEP，计算每个任务流程的可靠度，计算公式如式(3)所示，即：

R_H＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai) (3)

由于I、D、A三个阶段的初始人误概率HEP为0.01，由表2可以计算得到任务流程①的可靠度R_H＝0.95，第②～⑧任务流程各阶段绩效影响因子PIFs的影响系数均为1，可以计算各任务流程的可靠度R_H＝0.99³＝0.97。

步骤六：假设各个系统在任务时间内的不可靠度均为0.001，结合任务可靠性模型(串联模型)计算最终的任务可靠度MR＝R(1)*R(2)......*R(8)＝0.76。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims

1.一种人机系统任务可靠性分析方法，其特征在于，步骤包括：

S1.模型建立：建立待分析人机系统的任务可靠性模型；

2.根据权利要求1所述的人机系统任务可靠性分析方法，其特征在于：所述任务可靠性模型为串联模型、并联模型、串联-并联模型、串联-并联-旁联模型中一种，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成所述任务可靠性模型。

3.根据权利要求2所述的人机系统任务可靠性分析方法，其特征在于：所述步骤S3中，当所述任务可靠性模型为串联模型时，具体按照R(1)*R(2)...R(i)....R(n)计算得到系统最终的可靠度，当所述任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统中所有需分析的任务流程的数量。

4.根据权利要求1或2或3所述的人机系统任务可靠性分析方法，其特征在于，所述步骤S2中具体按照HEP∏δ_i对所述初始人误概率进行修正，其中HEP为所述初始人误概率，δ_i为第i个所述绩效影响因子的影响系数。

5.根据权利要求4所述的人机系统任务可靠性分析方法，其特征在于，所述步骤S3中具体按照下式计算每个任务流程的可靠度；

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai)

6.根据权利要求1或2或3所述的人机系统任务可靠性分析方法，其特征在于：所述绩效影响因子包括用于表征信息获取特征的信息获取影响因子，所述信息获取影响因子包括在信息预处理阶段的信息量、信息获取难易程度以及信息精准度中一种或多种。

7.根据权利要求6所述的人机系统任务可靠性分析方法，其特征在于：所述绩效影响因子还包括用于表征任务信息的任务影响因子，所述任务影响因子包括任务复杂度、任务重要度以及操作复杂度中一种或多种。

8.根据权利要求7所述的人机系统任务可靠性分析方法，其特征在于，所述任务复杂度具体包括在决策阶段的任务量和/或知识水平要求；所述任务重要度具体为在决策阶段的任务失败后果影响程度；所述操作复杂度具体包括在动作执行阶段的操作复杂度和/或工具使用难度。

9.一种人机系统任务可靠性分析装置，包括：

10.根据权利要求9所述的人机系统任务可靠性分析装置，其特征在于：所述模型建立模块中任务可靠性模型为串联模型、并联模型、串联-并联模型、串联-并联-旁联模型中一种，即将人机系统中每个任务操作流程视为一个单元，以及所涉及的设备作为一个硬件单元，由人机系统中各任务流程单元以及各设备单元按照串联、并联、串联-并联、串联-并联-旁联中一种连接方式构成所述任务可靠性模型。

11.根据权利要求10所述的人机系统任务可靠性分析装置，其特征在于：所述可靠度计算模块中当所述任务可靠性模型为串联模型时，具体按照R(1)*R(2)...R(i)....R(n)计算得到系统最终的可靠度，当所述任务可靠性模型为并联模型时，具体按照1-(1-R(1))(1-R(2))......(1-R(n))计算系统最终的可靠度，其中R(i)为第i个任务流程的可靠度，n为待分析人机系统中所有需分析的任务流程的数量。

12.根据权利要求9或10或11所述的人机系统任务可靠性分析装置，其特征在于，所述可靠度计算模块中具体按照HEP∏δ_i对所述初始人误概率进行修正，其中HEP为所述初始人误概率，δ_i为第i个所述绩效影响因子的影响系数。

13.根据权利要求12所述的人机系统任务可靠性分析装置，其特征在于，所述可靠度计算模块中具体按照下式计算每个任务流程的可靠度；

R_H＝R_IR_DR_A＝(1-HEP_I∏δ_Ii)×(1-HEP_D∏δ_Di)×(1-HEP_A∏δ_Ai)

14.根据权利要求9或10或11所述的人机系统任务可靠性分析装置，其特征在于：所述任务分析模块中绩效影响因子包括用于表征信息获取特征的信息获取影响因子，所述信息获取影响因子包括在信息预处理阶段的信息量、信息获取难易程度以及信息精准度中一种或多种。

15.根据权利要求14所述的人机系统任务可靠性分析装置，其特征在于：所述任务分析模块中绩效影响因子还包括用于表征任务信息的任务影响因子，所述任务影响因子包括任务复杂度、任务重要度以及操作复杂度中一种或多种。

16.根据权利要求15所述的人机系统任务可靠性分析装置，其特征在于，所述任务分析模块中任务复杂度具体包括在决策阶段的任务量和/或知识水平要求；所述任务重要度具体为在决策阶段的任务失败后果影响程度；所述操作复杂度具体包括在动作执行阶段的操作复杂度和/或工具使用难度。