CN111177900A - 一种基于匹配适应度的空间人机系统安全性动态建模方法 - Google Patents
一种基于匹配适应度的空间人机系统安全性动态建模方法 Download PDFInfo
- Publication number
- CN111177900A CN111177900A CN201911305015.8A CN201911305015A CN111177900A CN 111177900 A CN111177900 A CN 111177900A CN 201911305015 A CN201911305015 A CN 201911305015A CN 111177900 A CN111177900 A CN 111177900A
- Authority
- CN
- China
- Prior art keywords
- determining
- probability
- factor
- coupling
- human
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Algebra (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于匹配适应度的空间人机系统安全性动态建模方法,包括如下步骤:安全性影响因素分类及确定;安全性影响因素建模;安全性影响因素发生概率确定;安全性影响因素匹配适应权重确定;安全性影响因素匹配适应度确定;系统安全性动态建模框架确定;系统安全性模型综合。本发明将系统安全性影响因素分为单项影响因素和耦合影响因素两类,采用匹配适应度从发生可能性(发生概率)和后果严重性(匹配适应权重)两个方面建立系统安全性动态模型,扩展了系统安全性建模要素,简化了系统状态与影响因素状态之间的关系,改进了系统路径分支规则,使得建立的系统安全性动态模型更加准确,为系统安全性动态建模提供了新的思路和途径。
Description
技术领域
本发明属于系统安全性技术领域,涉及一种基于匹配适应度的空间人机系统安全性动态建模方法。
背景技术
安全性是空间站、载人飞船等有人参与的空间人机系统研制建设和运营管理关键问题。安全性建模是在系统安全性影响因素梳理基础上,进行系统安全性特征描述的重要技术手段,是开展安全性定量评估的基础。
空间人机系统安全性影响因素众多,既包含人因失误、设备故障、环境扰动等单项因素,也包含单项因素联合形成的耦合因素。同时由于系统组成、功能和任务过程复杂,各类因素以动态风险序列的形式对系统安全性产生影响,空间人机系统安全性建模面临新的挑战。
目前,工程上常采用故障树分析(FTA)或概率安全分析(PSA)等方法开展复杂系统安全性影响因素综合描述、不期望后果事件原因分析及发生概率计算等工作。对于复杂动态系统,主要采用离散动态事件树(DDET)方法,确定路径分支规则、低概率路径处理规则及系统状态吸收规则,采用仿真手段进行系统建模和分析。这些方法在建立以动态风险序列为特征的空间人机系统安全性模型时,存在以下不足:
(1)模型要素仅包含单项影响因素,未包含耦合影响因素;
(2)模型后果状态表征过程变量与系统安全性影响因素状态之间的显示量化关系难以建立;
(3)模型建立过程中确定路径分支概率阈值时,仅考虑影响因素发生可能性,未考虑影响因素后果严重性。
针对上述问题,本发明提出了一种基于匹配适应度的空间人机系统安全性动态建模方法,建立系统安全性动态模型,准确描述系统安全性动态特征。
发明内容
本发明主要解决空间人机系统安全性影响因素识别分析不全面、影响作用难以有效量化、影响过程不能模拟跟踪,系统安全性模型不够精确、安全性量化评价结果不够准确等技术问题。
为了解决上述技术问题,本发明提供了一种基于匹配适应度的空间人机系统安全性动态建模方法,包括如下步骤:
步骤(1),将系统安全性影响因素分为单项影响因素和耦合影响因素两类,并通过初步危险分析方法、系统危险分析等方法分别进行识别确定;
步骤(2),分别采用多层体系架构、故障树、因素测度、动态贝叶斯网络方法,建立单项影响因素和耦合影响因素安全性模型;
步骤(3),基于步骤(2)建立的影响因素安全性模型,收集底层节点和事件发生概率数据,进行影响因素发生概率计算;
步骤(4),采用主成分分析法,确定影响因素匹配适应权重;
步骤(5),定义并计算影响因素匹配适应度;
步骤(6),基于步骤(5)确定系统路径分支规则,结合低概率路径处理规则、系统状态吸收规则,形成系统安全性动态建模框架;
步骤(7),基于步骤(6),采用离散动态事件树(DDET)理论,进行模型综合,得到系统安全性动态模型。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,将系统安全性影响因素分为单项影响因素和耦合影响因素两类,并通过初步危险分析、系统危险分析方法分别进行识别确定,包括:
单项影响因素包括人因失误、设备故障、环境扰动3类,采用初步危险分析方法进行识别确定的步骤包括:
1)定义系统:明确空间人机系统的范围和边界(即系统功能);明确系统任务阶段、任务剖面、环境剖面;明确系统设计(如冗余设计等)、使用以及主要组成,利于设备故障建模;
2)采集信息:收集所有分析必需的设计、使用和过程相关的信息,收集有关的经验教训以及其他可用的危险信息,收集所有适用的规章资料;
3)初步识别:列出所分析的设备、功能和能源清单;为所分析的每个设备、功能和能源准备分析表;将系统硬件设备与危险检查表和顶层事故表进行比对;将系统运行功能与危险检查表和顶层事故表进行比对;将系统能源与危险检查表和顶层事故表进行比对;将系统软件功能与危险检查表和顶层事故表进行比对;通过对比,初步识别人因失误、设备故障、环境扰动单项影响因素。
4)最终确认:针对初步识别的单项影响因素,通过会议研讨、历史事故比对分析等方法进行确定,最终确认系统安全性单项影响因素。
耦合影响因素包括人机耦合、人环耦合、机环耦合、人机环耦合4类,采用系统危险分析方法进行识别确认的步骤包括:
1)定义系统:明确系统范围和边界(即系统功能);明确任务阶段、任务剖面、环境剖面;了解系统设计和运行原理;
2)采集信息:收集所有分析必需的设计、使用和过程相关的信息,收集有关的经验教训以及其他可用的危险信息;收集所有适用的规章资料;
3)初步识别:确定系统安全关键功能;建立安全关键功能线索,确定线索中的部件和子功能;根据线索上的部件和子功能识别与接口相关的耦合影响因素;
4)最终确认:针对初步识别的耦合影响因素,通过会议研讨、历史事故比对分析等方法进行确定,最终确认系统安全性耦合影响因素。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,分别采用多层体系架构、故障树、因素测度、动态贝叶斯网络方法,建立单项影响因素和耦合影响因素安全性模型,包括:
采用多层体系架构方法,从典型任务体系、典型行为体系、典型失误体系3个方面建立人因失误模型,步骤包括:
1)分析空间人机系统典型人因相关任务,包括舱内任务和舱外任务,舱内任务主要包括维护维修、科学实验、机械臂操作等,舱外任务主要包括安装维护、维修更换等;
2)分析空间人机系统典型人因相关任务包含的相关行为,包括运动行为、操作行为、认知行为、决策行为4类行为;
3)分析空间人机系统典型人因相关行为的失误类型,包括行为失败、程度不足、顺序颠倒等;
4)针对分析得到的人因失误类型,分别采用人误概率预测(THERP)、认知可靠性和失误分析(CREAM),以及班组情形下的信息、决策和动作(IDAC)方法建立相应的人因失误模型;
采用故障树方法建立设备故障模型,步骤包括:
1)分析设备故障模式,确定关键故障模式作为故障树顶事件;
2)分析导致顶事件发生的故障原因及其组合,采用与、或、表决等故障逻辑门将故障原因及其组合挂接在故障树顶事件下;
3)进行故障树形式检查,对事件进行编号,重复事件各自独立编号;
采用因素测度方法建立环境扰动模型,步骤包括:
1)分析空间人机系统环境要求,确定要求指标和扰动参数;
2)收集环境扰动参数数据;
3)根据环境要求指标,确定环境变化状态,包括正常状态、扰动状态、危险状态;必要时可对扰动状态进行细分;
4)根据取值范围将环境扰动参数数据归入不同环境变化状态,建立环境扰动模型;
采用动态贝叶斯网络建立耦合影响因素模型,步骤包括:
1)确定耦合因素类型,包括人机耦合、人环耦合、机环耦合及人机环耦合;
2)以耦合因素节点为根节点(状态节点),以构成耦合因素节点的单项因素节点为叶节点(观察节点),建立耦合因素的网络拓扑结构;
3)明确耦合因素发生时间区间,进行区间划分,确定耦合因素发生时间片。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,收集底层节点或基本事件发生概率数据,进行影响因素发生概率计算,包括:
人因失误发生概率计算的步骤包括:
1)对于采用THERP方法建立的人因失误模型,采用基于修正行为形成因子和基本人因失误概率的方法进行人因失误概率量化;
2)对于采用CREAM方法建立的人因失误模型,采用计算修正认知失效概率的方法进行人因失误概率量化;
3)对于采用IDAC方法建立的人因失误模型,采用班组相关行为形成因子的方法进行人因失误概率量化;
采用可靠性评估方式进行设备故障发生概率计算,步骤包括:
1)确定故障树模型中基本事件的发生概率;
2)采用上行法或下行法进行故障树顶事件发生概率计算;
采用马尔科夫方法进行环境扰动发生概率计算,步骤包括:
1)确定环境扰动模型初始状态概率分布;
2)根据实验数据确定环境扰动模型状态转移概率矩阵;
3)根据初始状态概率分布和状态转移概率矩阵确定环境扰动状态概率分布;
采用连续变量离散化方法进行耦合因素发生概率计算,步骤包括:
1)确定初始时间片上状态节点和观察节点的边缘概率分布;
2)确定不同时间片之间状态节点和观察节点的转移概率分布;
3)根据贝叶斯推理方法计算耦合因素发生概率。
1)在上述基于匹配适应度的空间人机系统安全性动态建模方法中,采用主成分分析法确定影响因素匹配适应权重,步骤包括:建立系统任务安全性影响因素数量矩阵;
2)确定数量矩阵的相关系数矩阵(主成分系数矩阵);
3)确定相关系数矩阵特征向量(主成分累积贡献率向量);
4)根据相关系数矩阵和特征向量计算单项和耦合影响因素匹配适应权重。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,定义影响因素匹配适应度=影响因素发生概率×影响因素匹配适应权重。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,基于系统路径分支规则,结合低概率路径处理规则和系统状态吸收规则,形成系统安全性建模框架,包括:
1)确定路径分支规则:在固定时间点上,根据影响因素匹配适应度,计算系统安全可靠度;比较系统安全可靠度与路径分支概率阈值,前者小于等于后者,路径分支,将系统安全可靠度与路径分支概率阈值相乘作为新的路径分支概率阈值;否则,路径不分支;
2)确定低概率路径处理规则:规定路径截断概率阈值,以直接截断方式处理低于规定路径截断概率阈值的路径;
3)确定系统状态吸收规则:规定系统吸收状态概率阈值,对于达到该阈值的系统状态作为吸收状态处理。
在上述基于匹配适应度的空间人机系统安全性动态建模方法中,采用离散动态事件树(DDET)方法,进行模型综合,得到系统安全性动态模型,包括:
1)根据系统特征,梳理系统安全性单项和耦合影响因素,形成影响因素集合;
2)根据系统特征,确定路径分支规则、低概率路径处理规则、系统状态吸收规则;
3)以影响因素为对象,以路径分支规则、低概率路径处理规则、系统状态吸收规则为控制规则,采用离散动态事件树(DDET)理论,建立系统安全性动态模型。
本发明具有以下优点:
(1)扩展了系统安全性建模要素:在传统安全性建模考虑的人因失误、设备故障、环境扰动3类单项因素基础上,将人机耦合、人环耦合、机环耦合、人机环耦合4类耦合因素也包含在系统安全性模型要素中,一方面使得空间人机系统安全性建模考虑的影响因素更加全面,有利于建立更加符合实际的系统安全性模型;另一方面通过耦合影响因素对单项影响之间的相互影响关系进行了描述,避免了传统方法孤立看待影响因素的问题;
(2)简化了系统状态与影响因素状态之间的关系:传统安全性动态建模方法通过建立系统过程变量(如系统温度、压力、位移等)的微分方程组来表达系统离散状态,不同系统状态对应不同微分方程组。在这种情况下,系统安全性分析的本质在于计算在极端情况下才有解的、服从微分形式的Chapman-Kolmogorov方程,系统状态与影响因素状态之间建立显式量化关系难度较大。本发明基于影响因素匹配适应度,构建表达系统状态的安全可靠度函数,直接给出影响因素与系统状态之间的概率量化关系,简化了模型表征难度;
(3)改进了系统安全性动态建模过程中的路径分支规则:传统系统动态安全性建模方法使用最为广泛的概率阈值法在确定路径分支概率阈值时,仅孤立地考虑单项影响因素的发生概率(发生可能性),实际系统中不同影响因素对系统安全性的影响不尽相同,在确定路径分支概率阈值时,需要同时考虑影响因素的后果严重性(匹配适应权重),以及影响因素之间的相互作用(耦合影响因素)。本发明基于影响因素匹配适应度,构建系统安全可靠度函数,并与当前时刻的路径分支概率阈值进行对比,确定新的路径分支概率阈值,从而将影响因素的后果严重性考虑在路径分支概率阈值中,改进了路径分支规则。
附图说明
图1示出本发明中一种基于匹配适应度的空间人机系统安全性动态建模方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明公开的实施方式作进一步详细描述。
参照图1,示出了本发明实施例中一种基于匹配适应度的空间人机系统安全性动态建模方法的步骤流程图。在本实施例中,所述空间人机系统安全性动态建模方法,包括:
步骤101,将系统安全性影响因素分为单项影响因素和耦合影响因素两类,并通过初步危险分析方法、系统危险分析方法分别进行识别确定。
在本实施例中,初步危险分析、系统危险分析具体步骤可参见GJB900A-2012。单项影响因素按照人因失误、设备故障、环境扰动3个类别进行识别确认。耦合影响因素按照人机耦合、人环耦合、机环耦合、人机环耦合4个类型进行识别确认。耦合影响因素还可以分为因果耦合和叠加耦合两种形式,因果耦合是指影响因素之间存在因果关系的耦合(如更换操作失误导致环控生保分系统水管理子系统故障),叠加耦合是指影响因素之间相互独立不存在因果关系的耦合(如电解制氧子系统故障情况下维修更换失败)。
步骤102,分别采用多层体系架构、故障树、因素测度、动态贝叶斯网络方法,建立单项影响因素和耦合影响因素安全性模型。
其中,采用多层体系架构方法建立人因失误安全性模型时,需要构建包含典型任务体系、典型行为体系和典型失误体系在内的多层体系,将人因失误准确定位,然后再根据经典人因可靠性理论建立相应模型。
采用故障树方法建立设备故障安全性模型的具体步骤可参见GJB/Z768A-1998。
采用因素测度方法建立环境扰动安全性模型时关键在于确定环境条件(如舱内温度)和环境变化状态(如正常温度状态、扰动温度状态、危险温度状态)。
采用动态贝叶斯网络方法建立耦合影响因素安全性模型的关键在于耦合影响因素网络拓扑结构的确定及时间片的划分。
步骤103,基于步骤102建立的影响因素安全性模型,分别收集单项影响因素和耦合影响因素的底层节点和事件发生概率数据,进行影响因素发生概率计算。
在本实施例中,人因失误发生概率计算根据采用的人因可靠性模型进行相关数据的收集和整理。采用THERP方法建立人因失误模型,主要采集行为形成因子(PSF)和/或基本人因失误概率两类基础数据;采用CREAM方法建立人因失误模型,主要采集修正认知失效概率基础数据;采用IDAC方法建立人因失误模型,主要采集班组相关行为形成因子基础数据。
设备故障发生概率计算主要采集基本事件发生概率数据。
环境扰动发生概率计算主要采集不同环境状态数据。
耦合影响因素发生概率计算主要采集状态节点和观察节点的边缘概率分布和转移概率分布数据。
步骤104,采用主成分分析法,确定影响因素匹配适应权重。
在本实施例中,首先建立单项和耦合影响因素样本数量矩阵,调用MATLAB中的Pc=princomp(x),[PC,SCORE,latent,tsquare]=princomp(x)函数,得到样本数量矩阵主成分系数矩阵和主成分贡献率向量,进行矩阵和向量点乘运算,得到各影响因素匹配适应权重。
步骤105,定义并计算影响因素匹配适应度=影响因素发生概率×影响因素匹配适应权重。
在本实施例中,影响因素发生概率根据步骤103得到,影响因素匹配适应权重根据步骤104得到。
步骤106,基于步骤105确定系统路径分支规则,结合低概率路径处理规则、系统状态吸收规则,形成系统安全性动态建模框架。
在本实施例中,首先确定初始路径分支概率阈值,该阈值根据工程经验确定;其次在在固定时间点上根据公式(1)、(2)计算系统安全可靠度
比较系统安全可靠度与初始路径分支概率阈值,前者小于等于后者,路径分支,将系统安全可靠度与路径分支概率阈值相乘作为新的路径分支概率阈值;否则,路径不分支。
规定系统吸收状态概率阈值,该阈值根据工程经验确定;根据公式(3)计算系统吸收状态概率,对于达到该阈值的系统状态作为吸收状态处理。
规定路径截断概率阈值,该概率阈值根据工程经验确定;根据公式(4)计算路径概率,以直接截断方式处理概率低于规定路径截断概率阈值的路径。
步骤107,基于步骤106,采用离散动态事件树(DDET)理论,进行模型综合,得到系统安全性动态模型。
在本实施例中,系统安全性动态模型是以单项和耦合影响因素为元素,以系统路径分支规则、状态吸收规则和低概率路径处理规则为驱动力,以系统安全可靠状态为关注点,以系统安全可靠度计算为目标的模型。路径分支规则确保在不同时间点上产生不同路径,状态吸收规则和低概率路径处理规则确保路径数量和规模有限使得仿真得以进行。
最后,以空间站环控生保分系统舱内维修任务为例进行验证方法验证。根据任务规划,假定舱内维修任务时间为20小时。将维修任务时间离散化,设置3个离散时间点(时间片),分别是任务开始(t0=0)、任务过半(t1=10h)和任务结束(t2=20h),考察在上述离散时间点上各影响因素对系统安全性的影响。
根据步骤101,经梳理,空间站环控生保分系统舱内维修任务安全性影响因素如表1所示。
表1空间站环控生保分系统舱内维修任务安全性影响因素
根据步骤102,建立表1所示影响因素安全性模型,模型要素如表2所示。表2空间站环控生保分系统舱内维修任务安全性影响因素建模方法及模型要素
根据步骤103,计算得到离散时间点上影响因素发生概率如表3所示。
表3空间站环控生保分系统舱内维修任务安全性影响因素发生概率
根据步骤104、105,计算得到10个安全性影响因素的匹配适应权重、匹配适应度结果如表4所示。
表4空间站环控生保分系统舱内维修任务安全性影响因素匹配适应权重及匹配适应度
根据步骤106,设定系统初始路径分支概率阈值0.9999,系统吸收状态概率阈值7.5E-5,路径截断概率阈值1.5E-6,形成系统安全性动态建模框架。
根据步骤107,采用离散动态事件树(DDET)理论,进行模型综合,过程和结果如表5所示。
表5空间站环控生保分系统舱内维修任务安全性路径分支概率阈值与系统安全可靠度
本发明说明书中未作详细描述的内容属于本领域的公知常识。
Claims (8)
1.一种基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,包括如下步骤:
步骤(1),将系统安全性影响因素分为单项影响因素和耦合影响因素两类,并通过初步危险分析方法、系统危险分析方法分别进行识别确定;
步骤(2),建立单项影响因素和耦合影响因素安全性模型;
步骤(3),基于步骤(2)建立的影响因素安全性模型,收集底层节点或基本事件发生概率数据,进行影响因素发生概率计算;
步骤(4),采用主成分分析法,确定影响因素匹配适应权重;
步骤(5),定义影响因素匹配适应度;
步骤(6),基于步骤(5)确定系统路径分支规则,结合低概率路径处理规则和系统状态吸收规则,形成系统安全性动态建模框架;
步骤(7),基于步骤(6),采用离散动态事件树理论,进行模型综合,从而得到系统安全性动态模型。
2.根据权利要求1所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(1)中,将系统安全性影响因素分为单项影响因素和耦合影响因素两类,并通过初步危险分析、系统危险分析等方法分别进行识别确定,包括:单项影响因素包括人因失误、设备故障、环境扰动3类,采用初步危险分析方法进行识别确定的步骤包括:
1)定义系统:明确空间人机系统的范围和边界;明确系统任务阶段、任务剖面、环境剖面;明确系统设计、使用以及主要组成;
2)采集信息:收集所有分析必需的设计、使用和过程相关的信息;收集有关的经验教训以及其他可用的危险信息;收集所有适用的规章资料和信息;
3)初步识别:列出所分析的设备、功能和能源清单;为所分析的每个设备、功能和能源准备分析表;将系统硬件设备与危险检查表和顶层事故表进行比对;将系统运行功能与危险检查表和顶层事故表进行比对;将系统能源与危险检查表和顶层事故表进行比对;将系统软件功能与危险检查表和顶层事故表进行比对;通过对比,初步识别人因失误、设备故障、环境扰动单项影响因素;
4)最终确认:针对初步识别的单项影响因素,通过会议研讨、历史事故比对分析等方法进行确定,最终确认系统安全性单项影响因素;
耦合影响因素包括人机耦合、人环耦合、机环耦合、人机环耦合4类,采用系统危险分析方法进行识别确认的步骤包括:
1)定义系统:明确系统范围和边界;明确任务阶段、任务剖面、环境剖面;了解系统设计和运行原理;
2)采集信息:收集所有分析必需的设计、使用和过程相关的信息;收集有关的经验教训以及其他可用的危险信息;收集所有适用的规章资料和信息;
3)初步识别:确定系统安全关键功能;建立安全关键功能线索,确定线索中的部件和子功能;根据线索上的部件和子功能识别与接口相关的耦合影响因素;
4)最终确认:针对初步识别的耦合影响因素,通过会议研讨、历史事故比对分析等方法进行确定,最终确认系统安全性耦合影响因素。
3.根据权利要求2所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(2)中,分别采用多层体系架构、故障树、因素测度、动态贝叶斯网络方法,建立单项影响因素和耦合影响因素安全性模型,包括:
采用多层体系架构方法,从典型任务体系、典型行为体系、典型失误体系3个方面建立人因失误模型,步骤包括:
1)分析空间人机系统典型人因相关任务,包括舱内任务和舱外任务,舱内任务主要包括维护维修、科学实验、机械臂操作,舱外任务主要包括安装维护、维修更换;
2)分析空间人机系统典型人因相关任务包含的相关行为,包括运动行为、操作行为、认知行为、决策行为4类行为;
3)分析空间人机系统典型人因相关行为的失误类型,包括行为失败、程度不足、顺序颠倒;
4)针对分析得到的人因失误类型,分别采用人误概率预测THERP,认知可靠性和失误分析CREAM,以及班组情形下的信息、决策和动作IDAC方法建立相应的人因失误模型;
采用故障树方法建立设备故障模型,步骤包括:
1)分析设备故障模式,确定关键故障模式作为故障树顶事件;
2)分析导致顶事件发生的故障原因及其组合,采用与、或、表决等故障逻辑门将故障原因及其组合挂接在故障树顶事件下;
3)进行故障树形式检查,对事件进行编号,重复事件各自独立编号;
采用因素测度方法建立环境扰动模型,步骤包括:
1)分析空间人机系统环境条件要求,确定环境条件和环境指标;
2)收集环境指标数据;
3)根据环境条件,确定环境变化状态,包括正常状态、扰动状态、危险状态;必要时可对扰动状态进行细分;
4)根据取值范围将环境指标数据归入不同环境变化状态,建立环境扰动模型;
采用动态贝叶斯网络建立耦合影响因素模型,步骤包括:
1)确定耦合因素类型,包括人机耦合、人环耦合、机环耦合及人机环耦合;
2)以耦合因素为根节点即状态节点,以构成耦合因素的单项因素为叶节点即观察节点,建立耦合因素的网络拓扑结构;
3)明确耦合因素发生时间区间,进行区间划分,确定耦合因素发生时间片。
4.根据权利要求3所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(3)中,基于步骤(2)建立的影响因素安全性模型,收集底层节点或基本事件发生概率数据,进行影响因素发生概率计算,包括:
人因失误发生概率计算的步骤包括:
1)对于采用THERP方法建立的人因失误模型,采用基于修正行为形成因子和基本人因差错概率的方法进行人因失误概率量化;
2)对于采用CREAM方法建立的人因失误模型,采用计算修正认知失效概率的方法进行人因失误概率量化;
3)对于采用IDAC方法建立的人因失误模型,采用班组相关行为形成因子的方法进行人因失误概率量化;
采用可靠性评估方式进行设备故障发生概率计算,步骤包括:
1)确定故障树模型中基本事件的发生概率;
2)采用上行法或下行法进行故障树顶事件发生概率计算;
采用马尔科夫方法进行环境扰动发生概率计算,步骤包括:
1)确定环境扰动模型初始状态概率分布;
2)根据实验数据确定环境扰动模型状态转移概率矩阵;
3)根据初始状态概率分布和状态转移概率矩阵确定环境扰动状态概率分布;
采用连续变量离散化方法进行耦合因素发生概率计算,步骤包括:
1)确定初始时间片上状态节点和观察节点的边缘概率分布;
2)确定不同时间片之间状态节点和观察节点的转移概率分布;
3)根据贝叶斯推理方法计算耦合因素发生概率。
5.根据权利要求1所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(4)中采用主成分分析方法确定影响因素匹配适应权重的步骤包括:
1)建立系统任务安全性影响因素数量矩阵;
2)确定数量矩阵的相关系数矩阵;
3)确定相关系数矩阵特征向量;
4)根据相关系数矩阵和特征向量计算单项和耦合影响因素匹配适应权重。
6.根据权利要求5所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(5)中,定义影响因素匹配适应度=影响因素发生概率×影响因素匹配适应权重。
7.根据权利要求6所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(6)中,基于步骤(5)确定系统路径分支规则,结合低概率路径处理规则和系统状态吸收规则,形成系统安全性建模框架,包括:
1)确定路径分支规则:在固定时间点上,根据影响因素匹配适应度,计算系统安全可靠度;比较系统安全可靠度与路径分支概率阈值,前者小于等于后者,路径分支,将系统安全可靠度与路径分支概率阈值相乘作为新的路径分支概率阈值;否则,路径不分支;
2)确定低概率路径处理规则:规定路径截断概率阈值,以直接截断方式处理低于规定路径截断概率阈值的路径;
3)确定系统状态吸收规则:规定系统吸收状态概率阈值,对于达到该阈值的系统状态作为吸收状态处理。
8.根据权利要求1所述的基于匹配适应度的空间人机系统安全性动态建模方法,其特征在于,步骤(7)中,基于步骤(6),采用离散动态事件树方法,进行模型综合,得到系统安全性动态模型,包括:
1)根据系统特征,梳理系统安全性单项和耦合影响因素,形成影响因素集合;
2)根据系统特征,确定路径分支规则、低概率路径处理规则、系统状态吸收规则;
3)以影响因素为对象,以路径分支规则、低概率路径处理规则、系统状态吸收规则为控制规则,采用仿真方法,建立系统安全性动态模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305015.8A CN111177900B (zh) | 2019-12-17 | 2019-12-17 | 一种基于匹配适应度的空间人机系统安全性动态建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305015.8A CN111177900B (zh) | 2019-12-17 | 2019-12-17 | 一种基于匹配适应度的空间人机系统安全性动态建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177900A true CN111177900A (zh) | 2020-05-19 |
CN111177900B CN111177900B (zh) | 2022-12-27 |
Family
ID=70657342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911305015.8A Active CN111177900B (zh) | 2019-12-17 | 2019-12-17 | 一种基于匹配适应度的空间人机系统安全性动态建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177900B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016786A (zh) * | 2020-07-03 | 2020-12-01 | 中国航天标准化研究所 | 一种空间人机交互系统绩效评价方法 |
CN112099468A (zh) * | 2020-08-12 | 2020-12-18 | 东方红卫星移动通信有限公司 | 一种基于粒子群的整车控制策略测试用例自动生成方法 |
CN112507608A (zh) * | 2020-11-13 | 2021-03-16 | 中国航天标准化研究所 | 空间人机交互系统的安全性仿真方法及装置 |
CN113051722A (zh) * | 2021-03-12 | 2021-06-29 | 哈尔滨工程大学 | 利用嵌入离散动态事件树改进核电厂安全性能分析的方法 |
CN114862121A (zh) * | 2022-04-08 | 2022-08-05 | 清华大学 | 考虑人因影响的关联基础设施系统建模方法及装置 |
WO2022188895A1 (zh) * | 2021-03-12 | 2022-09-15 | 哈尔滨工程大学 | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068447A (zh) * | 2015-08-11 | 2015-11-18 | 北京航空航天大学 | 一种导弹贮存安全性评价方法及安全性动态评估模型 |
CN108133083A (zh) * | 2017-12-08 | 2018-06-08 | 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 |
CN109284896A (zh) * | 2018-08-17 | 2019-01-29 | 北京航空航天大学 | 人误模式影响分析方法 |
CN109711667A (zh) * | 2018-11-21 | 2019-05-03 | 中国航天标准化研究所 | 一种空间人机系统舱内维修任务人因失误建模分析方法 |
CN109766568A (zh) * | 2018-11-21 | 2019-05-17 | 中国航天标准化研究所 | 一种多因素耦合的航天人因可靠性不确定性分析方法 |
-
2019
- 2019-12-17 CN CN201911305015.8A patent/CN111177900B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105068447A (zh) * | 2015-08-11 | 2015-11-18 | 北京航空航天大学 | 一种导弹贮存安全性评价方法及安全性动态评估模型 |
CN108133083A (zh) * | 2017-12-08 | 2018-06-08 | 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 |
CN109284896A (zh) * | 2018-08-17 | 2019-01-29 | 北京航空航天大学 | 人误模式影响分析方法 |
CN109711667A (zh) * | 2018-11-21 | 2019-05-03 | 中国航天标准化研究所 | 一种空间人机系统舱内维修任务人因失误建模分析方法 |
CN109766568A (zh) * | 2018-11-21 | 2019-05-17 | 中国航天标准化研究所 | 一种多因素耦合的航天人因可靠性不确定性分析方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112016786A (zh) * | 2020-07-03 | 2020-12-01 | 中国航天标准化研究所 | 一种空间人机交互系统绩效评价方法 |
CN112016786B (zh) * | 2020-07-03 | 2022-12-27 | 中国航天标准化研究所 | 一种空间人机交互系统绩效评价方法 |
CN112099468A (zh) * | 2020-08-12 | 2020-12-18 | 东方红卫星移动通信有限公司 | 一种基于粒子群的整车控制策略测试用例自动生成方法 |
CN112507608A (zh) * | 2020-11-13 | 2021-03-16 | 中国航天标准化研究所 | 空间人机交互系统的安全性仿真方法及装置 |
CN112507608B (zh) * | 2020-11-13 | 2022-12-27 | 中国航天标准化研究所 | 空间人机交互系统的安全性仿真方法及装置 |
CN113051722A (zh) * | 2021-03-12 | 2021-06-29 | 哈尔滨工程大学 | 利用嵌入离散动态事件树改进核电厂安全性能分析的方法 |
CN113051722B (zh) * | 2021-03-12 | 2022-03-11 | 哈尔滨工程大学 | 利用嵌入离散动态事件树改进核电厂安全性能分析的方法 |
WO2022188895A1 (zh) * | 2021-03-12 | 2022-09-15 | 哈尔滨工程大学 | 基于通用型辅助变量法的det与relap5耦合的动态特性分析方法 |
CN114862121A (zh) * | 2022-04-08 | 2022-08-05 | 清华大学 | 考虑人因影响的关联基础设施系统建模方法及装置 |
CN114862121B (zh) * | 2022-04-08 | 2023-02-28 | 清华大学 | 考虑人因影响的关联基础设施系统建模方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111177900B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111177900B (zh) | 一种基于匹配适应度的空间人机系统安全性动态建模方法 | |
CN106951695B (zh) | 多工况下的机械设备剩余使用寿命计算方法及系统 | |
CN112202736B (zh) | 基于统计学习和深度学习的通信网络异常分类方法 | |
Liu et al. | A data-level fusion model for developing composite health indices for degradation modeling and prognostic analysis | |
CN107272667B (zh) | 一种基于平行的偏最小二乘法的工业过程故障检测方法 | |
CN104504248B (zh) | 一种基于设计数据分析的故障诊断建模方法 | |
CN106529306B (zh) | 系统安全性评估方法和装置 | |
CN110348752B (zh) | 一种考虑环境干扰的大型工业系统结构安全性评估方法 | |
CN109117957B (zh) | 一种基于民航维修质量评估和异构集成学习的敏感性分析方法 | |
CN112507608B (zh) | 空间人机交互系统的安全性仿真方法及装置 | |
CN112257914B (zh) | 一种基于随机森林的航空安全因果预测方法 | |
CN113190457A (zh) | 面向网络化系统的软件可靠性测评方法 | |
Kim et al. | SACADA and HuREX part 2: The use of SACADA and HuREX data to estimate human error probabilities | |
Yang et al. | An intelligent operational supervision system for operability and reliability analysis of operators manual actions in Task Implementation | |
CN105868115A (zh) | 软件密集型系统软件测试模型的构建方法和系统 | |
CN110457654A (zh) | 一种基于现场数据的机载设备可靠性预测方法 | |
CN109766568A (zh) | 一种多因素耦合的航天人因可靠性不确定性分析方法 | |
Morais et al. | Human reliability analysis—accounting for human actions and external factors through the project life cycle | |
Bao et al. | Risk Analysis of Various Design Architectures for High Safety-significant Safety-related Digital Instrumentation and Control Systems of Nuclear Power Plants during Accident Scenarios | |
Hu et al. | Online updating with a probability-based prediction model using expectation maximization algorithm for reliability forecasting | |
Boring et al. | A research roadmap for computation-based human reliability analysis | |
Sun et al. | A method of analysis integrating HCR and ETA modeling for determining risks associated with inadequate flight separation events | |
CN106650945A (zh) | 一种基于证据合成理论的软件体系结构安全性评估方法 | |
Groth | A framework for using SACADA to enhance the qualitative and quantitative basis of HRA | |
CN112784446A (zh) | 一种基于bdi的多主体全要素安全性建模方法 |
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 |