CN111881623A - 一种面向任务的飞机驾驶人为差错风险评估方法 - Google Patents

Abstract

本发明公开了一种面向任务的飞机驾驶人为差错风险评估方法，包括如下步骤：任务分析，风险指标计算，人为差错风险模糊推理。通过任务分析和分解生成结构化的层次任务体系，考虑人机交互过程中飞行员发生人为差错的概率以及产生的后果，明确人为差错概率、差错影响概率及差错后果严重度作为度量人为差错风险的指标，计算风险指标精确值；结合具体任务，以人为差错概率、差错影响概率和差错后果严重度为输入，人为差错风险为输出，并根据输入/输出的逻辑关系，通过模糊推理方法对人为差错风险进行评估。本发明能够解决专家主观判断和数据不足导致的结果不确定性问题，提高人为差错风险评估的准确性，为飞机驾驶人为差错风险预防和控制提供依据。

Description

一种面向任务的飞机驾驶人为差错风险评估方法

技术领域

本发明涉及航空安全风险评估技术领域，尤其是一种面向任务的飞机驾驶人为差错风险评估方法。

背景技术

机载设备和自动化技术的不断发展大大提高了飞机的可靠性和安全性，但人为差错造成的航空事故并没有得到明显的抑制。国际民航组织调查研究表明，民航运输过程中超过75％的飞行风险与人为差错有直接或间接的关系。在复杂驾驶舱人机系统中，环境、内部布置、人机交互方式等因素都会使飞行员产生过失或差错，然而，面对不同任务发生的人为差错概率不同，且人为差错产生的后果也存在差异性，如果某项任务的人为差错概率高，且产生了严重后果，则该人为差错即为高风险人为差错。

人因差错风险评估过程是一个确定人因失误风险大小或重要性以利于决策的过程，但是由于人的认知模糊性和环境复杂性、人为差错数据的不足以及专家的主观判断等因素，导致人为错误风险分析结果具有很大的不确定性。因此需要一种面向任务的飞机驾驶人为差错风险模糊推理方法来模拟这种不确定性，以达到比较精确地评估人为差错风险的需求。

发明内容

本发明提供一种面向任务的飞机驾驶人为差错风险评估方法，以至能够解决数据不足和专家主观判断导致结果不确定性的问题，为降低高风险人为差错，提高飞机驾驶操纵安全提供技术支持。

本发明提供一种面向任务的飞机驾驶人为差错风险评估方法，包括如下步骤：

(1)确定任务目标，对任务进行详细分析和分解，包括：确定分析对象，搜集整理信息，分解任务，明确计划；

(2)综合考虑人机交互过程中人为差错发生的概率及人为差错产生的后果，将人为差错概率(Human Error Probability，HEP)、差错影响概率(Error InfluenceProbability，EIP)、差错后果严重度(Human Error Consequence，HEC)作为度量飞机驾驶人为差错风险的指标；人为差错概率是指在规定时间规定条件下飞行员未能完成规定任务的概率；差错影响概率是指假定差错A发生情况下，后果B发生的条件概率；差错后果严重度是指后果B导致系统损失的程度；

(3)结合具体任务，通过简化的认知可靠性和差错分析方法(CognitiveReliability and Error Analysis Method，CREAM)计算风险指标HEP的精确值，依据三角模糊数方法分别计算风险指标EIP和HEC的精确值；

(4)基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间，依据故障模式及影响分析和危害性分析方法(Failure Mode，Effects and Criticality Analysis，FMECA)分别给出风险指标EIP和HEC的定性评价及相应的概率区间；

(5)通过风险矩阵方法将人为差错风险(Error Risk，ER)划分为十个等级，并给出相应的定性评价及风险值区间；

(6)以风险指标HEP、EIP和HEC的定性评价为输入，人为差错风险ER的定性评价为输出，以逻辑AND运算符作为构造模式，依据输入/输出的逻辑关系，通过IF-THEN规则生成模糊规则库，构造人为差错风险模糊推理系统，通过MATLAB模糊逻辑工具箱对人为差错风险进行模糊推理求解。

优选的，步骤(1)中，确定任务目标，对任务进行详细分析和分解，具体包括如下步骤：

(11)明确所需分析的任务，并确定任务分析目的；

(12)搜集与任务相关的数据，如人机交互方式、行为决策和任务约束，以便为飞机驾驶层次任务体系构建提供指导；

(13)基于层次任务分析法分解总体任务为一系列子任务，并进一步将每项子任务分解为一系列操作单元，操作单元是指不可再分解的认知行为活动，如感知信息、旋转按钮、诊断/决策；

(14)制定达到任务总体目标的计划，检查计划的充分性，从而形成序贯化和结构化的层次任务体系。

优选的，步骤(3)中涉及到三个风险指标计算，具体为：

针对分解后的操作单元，通过简化CREAM方法计算各操作单元人为差错概率HEP，计算过程如下：

式中，

称作绩效影响指数，它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j，包括：如绩效提高、绩效正常或绩效降低；ρⁿ表示第n个操作单元的绩效影响指数矩阵，矩阵元素具体数值可通过CREAM方法查表获取；

表示第n个操作单元的名义认知失效概率，它等于该操作单元所需认知活动a对应差错模式m的失效概率，记作

同样可通过CREAM方法查表获取；

引入三角模糊数方法分别计算风险指标EIP和HEC；首先，通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z)；其次，利用重心法对给定的三角模糊数进行解模糊化计算，其计算式为：

式中，x,y,z分别表示给定的三角模糊数中的数值。

优选的，步骤(4)中风险指标HEP、EIP、HEC的定性评价和概率区间，采用集合形式表示为：

U_HEP＝{x₁₁＝非常低(VL)，x₁₂＝低(L)，x₁₃＝中等(M)，x₁₄＝高(H)，x₁₅＝非常高(VH)}

＝{x₁₁＝[5.0E-6,1.0E-3],x₁₂＝[1.0E-4,1.0E-2]，x₁₃＝[1.0E-3,1.0E-1]，

x₁₄＝[1.0E-2,5.0E-1],x₁₅＝[1.0E-1,1.0]}

U_EIP＝{x₂₁＝几乎无影响(AN)，x₂₂＝可能有影响(PoE)，

x₂₃＝极有可能影响(PrE)，x₂₄＝绝对有影响(AE)}

＝{x₂₁＝[0,0.05],x₂₂＝[0,0.55],x₂₃＝[0.05,1.0],x₂₄＝[0.55,1.0]}

优选的，步骤(5)中人为差错风险ER的定性评价和值区间，采用集合形式表示为：

本发明的有益效果为：本发明解决了面向任务的飞机驾驶人为差错风险量化评估的难题，实现了人为差错概率、差错影响概率及差错后果严重度三个风险指标的融合，降低了专家判断的主观性对结果的影响，且有效改善了数据不足引起的结果不确定性问题，提高了航空安全人为差错风险评估的准确性，为减少飞机驾驶人为差错，提高飞行安全提供了重要支撑。

附图说明

图1为本发明的人为差错风险评估结构示意图。

图2为本发明的任务分析方法流程图。

图3(a)为本发明的人为差错概率隶属函数图。

图3(b)为本发明的差错影响概率隶属函数图。

图3(c)为本发明的差错后果严重度隶属函数图。

图3(d)为本发明的人为差错风险隶属函数图。

具体实施方式

图1为本发明提出的一种面向任务的驾驶舱人为差错风险评估方法的结构示意图，包括：任务分析模块、风险指标计算模块、人为差错风险模糊推理模块。具体实施步骤如下：

步骤1：通过任务分析模块建立结构化层次任务体系，图2为任务分析流程图，具体实施内容如下：

S1、明确所需分析的任务，并确定任务分析目的；

S2、搜集与任务相关的数据，如人机交互方式、行为决策和任务约束，以便为飞机驾驶层次任务体系构建提供指导；

S3、基于层次任务分析法分解总体任务为一系列子任务，并进一步将每项子任务分解为大量操作单元，操作单元是指不可再分解的认知行为活动，如感知信息、旋转按钮、诊断/决策；

S4、制定达到任务总体目标的计划，检查计划的充分性，从而形成序贯化和结构化的层次任务体系。

步骤2：在风险指标计算模块中，明确人为差错概率、差错影响概率和差错后果严重度作为度量人为差错风险的指标，分别计算各风险指标精确值，具体实施如下：

针对分解后的操作单元，通过简化CREAM方法计算各操作单元的人为差错概率，其计算式为：

式中，

称作绩效影响指数，它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j，包括：绩效提高、绩效正常和绩效降低；ρⁿ表示第n个操作单元的绩效影响指数矩阵，矩阵元素具体数值可通过CREAM方法查表获取(表1)；

表示第n个操作单元的名义认知失效概率，它等于该操作单元所需认知活动a对应差错模式m的失效概率，记作

同样可通过CREAM方法查表获取(表2)。

表1人为差错影响因素及绩效影响指数

表2名义认知失效概率

通过三角模糊数方法分别计算风险指标EIP和HEC。首先，通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z)，定性评价对应的三角模糊数如表3所示。其次，利用重心法对给定的三角模糊数进行解模糊化计算，其计算式为：

式中，x,y,z分别表示给定的三角模糊数中的数值。

表3EIP和HEC的定性评价及其对应的三角模糊数

EIP定性评价	三角模糊数	HEC定性评价	三角模糊数
				几乎没影响(AN)	(0,0,0.2)	非常低(VL)	(0,0,0.25)
可能有影响(PoE)	(0,0.2,0.4)	低(L)	(0,0.25,0.5)
				极有可能影响(PrE)	(0.6,0.7,0.8)	中等的(M)	(0.25,0.5,0.75)
绝对影响(AE)	(0.9,1,1)	高(H)	(0.5,0.75,1)
						非常高(VH)	(0.75,0.90,1)

步骤3：在人为差错风险模糊推理模块中，通过三角隶属函数描述风险指标HEP、EIP、HEC的模糊集。具体实施如下：

基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间，依据FMCEA方法分别给出风险指标EIP和HEC的定性评价及相应的概率区间。三个风险指标的定性评价和概率区间集合表示为：

U_HEP＝{x₁₁＝非常低(VL)，x₁₂＝低(L)，x₁₃＝中等(M)，x₁₄＝高(H)，x₁₅＝非常高(VH)}

＝{x₁₁＝[5.0E-6,1.0E-3],x₁₂＝[1.0E-4,1.0E-2]，x₁₃＝[1.0E-3,1.0E-1]，

x₁₄＝[1.0E-2,5.0E-1],x₁₅＝[1.0E-1,1.0]}

U_EIP＝{x₂₁＝几乎无影响(AN)，x₂₂＝可能有影响(PoE)，

x₂₃＝极有可能影响(PrE)，x₂₄＝绝对有影响(AE)}

＝{x₂₁＝[0,0.05],x₂₂＝[0,0.55],x₂₃＝[0.05,1.0],x₂₄＝[0.55,1.0]}

U_HEC＝{x₃₁＝非常低(VL)，x₃₂＝低(L)，x₃₃＝中等(M)，x₃₄＝高(H)，x₃₅＝非常高(VH)}

＝{x₃₁＝[0,0.25],x₃₂＝[0,0.5],x₃₃＝[0.25,0.75],x₃₄＝[0.5,1.0],x₃₅＝[0.75,1.0]}

利用三角隶属函数描述三个风险指标的模糊集，如图3(a)(b)(c)所示。

步骤4：在人为差错风险模糊推理模块中，通过三角隶属函数描述人为差错风险ER的模糊集。具体实施如下：

通过风险矩阵方法给出人为差错风险的定性评价及值区间，采用集合形式表示为：

利用三角隶属函数描述人为差错风险的模糊集，如图3(d)所示。

步骤5：在人为差错风险模糊推理模块中，以风险指标HEP、EIP和HEC的定性评价为输入，人为差错风险ER的定性评价为输出，以逻辑AND运算符作为构造模式，根据输入/输出的逻辑关系，通过IF-THEN规则生成模糊规则库，构造人为差错风险模糊推理系统。将步骤2计算得出的三个风险指标HEP、EIP和HEC的精确值输入到构造的人为差错风险模糊推理系统，通过MATLAB模糊逻辑工具箱实现飞机驾驶人为差错风险模糊推理求解，得到人为差错风险的精确值。

本发明通过层次任务分析方法建立结构化的层次任务体系，能够确保任务分析的合理性，综合考虑人为差错发生概率及人为差错产生的后果，确定人为差错概率、差错影响概率和差错后果严重度作为度量人为差错风险的指标，构造面向任务的飞机驾驶人为差错风险模糊推理系统，以计算人为差错风险值。通过运用本发明实例，可以为典型飞行任务中的人为差错风险分析提供定量评估工具和技术支持，为降低飞行过程中的人为差错风险提供对策。

Claims (5)

1.一种面向任务的飞机驾驶人为差错风险评估方法，其特征在于，包括如下步骤：

(1)确定任务目标，对任务进行详细分析和分解，包括：确定分析对象，搜集整理信息，分解任务，明确计划；

(2)综合考虑人机交互过程中人为差错发生的概率及人为差错产生的后果，将人为差错概率HEP、差错影响概率EIP、差错后果严重度HEC作为度量飞机驾驶人为差错风险的指标；人为差错概率是指在规定时间规定条件下飞行员未能完成规定任务的概率；差错影响概率是指假定差错A发生情况下，后果B发生的条件概率；差错后果严重度是指后果B导致系统损失的程度；

(3)结合具体任务，通过简化的认知可靠性和差错分析方法CREAM计算风险指标HEP的精确值，依据三角模糊数方法分别计算风险指标EIP和HEC的精确值；

(4)基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间，依据故障模式及影响分析和危害性分析方法FMECA分别给出风险指标EIP和HEC的定性评价及相应的概率区间；

(5)通过风险矩阵方法将人为差错风险ER划分为十个等级，并给出相应的定性评价及风险值区间；

(6)以风险指标HEP、EIP和HEC的定性评价为输入，人为差错风险ER的定性评价为输出，以逻辑AND运算符作为构造模式，依据输入/输出的逻辑关系，通过IF-THEN规则生成模糊规则库，构造人为差错风险模糊推理系统，通过MATLAB模糊逻辑工具箱对人为差错风险进行模糊推理求解。

2.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法，其特征在于，步骤(1)中，确定任务目标，对任务进行详细分析和分解，具体包括如下步骤：

(11)明确所需分析的任务，并确定任务分析目的；

(12)搜集与任务相关的数据，如人机交互方式、行为决策和任务约束，以便为飞机驾驶层次任务体系构建提供指导；

(13)基于层次任务分析法分解总体任务为一系列子任务，并进一步将每项子任务分解为一系列操作单元，操作单元是指不可再分解的认知行为活动，如感知信息、旋转按钮、诊断/决策；

(14)制定达到任务总体目标的计划，检查计划的充分性，从而形成序贯化和结构化的层次任务体系。

3.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法，其特征在于，步骤(3)中涉及到三个风险指标计算，具体为：

针对分解后的操作单元，通过简化CREAM方法计算各操作单元人为差错概率HEP，计算过程如下：

式中，

称作绩效影响指数，它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j，包括：如绩效提高、绩效正常或绩效降低；ρⁿ表示第n个操作单元的绩效影响指数矩阵，矩阵元素具体数值可通过CREAM方法查表获取；

表示第n个操作单元的名义认知失效概率，它等于该操作单元所需认知活动a对应差错模式m的失效概率，记作

同样可通过CREAM方法查表获取；

引入三角模糊数方法分别计算风险指标EIP和HEC；首先，通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z)；其次，利用重心法对给定的三角模糊数进行解模糊化计算，其计算式为：

式中，x,y,z分别表示给定的三角模糊数中的数值。

4.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法，其特征在于，步骤(4)中风险指标HEP、EIP、HEC的定性评价和概率区间，采用集合形式表示为：

U_HEP＝{x₁₁＝非常低(VL)，x₁₂＝低(L)，x₁₃＝中等(M)，x₁₄＝高(H)，x₁₅＝非常高(VH)}

＝{x₁₁＝[5.0E-6,1.0E-3],x₁₂＝[1.0E-4,1.0E-2]，x₁₃＝[1.0E-3,1.0E-1]，

x₁₄＝[1.0E-2,5.0E-1],x₁₅＝[1.0E-1,1.0]}

U_EIP＝{x₂₁＝几乎无影响(AN)，x₂₂＝可能有影响(PoE)，

x₂₃＝极有可能影响(PrE)，x₂₄＝绝对有影响(AE)}

＝{x₂₁＝[0,0.05],x₂₂＝[0,0.55],x₂₃＝[0.05,1.0],x₂₄＝[0.55,1.0]}

5.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法，其特征在于，步骤(5)中人为差错风险ER的定性评价和值区间，采用集合形式表示为：

Images