CN112016786B - 一种空间人机交互系统绩效评价方法 - Google Patents
一种空间人机交互系统绩效评价方法 Download PDFInfo
- Publication number
- CN112016786B CN112016786B CN202010635366.1A CN202010635366A CN112016786B CN 112016786 B CN112016786 B CN 112016786B CN 202010635366 A CN202010635366 A CN 202010635366A CN 112016786 B CN112016786 B CN 112016786B
- Authority
- CN
- China
- Prior art keywords
- human
- task
- reliability
- computer interaction
- machine
- 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.)
- Expired - Fee Related
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 105
- 238000011156 evaluation Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 86
- 230000008569 process Effects 0.000 claims abstract description 62
- 230000008878 coupling Effects 0.000 claims abstract description 37
- 238000010168 coupling process Methods 0.000 claims abstract description 37
- 238000005859 coupling reaction Methods 0.000 claims abstract description 37
- 230000001149 cognitive effect Effects 0.000 claims abstract description 27
- 239000006071 cream Substances 0.000 claims abstract description 15
- 238000013210 evaluation model Methods 0.000 claims abstract description 9
- 238000000556 factor analysis Methods 0.000 claims abstract description 4
- 230000009471 action Effects 0.000 claims description 21
- 230000003631 expected effect Effects 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 4
- 230000000739 chaotic effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 10
- 230000001419 dependent effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 231100000870 cognitive problem Toxicity 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种空间人机交互系统绩效评价方法，包括：(1)分析空间人机交互任务过程，以人系统和机系统两条线索对空间人机交互任务构建事件树模型，并定义空间人机交互任务的后果状态；(2)分析任务过程中人机交互特性；(3)根据构建的事件树模型和分析的人机交互特性，梳理影响任务成败的关键影响因素；(4)根据空间人机交互任务特点，修正CREAM方法，相应地修正情景环境与认知控制模式的关系；(5)根据事件树建模、关键影响因素分析和修正后的CREAM方法，建立人机交互系统绩效评价模型，得到任务可靠度结果。本发明综合而全面地考虑人因失误、环境、设备以及各类耦合因素对绩效的影响，评价结果更科学合理。
Description
技术领域
本发明涉及一种空间人机交互系统绩效评价方法，属于人因安全性领域和可靠性技术领域。
背景技术
随着当今信息技术和智能环境的迅速发展，使以计算机系统为基础的智能服务迅速增多，人机交互技术应运而生。同时，伴随深空探测技术飞速发展，我国载人航天工程也进入“三步走”最终阶段，规划于2022年建成空间站；“天问一号”首次火星探测任务将在2020年执行，不久的将来载人探火或将成为现实。这意味着未来空间人机交互任务需求会越来越多。
空间人机交互系统绩效，主要考察其任务可靠性，具体包括人员安全可靠地规划任务和执行机构安全可靠地完成任务两方面的内容。相较于系统硬件软件的固有可靠度，人因失误的影响因素多而复杂，故而人因可靠性分析受到广泛关注。早期人因可靠性分析(HRA)方法的基本做法是，将人的任务分解为一系列由系统功能或规程规定的子任务或步骤，并通过专家判断或统计分析分别给出子任务的人因差错概率。由于早期HRA方法不考虑人的认知问题、环境影响、组织因素和执行错误等因素，因此认知可靠性和差错分析法(CREAM)被提出。然而CREAM原始方法中共同绩效条件不足以描述空间人机交互的特殊性，故而提出本发明中的改进方法。
发明内容
为了克服现有技术中的不足，本发明人进行了锐意研究，提供了一种空间人机交互系统绩效评价方法，提出人机交互过程建模结合人因可靠性分析构建人机交互系统绩效评价方法，并通过改进CREAM方法，更加准确的根据环境条件分析操作者所处认知控制模式，使得建立的人因可靠性模型更加准确，在整体上提升了空间人机交互任务的可靠性，从而完成本发明。
本发明提供了的技术方案如下：
一种空间人机交互系统绩效评价方法，包括：
步骤(1)，分析空间人机交互任务过程，以人系统和机系统两条线索对空间人机交互任务构建事件树模型，根据事件树模型，定义空间人机交互任务的后果状态；
步骤(2)，分析任务过程中人机交互特性，包括识别任务过程中人机交互形式、使用的人机交互媒介；
步骤(3)，根据步骤(1)构建的事件树模型和步骤(2)分析的人机交互特性，梳理影响任务成败的关键影响因素；
步骤(4)，根据空间人机交互任务特点，修正CREAM方法，相应地修正情景环境与认知控制模式的关系；
步骤(5)，根据步骤(1)的事件树建模、步骤(3)的关键影响因素分析和步骤(4)中修正后的CREAM方法，以人为导向、任务可靠度为指标，建立人机交互绩效评价模型，根据人机交互绩效评价模型得到任务可靠度评估结果。
进步一地，步骤(1)包括以下子步骤：
步骤(1.1)，机系统组成分析；
步骤(1.2)，人机交互任务过程分析；
步骤(1.3)，根据步骤(1.2)分析的任务过程，进行操作者行为分析；
步骤(1.4)，根据步骤(1.2)分析的任务过程，进行机系统动作分析；
步骤(1.5)，根据步骤(1.3)和(1.4)，以人系统和机系统两条线索，构建人机交互任务事件树模型；
步骤(1.6)，根据步骤(1.5)建立的事件树模型，定义空间人机交互任务的后果状态。
进步一地，步骤(2)包括以下子步骤：
步骤(2.1)，根据步骤(1)构建的事件树模型，识别任务完成过程中存在的人机交互形式；
步骤(2.2)，根据步骤(2.1)识别的人机交互形式，梳理人机交互过程中使用的人机交互媒介。
进步一地，步骤(3)中根据事件树模型并结合人机交互特性，识别各中间事件发生过程中、以及两中间事件过渡过程中是否有影响任务成败的关键影响因素，包括：
识别人因失误、设备故障、环境扰动三种单类型影响因素；
识别人机耦合、机环耦合、人环耦合三种双类型影响因素；
识别人机环耦合三类型影响因素。
进步一地，步骤(4)包括以下子步骤：
步骤(4.1)，根据人机交互任务特点，添加、删减、修正共同绩效条件；
步骤(4.2)，相应地修正各共同绩效条件对应的共同绩效条件评价水平和对绩效可靠性的期望效应；
步骤(4.3)，根据修正后的共同绩效条件、共同绩效条件评价水平和对绩效可靠性的期望效应，修正情景环境与认知控制模式的关系，其中，认知控制模式包括混乱型、机会型、战术型和战略型，各认知控制模式对应一个人误概率区间。
进步一地，步骤(5)包括以下子步骤：
步骤(5.1)，以人为导向，将人在任务执行过程中的行为按感觉、思维、行动三阶段进行划分，识别各阶段影响任务成败的操作者相关关键影响因素；
步骤(5.2)，以任务失败为顶事件，构建人机交互任务故障树；
步骤(5.3)，构建全任务过程人因可靠性模型，得到人系统可靠度；
步骤(5.4)，构建全任务过程机系统可靠性模型，得到机系统可靠度；
步骤(5.5)，构建全任务过程环系统可靠性模型，得到环系统可靠度；
步骤(5.6)，构建全任务过程其他耦合因素可靠性模型，得到耦合因素可靠度；
步骤(5.7)，根据人机交互任务故障树，构建人机交互系统绩效评价模型，依据人系统可靠度、机系统可靠度、环系统可靠度和耦合因素可靠度，以任务可靠度为指标评价系统绩效，得到任务可靠度结果。
进一步地，步骤(5.3)中构建全任务过程人因可靠性模型，得到人系统可靠度的过程包括以下亚子步骤：
步骤(5.3.1)，根据操作者相关关键影响因素构建感觉、思维、行动三阶段人误模型，根据各阶段人误模型构建全任务过程人因可靠性模型；
步骤(5.3.2)，根据步骤(4.1)修正后的共同绩效条件及步骤(4.2)修正后的共同绩效条件评价水平，统计当前情景环境下对绩效可靠性的期望效应分别为“改进”和“降低”的共同绩效条件的数量；
步骤(5.3.3)，根据步骤(4.3)修正的情景环境与认知控制模式的关系判断操作者感觉、思维、行动三阶段的认知控制模式；
步骤(5.3.4)，根据认知控制模式，确定各阶段中操作者相关关键影响因素的人误概率区间，通过专家经验对各阶段中操作者相关关键影响因素的人误概率进行量化；
步骤(5.3.5)，将量化的操作者相关关键影响因素的人误概率代入各阶段人误模型中得到各阶段人误概率，将各阶段人误概率代入全任务过程人因可靠性模型中得到人系统可靠度。
根据本发明提供的一种空间人机交互系统绩效评价方法，具有以下有益效果：
(1)传统人因可靠性分析方法将人的任务分解为一系列由系统功能或规程规定的子任务或步骤，而本发明根据感觉、思维、行动三个不同阶段进行操作者动作划分，再针对性地进行具体动作可靠性分析，更科学、具体、合理。
(2)为考虑人的认知问题、环境影响、组织因素和执行错误等因素，在基于CREAM的人因可靠性方法的基础上，本发明结合空间人机交互任务特点进行改进，修正共同绩效条件，对人因可靠性建模以及操作者控制模式判断更准确；修正CREAM的同时，与人机交互系统具体任务结合，构建人机交互系统绩效模型。
(3)本发明建立以人为导向，任务可靠度为指标的人机交互系统绩效评价模型，结合双线事件树模型，分析影响任务成败的关键影响因素，可以更综合而全面地考虑人因失误、环境、设备以及各类耦合因素对绩效的影响。
附图说明
图1示出空间人机交互系统绩效建模过程示意图；
图2示出空间站机械臂系统组成图；
图3示出人机交互移除太空碎片任务事件树模型图；
图4示出情景环境与认知控制模式关系图；
图5示出路径依赖效应影响下控制模式变化示意图；
图6示出人机交互移除太空碎片过程故障树模型图。
具体实施方式
本发明提出一种空间人机交互系统绩效评价方法，下面结合附图，以空间站舱外机械臂与航天员人机交互移除太空碎片任务(以下简称“人机交互移除太空碎片任务”)为例对本发明作进一步详细描述，过程如图1所示，具体步骤如下：
步骤(一)、分析人机交互移除太空碎片任务过程，以人系统和机系统两条线索对空间人机交互任务进行事件树建模，根据事件树模型，定义空间人机交互任务的后果状态。
1.1机械臂系统组成分析
空间站机械臂系统是双向信息反馈的人机交互系统，包括人系统(操作者)、机系统(机械臂)及环系统(包括舱内、外环境)，如图2所示。
1.2人机交互移除太空碎片任务过程分析
人机交互移除太空碎片任务过程如下：通过虚拟现实技术或物理样机模型，从真实环境提取参数(如目标物体位置、形状大小等)，构建虚拟环境，制定作业方案并模拟作业过程，通过人机交互界面进行指令和反馈信息的双向传递，最终完成任务。
1.3操作者行为分析
人机交互移除太空碎片任务过程中，操作者行为分为三个阶段：感觉、思维、动作。第一阶段操作者感知环境信息如果不准确，将直接影响后续的判断；第二阶段操作者处理环境信息时做出错误的决策，也将导致任务不能顺利实施；第三阶段操作者动作的时序、准确性、规范性是保证人机交互效率的重要条件。
1.4机系统动作分析
人机交互移除太空碎片任务中，机系统起到将外界环境信息获取(传感功能)、传达给操作者、接受并执行操作者指令的作用(控制和执行功能)。
1.5构建人机交互任务事件树模型
空间碎片出现作为初因事件，机械臂中间事件在上，操作者中间事件在下，建立的双线任务事件树模型如图3所示。
1.6根据事件树模型，定义空间人机交互任务的后果状态。
空间人机交互任务的后果状态包括任务成功和任务失败，任务成功判据为所有操作者中间事件、机械臂中间事件均依次准确完成，其他后果状态均为任务失败。
步骤(二)、分析任务过程中人机交互特性，包括识别任务过程中人机交互形式、使用的人机交互媒介。
2.1人机交互移除太空碎片任务中人机交互形式主要为利用传感系统进行舱外环境画面捕捉、机械臂位姿跟踪、利用控制系统传达动作指令等等。
2.2人机交互移除太空碎片任务中涉及到的人机交互媒介主要为显示屏、建模软件、机械臂启动/复位控制器、机械臂姿态位移控制器等等。
步骤(三)、按人因失误、设备故障、环境扰动、人机耦合、机环耦合、人环耦合、人机环耦合类型梳理影响任务成败的关键影响因素。
共梳理出各类关键影响因素共18项：
3.1人因失误单类型影响因素共4项；设备故障单类型影响因素共5项；环境扰动单类型影响因素共3项。
3.2人机耦合双类型影响因素共2项；机环耦合双类型影响因素共2项；人环耦合双类型影响因素1项。
3.3人机环耦合三类型影响因素1项。
关键影响因素类型、序号、内容详见表1。
表1，人机交互移除太空碎片任务成败关键影响因素
步骤(四)、根据空间人机交互任务特点，修正CREAM方法，相应地修正情景环境与认知控制模式的关系。
4.1根据任务特点，添加、删减、修正共同绩效条件(CPC)。
4.2相应地修正共同绩效条件评价水平和对绩效可靠性的期望效应。
4.3因CPC数量有变动，故需要修正情景环境与认知控制模式的关系，见图4。
修正后的共同绩效条件，共同绩效条件评价水平、对绩效可靠性的期望效应详见表2。
表2，共同绩效条件和绩效可靠性
图4中认知控制模式有四种，混乱型(Scrambled)、机会型(Opportunistic)、战术型(Tactical)、战略型(Strategic)，操作者处于哪一种认知控制模式是由当时的情景环境决定的，情景环境在CREAM方法中的描述，是指共同绩效条件评价水平和对绩效可靠性期望效应的判定过程。图4为情景环境与认知模式关系图，纵坐标表示对绩效可靠性的期望效应为“改进”的CPC数目之和，横坐标表示对对绩效可靠性的期望效应为“降低”的CPC数目之和。
以路径依赖效应举例说明修正后的人因可靠性建模方法(CREAM方法)的实用性。
路径依赖(path dependence)概念描述的是过去的选择对现在和将来产生的影响，类似于物理学中的“惯性”，一旦进入某一路径就会沿着该路径一直发展下去，并锁定在该路径上。在人机交互系统中，路径依赖效应与人因失误直接相关，因为执行任务的操作者往往通过训练活动会产生路径依赖效应。在本发明所述的人机交互移除太空碎片的案例中，“启动-就位-捕获碎片-复位”是操作者通过训练得到的动作指令次序，若任意两个指令次序出错，系统将无法完成既定任务。若操作者未经训练而执行任务，系统的安全度以及任务可靠度将会极低；相反，经验丰富、已形成路径依赖的操作者则可以较为轻松而安全地完成任务。
操作者是否已形成路径依赖，且对当前所处系统状态的判断正确与否，会涉及到几种共同绩效条件的判定。例如，正确的路径支持下，培训程度和经验水平对绩效可靠性的期望显然不同；同时，操作者状态可能会有明显差异；计划的可用性水平会随操作者经验而发生一定程度的改变；另外，任务实施时间若在操作者未及时休整时，则会降低对绩效可靠性的期望效应；操作者对人机交互界面的熟悉程度也随培训程度变化，进而造成界面对任务支持度的改变。
总结而言，路径依赖效应的正确使用与否会体现在共同绩效条件对绩效可靠性的期望值中，3-5种CPC(如上段提到的几种)会受到明显影响，而绩效可靠性的效应改变意味着操作者控制模式发生变化，如图5所示，控制模式可能在四种控制模式间变化，人因可靠性水平随之会发生改变。
研究表明，人误概率按四种认知控制模式呈现由低到高排列趋势，如表3所示。
表3控制模式和人误概率区间
路径依赖效应对人误影响的极端情况如图5中虚线所示，人误概率将在0.00005至1之间变化，对系统任务可靠度影响显著。
步骤(五)、根据事件树建模、关键影响因素分析和修正后的CREAM方法，进行人机交互系统绩效评价，具体包括以下子步骤：
5.1以人为导向，将人在任务执行过程中的行为按感觉、思维、行动三阶段进行划分：感觉阶段人误共有H1、C3两种，思维阶段人误共有H2、C4两种，动作阶段人误共有H3、H4、C5、C6四种。
5.2以任务失败为顶事件，构建人机交互任务故障树如图6所示。
5.3构建全任务过程人因可靠性模型：通过构建各阶段人误模型(式(1)～(3)，得到全任务过程人因可靠性模型和人系统可靠度，见式(4)。
PS＝PH1+PC3 (1)
PO＝PH2+PC4 (2)
PR＝PH3+PH4+PC5+PC6 (3)
R人＝1-P全任务人误＝(1-PS)×(1-PO)×(1-PR) (4)
式(1)至(4)中，PH1为序号H1人因失误概率，PC3为序号C3人机耦合失误概率，PS为感觉阶段失误概率；PH2为序号H2人因失误概率，PC4为序号C4人机耦合失误概率，PO为思维阶段失误概率；PH3为序号H3人因失误概率，PH4为序号H4人因失误概率，PC5为序号C5人环耦合失误概率，PC6为序号C6人机环耦合失误概率，PR为行动阶段失误概率；R人为人系统可靠度。
5.4构建全任务过程机系统可靠性模型，得到机系统可靠度。机系统可靠性模型见式(5)。
R机＝(1-PM1)×(1-PM2)×(1-PM3)×(1-PM4)×(1-PM5) (5)
式(5)中，PM1、PM2、PM3、PM4、PM5分别为序号M1、M2、M3、M4、M5设备故障概率，R机为机系统可靠度。
5.5构建全任务过程环系统可靠性模型，得到环系统可靠度。环系统可靠性模型见式(6)。
R环＝(1-PE1)×(1-PE2)×(1-PE3) (6)
式(6)中，PE1、PE2、PE3分别为序号E1、E2、E3环境扰动概率，R环为环系统可靠度。
5.6构建全任务过程其他耦合因素可靠性模型，得到耦合因素可靠度。全任务过程其他耦合因素可靠性模型见式(7)。
R耦合＝(1-PC1)×(1-PC2) (7)
式(7)中，PC1、PC2分别为序号C1、C2机环耦合失误概率，R机环为机环耦合可靠度。
5.7根据人机交互任务故障树，构建人机交互系统绩效评价模型，依据人系统可靠度、机系统可靠度、环系统可靠度和耦合因素可靠度，以任务可靠度为指标评价系统绩效，得到任务可靠度结果。任务可靠度模型见式(8)。
R任务＝R人×R机×R环×R耦合＝(1-P全任务人误)×R机×R环×R耦合 (8)
在本发明中，步骤3中，构建全任务过程人因可靠性模型，得到人系统可靠度，可以通过以下方式实施：
步骤(5.3.1)，根据操作者相关关键影响因素构建感觉、思维、行动三阶段人误模型，如式(1)～式(3)；根据各阶段人误模型构建全任务过程人因可靠性模型，如式(4)；
步骤(5.3.2)，根据修正后的共同绩效条件及修正后的共同绩效条件评价水平，统计当前情景环境下对绩效可靠性的期望效应分别为“改进”和“降低”的共同绩效条件的数量；见表2；
步骤(5.3.3)，根据修正后的情景环境与认知控制模式的关系判断操作者感觉、思维、行动三阶段的认知控制模式，见图4；
步骤(5.3.4)，根据认知控制模式，确定各阶段中操作者相关关键影响因素的人误概率区间，见表3，通过专家经验对各阶段中操作者相关关键影响因素的人误概率进行量化，即量化PH1、P H2、P H3、P H4、PC3、PC4、PC5、PC6；
步骤(5.3.5)，将量化的操作者相关关键影响因素的人误概率代入各阶段人误模型中得到各阶段人误概率，将各阶段人误概率代入全任务过程人因可靠性模型中得到人系统可靠度。
在本发明中，机系统、环系统和其他耦合关键影响因素概率水平可通过故障树、马尔科夫方法、动态贝叶斯网络等方法进行量化，在此不再赘述。
以上结合具体实施方式和范例性实例对本发明进行了详细说明，不过这些说明并不能理解为对本发明的限制。本领域技术人员理解，在不偏离本发明精神和范围的情况下，可以对本发明技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本发明的范围内。本发明的保护范围以所附权利要求为准。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (8)
1.一种空间人机交互系统绩效评价方法，其特征在于，包括：
步骤(1)，分析空间人机交互任务过程，以人系统和机系统两条线索对空间人机交互任务构建事件树模型，根据事件树模型定义空间人机交互任务的后果状态；
步骤(2)，分析任务过程中人机交互特性，包括识别任务过程中人机交互形式、使用的人机交互媒介；
步骤(3)，根据步骤(1)构建的事件树模型和步骤(2)分析的人机交互特性，梳理影响任务成败的关键影响因素；
步骤(4)，根据空间人机交互任务特点，修正CREAM方法，相应地修正情景环境与认知控制模式的关系；
步骤(5)，根据步骤(1)的事件树建模、步骤(3)的关键影响因素分析和步骤(4)中修正后的CREAM方法，以人为导向、任务可靠度为指标，建立人机交互系统绩效评价模型，根据人机交互系统绩效评价模型得到任务可靠度评估结果。
2.根据权利要求1所述的绩效评价方法，其特征在于，步骤(1)包括以下子步骤：
步骤(1.1)，机系统组成分析；
步骤(1.2)，人机交互任务过程分析；
步骤(1.3)，根据步骤(1.2)分析的任务过程，进行操作者行为分析；
步骤(1.4)，根据步骤(1.2)分析的任务过程，进行机系统动作分析；
步骤(1.5)，根据步骤(1.3)和(1.4)，以人系统和机系统两条线索，构建人机交互任务事件树模型；
步骤(1.6)，根据步骤(1.5)建立的事件树模型，定义空间人机交互任务的后果状态。
3.根据权利要求1所述的绩效评价方法，其特征在于，步骤(2)包括以下子步骤：
步骤(2.1)，根据步骤(1)构建的事件树模型，识别任务完成过程中存在的人机交互形式；
步骤(2.2)，根据步骤(2.1)识别的人机交互形式，梳理人机交互过程中使用的人机交互媒介。
4.根据权利要求1所述的绩效评价方法，其特征在于，步骤(3)中根据事件树模型并结合人机交互特性，识别各中间事件发生过程中、以及两中间事件过渡过程中是否有影响任务成败的关键影响因素，包括：
识别人因失误、设备故障、环境扰动三种单类型影响因素；
识别人机耦合、机环耦合、人环耦合三种双类型影响因素；
识别人机环耦合三类型影响因素。
5.根据权利要求1所述的绩效评价方法，其特征在于，步骤(4)包括以下子步骤：
步骤(4.1)，根据人机交互任务特点，添加、删减、修正共同绩效条件；
步骤(4.2)，相应地修正各共同绩效条件对应的共同绩效条件评价水平和对绩效可靠性的期望效应；
步骤(4.3)，根据修正后的共同绩效条件、共同绩效条件评价水平和对绩效可靠性的期望效应，修正情景环境与认知控制模式的关系，其中，认知控制模式包括混乱型、机会型、战术型和战略型，各认知控制模式对应一个人误概率区间。
6.根据权利要求1所述的绩效评价方法，其特征在于，步骤(5)包括以下子步骤：
步骤(5.1)，以人为导向，将人在任务执行过程中的行为按感觉、思维、行动三阶段进行划分，识别各阶段影响任务成败的操作者相关关键影响因素；
步骤(5.2)，以任务失败为顶事件，构建人机交互任务故障树；
步骤(5.3)，构建全任务过程人因可靠性模型，得到人系统可靠度；
步骤(5.4)，构建全任务过程机系统可靠性模型，得到机系统可靠度；
步骤(5.5)，构建全任务过程环系统可靠性模型，得到环系统可靠度；
步骤(5.6)，构建全任务过程其他耦合因素可靠性模型，得到耦合因素可靠度；
步骤(5.7)，根据人机交互任务故障树，构建人机交互系统绩效评价模型，依据人系统可靠度、机系统可靠度、环系统可靠度和耦合因素可靠度，以任务可靠度为指标评价系统绩效，得到任务可靠度结果。
7.根据权利要求1所述的绩效评价方法，其特征在于，步骤(5.3)中构建全任务过程人因可靠性模型，得到人系统可靠度包括以下亚子步骤：
步骤(5.3.1)，根据操作者相关关键影响因素构建感觉、思维、行动三阶段人误模型，根据各阶段人误模型构建全任务过程人因可靠性模型；
步骤(5.3.2)，根据步骤(4.1)修正后的共同绩效条件及步骤(4.2)修正后的共同绩效条件评价水平，统计当前情景环境下对绩效可靠性的期望效应分别为“改进”和“降低”的共同绩效条件的数量；
步骤(5.3.3)，根据步骤(4.3)修正的情景环境与认知控制模式的关系判断操作者感觉、思维、行动三阶段的认知控制模式；
步骤(5.3.4)，根据认知控制模式，确定各阶段中操作者相关关键影响因素的人误概率区间，通过专家经验对各阶段中操作者相关关键影响因素的人误概率进行量化；
步骤(5.3.5)，将量化的操作者相关关键影响因素的人误概率代入各阶段人误模型中得到各阶段人误概率，将各阶段人误概率代入全任务过程人因可靠性模型中得到人系统可靠度。
8.根据权利要求1所述的绩效评价方法，其特征在于，空间人机交互任务包括空间站移除太空碎片的人机交互操作任务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010635366.1A CN112016786B (zh) | 2020-07-03 | 2020-07-03 | 一种空间人机交互系统绩效评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010635366.1A CN112016786B (zh) | 2020-07-03 | 2020-07-03 | 一种空间人机交互系统绩效评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112016786A CN112016786A (zh) | 2020-12-01 |
| CN112016786B true CN112016786B (zh) | 2022-12-27 |
Family
ID=73498636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010635366.1A Expired - Fee Related CN112016786B (zh) | 2020-07-03 | 2020-07-03 | 一种空间人机交互系统绩效评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112016786B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114091817A (zh) * | 2021-10-15 | 2022-02-25 | 岚图汽车科技有限公司 | 一种车辆人机交互智能程度评价方法及相关设备 |
| CN116151697B (zh) * | 2023-04-24 | 2023-07-21 | 之江实验室 | 基于动态时间压力的长航时作业人机交互方法和装置 |
| CN118071151B (zh) * | 2024-04-16 | 2024-07-23 | 西北工业大学 | 潜航群组决策行为的风险评估方法 |
| CN118395740B (zh) * | 2024-06-19 | 2024-08-23 | 广东海洋大学 | 基于认知与不完全覆盖模型的人机系统可靠性分析方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109697558A (zh) * | 2018-12-18 | 2019-04-30 | 北京航空航天大学 | 一种考虑路径依赖的人误机理建模方法 |
| 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 |
| CN111178404A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 考虑路径依赖效应的人机交互系统任务可靠性建模方法 |
| CN111177900A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 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 |
-
2020
- 2020-07-03 CN CN202010635366.1A patent/CN112016786B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN109697558A (zh) * | 2018-12-18 | 2019-04-30 | 北京航空航天大学 | 一种考虑路径依赖的人误机理建模方法 |
| CN111178404A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 考虑路径依赖效应的人机交互系统任务可靠性建模方法 |
| CN111177900A (zh) * | 2019-12-17 | 2020-05-19 | 中国航天标准化研究所 | 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112016786A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112016786B (zh) | 一种空间人机交互系统绩效评价方法 | |
| US7720779B1 (en) | Extensible bayesian network editor with inferencing capabilities | |
| US20190370671A1 (en) | System and method for cognitive engineering technology for automation and control of systems | |
| Cook et al. | Automating process discovery through event-data analysis | |
| Lewerentz et al. | Case study “production cell”: A comparative study in formal specification and verification | |
| US11093702B2 (en) | Checking and/or completion for data grids | |
| CN108959068A (zh) | 软件界面测试方法、设备及存储介质 | |
| US10762329B2 (en) | Inter-object relation recognition apparatus, learned model, recognition method and non-transitory computer readable medium | |
| Doltsinis et al. | A symbiotic human–machine learning approach for production ramp-up | |
| Sycara et al. | Abstraction of analytical models from cognitive models of human control of robotic swarms | |
| Boring et al. | Integration of Human Reliability Analysis Models into the Simulation-Based Framework for the Risk-Informed Safety Margin Characterization Toolkit | |
| Dessalene et al. | Therbligs in action: Video understanding through motion primitives | |
| Boring | Defining human failure events for petroleum applications of human reliability analysis | |
| Liu et al. | Petri nets-based modeling solution for cyber–physical product control considering scheduling, deployment, and data-driven monitoring | |
| Pacheck et al. | Automatic encoding and repair of reactive high-level tasks with learned abstract representations | |
| Mallozzi et al. | A runtime monitoring framework to enforce invariants on reinforcement learning agents exploring complex environments | |
| Hasanbeig et al. | Symbolic task inference in deep reinforcement learning | |
| Tappler et al. | Differential safety testing of deep RL agents enabled by automata learning | |
| Li et al. | Generative model-based testing on decision-making policies | |
| CN110780660A (zh) | 一种基于生产状态的烟草生产工业控制系统故障诊断方法 | |
| Combs et al. | A preliminary look at heuristic analysis for assessing artificial intelligence explainability | |
| CN113196308A (zh) | 基于求解的内省来增强强化学习智能体的训练以对机器人和自主载具进行控制和规划 | |
| EP4075297A1 (en) | Machine learning-based interactive visual monitoring tool for high dimensional data sets across multiple kpis | |
| CN115359184A (zh) | 一种包含机械仿真和虚拟维修属性的综合建模方法 | |
| Reguera-Bakhache et al. | An industrial hmi temporal adaptation based on operator-machine interaction sequence similarity |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221227 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |