CN112528459B - 路径依赖对人机交互故障的促进/抑制度计算方法、装置 - Google Patents
路径依赖对人机交互故障的促进/抑制度计算方法、装置 Download PDFInfo
- Publication number
- CN112528459B CN112528459B CN202011123655.XA CN202011123655A CN112528459B CN 112528459 B CN112528459 B CN 112528459B CN 202011123655 A CN202011123655 A CN 202011123655A CN 112528459 B CN112528459 B CN 112528459B
- Authority
- CN
- China
- Prior art keywords
- matrix
- degree
- index
- path
- weight
- 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
Links
- 230000003993 interaction Effects 0.000 title claims abstract description 129
- 230000005764 inhibitory process Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000011159 matrix material Substances 0.000 claims abstract description 182
- 230000009471 action Effects 0.000 claims abstract description 26
- 230000001133 acceleration Effects 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000001419 dependent effect Effects 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000015556 catabolic process Effects 0.000 claims description 14
- 238000006731 degradation reaction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 12
- 230000001149 cognitive effect Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 4
- 230000007257 malfunction Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 13
- 230000001629 suppression Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 7
- 230000001737 promoting effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000002401 inhibitory effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Classifications
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种路径依赖对人机交互故障的促进度与抑制度计算方法、装置。其中，路径依赖对人机交互故障的促进度与抑制度计算方法包括：根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；基于多级递阶结构模型建立对比矩阵；根据对比矩阵确定多级递阶结构模型中各指标的权重；获取各指标的评语集标准隶属度；根据权重和评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。该路径依赖对人机交互故障的促进度与抑制度计算方法，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
Description
技术领域
本发明涉及航天工程技术领域，尤其涉及一种路径依赖对人机交互故障的促进/抑制度计算方法、装置。
背景技术
在人因可靠性方面，路径依赖对人误也具有两方面的作用。如果操作者采用了符合当前任务情境的思维和认知行为模式，则可以提高效率、有效抑制人误；如果当前任务情境发生了变化，与之前的思维和认知行为模式出现了偏差，则可能导致失误，成为人误的诱因。原有路径与当前任务的契合度决定了路径依赖对人误是抑制或促进作用。
路径依赖对人误的作用取决于两大类因素，一个是思维模式与任务契合度，另一个是路径依赖程度。定性而言，思维模式与任务契合，那么路径依赖就起抑制人误、提高效率的作用，反之则相反。定量而言，路径依赖的严重程度，任务与思维模式的契合度成为抑制和促进度的影响因素。思维模式越契合，路径依赖对人误的抑制作用更显著，否则促进作用更显著。路径依赖程度调节其对人误作用的程度，路径依赖程度越高，促进或抑制作用的程度更大。
目前，对路径依赖的研究存在以下不足：路径依赖的实证研究缺少，只有是理论研究；缺少依据数据的定量研究，只有定性分析；没有明确提出路径依赖促进与抑制人机交互故障程度的计算；没有针对具体任务，尤其是复杂任务的路径依赖研究。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种路径依赖对人机交互故障的促进度与抑制度计算方法，本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算方法，以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
本发明的第二个目的在于提出一种计算机可读存储介质。
本发明的第三个目的在于提出一种路径依赖对人机交互故障的促进度与抑制度计算装置。
为达到上述目的，本发明第一方面实施例提出一种路径依赖对人机交互故障的促进度与抑制度计算方法，所述方法包括以下步骤：根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；基于所述多级递阶结构模型建立对比矩阵；根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重；获取各指标的评语集标准隶属度；根据所述权重和所述评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算方法，通过根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型，并建立对比矩阵，进而根据对比矩阵确定多级递阶结构模型中各指标的权重，并获取各指标的评语集标准隶属度，从而根据权重和评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。由此，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
另外，本发明上述的路径依赖对人机交互故障的促进度与抑制度计算方法还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述路径依赖对人机交互故障的促进度与抑制度计算方法还包括：所述空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，所述一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，其中，所述任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，所述设备故障与退化包括操纵杆、舱外摄像头中的至少一个，所述环境冲击对应的二级指标包括噪声、照度中的至少一个，所述人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
根据本发明的一个实施例，所述路径依赖对人机交互故障的促进度与抑制度计算方法还包括：所述对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
根据本发明的一个实施例，所述根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重包括：通过如下公式对所述对比矩阵中的打分进行归一化处理，得到权重矩阵：
W＝[w1,w2,…,weach_line,…,wM]，
其中，aij表示所述对比矩阵中的元素，n×n表示所述对比矩阵的维数，W表示所述权重矩阵；根据如下公式计算所述权重矩阵的最大特征值：
其中，λmax表示所述最大特征值，F表示(aij)n×n对比矩阵，(FW)i表示对比矩阵与对应的归一化权重相乘后获得新矩阵的第i个值，wi表示第i个归一化权重；根据所述最大特征值对所述权重矩阵进行一致性检验，以判断所述对比矩阵中的打分是否合理；如果所述对比矩阵中的打分不合理，则调整所述对比矩阵，并返回所述对所述对比矩阵中的打分进行归一化处理的步骤；如果所述对比矩阵中的打分不合理，则根据所述权重矩阵确定各指标的权重，其中，所述各指标的权重包括各一级指标的权重和各一级指标下各二级指标的权重。
根据本发明的一个实施例，所述根据所述最大特征值对所述权重矩阵进行一致性检验包括：通过如下公式计算所述权重矩阵的一致性取值：
CR＝CI/RI，
其中，CI＝(λmax-n)/(n-1)，n表示对比矩阵F的阶数，CR表示所述权重矩阵的一致性取值，RI表示平均随机一致性指标；判断所述一致性取值是否小于预设阈值；如果所述一致性取值小于所述预设阈值，则判定所述对比矩阵中的打分合理；如果所述一致性取值大于或等于所述预设阈值，则判定所述对比矩阵中的打分不合理。
根据本发明的一个实施例，所述路径依赖对人机交互故障的促进度与抑制度计算方法还包括：通过如下公式计算路径依赖对人机交互故障的促进度与抑制度：
Pg(人机交互故障水平)＝S*VT，
其中，S表示评语集标准隶属度V上的模糊子集，sj(j＝1,2,…,p)表示评价集结果Vj对S的隶属程度，wd为第d个指标的权重，rdp表示第d个指标的评语集，p为评语集的元素数，Pg(人机交互故障水平)表示路径依赖对人机交互故障的促进度/抑制度，VT表示V的转置。
为达到上述目的，本发明第二方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序所述计算机程序被处理器执行时实现上述的路径依赖对人机交互故障的促进度与抑制度计算方法。
本发明实施例的计算机可读存储介质，在其上存储的计算机程序被处理器执行时，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
为达到上述目的，本发明第三方面实施例提出了一种路径依赖对人机交互故障的促进度与抑制度计算装置，所述计算装置包括第一建立模块，用于根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；第二建立模块，用于基于所述多级递阶结构模型建立对比矩阵；确定模块，用于根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重；获取模块，用于获取各指标的评语集标准隶属度；计算模块，用于根据所述权重和所述评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算装置，通过第一建立模块根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型，进而通过第二建立模块基于多级递阶结构模型建立对比矩阵，从而通过确定模块根据对比矩阵确定多级递阶结构模型中各指标的权重；通过获取模块获取各指标的评语集标准隶属度，从而通过计算模块根据权重和评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。由此，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
另外，本发明上述的路径依赖对人机交互故障的促进度与抑制度计算装置还可以具有如下附加的技术特征：
根据本发明的一个实施例，所述路径依赖对人机交互故障的促进度与抑制度计算装置还包括：所述空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，所述一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，其中，所述任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，所述设备故障与退化包括操纵杆、舱外摄像头中的至少一个，所述环境冲击对应的二级指标包括噪声、照度中的至少一个，所述人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
根据本发明的一个实施例，所述路径依赖对人机交互故障的促进度与抑制度计算装置还包括：所述对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
图1是本发明第一个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图2是本发明第二个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图3是本发明第三个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图4是本发明第四个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图5是本发明第五个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图6是本发明一个具体实例的路径依赖对人机交互故障的促进度与抑制度计算方法的流程图；
图7是本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算装置的结构框图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图1-7描述本发明实施例的路径依赖对人机交互故障的促进度和抑制度计算方法、装置。
为研究路径依赖下人机交互故障作用方式，本发明融入思维惯性对路径依赖的过程分析。人机交互故障作用方式由任务冲突性、环境的变化、设备故障的突发性、人员状态的不确定性等因子水平共同作用形成，为区分不同影响因子对人机交互故障作用方式程度，拟进行人机交互故障作用方式划分为：促进和抑制作用。本发明主要考虑以下几个方面：
(1)设备故障，考虑了恢复作用，若获得恢复，作用方式将进行转变。
(2)为判断“思维习惯”路径依赖对人机交互故障的作用方式(抑制或促进)，拟通过任务要素与思维要素匹配程度来判断。受惯性思维的影响，航天员在执行过程中，会习惯性地将先前任务的思维流程、操作方式及经验等迁移于具有一定相似匹配度的另一任务，从而形成路径依赖。在路径依赖下，环境的变化、设备故障的突发性、人员状态的不确定性都有可能对人机交互故障产生一定的影响，主要表现为促进或抑制两种作用方式。简而言之，“思维习惯”是“路径依赖”产生的基础，而人机交互故障作用方式——“抑制”或“促进”则是“路径依赖”表现的结果。
在子任务的执行过程中，参见图6，定义A，B两个子任务，执行A子任务时，首先进行对A子任务进行任务匹配判断，判断A子任务与B子任务是否存在冲突(即是否存在若干任务要素匹配)，若无冲突，则子任务表现为抑制作用；若存在冲突，但操作员未能主观识别，则子任务表现为促进作用，否则表现为抑制作用。
(3)考虑了行为恢复(纠错行为)对作用方式的改变。
图6中，思维习惯，用于判断是否存在路径依赖，控制其对应的路径对人机交互故障的作用方式。设备故障与退化的设备类别主要考虑：操纵杆、舱外摄像头。除设备故障与退化外，考虑的作用方式影响因素有：任务冲突性(初始位置的安全风险性，延迟性，信息显示性)、环境冲击(噪声，照度)和人的因素(认知操作能力变化，经验水平，体力疲劳，心理压力，心理疲劳)。
研究目标考虑路径依赖对人机交互故障的作用方式分为2个方面：促进及抑制。与此相对应，影响因子状态水平分为2个等级，分为：“好”与“差”。若因子处于“好”的水平，认为对人机交互故障的发生有抑制作用；若处于“差”水平，则认为有促进作用。
图6中，若犯错因子处于中等水平，认为路径依赖过程中对人机交互故障无促进或抑制作用，因此，不考虑这种情况，同理，在促进度，抑制度计算中也不考虑这种情况。
基于上述描述，路径依赖下作用方式由任务冲突性、环境冲击、设备故障及人的因素等影响因子共同决定，作用方式(促进/抑制)是对影响因素及结果的评价，因此，作用方式(促进/抑制)的评估采用对影响因子评估的方式进行度量。为此，本发明提出了一种路径依赖对人机交互故障的促进度和抑制度计算方法、装置，以及存储介质。
图1是本发明一个实施例的路径依赖对人机交互故障的促进度与抑制度计算方法。
如图1所示，路径依赖对人机交互故障的促进度与抑制度计算方法包括以下步骤：
S11，根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型。
具体地，确定空间站机械臂任务中路径依赖产生的条件，进而根据路径依赖产生的条件及其对人机交互故障的作用方式建立多级递阶结构模型。其中，空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，设备故障与退化包括操纵杆、舱外摄像头中的至少一个，环境冲击对应的二级指标包括噪声、照度中的至少一个，人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
进一步地，根据上述空间站机械臂任务中路径依赖产生的条件及其对人机交互故障的作用方式，可建立如表1所示的多级递阶结构模型，需要说明的是，表1中的“说明”部分即是上述的空间站机械臂任务中路径依赖对人机交互故障的作用方式。
表1
进一步地，根据上述空间站机械臂任务中路径依赖产生的条件及其对人机交互故障的作用方式，可构建包括一级指标和二级指标的两级递阶结构模型。
S12，基于多级递阶结构模型建立对比矩阵。
具体地，在构建了多级递阶结构模型后，通过获得专家的评判，从而建立对比矩阵，进而确定各二级指标对各一级指标的影响度。
其中，对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
作为一个示例，对比矩阵可以包括如表2所示的一级指标之间相对重要度的专家评判矩阵、如表3所示的一级指标“任务冲突”下的各二级指标之间相对重要度的专家评判矩阵、如表4所示的一级指标“设备故障与退化”下的各二级指标之间相对重要度的专家评判矩阵、如表5所示的一级指标“环境冲击”下的各二级指标之间相对重要度的专家评判矩阵、如表6所示的一级指标“人的因素”下的各二级指标之间相对重要度的专家评判矩阵。
表2
表3
表4
表5
表6
具体地，可以向专家询问上述专家评判矩阵中元素的重要程度，进而根据获得的重要程度按照表7填写上述专家评判矩阵，从而建立对比矩阵。例如，可以向若干与本领域相关的专家发放包含上述专家评判矩阵的问卷，并将专家的评判结果取平均值填入专家评判矩阵从而建立对比矩阵。
表7
需要说明的是，由于对比矩阵A＝(aij)MxM满足aij>0和aji＝1/aij，因此在填写上述对比矩阵时，可以先填写aii＝1的部分，然后填写上三角形或下三角形中的M(M-1)/2个元素，进而填写剩余部分。在填写对比矩阵时，需要尽可能保证填写的分值两两比较具有一致性，例如，若专家意见是B1比B2重要且B2比B3重要，则在填写对比矩阵时需要保证填写的分值可以体现出B1比B3重要。
S13，根据对比矩阵确定多级递阶结构模型中各指标的权重。
具体地，在完成对比矩阵的建立后，通过与对比矩阵对应的权重矩阵的一致性判断对比矩阵中的打分是否合理，若判断打分合理，则根据各权重矩阵确定各指标的权重，并构建如表8所示的指标权重模型。
表8
由此，本发明采用AHP(Analytic Hierarchy Process，层次分析法)评估指标权重，对于具有属性多样、结构复杂等特点的空间站机械臂任务中路径依赖产生的条件，可实现良好的优化分析与评价效果。
在本发明的一个实施例中，如图2所示，路径依赖对人机交互故障的促进度与抑制度计算方法还可包括：
S14，获取各指标的评语集标准隶属度。
具体地，建立包括需要被评判的指标的因素集和包括可能出现的所有评语的评语集，进而根据因素集和评语集确定各指标的评语集标准隶属度，从而建立隶属度矩阵。
S15，根据权重和评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
具体地，通过如下公式计算路径依赖对人机交互故障的促进度与抑制度：
Pg(人机交互故障水平)＝S*VT，
其中，S表示评语集标准隶属度V上的模糊子集，sj(j＝1,2,…,p)表示评价集结果Vj对S的隶属程度，wd为第d个指标的权重，rdp表示第d个指标的评语集，p为评语集的元素数，Pg(人机交互故障水平)表示路径依赖对人机交互故障的促进度/抑制度，VT表示V的转置。
需要说明的是，上述Pg(人机交互故障水平)即为图6中的评估值。进一步地，若上述Pg(人机交互故障水平)>0，则说明与该Pg(人机交互故障水平)相对应的因素集U对评判对象总体上起促进作用，此时d(A)＝Pg(人机交互故障水平)，d(a)＝d(A)-100；若上述Pg(人机交互故障水平)<0，则说明与该Pg(人机交互故障水平)相关的因素集U对评判对象总体上起抑制作用，此时d(a)＝Pg(人机交互故障水平)，d(A)＝100-|d(a)|。其中，d(A)表示因素集U对评判对象总体上所起的促进度，d(a)表示因素集U对评判对象总体上所起的抑制度。上述促进度的取值范围是[0,100]，促进度越大，路径依赖对人机交互故障的促进作用越大；上述抑制度的取值范围是[-100,0]，抑制度越小，路径依赖对人机交互故障的抑制作用越大，抑制度为-100时，路径依赖可以完全抑制人误的发生。
可选地，还可根据上述Pg(人机交互故障水平)，查下表9、表10，从而得到直观的路径依赖对人机交互故障的促进程度与抑制程度。其中，若上述Pg(人机交互故障水平)>0，则查下表9；若上述Pg(人机交互故障水平)<0，则查下表10。
表9
表10
由此，本发明采用模糊综合评价法计算促进度和抑制度，以模糊数学为基础，应用模糊关系合成原理，将一些边界不清、不易定量的因素定量化，对于具有属性多样、结构复杂等特点的空间站机械臂任务中路径依赖对人机交互故障的促进度与抑制度，可实现良好的评价效果，从而可有效地预防航天事故的发生。
在本发明的一个实施例中，如图3所示，上述根据对比矩阵确定多级递阶结构模型中各要素的权重的流程可以包括：
S31，对对比矩阵中的打分进行归一化处理。
具体地，通过如下公式对对比矩阵中的打分进行归一化处理，得到权重矩阵：
W＝[w1,w2,…,weach_line,…,wM]，
其中，aij表示对比矩阵中的元素，n×n表示对比矩阵的维数，W表示权重矩阵。
需要说明的是，本发明实施例中的对对比矩阵中的打分进行归一化处理得到权重矩阵，指的是对对比矩阵中的每一个专家评判矩阵中的打分进行归一化处理，从而得到与专家评判矩阵对应的权重矩阵。
S32，计算权重矩阵的最大特征值。
需要说明的是，由于上述对对比矩阵的打分均是主观打分，存在不合理打分的可能性，因此需要计算权重矩阵的最大特征值，进而通过最大特征值检验与该最大特征值对应的专家评判矩阵中的打分是否合理，从而判断上述对对比矩阵的打分是否合理。
具体地，根据如下公式计算权重矩阵的最大特征值：
其中，λmax表示最大特征值，F表示(aij)n×n对比矩阵，(FW)i表示对比矩阵与对应的归一化权重相乘后获得新矩阵的第i个值，wi表示第i个归一化权重。
S33，根据最大特征值对权重矩阵进行一致性检验，以判断对比矩阵中的打分是否合理。
S34，如果对比矩阵中的打分不合理，则调整对比矩阵。
具体地，如果对比矩阵中的打分不合理，则调整对比矩阵，并返回对对比矩阵中的打分进行归一化处理的步骤。
S35，如果对比矩阵中的打分合理，则根据权重矩阵确定各指标的权重。
具体地，如果对比矩阵中的打分合理，则根据权重矩阵确定各指标的权重，其中，各指标的权重包括各一级指标的权重和各一级指标下各二级指标的权重。
在本发明的一个实施例中，如图4所示，上述根据最大特征值对权重矩阵进行一致性检测的流程可以包括：
S41，计算权重矩阵的一致性取值。
具体地，通过如下公式计算权重矩阵的一致性取值：
CR＝CI/RI，
其中，CI＝(λmax-n)/(n-1)，n表示对比矩阵F的阶数，CR表示权重矩阵的一致性取值，RI表示平均随机一致性指标。
作为一个示例，可以参照表11对RI进行取值。
表11
| 矩阵阶数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| RI | 0 | 0 | 0.52 | 0.89 | 1.12 | 1.26 | 1.36 | 1.41 |
| 矩阵阶数 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
| RI | 1.46 | 1.49 | 1.52 | 1.54 | 1.56 | 1.58 | 1.58 | 1.60 |
S42，判断一致性取值是否小于预设阈值。
具体地，将上述计算出的CR与预设阈值进行比较，根据比较结果判断打分是否合理。
S43，如果一致性取值小于预设阈值，则判定对比矩阵中的打分合理。
作为一个示例，如表12所示，预设阈值可设置为0.1，若专家评判矩阵对应的CR小于该预设阈值，则一致性可接受，判定对该专家评判矩阵的打分合理。若对比矩阵中所有专家评判矩阵的打分均合理，则判定该对比矩阵的打分合理。
表12
S44，如果一致性取值大于或等于预设阈值，则判定对比矩阵中的打分不合理。
具体地，如果存在对应的CR大于预设阈值的专家评判矩阵，则判定包含该专家评判矩阵的对比矩阵中的打分不合理。
在本发明的一个实施例中，如图5所示，上述获取各指标的评语集标准隶属度的流程可以包括：
S51，确定评判对象的因素集。
具体地，通过将待评判的影响评判对象的指标组合为集合，从而构建因素集U＝{U1,U2,U3,…}。
作为一个示例，可以根据上述多级递阶结构模型建立评价对象的因素集U：U＝{初始位置是否存在安全风险(B11)，有无延时(B12)，有无信息显示(B13)，操纵杆(B21)，舱外摄像头(B22)，噪声(B31)，照度(B32)，认知操作能力变化(B41)，经验水平(B42)，体力疲劳(B43)，心理压力(B44)，心理疲劳(B45)}。或者，也可建立因素集U：U＝{初始位置是否存在安全风险(B11)，有无延时(B12)，有无信息显示(B13)}；或，U＝{操纵杆(B21)，舱外摄像头(B22)}；或，U＝{噪声(B31)，照度(B32)}；或，U＝{认知操作能力变化(B41)，经验水平(B42)，体力疲劳(B43)，心理压力(B44)，心理疲劳(B45)}。其中，专家可根据具体的评价对象从上述可能的因素集U中选择具体使用的因素集U。若评价对象不同，因素集U也可能会发生变化。
S52，确定评判对象的评语集。
具体地，将评判者可能做出的各种评语组合为集合，从而构建评语集V＝{V1,V2,V3，…}。
作为一个示例，可以建立评语集：V＝{优，一般，差}。
可选地，还可参照表13将上述评语集中的元素量化。
表13
| 评价等级 | 优 | 一般 | 差 |
| 取值区间 | (80,100] | (40,80] | (0,40] |
进一步地，为了方便计算，可以取区间的中间值代替区间，即，将评语“优”量化为评分90，将评语“一般”量化为评分60，将评语“差”量化为评分20。
S53，建立隶属度矩阵。
具体地，根据上述因素集与上述评语集建立隶属度矩阵。
作为一个示例，根据因素集和评语集建立隶属度集合：Ri＝{ri1,ri2,…,rij}，进而根据隶属度集合建立隶属度矩阵：R＝[R1，R2，…，Ri]T，其中，i＝1,2,3，…，h，j＝1,2,3，…，p，h为因素集中的指标的个数，p为评语集中的元素的个数。
需要说明的是，上述隶属度集合中的rij指的是因素集中的指标Ui在评语集中的元素Vj上的隶属度。
可选地，可以通过向专家询问的方式确定上述隶属度集合中的rij，例如，可以通过向专家发放问卷的形式获得专家的答复进而确定rij。
作为一个示例，首先，可以向专家发放50份问卷，询问元素集U中的指标U1对评判对象所起的作用，并根据反馈的结果判断指标U1对评价对象是起促进作用还是起抑制作用。进一步地，可以向专家再发放50份问卷，让其对指标U1进行打分，并根据打分的结果判断标U1对评判对象所起的作用。若对指标U1进行打分的50份问卷中反馈的分值为V1的问卷有10份，且根据上述询问指标U1对评判对象所起的作用的问卷反馈的结果判断指标U1对评判对象起促进作用，则r11＝10/50＝0.2，进而将r11填入隶属度矩阵R；若对指标U1进行打分的50份问卷中反馈的分值为V1的问卷有10份，且根据上述询问指标U1对评判对象所起的作用的问卷反馈的结构判断指标U1对评判对象起抑制作用，则r11＝-(10/50)＝-0.2，进而将r11填入隶属度矩阵R。进一步地，建立隶属度矩阵R。
可选地，还可将上述对指标进行打分的问卷反馈的分值取平均值得到y(xi,j)，从而将该y(xi,j)代入表14从而得到指标的具体影响程度。
表14
/>
综上，本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算方法，可以实现对路径依赖对人机交互故障的促进度与抑制度进行计算，进而直观体现路径依赖对人机交互故障的抑制作用与促进作用。
进一步地，本发明提出一种计算机可读存储介质。
在本发明实施例中，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述的路径依赖对人机交互故障的促进度与抑制度计算方法。
本发明实施例的计算机可读存储介质，在其上存储的计算机程序被处理器执行时，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算，进而直观体现路径依赖对人机交互故障的抑制作用与促进作用。
图7是本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算装置的结构框图。
如图7所示，该路径依赖对人机交互故障的促进度与抑制度计算装置100包括第一建立模块101、第二建立模块102、确定模块103、获取模块104、计算模块105。
具体地，第一建立模块101，用于根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；第二建立模块102，用于基于多级递阶结构模型建立对比矩阵；确定模块103，用于根据对比矩阵确定多级递阶结构模型中各指标的权重；获取模块104，用于获取各指标的评语集标准隶属度；计算模块105，用于根据权重和评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
该路径依赖对人机交互故障的促进度与抑制度计算装置，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算。
在本发明一个实施例中，第一建立模块101具体用于：根据空间站机械臂任务中路径依赖对人机交互故障的作用方式与空间站机械臂任务中路径依赖产生的条件，建立多级递阶结构模型，其中，空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，设备故障与退化包括操纵杆、舱外摄像头中的至少一个，环境冲击对应的二级指标包括噪声、照度中的至少一个，人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
在本发明一个实施例中，第二建立模块102具体用于：基于多级递阶结构模型建立对比矩阵，其中，对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
在本发明一个实施例中，确定模块103具体用于：通过如下公式对对比矩阵中的打分进行归一化处理，得到权重矩阵：
W＝[w1,w2,…,weach_line,…,wM]，
其中，aij表示对比矩阵中的元素，n×n表示对比矩阵的维数，W表示权重矩阵；根据如下公式计算权重矩阵的最大特征值：
其中，λmax表示最大特征值，F表示(aij)n×n对比矩阵，(FW)i表示对比矩阵与对应的归一化权重相乘后获得新矩阵的第i个值，wi表示第i个归一化权重；根据最大特征值对权重矩阵进行一致性检验，以判断对比矩阵中的打分是否合理；如果对比矩阵中的打分不合理，则调整对比矩阵，并返回对对比矩阵中的打分进行归一化处理的步骤；如果对比矩阵中的打分不合理，则根据权重矩阵确定各指标的权重，其中，各指标的权重包括各一级指标的权重和各一级指标下各二级指标的权重。
在本发明一个实施例中，确定模块103还可用于：通过如下公式计算权重矩阵的一致性取值：
CR＝CI/RI，
其中，CI＝(λmax-n)/(n-1)，n表示对比矩阵F的阶数，CR表示权重矩阵的一致性取值，RI表示平均随机一致性指标；判断一致性取值是否小于预设阈值；如果一致性取值小于预设阈值，则判定对比矩阵中的打分合理；如果一致性取值大于或等于预设阈值，则判定对比矩阵中的打分不合理。
在本发明一个实施例中，计算模块105具体用于：通过如下公式计算路径依赖对人机交互故障的促进度与抑制度：
Pg(人机交互故障水平)＝S*VT，
其中，S表示评语集标准隶属度V上的模糊子集，sj(j＝1,2,…,p)表示评价集结果Vj对S的隶属程度，wd为第d个指标的权重，rdp表示第d个指标的评语集，p为评语集的元素数，Pg(人机交互故障水平)表示路径依赖对人机交互故障的促进度/抑制度，VT表示V的转置。
需要说明的是，本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算装置的其他具体实施方式，可以参见上述的路径依赖对人机交互故障的促进度与抑制度计算方法。
综上，本发明实施例的路径依赖对人机交互故障的促进度与抑制度计算装置，可以针对具体的空间站机械臂任务，实现对路径依赖对人机交互故障的促进度与抑制度进行计算，进而直观体现路径依赖对人机交互故障的抑制作用与促进作用。
需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，包括以下步骤：
根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；
基于所述多级递阶结构模型建立对比矩阵；
根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重；
获取各指标的评语集标准隶属度；
根据所述权重和所述评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
2.如权利要求1所述的路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，所述空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，所述一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，其中，
所述任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，所述设备故障与退化包括操纵杆、舱外摄像头中的至少一个，所述环境冲击对应的二级指标包括噪声、照度中的至少一个，所述人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
3.如权利要求2所述的路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，所述对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
4.如权利要求2或3所述的路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，所述根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重，包括：
通过如下公式对所述对比矩阵中的打分进行归一化处理，得到权重矩阵：
each_line＝1,2,…,n，
W＝[w1,w2,…,weach_line,…,wn]，weach_line＝reach_line，
其中，i＝1,2,…,n，aij表示所述对比矩阵中的元素，n×n表示所述对比矩阵的维数，W表示所述权重矩阵；
根据如下公式计算所述权重矩阵的最大特征值：
其中，λmax表示所述最大特征值，F表示(aij)n×n对比矩阵，(FW)i表示对比矩阵与对应的归一化权重相乘后获得新矩阵的第i个值，wi表示第i个归一化权重；
根据所述最大特征值对所述权重矩阵进行一致性检验，以判断所述对比矩阵中的打分是否合理；
如果所述对比矩阵中的打分不合理，则调整所述对比矩阵，并返回所述对所述对比矩阵中的打分进行归一化处理的步骤；
如果所述对比矩阵中的打分合理，则根据所述权重矩阵确定各指标的权重，其中，所述各指标的权重包括各一级指标的权重和各一级指标下各二级指标的权重。
5.如权利要求4所述的路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，所述根据所述最大特征值对所述权重矩阵进行一致性检验，包括：
通过如下公式计算所述权重矩阵的一致性取值：
CR＝CI/RI，
其中，CI＝(λmax-n)/(n-1)，n表示对比矩阵F的阶数，CR表示所述权重矩阵的一致性取值，RI表示平均随机一致性指标；
判断所述一致性取值是否小于预设阈值；
如果所述一致性取值小于所述预设阈值，则判定所述对比矩阵中的打分合理；
如果所述一致性取值大于或等于所述预设阈值，则判定所述对比矩阵中的打分不合理。
6.如权利要求1所述的路径依赖对人机交互故障的促进度与抑制度计算方法，其特征在于，通过如下公式计算路径依赖对人机交互故障的促进度与抑制度：
Pg＝S*VT，
其中，S表示评语集标准隶属度V上的模糊子集，sj表示评价集结果Vj对S的隶属程度，j＝1,2,…,p，wd为第d个指标的权重，rdp表示第d个指标的评语集，p为评语集的元素数，Pg为人机交互故障水平，表示路径依赖对人机交互故障的促进度/抑制度，VT表示V的转置。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的路径依赖对人机交互故障的促进度与抑制度计算方法。
8.一种路径依赖对人机交互故障的促进度与抑制度计算装置，其特征在于，包括：
第一建立模块，用于根据空间站机械臂任务中路径依赖对人机交互故障的作用方式，建立多级递阶结构模型；
第二建立模块，用于基于所述多级递阶结构模型建立对比矩阵；
确定模块，用于根据所述对比矩阵确定所述多级递阶结构模型中各指标的权重；
获取模块，用于获取各指标的评语集标准隶属度；
计算模块，用于根据所述权重和所述评语集标准隶属度计算路径依赖对人机交互故障的促进度与抑制度。
9.如权利要求8所述的用于空间站机械臂任务的路径依赖度计算装置，其特征在于，所述空间站机械臂任务中路径依赖产生的条件包括一级指标和二级指标，所述一级指标包括任务冲突性、设备故障与退化、环境冲击、人的因素中的至少一个，其中，
所述任务冲突性对应的二级指标包括初始位置的安全风险性、延迟性、信息显示性中的至少一个，所述设备故障与退化包括操纵杆、舱外摄像头中的至少一个，所述环境冲击对应的二级指标包括噪声、照度中的至少一个，所述人的因素包括认知操作能力变化、经验水平、体力疲劳、心理压力、心理疲劳中的至少一个。
10.如权利要求9所述的路径依赖对人机交互故障的促进度与抑制度计算装置，其特征在于，所述对比矩阵包括各一级指标之间相对重要度的专家评判矩阵和各一级指标下各二级指标之间相对重要度的专家评判矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011123655.XA CN112528459B (zh) | 2020-10-20 | 2020-10-20 | 路径依赖对人机交互故障的促进/抑制度计算方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011123655.XA CN112528459B (zh) | 2020-10-20 | 2020-10-20 | 路径依赖对人机交互故障的促进/抑制度计算方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112528459A CN112528459A (zh) | 2021-03-19 |
| CN112528459B true CN112528459B (zh) | 2024-01-30 |
Family
ID=74979524
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011123655.XA Active CN112528459B (zh) | 2020-10-20 | 2020-10-20 | 路径依赖对人机交互故障的促进/抑制度计算方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112528459B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000075864A1 (en) * | 1999-06-04 | 2000-12-14 | Microsoft Corporation | Decision-analytic approach to human-computer interactions |
| CN105976099A (zh) * | 2016-04-29 | 2016-09-28 | 中国航天标准化研究所 | 基于模糊信息的航天型号科研生产管理水平的评估方法 |
| CN107169635A (zh) * | 2017-04-26 | 2017-09-15 | 中车株洲电力机车研究所有限公司 | 一种人机系统可靠性指标分解分配方法及评估方法 |
| CN107609753A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种面向航天在轨任务的人因可靠性分析及量化方法 |
| WO2018032927A1 (zh) * | 2016-08-15 | 2018-02-22 | 同济大学 | 一种面向人机交互系统约束的交互控制模型求解方法及系统 |
| 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 |
| 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 |
-
2020
- 2020-10-20 CN CN202011123655.XA patent/CN112528459B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000075864A1 (en) * | 1999-06-04 | 2000-12-14 | Microsoft Corporation | Decision-analytic approach to human-computer interactions |
| CN105976099A (zh) * | 2016-04-29 | 2016-09-28 | 中国航天标准化研究所 | 基于模糊信息的航天型号科研生产管理水平的评估方法 |
| WO2018032927A1 (zh) * | 2016-08-15 | 2018-02-22 | 同济大学 | 一种面向人机交互系统约束的交互控制模型求解方法及系统 |
| CN107169635A (zh) * | 2017-04-26 | 2017-09-15 | 中车株洲电力机车研究所有限公司 | 一种人机系统可靠性指标分解分配方法及评估方法 |
| CN107609753A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种面向航天在轨任务的人因可靠性分析及量化方法 |
| 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 |
| 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 |
Non-Patent Citations (4)
| Title |
|---|
| Che Haiyang,et al.Reliability assessment of man-machine systems subject to mutually dependent machine degradation and human errors.Reliability Engineering & System Safety.2019,第190卷全文. * |
| Operator’s Human Error Features in Compensatory Tracking Task Based on Cognitive Process;Jintao Wu, Yan Lv, Weicai Tang, Qianxiang Zhou, Yi Xiao;Advances in Safety Management and Human Performance;296–301 * |
| shanshan zhang,et al.Reliability Modeling and Analysis of Teleoperation System with Path-Dependence Effect Considered.Man-Machine-Environment System Engineering.2020,1003–1011. * |
| 基于人机交互的重载机械臂控制方法;李连鹏;解仑;刘振宗;郝兵;刘大华;胡同海;;机器人(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112528459A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Assignment of attribute weights with belief distributions for MADM under uncertainties | |
| CN110020770A (zh) | 基于人工智能的风险和知识管理 | |
| CA2739336C (en) | Assisting with updating a model for diagnosing failures in a system | |
| RU2507496C1 (ru) | Способ определения разрушения, устройство, программа и читаемый компьютером носитель записи для определения разрушения | |
| CN110379521B (zh) | 基于信息论的医疗数据集特征选择方法 | |
| CN112287556A (zh) | 电缆绝缘状态的确定方法及装置 | |
| CN112528459B (zh) | 路径依赖对人机交互故障的促进/抑制度计算方法、装置 | |
| CN115423318A (zh) | 一种基于组合权重的计算机设备健康度评估方法及系统 | |
| Faber et al. | On the quantification of robustness of structures | |
| Reig-Mullor et al. | The evaluation performance for commercial banks by intuitionistic fuzzy numbers: The case of Spain | |
| CN112528460B (zh) | 用于空间站机械臂任务的路径依赖度计算方法、装置 | |
| WO2021024246A1 (en) | Methods and systems for improving asset operation based on identification of significant changes in sensor combinations in related events | |
| Li et al. | A Novel Grey Target Decision Method Based on a Cobweb Area Model for Standard Interval Grey Numbers. | |
| JP6765769B2 (ja) | 状態変動検出装置及び状態変動検出用プログラム | |
| CN113657648B (zh) | 一种多维数据融合的设备健康评估方法、装置及运维系统 | |
| JP2009230209A (ja) | ソフトセンサの性能評価装置 | |
| CN110826690A (zh) | 一种设备状态识别方法及其系统、计算机可读存储介质 | |
| CN113486742B (zh) | 一种故障识别方法、装置、系统及计算机可读存储介质 | |
| CN110543997B (zh) | 设备质量的量化方法、装置、计算机设备及存储介质 | |
| Amorim et al. | Clustering stability and ground truth: Numerical experiments | |
| Baker et al. | On the assessment of robustness I: A general framework | |
| CN116467651A (zh) | 设备健康评估方法、装置、工程车辆及电子设备 | |
| US9159025B2 (en) | Prioritizing repair of bridges and bridge sections | |
| US11580456B2 (en) | System to correct model drift in machine learning application | |
| CN117195217A (zh) | 物联网产品的安全舆论风险检测方法、计算机设备及介质 |
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 |