功率持续快速变化下操纵员人因可靠性分析方法与装置
专利汇可以提供功率持续快速变化下操纵员人因可靠性分析方法与装置专利检索，专利查询，专利分析的服务。并且功率持续快速变化下操纵员人因可靠性分析方法和装置，涉及人因工程技术领域，其中，功率持续快速变化下操纵员人因可靠性分析方法包括：一、分析功率持续快速变化下操纵员的认知行为演化历程；二、获取各PSF因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；三、以操纵员作业过程中的 人机交互 循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；四、结合前述步骤得到的分析和计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。该分析方法更符合功率持续快速变化下核电厂操纵员人因可靠性定量分析要求，可为核电厂顺利参与调峰提供技术保障。，下面是功率持续快速变化下操纵员人因可靠性分析方法与装置专利的具体信息内容。
1.功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，包括：
步骤一、建立一般性地用于揭示操纵员认知行为演化机制的布尔网络模型，分析功率持续快速变化下操纵员的认知行为演化历程；
步骤二、建路基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型，获取各 PSF 因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；
步骤三、将所述布尔网络模型和所述操纵员作业行为失误因果模型嵌套在系统动力学的框架内构建操纵员作业行为可靠性定量计算模型，以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
步骤四、结合步骤一得到的分析结果、步骤二与步骤三的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
2.根据权利要求1所述的功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，还包括：
步骤五、构建所述操纵员作业行为可靠性定量计算模型建立过程中的误差传递函数并寻求最优误差估计，对所述操纵员作业行为可靠性定量计算模型建立过程中的不确定性定量。
3.根据权利要求1或2所述的功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，建立所述一般性的用于揭示操纵员认知行为演化机制的布尔网络模型的步骤包括：
确定操控任务持续快速变化背景下操纵员的认知行为特征：识别在核电厂瞬态工况以及在连读高强度工作负荷及任务持续快速多变背景下操纵员的认知行为特征，确定出包括认知历程、认知要素和认知类型在内的操纵员认知行为特征；
确定影响操纵员认知行为失误的PSF集：在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF；再基于操纵员作业过程中的人机交互过程，从“监测—诊断—决策—执行”四个认知阶段对所析取的 PSF 构建层次结构模型，建立结构化的PSF分类体系；
确定操纵员认知行为演化机制：首先，设计操控任务持续快速变化工况下的核电厂模拟机实验，结合专家意见和动态逻辑分析法对实验过程进行离散化处理，以操纵员认知行为状态转移的时间节点作为实验观测点，在所述实验观测点上记录当前操纵员认知行为的状态转移数据并以向量形式存储；其次，根据每次实验所采集的状态转移数据，利用矩阵的半张量积推导出其对应的状态转移矩阵，进而确定布尔网络模型中各逻辑函数所对应的结构矩阵；然后，对各个实验场景下所获得的布尔网络模型进行除噪处理以剔除不同实验场景下操纵员认知行为可能存在的特殊性，总结其数学结构上的共性，进而确定操纵员认知行为演化机制；
建模：将所述操控任务持续快速变化背景下操纵员的认知行为特征、影响操纵员认知行为失误的 PSF 集与操纵员认知行为演化机制结合，建立一般性地用于揭示操纵员认知行为演化机制的布尔网络模型。
4.根据权利要求3所述的功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，建立所述基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型的步骤包括：
构建失误因果模型中的PSF集：从认知负荷、心理负荷、体力负荷、情境环境四个维度构建影响操纵员作业行为的PSF集；
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关系：在确定影响操纵员作业行为失误的PSF集之后，对PSF集中的因子进行因子分析和相关性分析，识别影响因子之间以及影响因子与作业行为失误之间的因果关系，并对影响因子进行敏感性分析，选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模：首先，获得根节点变量的先验概率；其次，评估父节点对子节点变量的影响以确定相应权值，并通过统计分析获得子节点变量的条件概率分布；最后基于贝叶斯网络模型建立数据驱动的操纵员作业行为失误因果模型。
5.根据权利要求4所述的功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，在建立所述一般性的用于揭示操纵员认知行为演化机制的布尔网络模型的步骤中：
确定操控任务持续快速变化背景下操纵员的认知行为特征时，通过文献调研、操纵员访谈、现场观察以及模拟实验的手段识别在核电厂瞬态工况下操纵员的认知行为特征；利用文本挖掘和数据挖掘手段对操纵员在连读高强度工作负荷及任务持续快速多变背景下作业的各类事件报告和文献资料进行分析，识别操纵员在连读高强度工作负荷及任务持续快速多变工况下的认知行为特征；
确定影响操纵员认知行为失误的 PSF 集时，通过大数据挖掘、相关性分析、主成分分析和因子分析手段对各类与操纵员认知行为失误相关的人因事件报告及研究报告进行分析，根据分析结果在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF。
6.根据权利要求5所述的功率持续快速变化下操纵员人因可靠性分析方法，其特征在于，在建立所述基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型的步骤中：
构建失误因果模型中的PSF集时，在利用文本挖掘和数据挖掘手段对操纵员在连读高强度工作负荷及任务持续快速多变背景下作业的各类事件报告和文献资料进行充分挖掘的基础上，辅以人因工程实验室的模拟实验、仿真实验，采用事件相关电位和脑电测试手段从认知负荷、心理负荷、体力负荷、情境环境四个维度构建影响操纵员作业行为的PSF集；
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关时，使用SPSS 统计分析软件对影响因子进行敏感性分析，再在专家判断的基础上选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模时，通过对各类与操纵员认知行为失误相关的人因事件报告数据的统计分析，获得根节点变量的先验概率；结合人因工程实验室仿真实验和核电厂模拟机实验，利用模糊认知图评估父节点对子节点变量的影响以确定相应权值。
7.功率持续快速变化下操纵员人因可靠性分析装置，其特征在于，包括：
分析模块，所述分析模块中嵌入一般性地用于揭示操纵员认知行为演化机制的布尔网络模型，用于分析功率持续快速变化下操纵员的认知行为演化历程；
第一计算模块，所述第一计算模块中嵌入基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型，用于获取各 PSF 因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；
第二计算模块，所述第二计算模块中嵌入由一般性地用于揭示操纵员认知行为演化机制的布尔网络模型和基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型嵌套在系统动力学框架内构建的操纵员作业行为可靠性定量计算模型，用于以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
第三计算模块，用于结合分析模块得到的分析结果、第一计算模块与第二计算模块的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
8.根据权利要求7所述的功率持续快速变化下操纵员人因可靠性分析装置，其特征在于，还包括：
第四计算模块，所述第四计算模块中嵌入所述操纵员作业行为可靠性定量计算模型建立过程中的误差传递函数，用于寻求所述误差传递函数最优误差估计，对所述操纵员作业行为可靠性定量计算模型建立过程中的不确定性定量计算。
9.根据权利要求7所述的功率持续快速变化下操纵员人因可靠性分析装置，其特征在于，所述一般性的用于揭示操纵员认知行为演化机制的布尔网络模型通过以下步骤构建：
确定操控任务持续快速变化背景下操纵员的认知行为特征：首先，通过文献调研、操纵员访谈、现场观察以及模拟实验的手段识别在核电厂瞬态工况下操纵员的认知行为特征；
其次，利用文本挖掘和数据挖掘手段对操纵员在连读高强度工作负荷及任务持续快速多变背景下作业的各类事件报告和文献资料进行分析，识别操纵员在该工况下的认知行为特征；最后，整合在核电厂瞬态工况下操纵员的认知行为特征与在连读高强度工作负荷及任务持续快速多变工况下的认知行为特征，确定出包括认知历程、认知要素和认知类型在内的操纵员认知行为特征；
确定影响操纵员认知行为失误的 PSF 集：通过大数据挖掘、相关性分析、主成分分析和因子分析手段对各类与操纵员认知行为失误相关的人因事件报告及研究报告进行分析，在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF；最后，基于操纵员作业过程中的人机交互过程，从监测—诊断—决策—执行四个认知阶段对所析取的 PSF 构建层次结构模型，建立结构化的PSF分类体系；
确定操纵员认知行为演化机制：首先，设计操控任务持续快速变化工况下的核电厂模拟机实验，结合专家意见和动态逻辑分析法对实验过程进行离散化处理，以操纵员认知行为状态转移的时间节点作为实验观测点，在所述实验观测点上记录当前操纵员认知行为的状态转移数据并以向量形式存储；其次，根据每次实验所采集的状态转移数据，利用矩阵的半张量积推导出其对应的状态转移矩阵，进而确定布尔网络模型中各逻辑函数所对应的结构矩阵；然后，对各个实验场景下所获得的布尔网络模型进行除噪处理以剔除不同实验场景下操纵员认知行为可能存在的特殊性，总结其数学结构上的共性，进而确定操纵员认知行为演化机制；
建模：将所述操控任务持续快速变化背景下操纵员的认知行为特征、影响操纵员认知行为失误的 PSF 集与操纵员认知行为演化机制结合，建立一般性地用于揭示操纵员认知行为演化机制的布尔网络模型。
10.根据权利要求9所述的功率持续快速变化下操纵员人因可靠性分析装置，其特征在于，所述基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型通过以下步骤构建：
构建失误因果模型中的PSF集：在利用文本挖掘和数据挖掘手段对操纵员在连读高强度工作负荷及任务持续快速多变背景下作业的各类事件报告和文献资料进行充分挖掘的基础上，辅以人因工程实验室的模拟实验、仿真实验，采用事件相关电位和脑电测试手段从认知负荷、心理负荷、体力负荷、情境环境四个维度构建影响操纵员作业行为的PSF集；
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关：在确定影响操纵员作业行为失误的PSF集之后，对PSF集中的因子进行因子分析和相关性分析，识别影响因子之间以及影响因子与作业行为失误之间的因果关系，并对影响因子进行敏感性分析，在专家判断的基础上选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模：首先，通过对各类与操纵员认知行为失误相关的人因事件报告数据的统计分析，获得根节点变量的先验概率；其次，结合人因工程实验室仿真实验和核电厂模拟机实验，利用模糊认知图评估父节点对子节点变量的影响以确定相应权值，并通过统计分析获得子节点变量的条件概率分布；最后基于贝叶斯网络模型建立数据驱动的操纵员作业行为失误因果模型。
功率持续快速变化下操纵员人因可靠性分析方法与装置
技术领域
背景技术
发明内容
步骤二、建路基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型，获取各 PSF 因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；
步骤三、将所述布尔网络模型和所述操纵员作业行为失误因果模型嵌套在系统动力学的框架内构建操纵员作业行为可靠性定量计算模型，以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
步骤四、结合步骤一得到的分析结果、步骤二与步骤三的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
确定影响操纵员认知行为失误的 PSF 集：在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF；再基于操纵员作业过程中的人机交互过程，从“监测—诊断—决策—执行”四个认知阶段对所析取的 PSF 构建层次结构模型，建立结构化的PSF分类体系；
确定操纵员认知行为演化机制：首先，设计操控任务持续快速变化工况下的核电厂模拟机实验，结合专家意见和动态逻辑分析法对实验过程进行离散化处理，以操纵员认知行为状态转移的时间节点作为实验观测点，在所述实验观测点上记录当前操纵员认知行为的状态转移数据并以向量形式存储；其次，根据每次实验所采集的状态转移数据，利用矩阵的半张量积推导出其对应的状态转移矩阵，进而确定布尔网络模型中各逻辑函数所对应的结构矩阵；然后，对各个实验场景下所获得的布尔网络模型进行除噪处理以剔除不同实验场景下操纵员认知行为可能存在的特殊性，总结其数学结构上的共性，进而确定操纵员认知行为演化机制；
建模：将所述操控任务持续快速变化背景下操纵员的认知行为特征、影响操纵员认知行为失误的 PSF 集与操纵员认知行为演化机制结合，建立一般性地用于揭示操纵员认知行为演化机制的布尔网络模型。
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关系：在确定影响操纵员作业行为失误的PSF集之后，对PSF集中的因子进行因子分析和相关性分析，识别影响因子之间以及影响因子与作业行为失误之间的因果关系，并对影响因子进行敏感性分析，选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模：首先，获得根节点变量的先验概率；其次，评估父节点对子节点变量的影响以确定相应权值，并通过统计分析获得子节点变量的条件概率分布；最后基于贝叶斯网络模型建立数据驱动的操纵员作业行为失误因果模型。
确定影响操纵员认知行为失误的 PSF 集时，通过大数据挖掘、相关性分析、主成分分析和因子分析手段对各类与操纵员认知行为失误相关的人因事件报告及研究报告进行分析，根据分析结果在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF。
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关时，使用SPSS 统计分析软件对影响因子进行敏感性分析，再在专家判断的基础上选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模时，通过对各类与操纵员认知行为失误相关的人因事件报告数据的统计分析，获得根节点变量的先验概率；结合人因工程实验室仿真实验和核电厂模拟机实验，利用模糊认知图评估父节点对子节点变量的影响以确定相应权值。
第一计算模块，所述第一计算模块中嵌入基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型，用于获取各 PSF 因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；
第二计算模块，所述第二计算模块中嵌入由一般性地用于揭示操纵员认知行为演化机制的布尔网络模型和基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型嵌套在系统动力学框架内构建的操纵员作业行为可靠性定量计算模型，用于以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
第三计算模块，用于结合分析模块得到的分析结果、第一计算模块与第二计算模块的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
其次，利用文本挖掘和数据挖掘手段对操纵员在连读高强度工作负荷及任务持续快速多变背景下作业的各类事件报告和文献资料进行分析，识别操纵员在该工况下的认知行为特征；最后，整合在核电厂瞬态工况下操纵员的认知行为特征与在连读高强度工作负荷及任务持续快速多变工况下的认知行为特征，确定出包括认知历程、认知要素和认知类型在内的操纵员认知行为特征；
确定影响操纵员认知行为失误的 PSF 集：通过大数据挖掘、相关性分析、主成分分析和因子分析手段对各类与操纵员认知行为失误相关的人因事件报告及研究报告进行分析，在已确定的操控任务持续快速变化背景下操纵员认知行为特征中析取与操纵员认知行为失误相关的PSF；最后，基于操纵员作业过程中的人机交互过程，从监测—诊断—决策—执行四个认知阶段对所析取的 PSF 构建层次结构模型，建立结构化的PSF分类体系；
确定操纵员认知行为演化机制：首先，设计操控任务持续快速变化工况下的核电厂模拟机实验，结合专家意见和动态逻辑分析法对实验过程进行离散化处理，以操纵员认知行为状态转移的时间节点作为实验观测点，在所述实验观测点上记录当前操纵员认知行为的状态转移数据并以向量形式存储；其次，根据每次实验所采集的状态转移数据，利用矩阵的半张量积推导出其对应的状态转移矩阵，进而确定布尔网络模型中各逻辑函数所对应的结构矩阵；然后，对各个实验场景下所获得的布尔网络模型进行除噪处理以剔除不同实验场景下操纵员认知行为可能存在的特殊性，总结其数学结构上的共性，进而确定操纵员认知行为演化机制；
建模：将所述操控任务持续快速变化背景下操纵员的认知行为特征、影响操纵员认知行为失误的 PSF 集与操纵员认知行为演化机制结合，建立一般性地用于揭示操纵员认知行为演化机制的布尔网络模型。
确定 PSF 之间的影响关系以及 PSF 与作业行为失误之间的因果关：在确定影响操纵员作业行为失误的PSF集之后，对PSF集中的因子进行因子分析和相关性分析，识别影响因子之间以及影响因子与作业行为失误之间的因果关系，并对影响因子进行敏感性分析，在专家判断的基础上选定与操纵员作业行为具有较高关联度的因子作为失误因果模型中的变量；
建模：首先，通过对各类与操纵员认知行为失误相关的人因事件报告数据的统计分析，获得根节点变量的先验概率；其次，结合人因工程实验室仿真实验和核电厂模拟机实验，利用模糊认知图评估父节点对子节点变量的影响以确定相应权值，并通过统计分析获得子节点变量的条件概率分布；最后基于贝叶斯网络模型建立数据驱动的操纵员作业行为失误因果模型。
具体实施方式
步骤二、建路基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型，获取各 PSF 因子间的逻辑关系、权重、以及条件概率值，进而对每个操控任务计算其失误概率；
步骤三、将所述布尔网络模型和所述操纵员作业行为失误因果模型嵌套在系统动力学的框架内构建操纵员作业行为可靠性定量计算模型，以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
步骤四、结合步骤一得到的分析结果、步骤二与步骤三的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
第二计算模块，第二计算模块中嵌入由一般性地用于揭示操纵员认知行为演化机制的布尔网络模型和基于贝叶斯网络模型和模糊认知图构建的操纵员作业行为失误因果模型嵌套在系统动力学框架内构建的操纵员作业行为可靠性定量计算模型，用于以操纵员作业过程中的人机交互循环回路为主线，计算在功率持续快速变化这一过程中操纵员的作业行为失误概率；
第三计算模块，用于结合分析模块得到的分析结果、第一计算模块与第二计算模块的计算结果，对功率持续快速变化下操纵员人因可靠性定量计算，得到最终的人因可靠性定量计算值。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种传输数据的方法和设备 | 2020-12-31 | 2 |
| 移动办公安全接入平台 | 2021-10-01 | 1 |
| 一种用于智慧农业的环境数据无线监测系统及其工作方法 | 2020-07-06 | 3 |
| 一种实时获取环境数据并将其写入区块链的系统 | 2021-03-03 | 2 |
| 一种用于输变电工程环水保监测的无人机系统及其航拍方法 | 2020-05-28 | 3 |
| 一种支持QoS的物联网数据传输方法及系统 | 2021-04-06 | 2 |
| 一种基于信息熵的自适应网络流概念漂移检测方法 | 2020-11-16 | 1 |
| 数据传输控制装置及数据流的控制方法 | 2022-09-04 | 1 |
| 一种射频匹配网络及射频电源系统 | 2020-11-12 | 1 |
| 用于药物非临床安全性评价研究的蒸汽灭菌装置 | 2022-12-12 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
