一种多因素耦合的航天人因可靠性不确定性分析方法与流程

本发明属于航天技术领域，尤其涉及一种多因素耦合的航天人因可靠性不确定性分析方法。

背景技术：

系统安全行为特性会受到人员、装设备以及环境的诸多不安全因素的影响，特别是随着科学技术的进步和生产制造水平的提高，人员因素导致事故的比例已达到了70％以上。我国载人航天虽然没发生过重大事故，但也出现过一些险情和差错，如出舱舱门开启不畅、返回舱着陆未及时切伞等。

经半个多世纪的发展，己发展了数10种人因可靠性分析(humanreliabilityanalysis，hra)方法。众多的人因可靠性分析方法根据发展的大致时间进程可分为第一代、第二代和第三代hra方法。另外，根据方法本身的特征也可进行分类，如根据方法的动态性可分为静态和动态hra方法等。第一代方法是静态的，主要研究人的输出行为及其失误概率，但并未深入分析行为的原因。尽管第二代hra方法在传统的hra方法上有所改进，但还存在诸多局限性：数据不足，需专家判断，缺乏实验验证；未能说明人的行为与环境的动态交互特性。第三代基于仿真的hra方法是一动态建模系统，利用虚拟场景、虚拟环境以及虚拟人来模拟实际环境中的人的绩效，这种方法对建模要求比较高，当前大多数行业很难承受这样的仿真分析方法。

从上述国内外技术研究情况可知，第一代、第二代hra方法在一定程度上表现出静态性，不符合人行为的动态特征，且数据分析处理需要专家打分进行，而第三代hra分析方法过于复杂，需要搭建复杂的仿真平台，在应用方面受到很大限制。

技术实现要素：

本发明的技术解决问题：克服现有技术的不足，提供一种多因素耦合的航天人因可靠性不确定性分析方法，在获得航天员在轨任务期间操作的基本动作概率(点值、区间值)基础上，通过明确航天员可靠性的内外部影响因素，构建航天员人因可靠性概率量化的逻辑模型，在对航天员可靠性影响因素耦合分析的基础上，开展航天员人因可靠性不确定性分析，从而获得航天员人因可靠性概率分布，避免了专家打分的主观性对分析结果造成影响。

为了解决上述技术问题，本发明公开了一种多因素耦合的航天人因可靠性不确定性分析方法，包括：

步骤(1)，根据空间任务过程特点，对空间任务过程进行分析，得到步骤编号、过程名称、相关实体、相关动作、基本操作过程和基本动作；

步骤(2)，根据基本操作过程和基本动作，进行影响因素分析，得到内部影响因素和外部影响因素；

步骤(3)，根据相关实体、相关动作、基本操作过程、基本动作、以及内部影响因素和外部影响因素，建立人因可靠性概率量化逻辑模型；

步骤(4)，从所述人因可靠性概率量化逻辑模型中，筛选得到航天员的基本动作相关信息；

步骤(5)，基于步骤(2)、(3)和(4)的结果，进行航天员可靠性多因素耦合分析，得到人因可靠性概率量化解算方程；

步骤(6)，基于蒙特卡罗仿真方法，对人因可靠性概率量化解算方程进行求解，得到人因可靠性概率分布。

在上述多因素耦合的航天人因可靠性不确定性分析方法中，

外部影响因素，包括：舱内、舱外环境因素；

内部影响因素，包括：在实施空间任务或活动时，与具体的操作行为直接相关的航天员自身内部因素。

在上述多因素耦合的航天人因可靠性不确定性分析方法中，根据相关实体、相关动作、基本操作过程、基本动作、以及内部影响因素和外部影响因素，建立人因可靠性概率量化逻辑模型，包括：

根据相关实体、相关动作、基本操作过程、基本动作、以及内部影响因素和外部影响因素，采用信息输入、决策和行为模型，构建人因可靠性概率量化逻辑模型。

在上述多因素耦合的航天人因可靠性不确定性分析方法中，从所述人因可靠性概率量化逻辑模型中，筛选得到航天员的基本动作相关信息，包括：

基于执行任务过程中涉及到的观察、决策、计划和执行四类基本动作，以及，各航天员之间以及与地面指控中心间的信息交互，结合人因可靠性概率量化逻辑模型中，明确航天员执行任务期间的基本动作相关信息。

在上述多因素耦合的航天人因可靠性不确定性分析方法中，基于步骤(2)、(3)和(4)的结果，进行航天员可靠性多因素耦合分析，得到人因可靠性概率量化解算方程，包括：

基于步骤(2)、(3)和(4)的结果构建人因可靠性概率量化参数方程；

spi＝β1(1-q1)+β2(1-q2)+...+βh(1-qh)+ε

其中，单一因素hi作用于人并导致人为失误的概率为qi，β1,β2,...,βh分别为各影响因素对于人为失误的贡献率，且ε服从n(μ,σ²)高斯分布；h＝4，i表示第i步动作；

采用蒙特卡罗仿真获得各因素人因可靠性概率值；

根据各因素人因可靠性概率值，对人因可靠性概率量化参数方程进行数据拟合，得到人因可靠性概率量化解算方程。

在上述多因素耦合的航天人因可靠性不确定性分析方法中，基于蒙特卡罗仿真方法，对人因可靠性概率量化解算方程进行求解，得到人因可靠性概率分布，包括：

采用蒙特卡罗仿真方法对基本动作的概率区间值进行随机抽样，得到基本动作的概率点值；

将基本动作的概率点值带入人因可靠性概率量化解算方程，得到一次蒙特卡罗仿真抽样下的人因可靠性概率点值phi；

对基本动作的概率区间值进行n次蒙特卡罗仿真抽样，带入人因可靠性概率量化解算方程，获得一组n个航天员执行任务时第i步动作spi的人因可靠性概率点值；其中当spi∈(0,1)时，spi＝spi；当时，舍值，重新仿真分析，且本次蒙特卡罗仿真不计入仿真次数；当得到第i步动作spi的n个有效仿真结果时，停止仿真；

采用随机变量ph表示第i步动作的人因可靠性概率量化值，则通过n次蒙特卡罗仿真抽样可得到随机变量ph的抽样值；

采用函数拟合方法对ph的抽样值进行拟合，得到航天员人因可靠性概率不确定性分布。

本发明具有以下优点：

(1)本发明方法综合内外部环境因素，对空间人机系统中人的可靠性不确定性进行仿真分析，不同于传统的人的可靠性量化仅能得到概率点值的量化，该方法能够反应多因素耦合效应下的人的可靠性水平及其概率分布，能够为空间任务或活动的人因可靠性、安全性分析设计提供有效的数据支持，还能为空间人-机系统可靠性、安全性分析提供有效的人因失误仿真手段。

(2)本发明能够满足载人飞船/空间站以及有人参与的深空探测活动的关键任务过程中航天员人因可靠性定量分析评估需求，具备良好的推广应用前景，且具有显著的现实意义。

(3)本发明综合空间任务或活动中航天员可靠性影响因素(人的因素(内部因素)、环境的因素(外部因素))的耦合效应，作为开展航天员人因可靠性分析的基础，能够综合反映内外部环境及其相互之间耦合效应对航天员人因可靠性的影响。

(4)本发明解决了克服了第一代、第二代hra人因可靠性概率量化的静态性，不符合人行为的动态特征的不足，实现了航天员人因可靠性概率量化和不确定性概率分布的获取。

(5)本发明方法能得到空间任务或活动中航天员具体操作过程的人因可靠性概率分布，能够为空间人-机系统可靠性、安全性仿真分析提供有效的人因失误仿真手段。为空间人-机系统可靠性、安全性仿真分析工作评估工作提供有效的人因可靠性概率量化和不确定性概率分布量化手段。

附图说明

图1是本发明实施例中一种多因素耦合的航天人因可靠性不确定性分析方法的步骤流程图；

图2是本发明实施例中一种航天员人因可靠性概率量化的逻辑模型；

图3是本发明实施例中一种航天员a“工况判定”人因可靠性概率量化的逻辑模型；

图4是本发明实施例中一种航天员a“工况判定”、“发送指令”执行过程逻辑模型；

图5是本发明实施例中一种人因可靠性概率分布图。

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多因素耦合的航天人因可靠性不确定性分析方法的步骤流程图。在本实施例中，所述多因素耦合的航天人因可靠性不确定性分析方法，包括：

步骤101，根据空间任务过程特点，对空间任务过程进行分析，得到步骤编号、过程名称、相关实体、相关动作、基本操作过程和基本动作。

在本实施例中，根据空间任务过程特点，对任务过程进行分析，得到步骤编号、过程名称、相关实体、相关动作、基本操作过程和基本动作。

空间任务或活动过程分析：

根据空间任务过程特点，开展任务过程分析，明确实施具体任务的系统产品组成，执行一次空间任务或活动过程按下表进行分析，包括具体步骤编号、过程名称、相关实体(地面控制人员、在轨航天员；与操作过程相关的设备等)、相关动作(人在过程中执行的操作等)、基本操作过程(将人执行的操作过程进行分解)。

表1，空间任务或活动过程分析示意表

有人参与的基本操作过程确定：

在有人参与的空间任务过程或活动分析基础上，对涉及人为操作的任务过程进行分解，获得有人参与的操作过程中航天员执行具体操作的实施情况。根据执行具体操作的实施情况，得到具体操作涉及的基本动作(如观察、决策、计划、执行、协作等人的行为之一或组合)。

步骤102，根据基本操作过程和基本动作，进行影响因素分析，得到内部影响因素和外部影响因素。

在本实施例中，根据基本操作过程和基本动作，进行影响因素分析，得到内部影响因素和外部影响因素。

外部影响因素确定：

对于空间任务或活动而言，外部因素主要为舱内、舱外环境因素。非正常环境条件会通过视觉、听觉、触觉等的变化将影响人员的操作绩效。环境的因素逻辑模型用来描述某一具体任务发生时内外部环境的基本情况，这里我们将外部因素归结为两类，即正常情况、异常情况。

内部影响因素确定：

在实施空间任务或活动时，航天员自身内部因素与具体的操作行为直接相关，由于航天员在轨执行任务期间主要完成以下几类动作：观察、决策、计划、执行等动作，即空间任务或活动过程一般涉及人的因素为4个；当多名航天员协同执行任务时，则需考虑人员间协作的因素。

步骤103，根据相关实体、相关动作、基本操作过程、基本动作、以及内部影响因素和外部影响因素，建立人因可靠性概率量化逻辑模型。

在本实施例中，根据相关实体、相关动作、基本操作过程、基本动作、以及内部影响因素和外部影响因素，建立人因可靠性概率量化逻辑模型。针对任务过程中人的参与程度和人的具体操作行为，采用信息输入、决策和行为模型(informationdecisionandactionincrewcontext，idac)构建人-人之间的信息交流与协作模型，即为idac模型进行人的因素逻辑模型构建，就具体任务而言，包括任务观察、计划、决策以及执行行为的逻辑模型构建。航天员人因可靠性概率量化的逻辑模型如图2所示。

步骤104，从所述人因可靠性概率量化逻辑模型中，筛选得到航天员的基本动作相关信息。

在本实施例中，对于航天员来说，在执行任务过程中，主要涉及到观察(感知)、决策、计划和执行4类基本动作，此外还涉及航天员a、b之间以及与地面指控中心(gcc)间的信息交互。为获得航天员人因可靠性概率量化，必须明确航天员执行任务期间执行基本动作(如观察(设备工况判定)、执行(相关指令发送)等)的相关信息，用于后续概率量化，基本动作相关信息包括：序号、操作场景、动作名称、组织形式(如：单人、团体)、动作类型(如观察、决策等)、基本概率值和概率区间值(基本概率值和概率区间值可通过heart(william，1986，1988)方法概率表获得)等。如下表2给出了基本动作类型的概率值：

注：基本概率值通过heart(william，1986，1988)方法概率表获得

表2基本动作相关信息(示意)

对于异常工况下的人的基本动作的基本概率值和概率区间值，可在正常工况下，乘以规定的条件修正系数k(通常以复杂环境条件下人因可靠性概率作为修正系数0.84)对正常工况下人的基本动作的基本概率值和概率区间值进行修正，从而得到下人的基本动作的基本概率值和概率区间值。

步骤105，基于步骤102、103和104的结果，进行航天员可靠性多因素耦合分析，得到人因可靠性概率量化解算方程。

构建人因可靠性概率量化参数方程：

对于有人参与的空间任务或活动的某一具体步骤而言，与人相关的影响因素很多，这里假设人的因素为4个，环境因素为2个，即正常情况、异常情况。

令：

p(step＝i)＝f(h1,h2,...,hh)

且令：

spi＝sp(step＝i)＝β1h1+β2h2+...+βhhh+ε(1)

其中，h＝4,i表示第i步动作，β1,β2,...,βh分别为各影响因素对于人为失误的贡献率，且ε服从n(μ,σ²)高斯分布。

假设单一因素hi作用于人并导致人为失误的概率为qi，则根据公式(1)定义第i步的人因可靠性概率量化参数方程如公式(2)所示：

spi＝β1(1-q1)+β2(1-q2)+...+βh(1-qh)+ε(2)

采用蒙特卡罗仿真获得各因素人因可靠性概率值：

通过查表heart(william，1986，1988)，可得各因素影响下的人因可靠性基本概率值和概率区间值，根据基本概率值和概率区间值采用蒙特卡罗仿真的方式可以得到一组各影响因素导致的人因可靠性概率值，如下表3所示：

表3，蒙特卡罗仿真各因素人因可靠性概率值示意表

根据各影响因素导致的人因可靠性概率值，对人因可靠性概率量化参数方程(即，公式(2))进行数据拟合，得到人因可靠性概率量化解算方程。

通过h1,h2,...,hh各值，结合公式(2)，采用最小二乘法进行数据拟合，可得到则人因可靠性概率量化解算方程如公式(3)所示：

由于基本动作的基本概率和概率区间值已知，通过计算机仿真抽样分析，可获得在人的因素影响下的q1,q2,q3,q4值，从而通过公式(3)得到人因可靠性概率量化值。

步骤106，基于蒙特卡罗仿真方法，对人因可靠性概率量化解算方程进行求解，得到人因可靠性概率分布。

用蒙特卡罗仿真方法对基本动作的概率区间值进行随机抽样，得到基本动作的概率点值。

将基本动作的概率点值带入人因可靠性概率量化解算方程，得到一次蒙特卡罗仿真抽样下的人因可靠性概率点值phi。

对基本动作的概率区间值进行n次蒙特卡罗仿真抽样，带入人因可靠性概率量化解算方程，可获得一组n个航天员执行任务时第i步动作spi的人因可靠性概率点值。

其中：

当spi∈(0,1)时，spi＝spi；

当时，舍值，重新仿真分析，且本次蒙特卡罗仿真不计入仿真次数；

当得到第i步动作spi的n个有效仿真结果时，停止仿真。

用随机变量ph表示第i步动作的人因可靠性概率量化值，则通过n次蒙特卡罗仿真抽样可得到随机变量ph的抽样值：

ph＝[ph1,ph2,ph3,...,phn]

采用函数拟合方法对ph的抽样值进行拟合，得到航天员人因可靠性概率不确定性分布。

在上述实施例的基础上，下面结合一个具体实例进行说明。

以空间站载荷转移分系统(spacestationpayloadtransfersubsystem，sspts)为例给出本发明实施例。

步骤(一)、有人参与的空间任务过程分析，具体如下：

空间站载荷转移分系统主要完成空间载荷进出空间站任务，执行一次空间载荷任务过程如下表4所示：

表4，空间载荷转移任务过程示意表

从表4“空间载荷转移任务过程”，可知，实施空间载荷转移任务涉及2名航天员、sspts以及空间机械臂。

根据有人参与的空间任务过程分析，明确空间任务过程中有人参与的操作过程，空间载荷转移任务全任务过程均有航天员参与，以“工况判定”为例，涉及到观察(感知)、决策两个基本动作。

步骤(二)、明确航天员可靠性的内外部影响因素

在实施空间载荷转移任务时，航天员主要完成以下几类动作：观察、决策、计划、执行，即载荷转移过程涉及人的因素为4个。

在实施空间载荷转移任务时，环境分为正常情况、异常情况。

步骤(三)、明确航天员人因可靠性概率量化的逻辑模型

以“工况判定”为例，涉及观察(感知)、决策，且只与一名航天员(航天员a)有关，航天员b不参与“工况判定”，因此航天员人因可靠性概率量化的逻辑模型如图3所示。

步骤(四)、明确航天员基本动作相关信息

对于航天员a来说，在执行“工况判定”时，主要涉及到观察(感知)、决策2类动作，发送执行则涉及计划、执行2类动作。下表5给出了正常情况下航天员a“工况判定”、“发送指令”；航天员a、b“工况判定”、“发送指令”以及异常情况下航天员a“工况判定”的基本动作类型概率值：

注：基本概率值通过heart(william，1986，1988)方法概率表获得

表5，基本动作相关信息示意表

步骤(五)、航天员可靠性多因素耦合分析

下面考虑正常情况下航天员a“工况判定”、“发送指令”执行过程，由于该执行过程涉及“工况判定”、“发送指令”两个基本动作，因此对应的因素有4个，分别为观察(感知)、决策、计划和执行。

通过查表(william，1986，1988)，可得各因素影响下的人因可靠性基本概率值和概率区间值(见表5基本动作相关信息)，根据基本概率值和概率区间值采用蒙特卡罗仿真的方式可以得到一组各影响因素导致的人因可靠性概率值，如下表6所示：

表6蒙特卡罗仿真各因素人因可靠性概率值

通过表6h1,h2,...,hh各值，结合公式(2)，采用最小二乘法进行数据拟合，可得到：

β1＝-0.091122；β2＝-0.142869；β3＝0.6545866；β4＝0.5921898.

则

spi＝-0.091122(1-q1)+-0.142869(1-q2)+0.6545866(1-q3)+0.5921898(1-q4)

由于基本概率和概率区间值已知，通过计算机仿真抽样分析，可获得在各种因素影响下的q1,q2,q3,q4值，从而可得到人因可靠性概率量化值。

步骤(六)、航天员可靠性不确定性分析

考虑正常情况下航天员a“工况判定”、“发送指令”基本动作，并根据航天员人因可靠性概率量化的逻辑模型确定航天员可靠性仿真模型，如图4所示。

针对有人参与的单个步骤，用蒙特卡罗仿真方法对基本动作的概率区间值进行随机抽样：根据公式(4)，对q1,q2,q3,q4进行仿真，以q1为例，令η∈[0,1]，对η在其取值区间上进行随机抽样，所得抽样值按下式进行计算：

qi＝(qimax-qimin)η+qimin

下表7给出了q1的10次抽样值：

表7，q1的蒙特卡罗仿真抽样值示意表

同理，通过仿真可以得到q1,q2,q3,q4蒙特卡罗仿真抽样值。

进行多次蒙特卡罗仿真抽样获得航天员执行任务时的人因可靠度；

通过公式(3)可计算得到航天员a执行“工况判定”、“发送指令”基本动作的人因可靠性概率值，如下表8所示：

表8，航天员a的人因可靠性概率值示意表

在仿真过程中，需考虑以下两种情况：

当spi∈(0,1)时，spi＝spi；

当时，舍值，重新仿真分析。

采用函数拟合方法获得航天员人因可靠性概率分布。

航天员a执行“工况判定”、“发送指令”的人因可靠性概率分布表如表9所示：

表9，航天员人因可靠性概率分布表

其中，表9对应的统计结果如图5所示。

综上所述，本发明克服了第一代、第二代hra方法在一定程度上表现出静态性，不符合人行为的动态特征的不足，提供了一种多因素耦合的航天人因可靠性不确定性分析方法，给出了详细的分析过程，能综合反映各影响因素在空间任务或活动过程中对航天员人因可靠性的影响，且能够有效地对空间任务或活动中航天员操作可靠性进行概率量化，并能得到空间任务或活动中航天员具体操作过程的人因可靠性概率分布，能够为空间人-机系统可靠性、安全性仿真分析提供有效的人因可靠性概率分布量化手段。

本说明中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

以上所述，仅为本发明最佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

本发明说明书中未作详细描述的内容属于本领域专业技术人员的公知技术。