一种人机系统可靠性指标分解分配方法及评估方法与流程

本发明涉及一种人机系统可靠性评估领域，尤其涉及一种人机系统可靠性指标分解分配方法。

背景技术：

随着科技的进步，可靠性评估一直是产品或系统的一项重要工作。在人机系统中，由于人在产品使用过程中对产品的可靠性有着十分重要的影响，单独对机器进行可靠性研究，并不能体现产品在实际使用过程中的可靠性，因此不能满足用户的需求。单独对人的可靠性进行研究，并不能与产品设计相结合，对产品的可靠性设计提出改进意见。美国海军系统效能操作手册中指出，针对用户的合约中应当将人以及环境等因素纳入到系统效能的计算中。美国海军曾对七艘舰船的可用性(availability)进行分析，其平均固有可用性为0.960，而考虑人之后系统实际的平均操作可用性仅为0.320。由此可见，人的因素在人机系统中具有重要影响。

现有人机系统的可靠性分析与评估方法中，大部分是将人与机器相互独立，分析各自的可靠性，将人机系统当作一个串联的系统，来确定人机系统的可靠度。显然，这样的做法是不合适的，忽视掉了人机之间的交互作用，人不仅仅有犯错的可能，还具有纠错的能力，同时机器也会对人的可靠性产生影响，人机之间的相互影响会对产品实际使用过程中所体现出来的可靠性产生重要的影响。因此，有必要针对人机系统，考虑系统中的人机交互作用，研究人机系统整体的可靠性水平。

申请号为cn201310389569.7，名称为《一种基于故障树和层次分析法的可靠性分配系统及分配方法》发明专利申请是本申请的背景技术。

技术实现要素：

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种充分考虑了产品在实际使用过程中人的因素，评估结果更加接近产品在使用过程中实际体现出来的可靠性水平，真实性好，准确性高的人机系统可靠性指标分解分配方法。

为解决上述技术问题，本发明提出的技术方案为：一种人机系统可靠性指标分解分配方法，包括如下步骤：

s1.根据人机系统的任务，确定任务执行过程中机器的子系统构成、人工操作流程及任务过程时间，并确定各人工操作流程的人工操作可靠性指标和机器可靠性指标；

s2.构建人机系统可靠性分析的递阶结构模型；

s3.根据所述递阶结构模型将所述机器可靠性指标分配到各子系统，计算确定各子系统的子系统可靠性指标。

作为本发明的进一步改进，步骤s1中所述人工操作可靠性指标的确定步骤包括：根据人误评定与复位方法对人工操作的人误概率进行量化，确定人误概率值，根据所述人误概率值计算确定人工操作可靠性指标。

作为本发明的进一步改进，步骤s1中确定所述机器可靠性指标的具体步骤包括：根据所述各人工操作流程的人工操作可靠性指标计算人工操作总可靠性指标，以预先确定的任务目标可靠性指标与所述人工操作总可靠性指标的比值计算确定机器可靠性指标。

作为本发明的进一步改进，步骤s2中所述递阶结构模型的目标层为机器的可靠性指标，准则层包括人机交互程度、后果严重程度和复杂度，方案层包括机器的各子系统。

作为本发明的进一步改进，所述递阶结构模型中准则层人机交互程度的两两比较矩阵的确定步骤包括：对任务的人工操作流程进行分析，以子系统参与的人工交互的次数量化子系统的人机交互程度，并根据所述人机交互程度确定人机交互程度的两两比较矩阵。

作为本发明的进一步改进，所述递阶结构模型中准则层后果严重程度的两两比较矩阵的确定步骤包括：预先确定各子系统的严重程度标度，根据所述严重程度标度确定后果严重程度的两两比较矩阵。

作为本发明的进一步改进，所述递阶结构模型中准则层复杂度的两两比较矩阵的确定步骤包括：确定各子系统的基本构件数，根据所述基本构件数确定复杂度的两两比较矩阵。

作为本发明的进一步改进，在步骤s2中，还包括检验两两比较矩阵一致性的步骤：计算两两比较矩阵的一致性值，在所述一致性值不满足预设的一致性要求时，调整所述两两比较矩阵，重复检验两两比较矩阵一致性的步骤，直到所述一致性值满足预设的一致性要求。

作为本发明的进一步改进，步骤s3的具体步骤包括：

s3.1.根据所述权重向量计算组合权向量；

s3.2.根据所述组合权向量将所述机器可靠性指标分配到各子系统，计算子系统可靠性指标。

作为本发明的进一步改进，步骤s3.2中通过下式所示公式将所述机器可靠性指标分配到各子系统，计算子系统可靠性指标：

上式中，ri为第i个子系统的机器可靠性指标，r为机器可靠性指标，ωi为组合权向量的第i个元素，m为组合权向量中元素的个数。

作为本发明的进一步改进，在步骤s3中，还包括根据所述子系统可靠性指标和所述任务过程时间计算子系统平均严重故障间隔时间。

一种基于上述分解分配方法的可靠性评估方法，包括如下步骤：

s1.根据所述分解分配方法确定人机系统各子系统的子系统可靠性指标和各人工操作流程的人工操作可靠性指标；

s2.根据所述机器的子系统构成和人工操作流程生成包含全部子系统与全部操作流程的任务模型；

s3.将所述子系统可靠性指标和人工操作可靠性指标分配到所述任务模型的各节点，计算所述任务模型中各节点的可靠性指标的积作为任务的顶层可靠性指标。

作为本发明的进一步改进，所述任务模型中具有支路的人工操作流程的节点，以支路中各人工操作流程的人工操作可靠性指标的积作为该支路的可靠性指标，以各支路的可靠性指标之和作为该任务模型中具有支路的人工操作流程的节点的可靠性指标。

与现有技术相比，本发明的优点在于：

1、本发明的人机系统可靠性指标分解分配方法充分考虑了人机系统在实际使用过程中人的因素，使得可靠性评估的结果更加接近产品在使用过程中实际体现出来的可靠性水平。

2、本发明的人机系统可靠性指标分解分配方法以人机交互程度、后果严重程度和复杂度来构建递阶结构模型的准则层，并以人机交互次数来量化人机交互程度，可以保证人机系统可靠性指标的分解分配更加准确，更加符合实际情况。

3、本发明的人机系统可靠性评估方法通过采用本发明的可靠性指标分解分配方法来确定各子系统可靠性指标和各人工操作流程的人工操作可靠性指标，并通过将任务模型转化为任务的可靠性框图，计算确定人机系统的顶层可靠性指标，可以保证人机系统的可靠性评估更加方便、评估更加准确。

附图说明

图1为本发明具体实施例的流程示意图。

图2为本发明具体实施例的舰载机驾驶员着舰过程操作流程。

图3为本发明具体实施例的舰载机系统构成示意图。

图4为本发明具体实施例的驾驶员-舰载机系统着舰任务模型示意图。

图5为本发明具体实施例的舰载机驾驶员的任务人误概率量化表。

图6为本发明具体实施例的驾驶员-舰载机系统的递阶结构模型。

图7为本发明具体实施例的舰载机驾驶员操作可靠性框图模型。

图8为本发明具体实施例的驾驶员-舰载机系统着舰任务可靠性框图。

图9为本发明具体实施例的各子系统可靠度与mtbcf值分配结果图。

图10为本发明具体实施例的各子系统的人机交互程度量化示意图。

图11为本发明具体实施例的各子系统的后果严重程度量化示意图。

图12为本发明具体实施例的各子系统的复杂度量化示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1所示，本实施例的人机系统可靠性指标分解分配方法，步骤为：s1.根据人机系统的任务，确定任务执行过程中机器的子系统构成、人工操作流程及任务过程时间，并确定各人工操作流程的人工操作可靠性指标和机器可靠性指标；s2.构建人机系统可靠性分析的递阶结构模型；s3.根据所述递阶结构模型将所述机器可靠性指标分配到各子系统，计算确定各子系统的子系统可靠性指标。

在本实施例中，以驾驶员驾舰载机着舰过程为例进行具体说明。确定着舰的任务过程时间为5分钟，确定着舰任务的任务目标可靠性指标为0.95。通过对舰载机着舰任务进行分析，可以确定着舰任务的人工操作流程如图2所示。通过对舰载机的系统进行分析，可以确定机器的子系统构成如图3所示，包括辅助着舰系统、动力系统、人机界面、作战指挥系统等8个子系统。在本实施例中，根据所述机器的子系统构成和人工操作流程生成包含全部子系统与全部操作流程的任务模型，如图4所示。在该着舰任务的人工操作流程中，根据辅助着舰系统的正常与否的状态，当辅助着舰系统正常时，只需要进行meatball状态监测及l&g状态监测即可，否则，需要根据进行调整。

在本实施例中，步骤s1中所述人工操作可靠性指标的确定步骤为：根据人误评定与复位方法(heart，humanerrorassessmentandreductiontechnique)对人工操作的人误概率进行量化，确定人误概率值，根据所述人误概率值计算确定人工操作可靠性指标。如图5所示，申请降落活动包括1个操作，即联系指挥官申请降落，该人工操作的人误概率为0.0004，那么该人工操作的可靠性指标为1-0.0004＝0.9996。同理，可以确定着舰任务中各人工操作的人误概率，进行确定每个操作的人工操作可靠性指标。通过图5中各项驾驶员操作的人误概率量化，并分析驾驶员的操作流程，可以将人工操作流程转化为操作流程的可靠性框图，如图7所示。在本实施例中，通过计算每个操作的人工操作可靠性指标的积，得到任务的人工操作总可靠性指标roperator＝0.97684。

在本实施例中，以预先确定的任务目标可靠性指标与所述人工操作总可靠性指标的比值计算确定机器可靠性指标，rmachine为机器可靠性指标，r(t)为任务目标可靠性指标，roperator为人工操作总可靠性指标。

在本实施例中，根据层次分析法建立驾驶员-舰载机系统的递阶结构模型，如图6所示，该递阶结构模型的目标层为舰载机的可靠性指标，准则层为人机交互程度、后果严重程度和复杂度，方案层为机器的各子系统，包括辅助着舰子系统、动力子系统等8个子系统。

在本实施例中，构建递阶结构模型目标层的两两比较矩阵a0如下式所示：

在矩阵a0中，从左至右代表的向量分别代表人机交互程度，复杂度和后果严重程度。

构建准则层人机交互程度的两两比较矩阵，具体为：对任务的人工操作流程进行分析，以子系统参与的人工交互的次数量化子系统的人机交互程度，并根据所述人机交互程度确定人机交互程度的两两比较矩阵。人机交互程度量化表如图10所示，通过上述人机交互程度的量化结果，形成两两比较矩阵，通常认为人机交互程度最大的系统相较于最小的系统的标度为9，最小的子系统的标度为1，例如，假设子系统1的交互程度为2，子系统2的交互程度为13，那么认为子系统2相较于子系统1的标度为9，子系统1的标度为1，其他系统间的两两比较标度可以根据情况而定，最终可以通过一致性检验来判断比较矩阵是否合理。最终，确定各系统对于人机交互程度这一准则的两两比较矩阵a1。在实施例中，人机交互程度的两两比较矩阵a1如下式所示：

a1中从左至右，代表的分别为：辅助着舰系统、动力系统、人机界面、作战指挥系统、导航系统、燃油系统、电力系统、综合通信系统。

在本实施例中，所述递阶结构模型中准则层后果严重程度的两两比较矩阵的确定步骤为：预先确定各子系统的严重程度标度，根据所述严重程度标度确定后果严重程度的两两比较矩阵。在本实施例中，预先通过专家评分法对各子系统的严重程度标度进行量化，量化结果表如图11所示，根据量化结果，可以确定各子系统相对于准则层中的后果严重程度的两两比较矩阵a2。在实施例中，后果严重程度的两两比较矩阵a2如下式所示：

a2中从左至右，代表的分别为：辅助着舰系统、动力系统、人机界面、作战指挥系统、导航系统、燃油系统、电力系统、综合通信系统。

在本实施例中，所述递阶结构模型中准则层复杂度的两两比较矩阵的确定步骤为：确定各子系统的基本构件数，根据所述基本构件数确定复杂度的两两比较矩阵。本实施例中，子系统中的基本构件数量化表如图12所示，假设子系统1的标度为1，则可以通过比值确定其他系统相对于辅助着舰系统的重要度，以子系统2为例，那么可以得出子系统2的相对于子系统1的标度为同理，可以得到其他子系统的标度，最终得到两两比较矩阵a3。在实施例中，复杂度的两两比较矩阵a3如下式所示：

a3中从左至右，代表的分别为：辅助着舰系统、动力系统、人机界面、作战指挥系统、导航系统、燃油系统、电力系统、综合通信系统。

在本实施例的步骤s2中，还包括检验两两比较矩阵一致性的步骤：计算两两比较矩阵的一致性值，在所述一致性值不满足预设的一致性要求时，调整所述两两比较矩阵，重复检验两两比较矩阵一致性的步骤，直到所述一致性值满足预设的一致性要求。

在本实施例中，计算两两比较矩阵a0、a1、a2、a3的权向量分别为ω0、ω1、ω2、ω3，如下式所示：

ω0＝(0.9331,0.1226,0.3382)^t

ω1＝(0.7588,0.0654,0.0654,0.5019,0.3591,0.0654,0.0654,0.1622)^t

ω2＝(0.8486,0.0537,0.1210,0.2105,0.3913,0.0773,0.1210,0.2105)^t

ω3＝(0.5700,0.2850,0.0712,0.2850,0.5700,0.2850,0.1425,0.2850)^t

并计算两两比较矩阵a0、a1、a2、a3的最大特征值分别为λ0、λ1、λ2、λ3，如下式所示：λ0＝3.0070、λ1＝8.1281、λ2＝8.1527、λ3＝8.0000。

通过如下公式进行一致性检查：

上式中，cr为一致性比率，ci为一致性指标，ri为随机一致性指标，λmax为最大特征值，n为权向量中元素个数。

计算得到：

cr3＝0

在本实施例中，一致性检验值均小于预设的一致性要求0.1，因此，判断4个两两比较矩阵的符合一致性，不需要调整两两比较矩阵。如果，两两比较矩阵不符合一致性，则需要对两两比较矩阵进行调整，直到符合一致性。

在本实施例中，步骤s3的具体步骤为：s3.1.根据所述权重向量计算组合权向量；s3.2.根据所述组合权向量将所述机器可靠性指标分配到各子系统，计算子系统可靠性指标。本实施例中，通过以下方式计算组合权向量：

ω＝[ω1ω2ω3]×ω0

＝(1.0529,0.1175,0.1084,0.5766,0.5367,0.1247,0.1183,0.2565)^t

在本实施例中，根据组合权向量，通过下式将机器可靠性指标rmachine分配到各子系统，

上式中，ri为第i个子系统的机器可靠性指标，r为机器可靠性指标，即rmachine，ωi为组合权向量的第i个元素，m为组合权向量中元素的个数。组合权向量中元素的个数与人机系统子系统的数量相同。

通过上式，即可计算得到每个子系统的机器可靠性指标。在本实施例中，还可以通过平均严重故障间隔时间(meantimebetweencriticalfailure，mtbcf)转化公式计算确定各子系统的平均严重故障间隔时间，mtbcf转化公式如下式所示：

上式中，r(t)为第i个子系统的机器可靠性指标，t为预先确定的任务过程时间，mtbcf为平均严重故障间隔时间。本实施例中，所确定的任务过程时间t的值为5分钟。

在本实施例中，将机器可靠性指标分配到各子系统，及通过平均严重故障间隔时间转化公式计算各子系统的平均严重故障间隔时间的结果如图9所示。

如图1所示，本实施例的基于上述分解分配方法的可靠性评估方法，步骤为：s1.根据所述分解分配方法确定人机系统各子系统的子系统可靠性指标和各人工操作流程的人工操作可靠性指标；s2.根据所述机器的子系统构成和人工操作流程生成包含全部子系统与全部操作流程的任务模型；s3.将所述子系统可靠性指标和人工操作可靠性指标分配到所述任务模型的各节点，计算所述任务模型中各节点的可靠性指标的积作为任务的顶层可靠性指标。对于所述任务模型中具有支路的人工操作流程的节点，以支路中各人工操作流程的人工操作可靠性指标的积作为该支路的可靠性指标，以各支路的可靠性指标之和作为该任务模型中具有支路的人工操作流程的节点的可靠性指标。

在本实施例中，通过将所述子系统可靠性指标和人工操作可靠性指标分配到所述任务模型的各节点，计算所述任务模型中各节点的可靠性指标的积作为任务的顶层可靠性指标。在本实施例中，将子系统可靠性指标和人工操作可靠性指标分配到如图4所示的任务模型中的各节点，将任务模型转化为任务的可靠性框图，如图7所示，通过可靠性框图来计算任务的顶层可靠性指标。如图7中，对于其中的有分支的流程，按如下方法进行计算处理，如辅助着舰系统包括正常工作和故障两种情况，正常工作时执行meatball状态监测和l&g状态监测流程，故障时执行手动调整meatball和手动调整l&g流程。设正常工作的概率为x，故障的概率为1-x，那么，正常工作时的可靠性为x×k(meatball状态监测)×k(l&g状态监测)，k(meatball状态监测)为meatball状态监测的可靠性指标，k(l&g状态监测)为l&g状态监测的可靠性指标。故障时的可靠性为(1-x)×k(手动调整meatball)×k(手动调整l&g)，k(手动调整meatball)为手动调整meatball的可靠性指标，k(手动调整l&g)为手动调整l&g的可靠性指标。那么，具有该两分支的流程的辅助着舰系统的可靠性指标为如下式所示：

x×k(meatball状态监测)×k(l&g状态监测)+(1-x)×k(手动调整meatball)×k(手动调整l&g)

通过本计算方法，可以将可靠性框图转化为串行的框图，再计算串行框图中各节点的可靠性指标的乘积，即可计算得到任务的顶层可靠性指标。本实施例中，通过反算得到的任务的顶层可靠性指标r(t)为：r(t)＝0.96152>0.95，从而验证任务的可靠性指标。因此，可以确定，最终的驾驶员舰载机着舰过程的任务可靠度略大于给定的任务可靠度。由于在实际的任务可靠性模型中，驾驶员有纠错能力，在本案例中，在着舰准备阶段，驾驶员需要将起落架放下，将襟翼设置到full状态并且放下尾勾，若果这这个阶段，驾驶员没有正确完成操作，驾驶员可以在参数校核阶段中检查起落架、襟翼以及尾勾的设置是否正确。此外，驾驶员也能在辅助着舰系统故障的情况下，选择手动着舰，尽管手动着舰的成功率低于自动着舰，但整体的任务可靠性得到了提高。而在分配过程中，是将最坏的情况考虑进来的，即默认为手动着舰过程，因此，通过任务可靠性模型计算出来的实际可靠性水平会略高于要求的可靠性水平。

本发明的人机系统可靠性指标分解分配方法及可靠性评估方法充分考虑了人机系统在实际使用过程中人的因素，使得可靠性评估的结果更加接近产品在使用过程中实际体现出来的可靠性水平。通过以人机交互程度、后果严重程度和复杂度来构建递阶结构模型的准则层，并以人机交互次数来量化人机交互程度，可以保证人机系统可靠性评估更加准确，更加符合实际情况。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。