專(zhuān)利名稱(chēng)：數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及核電廠(chǎng)數(shù)字控制領(lǐng)域，特別地，涉及一種應(yīng)用于核電廠(chǎng)數(shù)字控制系統(tǒng)的數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法及系統(tǒng)。
背景技術(shù)：
操作人員通過(guò)人機(jī)界面獲取工廠(chǎng)當(dāng)前運(yùn)行狀況的信息，將獲得的信息，經(jīng)判斷、決策之后執(zhí)行相應(yīng)的行為動(dòng)作。經(jīng)驗(yàn)表明，人機(jī)界面設(shè)計(jì)好壞對(duì)人的信息獲取，判斷等一系列行為將帶來(lái)影響。在數(shù)字控制系統(tǒng)發(fā)生的事故中，由人因引起的事故已占主要地位，人因事故已成為當(dāng)今核電站、化工廠(chǎng)等事故的主要根源，例如，在系統(tǒng)失效中，60% -90%歸于人誤動(dòng)作；在1995年美國(guó)績(jī)計(jì)中，大約70% -90%事件與人有關(guān)。數(shù)字化系統(tǒng)的新特點(diǎn)從根本上改變了操作人員對(duì)人機(jī)界面的認(rèn)知行為、監(jiān)視行為、及應(yīng)急行為等，而人因事故卻是數(shù)字化主控室事故的根源，那么怎樣改變這種狀況呢一方面，可以通過(guò)操作人員在整個(gè)數(shù)字化人機(jī)界面中的認(rèn)知，監(jiān)視等過(guò)程來(lái)提高操作人員自身的適應(yīng)能力、應(yīng)變能力、判斷能力、應(yīng)急能力等等二另一方面，可以以人因可靠性為基點(diǎn)對(duì)數(shù)字化人機(jī)界面進(jìn)行優(yōu)化，這樣優(yōu)化后的人機(jī)界面更能減少人因事故發(fā)生的隱患。現(xiàn)有的人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，主要包括:(I)有限微分法這種方法是最原始的梯度方法，需要執(zhí)行多次重復(fù)仿真，適用于瞬態(tài)和再生仿真。有限微分方法為了獲得更加可靠的估計(jì)值，需要更多次的運(yùn)行來(lái)求得偏微分，使原本已經(jīng)很大的運(yùn)行咸本更高。(2)似然比法似然比方法又稱(chēng)評(píng)分函數(shù)，僅需要單次仿真運(yùn)行就可以得到梯度的估計(jì)值，其基本思想是分析系統(tǒng)樣本路徑的概率測(cè)度對(duì)隨機(jī)變量分布函數(shù)的依賴(lài)關(guān)系，通過(guò)測(cè)度變換獲得似然比，進(jìn)而構(gòu)造性能測(cè)度的估計(jì)量。此方法也比較適合數(shù)值性問(wèn)題；該方法是通過(guò)一些估計(jì)得到結(jié)果。(3)粒子群優(yōu)化方法使用PSO方法解決優(yōu)化問(wèn)題，把每個(gè)問(wèn)題的潛在解定義為搜索空間中的一個(gè)粒子01,每個(gè)粒子可以用三元組(xi, vi, pi)表示,其中，xi表示粒子的當(dāng)前位置；vi表示粒子的當(dāng)前速度；pi表示粒子本身搜索過(guò)的最好的位置(個(gè)體經(jīng)驗(yàn))。(4)無(wú)約束間接法無(wú)約束間接法是利用函數(shù)性態(tài)，通過(guò)微分或變分進(jìn)行求優(yōu)，主要有梯度法、牛頓法、變尺度法等。梯度法缺點(diǎn)是要求目標(biāo)函數(shù)必須具有一階偏導(dǎo)數(shù)，并需計(jì)算，迭代點(diǎn)離最優(yōu)點(diǎn)遠(yuǎn)時(shí)函數(shù)值下降快，越接近最優(yōu)點(diǎn)收斂速度越慢。牛頓法缺點(diǎn)是要求目標(biāo)函數(shù)必須有一階、二階偏導(dǎo)數(shù)及海森矩陣非奇異且正定或負(fù)定，需要計(jì)算一階、二階偏導(dǎo)數(shù)及海森矩陣的逆陣，程序復(fù)雜、計(jì)算量大。變尺度法缺點(diǎn)是需計(jì)算一階偏導(dǎo)數(shù)，且由于舍入誤差和一維搜索的不精確等原因，數(shù)值穩(wěn)定性仍不夠理想，有時(shí)因計(jì)算誤差引起變尺度矩陣奇異而導(dǎo)致計(jì)算失敗。(5)有約束直接法該方法適用于僅含不等式約束的優(yōu)化問(wèn)題，具體有網(wǎng)絡(luò)法、隨機(jī)方向搜索法以及
復(fù)合形法等。(6)神經(jīng)網(wǎng)絡(luò)方法其實(shí)神經(jīng)網(wǎng)絡(luò)在優(yōu)化方面應(yīng)用比較少，神經(jīng)網(wǎng)絡(luò)主要用來(lái)對(duì)輸入的權(quán)重因子進(jìn)行修正及過(guò)程計(jì)算。本研究主要用來(lái)對(duì)數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量?jī)?yōu)化，并未涉及到對(duì)權(quán)重因子修正；另一方面，很難找到適合神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，因此神經(jīng)網(wǎng)絡(luò)不適合本研究的監(jiān)視單元數(shù)量?jī)?yōu)化問(wèn)題?，F(xiàn)有的人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法的數(shù)據(jù)運(yùn)算量大、迭代次數(shù)多，無(wú)法滿(mǎn)足快速設(shè)計(jì)數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量的問(wèn)題，以使得操作人員能快速且準(zhǔn)確地獲得監(jiān)控信息，降低因人機(jī)界面信息獲取導(dǎo)致的人因事故的發(fā)生概率。

發(fā)明內(nèi)容
本發(fā)明目的在于提供一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，以解決快速對(duì)數(shù)字化人機(jī)界面監(jiān)視單元的數(shù)量進(jìn)行優(yōu)化的技術(shù)問(wèn)題。本發(fā)明的另一目的在于提供一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)，以解決快速對(duì)數(shù)字化人機(jī)界面監(jiān)視單元的數(shù)量進(jìn)行優(yōu)化的技術(shù)問(wèn)題。為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下:一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，包括以下步驟:對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段以構(gòu)成包括多個(gè)模糊優(yōu)化因子的模糊優(yōu)化因子序列；對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子；依次對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算，以獲取提取出的所述模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率；判斷所述監(jiān)視人因失誤概率是否趨向穩(wěn)定，即判斷多個(gè)提取出的所述模糊優(yōu)化因子的監(jiān)視人因失誤概率的最大值與最小值的差值是否小于預(yù)定閾值，若是則終止對(duì)所述模糊優(yōu)化因子序列的分段免疫進(jìn)化，若否則返回對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化的步驟；對(duì)獲得的多個(gè)監(jiān)視人因失誤概率進(jìn)行比較，選取監(jiān)視人因失誤概率最小的模糊優(yōu)化因子作為最佳的監(jiān)視單元數(shù)量的取值范圍。進(jìn)一步地，所述監(jiān)視人因失誤概率計(jì)算的步驟包括:對(duì)提取出的所述模糊優(yōu)化因子利用映射函數(shù)進(jìn)行親和力失誤率運(yùn)算，以計(jì)算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算結(jié)果的親和力失誤率；對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算，以計(jì)算出該模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率。進(jìn)一步地，所述親和力失誤率運(yùn)算采用的映射函數(shù)為:
其中，η表示常量因子；PU表示第i個(gè)抗原因子中的第i個(gè)模糊優(yōu)化因子對(duì)抗體的親和力失誤率表示抗體與抗原之間的親和力。根據(jù)本發(fā)明的另一方面，一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)，包括:模糊分段模塊，用于對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段以構(gòu)成包括多個(gè)模糊優(yōu)化因子的模糊優(yōu)化因子序列；分段提取模塊，用于對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子；失誤概率計(jì)算模塊，依次對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算，以獲取提取出的所述模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率；進(jìn)化判斷模塊，用于判斷所述監(jiān)視人因失誤概率是否趨向穩(wěn)定，即判斷多個(gè)提取出的所述模糊優(yōu)化因子的監(jiān)視人因失誤概率的最大值與最小值的差值是否小于預(yù)定閾值，若是則終止對(duì)所述模糊優(yōu)化因子序列的分段免疫進(jìn)化，若否則返回所述分段提取模塊以從所述模糊優(yōu)化因子序列中提取所述模糊優(yōu)化因子；優(yōu)化選取模塊，用于對(duì)所述失誤概率計(jì)算模塊獲得的多個(gè)監(jiān)視人因失誤概率進(jìn)行比較，選取監(jiān)視人因失誤概率最小的模糊優(yōu)化因子作為最佳的監(jiān)視單元數(shù)量的取值范圍。進(jìn)一步地，所述失誤概率計(jì)算模塊包括:親和力失誤率計(jì)算單元，用于對(duì)提取出的所述模糊優(yōu)化因子利用映射函數(shù)進(jìn)行親和力失誤率運(yùn)算，以計(jì)算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算結(jié)果的親和力失誤率；失誤概率計(jì)算單元，用于對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算以計(jì)算出該模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率。本發(fā)明具有以下有益效果:本發(fā)明數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，通過(guò)采用模糊分段建立用于監(jiān)視單元的數(shù)量?jī)?yōu)化的模糊優(yōu)化因子序列，并進(jìn)一步通過(guò)分段免疫進(jìn)化方法在模糊優(yōu)化因子序列中選取模糊優(yōu)化因子以進(jìn)行監(jiān)視人因失誤概率計(jì)算，在監(jiān)視人因失誤概率趨向穩(wěn)定的情況下終止進(jìn)化過(guò)程，減少了進(jìn)化的迭代次數(shù)，精簡(jiǎn)了運(yùn)算數(shù)據(jù)量，提升了運(yùn)算效率，從而能夠快速高效地優(yōu)化出最佳的監(jiān)視單元數(shù)量的取值范圍，以保證操作員獲取監(jiān)視數(shù)據(jù)的效率及質(zhì)量，提高數(shù)字控制系統(tǒng)的安全可靠性。本發(fā)明數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)，通過(guò)采用模糊分段建立用于監(jiān)視單元的數(shù)量?jī)?yōu)化的模糊優(yōu)化因子序列，并進(jìn)一步通過(guò)分段免疫進(jìn)化方法在模糊優(yōu)化因子序列中選取模糊優(yōu)化因子以進(jìn)行監(jiān)視人因失誤概率計(jì)算，在監(jiān)視人因失誤概率趨向穩(wěn)定的情況下終止進(jìn)化過(guò)程，減少了進(jìn)化的迭代次數(shù)，精簡(jiǎn)了運(yùn)算數(shù)據(jù)量，提升了運(yùn)算效率，從而能夠快速高效地優(yōu)化出最佳的監(jiān)視單元數(shù)量的取值范圍，以保證操作員獲取監(jiān)視數(shù)據(jù)的效率及質(zhì)量，提高數(shù)字控制系統(tǒng)的安全可靠性。除了上面所描述的目的、特征和優(yōu)點(diǎn)之外，本發(fā)明還有其它的目的、特征和優(yōu)點(diǎn)。下面將參照?qǐng)D，對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。


構(gòu)成本申請(qǐng)的一部分的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實(shí)施例及其說(shuō)明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中:圖1是本發(fā)明優(yōu)選實(shí)施例數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法的步驟流程示意圖；圖2是圖1中步驟S30的流程示意圖；圖3是本發(fā)明優(yōu)選實(shí)施例數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)的原理方框圖；以及圖4是圖3中失誤概率計(jì)算模塊的原理方框圖。
具體實(shí)施例方式以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說(shuō)明，但是本發(fā)明可以由權(quán)利要求限定和覆蓋的多種不同方式實(shí)施。本發(fā)明用于解決數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量適合度問(wèn)題，以方便操作員通過(guò)人機(jī)界面能夠快速準(zhǔn)確地獲取監(jiān)視信息，以提高數(shù)字監(jiān)控系統(tǒng)的安全可靠性。參見(jiàn)圖1，本發(fā)明的優(yōu)選實(shí)施例提供了 一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，具體包括以下步驟:步驟SlO:對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段并建立包括多個(gè)模糊優(yōu)化因子的模糊優(yōu)化因子序列；模糊理論主要用于研究現(xiàn)實(shí)世界中一些模糊不清的問(wèn)題，并使之清晰化。本發(fā)明利用模糊理論并結(jié)合并研究對(duì)象，即數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量，將監(jiān)視單元數(shù)量進(jìn)行模糊分段以構(gòu)成模糊優(yōu)化因子。故模糊優(yōu)化因子是對(duì)監(jiān)視單元數(shù)量的數(shù)量段進(jìn)行編碼的，并不是對(duì)一個(gè)具體的數(shù)量值進(jìn)行編碼。例如，設(shè)定監(jiān)視單元數(shù)量取值范圍為1-20，故模糊優(yōu)化因子并不是1-20之間的一個(gè)具體數(shù)值，而只能是位于1-20數(shù)量范圍內(nèi)的數(shù)量段。如將1-20分為[1,5], [6，10]、[11，15]、[16，20]四個(gè)模糊段，則最后的優(yōu)化結(jié)果則為上述4個(gè)模糊段中的一個(gè)模糊段。步驟S20:對(duì)模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以從模糊優(yōu)化因子序列中提取出模糊優(yōu)化因子；傳統(tǒng)優(yōu)化方法在求解中小規(guī)模的優(yōu)化問(wèn)題時(shí)能夠達(dá)到較高的速度和精度，但實(shí)際生活中大多數(shù)情況下面臨的均是NP完全問(wèn)題，由于求解復(fù)雜度較大，傳統(tǒng)的優(yōu)化方法已不能適應(yīng)，因?yàn)椴豢杀苊獾某霈F(xiàn)“維數(shù)災(zāi)”問(wèn)題。在實(shí)踐中有時(shí)為了避免這種情況，經(jīng)常采用強(qiáng)行中止，這必然導(dǎo)致大量的解空間被丟棄。于是開(kāi)始尋求新的算法，例如:模擬退火算法，蟻群算法，粒子群算法，魚(yú)群算法等等。本發(fā)明中，對(duì)基于模糊分段的模糊優(yōu)化因子序列采用分段免疫進(jìn)化方法搜索模糊優(yōu)化因子，對(duì)于搜索得到的模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算。具體的分段免疫進(jìn)化方法可以分解為以下步驟:先對(duì)模糊優(yōu)化因子序列中的模糊段按模糊集由小到大的順序進(jìn)行排列，分別對(duì)隊(duì)列Ql，Q2進(jìn)行初始化；取模糊優(yōu)化因子序列當(dāng)中的中問(wèn)段d_ml進(jìn)隊(duì)列Ql，對(duì)隊(duì)列Ql進(jìn)行出隊(duì)操作，這時(shí)中間段d_ml將原模糊優(yōu)化因子序列分為兩個(gè)子序列；將隊(duì)列Ql出隊(duì)的模糊段按步長(zhǎng)n，段數(shù)m再分段，依次把這些段進(jìn)入隊(duì)列Q2，隊(duì)列Q2中的模糊段出列，并依次對(duì)模糊段進(jìn)行監(jiān)視人因失誤概率計(jì)算，直至隊(duì)列Q2為空:重復(fù)返回至構(gòu)建隊(duì)列01的步驟，具體為經(jīng)提取中問(wèn)段d_ml后，余下的模糊段被中間段d_ml分為兩個(gè)子序列，分別取上述兩個(gè)子序列的中間段進(jìn)隊(duì)列01 ；這樣不斷重復(fù)，直至計(jì)算出的模糊段的監(jiān)視人因失誤概率趨于穩(wěn)定，即提取出的模糊優(yōu)化因子的監(jiān)視人因失誤概率中最大值與最小值的差值小于預(yù)設(shè)閾值。步驟S30:依次對(duì)提取出的模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算，以獲取提取出的模糊優(yōu)化因子的監(jiān)視人因失誤概率；在模糊優(yōu)化因子序列中采用分段免疫進(jìn)化方法提取出的模糊段即為模糊優(yōu)化因子，參照?qǐng)D2，對(duì)模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算的步驟包括:步驟S31:對(duì)提取出的模糊優(yōu)化因子利用映射函數(shù)進(jìn)行親和力失誤率運(yùn)算，以計(jì)算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算結(jié)果的親和力失誤率；其中，親和力失誤率運(yùn)算的映射函數(shù)為:
權(quán)利要求
1.一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，其特征在于，包括以下步驟: 對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段以構(gòu)成包括多個(gè)模糊優(yōu)化因子的模糊優(yōu)化因子序列； 對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子； 依次對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算，以獲取提取出的所述模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率； 判斷所述臨視人因失誤概率是否趨向穩(wěn)定，即判斷多個(gè)提取出的所述模糊優(yōu)化因子的監(jiān)視人因失誤概率的最大值與最小值的差值是否小于預(yù)定閾值，若是則終止對(duì)所述模糊優(yōu)化因子序列的分段免疫進(jìn)化，若否則返回對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化的步驟； 對(duì)獲得的多個(gè)監(jiān)視人因失誤概率進(jìn)行比較，選取監(jiān)視人因失誤概率最小的模糊優(yōu)化因子作為最佳的監(jiān)視單元數(shù)量的取值范圍。
2.根據(jù)權(quán)利要求1所述的數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，其特征在于， 所述監(jiān)視人因失誤概率計(jì)算的步驟包括: 對(duì)提取出的所述模糊優(yōu)化因子利用映射函數(shù)進(jìn)行親和力失誤率運(yùn)算，以計(jì)算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算結(jié)果的親和力失誤率； 對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算，以計(jì)算出該模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率。
3.根據(jù)權(quán)利要求2所述的數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法，其特征在于， 所述親和力失誤率運(yùn)算采用的映射函數(shù)為:
4.一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)，其特征在于，包括: 模糊分段模塊，用于對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段以構(gòu)成包括多個(gè)模糊優(yōu)化因子的模糊優(yōu)化因子序列； 分段提取模塊，用于對(duì)所述模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子； 失誤概率計(jì)算模塊，依次對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算，以獲取提取出的所述模糊優(yōu)化因子對(duì)應(yīng)的監(jiān)視人因失誤概率； 進(jìn)化判斷模塊，用于判斷所述監(jiān)視人因失誤概率是否趨向穩(wěn)定，即判斷多個(gè)提取出的所述模糊優(yōu)化因子的監(jiān)視人因失誤概率的最大值與最小值的差值是否小于預(yù)定閾值，若是則終止對(duì)所述模糊優(yōu)化因子序列的分段免疫進(jìn)化，若否則返回所述分段提取模塊以從所述模糊優(yōu)化因子序列中提取所述模糊優(yōu)化因子； 優(yōu)化選取模塊，用于對(duì)所述失誤概率計(jì)算模塊獲得的多個(gè)監(jiān)視人因失誤概率進(jìn)行比較，選取監(jiān)視人因失誤概率最小的模糊優(yōu)化因子作為最佳的監(jiān)視單元數(shù)量的取值范圍。
5.根據(jù)權(quán)利要求4所述的數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化系統(tǒng)，其特征在于，所述失誤概率計(jì)算模塊包括: 親和力失誤率計(jì)算單元，用于對(duì)提取出的所述模糊優(yōu)化因子利用映射函數(shù)進(jìn)行親和力失誤率運(yùn)算，以計(jì)算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算結(jié)果的親和力失誤率；失誤概率計(jì)算單元，用于對(duì)提取出的所述模糊優(yōu)化因子進(jìn)行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運(yùn)算以計(jì)算出該模糊優(yōu)化 因子對(duì)應(yīng)的監(jiān)視人因失誤概率。
全文摘要
本發(fā)明公開(kāi)了一種數(shù)字化人機(jī)界面監(jiān)視單元數(shù)量?jī)?yōu)化方法及系統(tǒng)，該方法包括對(duì)待處理的數(shù)字化人機(jī)界面的監(jiān)視單元數(shù)量進(jìn)行模糊分段以建立模糊優(yōu)化因子序列；對(duì)模糊優(yōu)化因子序列進(jìn)行分段免疫進(jìn)化以提取模糊優(yōu)化因子，并分別對(duì)提取出的模糊優(yōu)化因子進(jìn)行監(jiān)視人因失誤概率計(jì)算；判斷監(jiān)視人因失誤概率是否趨向穩(wěn)定，若是則終止進(jìn)化，若否則返回分段免疫進(jìn)化的操作；對(duì)獲得的多個(gè)監(jiān)視人因失誤概率進(jìn)行比較，選取監(jiān)視人因失誤概率最小的模糊優(yōu)化因子作為最佳的監(jiān)視單元數(shù)量的取值范圍。本發(fā)明方法及系統(tǒng)能夠快速高效地優(yōu)化出最佳的監(jiān)視單元數(shù)量，以保證操作員獲取監(jiān)視數(shù)據(jù)的效率及質(zhì)量，提高數(shù)字控制系統(tǒng)的安全可靠性。
文檔編號(hào)G05B13/04GK103197564SQ201310141760
公開(kāi)日2013年7月10日 申請(qǐng)日期2013年4月23日 優(yōu)先權(quán)日2013年4月23日
發(fā)明者張力, 蔣建軍, 戴立操, 李鵬程, 胡鴻, 黃衛(wèi)剛, 鄒衍華, 方小勇, 戴忠華 申請(qǐng)人:湖南工學(xué)院, 南華大學(xué), 中廣核核電運(yùn)營(yíng)有限公司