專利名稱：：操作員狀態(tài)評估的可靠性分析方法及裝置的制作方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及核電廠檢測及人因可靠性分析領(lǐng)域，更具體地，涉及一種操作員狀態(tài)評估的可靠性分析方法及裝置。
背景技術(shù)：
：當核電廠發(fā)生異常狀態(tài)時，操縱員將根據(jù)核電廠的狀態(tài)參數(shù)情況構(gòu)建一個合理的和合乎邏輯的解釋，來評估電廠所處的狀態(tài)，作為后續(xù)的響應(yīng)計劃和響應(yīng)執(zhí)行決策的依據(jù)，這一系列行為過程稱為狀態(tài)評估(Situationassessmentorsituationawareness,簡稱為SA)。操縱員對異常事件的正確狀態(tài)評估對于操縱員行為的正確響應(yīng)至關(guān)重要。迄今為止，Endsley于1995年發(fā)表在“Humanfactors”期刊上名為“Towardatheoryofsituationawarenessindynamic”中建立的狀態(tài)評估模型中將其分為3個層次:對當前環(huán)境中關(guān)鍵元素的認知(Perception),對當前狀態(tài)的理解(Comprehension),以及對未來狀態(tài)的預(yù)計(Projection)。Endsley分析了影響狀態(tài)評估的因素有個體因素和系統(tǒng)/任務(wù)因素。Adams和Tenney于1995年發(fā)表在“Humanfactors”期刊上名為“Situationawarenessandthecognitivemanagementofcomplex-systems，，中支持由Neisser提出的知覺環(huán)(Perceptualcycle)模型來描述狀態(tài)評估，知覺環(huán)模型強調(diào)人與環(huán)境交互的動態(tài)性，模型中包含三個組分:對象(實際的當前環(huán)境)、圖式(當前環(huán)境的圖式)和探索(在環(huán)境中的搜索行為)。以圖式形式或心智模型構(gòu)成的知識使操作者對環(huán)境中的信息產(chǎn)生心理預(yù)期，活躍的圖式會指導操作者對特定信息的搜索和解釋行為，同時，從環(huán)境中獲取信息會被圖式吸收并用于修訂和更新圖式，再次指導信息的搜索以達到對情境的知覺，是一個不斷循環(huán)的過程，如圖1所不。Bedney和Meister于1999年發(fā)表在“InternationalJournalofCognitiveErgonomics，，期干丨J上名為“Theoryofactivityandsituationawareness，，基于行為理論提出了狀態(tài)評估的子系統(tǒng)交互模型，共包括八個功能模塊，即輸入信息的含義、印象-目標、主觀上認為相關(guān)的任務(wù)條件、動機和重要性、定向和探索行為、評估的標準、經(jīng)驗、概念模型，它們之間存在交互影響作用，每個功能模塊對狀態(tài)評估的形成有不同的功倉泛。這些模型基本上描述了操縱員處理信息和環(huán)境進行交互以獲得狀態(tài)感知的基本原理和一般的特征，在闡明狀態(tài)評估的認知機理及影響狀態(tài)評估的主要因素方面做出了貢獻，但沒有考慮數(shù)字化控制系統(tǒng)中的狀態(tài)評估特征，并且它們只是定性的分析，而沒有對狀態(tài)評估的可靠性進行量化。在狀態(tài)評估的定量建模方法，MiaoA.X.,ZachariasG.L.和KaoS.P.,于1997年發(fā)表的“AcomputationalsituationassessmentmodelfornuclearpowerplantOperations”一文中采用貝葉斯方法對操縱員的狀態(tài)評估進行了定量計算，KimM.C.和SeongP.H于2006年在“AnanalyticmodelforsituationassessmentofnuclearpowerplantoperatorsbasedonBayesianinference，，一文中基于貝葉斯分析建立了狀態(tài)評估的定量分析模型，Kim和Seong于2009年在“Acomputationalmodelforevaluatingtheeffectsofattention,memory,andmentalmodelsonsituationassessmentofnuclearpowerplantoperators”一文也基于貝葉斯網(wǎng)絡(luò)建立了考慮人因影響的狀態(tài)評估定量計算模型，但是上述方法只是描述操縱員狀態(tài)評估的歷程，數(shù)據(jù)也只是基于假設(shè)，并且沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計。
發(fā)明內(nèi)容本發(fā)明旨在提供一種操作員狀態(tài)評估的可靠性分析方法及裝置，以至解決相關(guān)技術(shù)沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計的問題。根據(jù)本發(fā)明的一個方面，提供了一種操作員狀態(tài)評估的可靠性分析方法，包括:確定待使用的多個行為形成因子(PerformanceShapingFactors,簡稱為PSFs或PSF),其中，所述PSF用于狀態(tài)評估；確定所述多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；根據(jù)所述多個PSF以及所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性。優(yōu)選地，所述操作員狀態(tài)評估的可靠性分析模型為貝葉斯網(wǎng)絡(luò)模型。優(yōu)選地，根據(jù)所述多個PSF以及所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性包括:確定所述貝葉斯網(wǎng)絡(luò)模型中各個根節(jié)點PSF處于不同狀態(tài)的先驗概率分布，其中，所述根節(jié)點PSF為沒有被其他節(jié)點指向的PSF節(jié)點；根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定所述各個子節(jié)點PSF和所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布，其中，所述子節(jié)點PSF為被其他節(jié)點指向的PSF節(jié)點；將所述條件概率分布與所述先驗概率分布進行貝葉斯網(wǎng)絡(luò)的因果分析以得到特定情境條件下的狀態(tài)評估可靠性。優(yōu)選地，通過模糊方法對所述貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算。優(yōu)選地，通過模糊方法對所述貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算包括:通過三角模糊數(shù)計算所述各個根節(jié)點PSF處于不同狀態(tài)時的先驗概率分布；通過所述三角模糊數(shù)計算所述各個子節(jié)點PSF與所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)時的條件概率分布；通過三角形重心解模糊的方法確定所述先驗概率的值和所述條件概率的值，并將所述先驗概率的值與所述條件概率的值進行貝葉斯網(wǎng)絡(luò)的因果分析以得到所述狀態(tài)評估的可靠性。優(yōu)選地，根據(jù)所述多個PSF以及所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性之后，還包括:在確定操縱員狀態(tài)評估失誤的情況下，根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，通過貝葉斯網(wǎng)絡(luò)的診斷分析確定所述各個根節(jié)點PSF的后驗概率分布；將所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的后驗概率分布與所述根節(jié)點PSF處于所述預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的先驗概率分布進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素，以確定預(yù)防狀態(tài)評估失誤的對策。根據(jù)本發(fā)明的另一個方面，提供了一種操作員狀態(tài)評估的可靠性分析裝置，包括:第一確定模塊，用于確定待使用的多個行為形成因子PSF，其中，所述PSF用于狀態(tài)評估；第二確定模塊，用于確定所述多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；建立模塊，用于根據(jù)所述多個PSF、所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性。優(yōu)選地，所述建立模塊建立的所述操作員狀態(tài)評估的可靠性分析模型為貝葉斯網(wǎng)絡(luò)模型。優(yōu)選地，所述建立模塊包括:第一確定單元，用于確定所述貝葉斯網(wǎng)絡(luò)模型中各個根節(jié)點PSF處于不同狀態(tài)的先驗概率分布，其中，所述根節(jié)點PSF為沒有被其他節(jié)點指向的PSF節(jié)點；第二確定單元，用于根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定所述各個子節(jié)點PSF和所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布，其中，所述子節(jié)點PSF為被其他節(jié)點指向的PSF節(jié)點；分析單元，用于將所述條件概率分布與所述先驗概率分布進行貝葉斯網(wǎng)絡(luò)的因果分析以得到特定情境條件下狀態(tài)評估可靠性。優(yōu)選地，所述裝置還包括:第三確定模塊，用于在確定操縱員狀態(tài)評估失誤的情況下，根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及所述各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，通過貝葉斯網(wǎng)絡(luò)的診斷分析確定所述各個根節(jié)點PSF的后驗概率分布；比較模塊，用于將所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的后驗概率與所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的先驗概率進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素，以確定預(yù)防狀態(tài)評估失誤的對策。本發(fā)明采用在對操作員狀態(tài)評估的可靠性進行分析時，綜合考慮了操作員在狀態(tài)評估的過程中的多個PSF及各個PSF與其他PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，并根據(jù)上述各因素建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性。通過運用本發(fā)明，解決了相關(guān)技術(shù)沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計的問題，進而為操縱員狀態(tài)評估可靠性分析提供定性與定量方法，為電廠降低操縱員狀態(tài)評估失效概率提供對策。附圖用來提供對本發(fā)明的進一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當限定。在附圖中:圖1示出了相關(guān)技術(shù)的狀態(tài)評估模型的示意圖；圖2示出了本發(fā)明實施例的操作員狀態(tài)評估的可靠性分析方法的流程圖；圖3示出了本發(fā)明實施例的操作員狀態(tài)評估的可靠性分析裝置的結(jié)構(gòu)示意圖一；圖4示出了本發(fā)明實施例的操作員狀態(tài)評估的可靠性分析裝置建立模塊的結(jié)構(gòu)示意圖；圖5示出了本發(fā)明實施例的操作員狀態(tài)評估的可靠性分析裝置的結(jié)構(gòu)示意圖二；圖6示出了本發(fā)明優(yōu)選實施例的操作員狀態(tài)評估的貝葉斯網(wǎng)絡(luò)模型的示意圖。具體實施例方式下面將參考附圖并結(jié)合實施例，來詳細說明本發(fā)明?；谙嚓P(guān)技術(shù)沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計的問題，本發(fā)明實施例提供了一種操作員狀態(tài)評估的可靠性分析方法，該方法的流程如圖2所示，包括步驟S202至步驟S206:步驟S202，確定待使用的多個PSF，其中，PSF用于狀態(tài)評估；步驟S204，確定多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；步驟S206，根據(jù)多個PSF以及多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析操作人員的可靠性。本實施例采用在對操作員狀態(tài)評估的可靠性進行分析時，綜合考慮了操作員在狀態(tài)評估的過程中的多個PSF及各個PSF與其他PSF之間的關(guān)聯(lián)關(guān)系，并根據(jù)上述PSF及其之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立操作員狀態(tài)評估的可靠性分析模型以分析操作人員的可靠性。通過運用本實施例，解決了相關(guān)技術(shù)沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計的問題，進而為操縱員狀態(tài)評估可靠性分析提供定性與定量方法，為電廠降低操縱員狀態(tài)評估失效概率提供對策。在實施過程中，操作員狀態(tài)評估的可靠性分析模型可以為貝葉斯網(wǎng)絡(luò)模型。在根據(jù)多個PSF以及多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立操作員狀態(tài)評估的可靠性分析模型以分析操作人員的可靠性的過程中，需要先確定各個根節(jié)點PSF處于不同狀態(tài)的先驗概率分布；在根據(jù)各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定各個PSF與狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布；通過貝葉斯網(wǎng)絡(luò)的因果分析(或根據(jù)結(jié)果逐步推理)計算操縱員狀態(tài)評估的可靠性，隨后通過貝葉斯網(wǎng)絡(luò)的診斷分析，得到狀態(tài)評估的貝葉斯網(wǎng)絡(luò)模型中的根節(jié)點處于不同狀態(tài)的后驗概率分布，將根節(jié)點PSF處于不良狀態(tài)(即預(yù)設(shè)多個狀態(tài)中最差狀態(tài))的后驗概率與根節(jié)點PSF處于不良狀態(tài)的先驗概率進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素(或稱關(guān)鍵PSF)。實施過程中，是根據(jù)貝葉斯理論的因果分析，進行狀態(tài)評估可靠性計算，并且根據(jù)貝葉斯理論的診斷分析，識別狀態(tài)評估貝葉斯網(wǎng)絡(luò)模型中根節(jié)點的后驗概率分布，并將根節(jié)點PSF處于不良狀態(tài)的先驗概率值與根節(jié)點PSF處于不良狀態(tài)的后驗概率值進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素。但由于各個PSF的狀態(tài)等級評定的復雜性和不確定性，可以進一步通過模糊方法對貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算。在通過模糊方法對貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算的過程中，可以利用三角模糊數(shù)對各個PSF進行評價，則上述分析操作員可靠性的過程可以是先通過三角模糊數(shù)計算各個根節(jié)點PSF處于不同狀態(tài)時的先驗概率分布；再通過三角模糊數(shù)計算各個子節(jié)點PSF與狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布；再通過三角形重心解模糊的方法確定先驗概率的值和條件概率的值。在給定的情境條件下，將子節(jié)點PSF和狀態(tài)評估可靠性節(jié)點的條件概率與根節(jié)點PSF的先驗概率進行貝葉斯網(wǎng)絡(luò)的因果分析以得到狀態(tài)評估的可靠性。。通過上述方法進行操作員狀態(tài)評估的可靠性分析過程中，考慮了PSF的因果關(guān)系，可根據(jù)不同PSF的不同狀態(tài)進行可靠性估計，提升了可靠性分析的準確度。本發(fā)明實施例還提供了一種操作員狀態(tài)評估的可靠性分析裝置，該裝置的結(jié)構(gòu)示意可以如圖3所示，包括:第一確定模塊10，用于確定待使用的多個PSF，其中，PSF用于狀態(tài)評估；第二確定模塊20，與第一確定模塊10耦合，用于確定多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；建立模塊30，與第一確定模塊10和第二確定模塊20耦合，用于根據(jù)多個PSF以及多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析操作人員的可靠性。其中，建立模塊建立的操作員狀態(tài)評估的可靠性分析模型為貝葉斯網(wǎng)絡(luò)模型。進一步的，本裝置還可以通過貝葉斯網(wǎng)絡(luò)的診斷分析，識別影響狀態(tài)評估可靠性的關(guān)鍵要素。圖4示出了建立模塊30的結(jié)構(gòu)示意圖，其中，第一確定單元302，用于確定各個根節(jié)點的PSF處于不同狀態(tài)的先驗概率分布；第二確定單元304，與第一確定單元302耦合，用于根據(jù)各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定各個子節(jié)點PSF與狀態(tài)評估可靠性節(jié)點的條件概率分布；分析單元306，與第一確定單元302和第二確定單元304耦合，在給定的情境條件下，用于將子節(jié)點PSF和狀態(tài)評估可靠性節(jié)點的條件概率與根節(jié)點PSF的先驗概率進行貝葉斯網(wǎng)絡(luò)的因果分析以得到狀態(tài)評估的可靠性。在實施過程中，如果選擇三角模糊數(shù)的方式進行狀態(tài)估計的可靠性分析，則第一確定單元302，還用于通過三角模糊數(shù)和三角形重心解模糊的方法計算各個根節(jié)點PSF處于不同狀態(tài)時的先驗概率分布；第二確定單元304，還用于通過三角模糊數(shù)和三角形重心解模糊的方法計算各個子節(jié)點PSF和狀態(tài)評估可靠性節(jié)點的條件概率分布；分析單元306，在給定的情境條件下，用于將各個子節(jié)點PSF和狀態(tài)評估可靠性節(jié)點的條件概率與根節(jié)點的先驗概率進行貝葉斯網(wǎng)絡(luò)的因果分析以得到狀態(tài)評估的可靠性。圖5示出了上述裝置的一種優(yōu)選實施方式的結(jié)構(gòu)示意圖，該裝置還可以包括:第三確定模塊40，與第二確定模塊20耦合，用于在確定操縱員狀態(tài)評估失誤的情況下，根據(jù)各個根節(jié)點的PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及各PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，通過貝葉斯網(wǎng)絡(luò)的診斷分析確定各個根節(jié)點的PSF處于不同狀態(tài)的后驗概率分布；比較模塊50，與第三確定模塊40和第一確定模塊10耦合，用于將根節(jié)點PSF處于不良狀態(tài)的后驗概率分布與根節(jié)點PSF處于不良狀態(tài)的先驗概率分布進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素，以確定預(yù)防狀態(tài)評估失誤的對策。在上述裝置實施上述方法的過程中，其各個模塊執(zhí)行著相應(yīng)的功能，其中，各模塊都可以設(shè)置在系統(tǒng)的服務(wù)器中，當操作員根據(jù)不同的狀態(tài)進行分析時，服務(wù)器中的操作員狀態(tài)評估的可靠性分析裝置對操作員分析過程的可靠性進行分析。當然，各模塊也可以設(shè)置在計算機中，當需要進行可靠性分析時，通過CPU進行控制。通過運用上述操作員狀態(tài)評估的可靠性分析裝置，可以進一步分析不同操作員狀態(tài)評估的準確性，具有一定的實用意義。優(yōu)選實施例相關(guān)技術(shù)通常存在以下的缺點:(I)現(xiàn)在技術(shù)沒有充分考慮數(shù)字化人-機系統(tǒng)的特征來構(gòu)建狀態(tài)評估的影響模型；(2)現(xiàn)有技術(shù)沒有充分考慮PSF的因果關(guān)系，使得評估的結(jié)果精度有待提升；(3)現(xiàn)有技術(shù)缺乏數(shù)字化模擬機數(shù)據(jù)來支持狀態(tài)評估的定量化?；谏鲜龃鉀Q的問題，本發(fā)明優(yōu)選實施例提供了一種操作員狀態(tài)評估的可靠性分析方法，該方法要保護技術(shù)方案闡述如下:(I)基于數(shù)字化主控室操縱員的情境環(huán)境分析，識別影響操縱員的狀態(tài)評估可靠性的PSF因子及其因果關(guān)系以及各PSF與狀態(tài)評估可靠性節(jié)點的因果關(guān)系，建立狀態(tài)評估定性分析的貝葉斯網(wǎng)絡(luò)模型，為操縱員狀態(tài)評估可靠性的量化奠定基礎(chǔ)；(2)基于建立的狀態(tài)評估的貝葉斯網(wǎng)絡(luò)模型，通過模擬機實驗來收集網(wǎng)絡(luò)節(jié)點的先驗概率和條件概率，對于難以收集的數(shù)據(jù)，可采用事件報告分析來獲取數(shù)據(jù)。為確保數(shù)據(jù)和結(jié)果的有效性，建立一種操縱員狀態(tài)評估可靠性評定的模糊貝葉斯方法，提高分析的精度。下面通過具體實施例來說明本優(yōu)選實施例的詳盡技術(shù)方案。首先，介紹數(shù)字化核電廠主控室操縱員的狀態(tài)評估行為。當核電廠發(fā)生異常狀態(tài)時，操縱員將根據(jù)核電廠的狀態(tài)參數(shù)情況構(gòu)建一個合理的和合乎邏輯的解釋，來評估電廠所處的狀態(tài)，作為后續(xù)的響應(yīng)計劃和響應(yīng)執(zhí)行決策的依據(jù)。這一系列過程稱為狀態(tài)評估，并涉及兩個相關(guān)的模型，即狀態(tài)模型和心智模型。狀態(tài)模型就是操縱員對特定電廠系統(tǒng)所呈現(xiàn)出的狀態(tài)的理解，并且當收集到新信息的時候，狀態(tài)模型會被經(jīng)常更新。心智模型是通過正式的教育、具體的培訓和操縱員經(jīng)驗來構(gòu)建的，并且存儲在大腦中。狀態(tài)評估過程主要就是發(fā)展一個狀態(tài)模型來描述當前的電廠狀態(tài)。如果一個事件(如報警)非常簡單，操縱員對電廠狀態(tài)的辨識不需要任何推理，則認為是技能型的狀態(tài)評估。如果一個異常事件屬于所謂的“問題”，要求操縱員對該問題產(chǎn)生的原因和影響進行說明來構(gòu)建狀態(tài)模型，并且構(gòu)建好的狀態(tài)模型與操縱員的心智模型進行匹配(即相似性匹配)，則這個過程稱為規(guī)則型的狀態(tài)評估。同樣，對于不熟悉的狀態(tài)模式，要求操縱員評估和預(yù)測可能的電廠狀態(tài)，然后分析問題空間的結(jié)構(gòu)和功能之間更加抽象的邏輯關(guān)系，進行深層次的分析，逐漸形成一個狀態(tài)模型并進行驗證，最后確定電廠狀態(tài)，這個過程被認為是知識型的狀態(tài)評估。其次，介紹操縱員的狀態(tài)評估的貝葉斯網(wǎng)絡(luò)模型。通過組建專家組(包括核電廠操縱員班組以及人因?qū)＜?識別出影響操縱員狀態(tài)評估可靠性的影響因素以及它們的因果關(guān)系，一般來說，當核電廠發(fā)生異常事件后，操縱員的狀態(tài)評估涉及兩個相關(guān)的模型，即狀態(tài)模型和心智模型。狀態(tài)模型就是操縱員對系統(tǒng)或組件的特定狀態(tài)的理解，并且當收集到新信息的時候，狀態(tài)模型會被經(jīng)常更新。心智模型是通過正式的教育、具體的培訓和操縱員經(jīng)驗來構(gòu)建的，并且存儲在大腦中。狀態(tài)評估過程主要就是發(fā)展一個狀態(tài)模型來評估當前的電廠狀態(tài)。如果操縱員要很好地評估出真實的電廠當前狀態(tài)，則操縱員需要利用其自身的心智模型去辨識出電廠當前的狀態(tài)，這個過程受電廠狀態(tài)呈現(xiàn)的易識別性、操縱員的心智水平/心智模型以及心理壓力的影響。心智水平/心智模型來源于操縱員的知識和經(jīng)驗，知識和經(jīng)驗主要受組織培訓的影響和班組的交流與合作的影響，如果培訓不夠，則操縱員的知識和經(jīng)驗會受影響，班組的交流與合作可以補充操縱員個體的知識和經(jīng)驗的不足。電廠所呈現(xiàn)的狀態(tài)的易識別性(狀態(tài)模型的另一種解釋)主要受數(shù)字化人機界面和系統(tǒng)的自動化水平的影響，如果數(shù)字化人機界面設(shè)計好，則信息醒目，容易搜集信息和識別出系統(tǒng)所處的狀態(tài)，如果系統(tǒng)自動化水平高，則操縱員沒有參與到具體的任務(wù)中，則容易喪失與任務(wù)相關(guān)的系統(tǒng)狀態(tài)的理解。另外，壓力水平對操縱員在狀態(tài)模型和心智模型之間的匹配有很大的影響，壓力水平主要受事件的嚴重度、任務(wù)的復雜性及可用時間的影響，同樣任務(wù)的復雜性主要受數(shù)字化規(guī)程設(shè)計的好壞與數(shù)字化人機界面設(shè)計的好壞的影響，規(guī)程中的任務(wù)復雜則操縱員需要完成的任務(wù)復雜，規(guī)程或程序好有利于指導操縱員做出響應(yīng)計劃，人機界面不好(如諸多的界面管理任務(wù))則操縱員難以獲取有利于任務(wù)完成的有用信息。再者，事件越嚴重，操縱員的心理壓力越大，完成任務(wù)的可用時間越短，則操縱員的心理壓力越大。通過上述分析，狀態(tài)評估受班組的交流與合作水平、培訓水平、數(shù)字化規(guī)程、數(shù)字化人機界面、事件的嚴重度、事故處置的可用時間以及與系統(tǒng)的自動化水平等因素的影響，這些PSF因子與狀態(tài)評估的影響關(guān)系圖(或稱狀態(tài)評估的貝葉斯網(wǎng)絡(luò)模型)見圖6所示，其中，最下層的狀態(tài)評估可靠性就是一種狀態(tài)評估可靠性節(jié)點。最后，介紹數(shù)據(jù)的獲取和狀態(tài)評估定量計算的模糊貝葉斯方法。(I)數(shù)據(jù)采集包括以下過程。(1.1)基于模擬機實驗的數(shù)據(jù)獲取。確定網(wǎng)絡(luò)節(jié)點的先驗概率分布:選擇典型的事故場景(如SGTR、L0CA、主蒸汽管道破口、全廠失電等)進行實驗，對事故場景中關(guān)鍵點的任務(wù)所涉及的數(shù)字化人機界面、數(shù)字化規(guī)程、任務(wù)的復雜性、事故場場景下的時間窗口、交流與合作水平、培訓水平等影響因子進行評定，識別主要影響因素的概率分布。比如針對SGTR事故的關(guān)鍵任務(wù)所涉及的數(shù)字化人機界面按人機界面設(shè)計好壞的評定標準(從信息搜集、診斷和執(zhí)行的容易度方面)進行每個畫面進行評定，得到概率分布(假設(shè)共涉及100副畫面，通過專家組的評定，得到90幅畫面是好的，8幅畫面一般，2幅畫面差，則得到人機界面的先驗概率分布為:0.9，0.08，0.02，同理可得其他影響因素的先驗概率分布)。確定網(wǎng)絡(luò)節(jié)點的條件概率分布。在實驗過程中對操縱員的知識和經(jīng)驗水平(或稱心智模型水平)、壓力水平、狀態(tài)模型水平(或稱系統(tǒng)狀態(tài)呈現(xiàn)的易識別性)等進行評定。這需要被試針對每完成一個關(guān)鍵的任務(wù)進行評定(要求實事求是)。統(tǒng)計評定結(jié)果，得到心智模型水平(假設(shè)有三個水平，好、中、差)、壓力水平(假設(shè)有三個水平，好、中、差)、狀態(tài)模型水平(假設(shè)有三個水平，好、中、差)等的條件概率分布。同時通過狀態(tài)評估的實驗結(jié)果的統(tǒng)計分布，得到狀態(tài)評估可靠性的條件概率分布。比如培訓和交流水平影響操縱員的知識和經(jīng)驗或心智模型水平，則選擇不同培訓水平的人員進行實驗，包括培訓水平好、中、差以及交流水平一般的情況下分別進行實驗，得到培訓水平好的一組操縱員的實驗結(jié)果(需操縱員對其獲取的知識和經(jīng)驗進行評定)、培訓水平中等與交流水平一般的情況下的實驗結(jié)果(需操縱員對其獲取的知識和經(jīng)驗進行評定)以及培訓水平差和交流一般的實驗結(jié)果(需操縱員對其獲取的知識和經(jīng)驗進行評定)，從而得到知識和經(jīng)驗的一部分的條件概率分布，同理，控制好交流不同水平的實驗變量，可得到所有知識和經(jīng)驗的條件概率分布。同樣，控制好其他可以控制的變量，可得到任務(wù)的復雜性等節(jié)點變量的條件概率分布，如果對于難以進行實驗的變量(或難以控制的)，可采用專家判斷的方法、事件報告統(tǒng)計分析或回歸技術(shù)等進行建模估計(見下面介紹的模糊化處理)。最終根據(jù)狀態(tài)評估可靠性的測量結(jié)果，可得到狀態(tài)評估可靠性的條件概率分布。(1.2)基于專家判斷的數(shù)據(jù)獲取。對于難以進行實驗的變量(或難以控制的)，比如事件的嚴重度等節(jié)點變量等，可采用專家判斷的方法來獲取數(shù)據(jù)(如果有足夠多的事件樣本，也可采用事件統(tǒng)計的方法來獲取)。由于因素狀態(tài)等級評定的復雜性和不確定性，以及專家知識、能力、經(jīng)驗的有限性，使某些專家難以確定因素狀態(tài)等級的確切值，因此，導致專家可能用描述性語言或用范圍值來表達，如“大約7”、“很可能在5-7這個范圍”、“(3，5，7)”等。并且，決策者認為，模糊判斷比確切值判斷更可信，更符合人們的真實思維，因此，我們提出通過模糊方法對PSF因子處于不同狀態(tài)的概率分布進行評價，本優(yōu)選實施例的裝置在評價過程中是基于專家判斷的的數(shù)據(jù)獲取方式，采用模糊方法，其評價程序如下。第一，組建專家組。不同的專家由于知識背景和經(jīng)驗不同對組織因素的評價結(jié)果不同，從而影響決策結(jié)果，因此，需組建專家組來消除這種影響，并且每個專家分配不同的m權(quán)重。假設(shè)有m個專家組成的專家組，且第i個專家賦予的權(quán)重為Ci,Cie[O,I],YjCi=Ib1:l第二，確定PSF處于不同狀態(tài)的概率。通過專家討論將每個因素通常處于何種狀態(tài)的概率可采用三角模糊數(shù)(即最有可能的值；最好的值；最差的值)對組織因素進行評價，如(0.1，0.3，0.6)等，或用描述性語言來表示，如高、中、低等。對于描述性語文可引入模糊隸屬函數(shù)來確定因素處于某種狀態(tài)的概率值。第三，計算各因素的綜合概率分布值并解模糊。依據(jù)專家權(quán)重和相應(yīng)的因素狀態(tài)概率，可計算各因素的狀態(tài)概率分布，公式如下:Si=AXC1+<XC2+…+.<wXCiet其中，Si是因素Fi的模糊綜合得分，它是一個三角模糊mmm數(shù).ΛΣΑχct，Σm.xck，Σli<xck)AIkIkI為了將綜合的三角模糊數(shù)轉(zhuǎn)化為確切值，可通過三角形重心解模糊的方法求解，其公式參考如下:Fi=—^+/,―，其中,Ui表示最大可能值，Ini表示最可能值，Ii表示最小可能值。(2)貝葉斯網(wǎng)絡(luò)的分析貝葉斯網(wǎng)絡(luò)(簡稱為BN)是由節(jié)點和邊組成的有向無環(huán)圖(DirectedAcyclic6以11，簡稱為046)，可以用#〈〈￥4>，？>來描述。離散隨機變量V={XI，X2，…，Xn}對應(yīng)的節(jié)點表示具有有限狀態(tài)的變量，節(jié)點可以是任何抽象的問題，如設(shè)備部件狀態(tài)、測試值、組織因素、人的診斷結(jié)果等。有向邊E表示節(jié)點間的概率因果關(guān)系，有向邊的起始節(jié)點i是終節(jié)點j的父節(jié)點，j稱為子節(jié)點，沒有父節(jié)點只有子節(jié)點的節(jié)點稱為根節(jié)點。DAG蘊涵了一個條件獨立假設(shè):給定其父節(jié)點集，每一個變量獨立于它的非子孫節(jié)點。P為定量部分，是V上的概率分布，對于離散情況，可用條件概率表(conditionalprobabilitytable,簡稱為CPT)來表示，用于定量說明父節(jié)點對子節(jié)點的影響。根節(jié)點的概率分布函數(shù)為邊緣概率分布函數(shù)，由于該類節(jié)點的概率不以其他節(jié)點為條件，故其概率為先驗概率，其他節(jié)點為條件概率分布函數(shù)。鏈式法則表明一個BN就是在DAG中所有變量的聯(lián)合分布的一種描述,并且網(wǎng)絡(luò)中每個節(jié)點的邊緣概率和條件概率都可計算。貝葉斯網(wǎng)絡(luò)的分析原理是基于Bayes概率理論，分析過程實質(zhì)上就是概率計算過程。主要根據(jù)下列三個公式(即公式1-1、1_2和1-3)進行分析計算。聯(lián)合概率P(X1,…，XJ:權(quán)利要求1.一種操作員狀態(tài)評估的可靠性分析方法，其特征在于，包括:確定待使用的多個行為形成因子PSF，其中，所述PSF用于狀態(tài)評估；確定所述多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；根據(jù)所述多個PSF、所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述操作員狀態(tài)評估的可靠性分析模型為貝葉斯網(wǎng)絡(luò)模型。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，根據(jù)所述多個PSF、所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性包括:確定所述貝葉斯網(wǎng)絡(luò)模型中各個根節(jié)點PSF處于不同狀態(tài)的先驗概率分布，其中，所述根節(jié)點PSF為沒有被其他節(jié)點指向的PSF節(jié)點；根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定所述各個子節(jié)點PSF和所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布，其中，所述子節(jié)點PSF為被其他節(jié)點指向的PSF節(jié)點；將所述條件概率分布與所述先驗概率分布進行貝葉斯網(wǎng)絡(luò)的因果分析以得到特定情境條件下的狀態(tài)評估可靠性。4.根據(jù)權(quán)利要求2或3所述的方法，其特征在于，通過模糊方法對所述貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算。5.根據(jù)權(quán)利要求4所述的方法，其特征在于，通過模糊方法對所述貝葉斯網(wǎng)絡(luò)模型的概率分布的值進行計算包括:通過三角模糊數(shù)計算所述各個根節(jié)點PSF處于不同狀態(tài)時的先驗概率分布；通過所述三角模糊數(shù)計算所述各個子節(jié)點PSF與所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)時的條件概率分布；通過三角形重心解模糊的方法確定所述先驗概率的值和所述條件概率的值，并將所述先驗概率的值與所述條件概率的值進行貝葉斯網(wǎng)絡(luò)的因果分析以得到所述狀態(tài)評估的可靠性。6.根據(jù)權(quán)利要求3所述的方法，其特征在于，根據(jù)所述多個PSF、所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性之后，還包括:在確定操縱員狀態(tài)評估失誤的情況下，根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，通過貝葉斯網(wǎng)絡(luò)的診斷分析確定所述各個根節(jié)點PSF的后驗概率分布；將所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的后驗概率分布與所述根節(jié)點PSF處于所述預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的先驗概率分布進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素，以確定預(yù)防狀態(tài)評估失誤的對策。7.一種操作員狀態(tài)評估的可靠性分析裝置，其特征在于，包括:第一確定模塊，用于確定待使用的多個行為形成因子PSF，其中，所述PSF用于狀態(tài)評估；第二確定模塊，用于確定所述多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；建立模塊，用于根據(jù)所述多個PSF、所述多個PSF中各個PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析所述操作人員的可靠性。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述建立模塊建立的所述操作員狀態(tài)評估的可靠性分析模型為貝葉斯網(wǎng)絡(luò)模型。9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述建立模塊包括:第一確定單元，用于確定所述貝葉斯網(wǎng)絡(luò)模型中各個根節(jié)點PSF處于不同狀態(tài)的先驗概率分布，其中，所述根節(jié)點PSF為沒有被其他節(jié)點指向的PSF節(jié)點；第二確定單元，用于根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系、以及所述各個PSF與所述狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系確定所述各個子節(jié)點PSF和所述狀態(tài)評估可靠性節(jié)點處于不同狀態(tài)的條件概率分布，其中，所述子節(jié)點PSF為被其他節(jié)點指向的PSF節(jié)點；分析單元，用于將所述條件概率分布與所述先驗概率分布進行貝葉斯網(wǎng)絡(luò)的因果分析以得到特定情境條件下狀態(tài)評估可靠性。10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述裝置還包括:第三確定模塊，用于在確定操縱員狀態(tài)評估失誤的情況下，根據(jù)所述各個根節(jié)點PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系，以及所述各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系，通過貝葉斯網(wǎng)絡(luò)的診斷分析確定所述各個根節(jié)點PSF的后驗概率分布；比較模塊，用于將所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的后驗概率與所述根節(jié)點PSF處于預(yù)設(shè)多個狀態(tài)中最差狀態(tài)的先驗概率進行比較以得到影響狀態(tài)評估可靠性的關(guān)鍵要素，以確定預(yù)防狀態(tài)評估失誤的對策。全文摘要本發(fā)明公開了一種操作員狀態(tài)評估的可靠性分析方法及裝置，其中，該方法包括確定待使用的多個PSF，其中，PSF用于狀態(tài)評估；確定多個PSF中各個PSF與除自身外的其他PSF之間的關(guān)聯(lián)關(guān)系以及各個PSF與狀態(tài)評估可靠性節(jié)點的關(guān)聯(lián)關(guān)系；根據(jù)上述各關(guān)聯(lián)關(guān)系建立基于PSF因果關(guān)系的操作員狀態(tài)評估的可靠性分析模型以分析操作人員的可靠性。通過運用本發(fā)明，解決了相關(guān)技術(shù)沒有考慮操縱員本身所受的情境環(huán)境因子的影響以及它們的影響因果關(guān)系，從而可能帶來重復計算其影響的可能，對狀態(tài)評估失誤概率可能造成錯誤的估計的問題，進而為操縱員狀態(tài)評估可靠性分析提供定性與定量方法，為電廠降低操縱員狀態(tài)評估失效概率提供對策。文檔編號G06Q50/06GK103218689SQ201310142890公開日2013年7月24日申請日期2013年4月23日優(yōu)先權(quán)日2013年4月23日發(fā)明者張力,李鵬程,戴立操,胡鴻,鄒衍華,蔣建軍,黃衛(wèi)剛,戴忠華申請人:湖南工學院,南華大學,中廣核核電運營有限公司