基于集成SF-DEMATEL、SF-SWARA和BN-SLIM的人为失误概率评估方法

摘要: 本发明属于人为可靠性分析,具体涉及一种基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法,尤其适用于舱外活动等高风险、数据稀缺...
基于集成SF-DEMATEL、SF-SWARA和BN-SLIM的人为失误概率评估方法

本发明属于人为可靠性分析,具体涉及一种基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法,尤其适用于舱外活动等高风险、数据稀缺、多因素强耦合的复杂作业场景中的人为失误风险量化与诊断。

背景技术:

1、舱外活动(extravehicular activity,eva)是载人航天任务中风险最高、复杂性最强的关键作业形式之一。在舱外维护过程中,宇航员需在微重力、高真空及强辐射等极端环境下完成高精度操作,一旦发生人为失误,可能导致任务失败甚至危及航天员生命安全。因此,对eva维护任务中人为失误风险进行系统、可解释的评估,已成为载人航天安全工程中的一项核心研究问题。

2、现有的人为可靠性分析(human reliability analysis,hra)方法中,成功似然指数法(success likelihood index methodology,slim)能够综合考虑多种绩效形成因子(performance shaping factors,psfs),在数据匮乏条件下具备较好适用性。但其核心局限在于假设各psfs相互独立,这与eva任务中强耦合的实际情况存在矛盾,难以刻画psfs间的非线性关联及风险传递路径。

3、近年来,有研究尝试引入贝叶斯网络对slim进行扩展(bn-slim),利用其因果建模和双向推理能力来弥补slim的不足。然而,现有bn-slim研究在eva等极端应用场景中仍存在明显不足。首先,现有方法难以有效处理专家在高风险航天任务中普遍存在的犹豫性判断,模糊信息与概率推理之间的衔接机制不清晰;其次,针对eva任务特有的强耦合、多阶段风险传播特征,现有研究尚缺乏一套从模糊认知建模到因果概率推理的系统化方法框架。

4、因此,亟需一种能够精确处理专家多维不确定性判断、显式刻画psfs间复杂因果依赖关系,并能实现从定性分析到定量概率推理的人为失误风险评估方法。

技术实现思路

1、本发明的目的是提供一种基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法,用以克服现有hra方法无法刻画psfs(performance shaping factors,psfs)非线性关联、难以处理专家认知不确定性的缺陷。

2、为了实现上述任务,本发明采用以下技术方案:

3、基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法,包括:

4、步骤1,评估基础构建:对目标作业任务进行结构化分解,识别影响人为失误的绩效形成因子,构建由多领域专家组成的评估小组,对专家资质进行评分,根据评分计算各专家的权重因子;

5、步骤2,绩效形成因子交互分析:采用sf-dematel,处理专家对绩效形成因子间影响程度的语言评价,通过计算总影响矩阵及中心度与原因度,识别绩效形成因子间的因果拓扑结构,并筛选出核心因果边;

6、步骤3,绩效形成因子权重分配:采用sf-swara,处理专家对绩效形成因子重要性排序的语言评价,通过聚合专家意见、去模糊化和计算比较系数,确定各绩效形成因子在不同任务下的相对重要性权重;

7、步骤4,概率建模与动态评估:基于所述因果拓扑结构和相对重要性权重,构建bn-slim,利用通过贝叶斯网络的前向推理预测人为错误概率,以总体人为错误概率为必然事件进行后向诊断推理,通过平均变差衡量各绩效形成因子对总体人为错误概率的贡献以识别关键绩效形成因子,并计算各评分等级的比率变差以识别关键风险等级。

8、一种终端设备,包括处理器、存储器以及存储在所述存储器中的计算机程序;处理器执行计算机程序时,实现所述基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法。

9、一种计算机可读存储介质,所述介质中存储有计算机程序;计算机程序被处理器执行时,实现所述基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法。

10、与现有技术相比,本发明具有以下技术特点:

11、1.本发明引入球型模糊集,在psfs权重确定与因果识别两个核心环节,同时刻画隶属度、非隶属度与犹豫度,其三维表达能力更真实地反映专家在高风险、数据稀缺任务中的认知状态,有效降低了主观偏差。

12、2.本发明通过球型模糊dematel方法,量化psfs间的相互影响,并结合任务分析构建显式因果网络,弥补了传统slim假设因子相互独立的缺陷,精确揭示了风险传播路径。

13、3.本发明将球型模糊多准则决策方法与bn-slim框架有机融合,构建了一套从专家模糊认知建模到概率风险量化与后验诊断的系统化方法,解决了现有方法中模糊信息与概率推理衔接不畅的问题。

14、4.本发明充分利用了专家知识,通过结构化方法将定性判断转化为可计算的因果结构,并结合贝叶斯网络的双向推理能力,能够在历史数据匮乏的条件下,实现人为失误概率的准确预测和关键风险因素的有效诊断。

1.基于集成sf-dematel、sf-swara和bn-slim的人为失误概率评估方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的人为失误概率评估方法,其特征在于,从太空任务经验、地面模拟训练经验及教育程度三个维度对专家资质进行评分,每一位专家的权重因子通过其综合得分占所有专家总分的比例确定。

3.根据权利要求1所述的人为失误概率评估方法,其特征在于,采用层次任务分析方法对目标作业任务进行结构化分解,每个子任务具有明确的起始与结束状态,并对应一组特定的绩效形成因;确立适用于目标作业情境的绩效形成因子体系。

4.根据权利要求1所述的人为失误概率评估方法,其特征在于,步骤2具体包括:

5.根据权利要求1所述的人为失误概率评估方法,其特征在于,步骤3具体包括:

6.根据权利要求1所述的人为失误概率评估方法,其特征在于,步骤4中所述构建bn-slim模型包括:

7.根据权利要求6所述的人为失误概率评估方法,其特征在于,步骤4中所述识别关键绩效形成因子具体为:利用已赋参的贝叶斯网络进行前向推理,计算各绩效形成因子节点的先验概率,其中为第个绩效形成因子在第次概率取值时的评分等级;以总体人为错误概率为必然事件进行后向诊断推理,得到后验概率;计算平均变差,其中为概率取值次数;计算各绩效形成因子按平均变差从大到小排序后的累计贡献率,将与预设的累计贡献率阈值进行比较,若,则排名第1至第k的绩效形成因子均被识别为关键绩效形成因子。

8.根据权利要求7所述的人为失误概率评估方法,其特征在于,步骤4中所述识别关键风险等级具体为:对于识别出的关键绩效形成因子,计算各评分等级的比率变差,表明该评分等级为高风险状态。

9.一种终端设备,包括处理器、存储器以及存储在所述存储器中的计算机程序;其特征在于,处理器执行计算机程序时,实现权利要求1-8中任一项所述人为失误概率评估方法。

10.一种计算机可读存储介质,所述介质中存储有计算机程序;其特征在于,计算机程序被处理器执行时,实现权利要求1-8中任一项所述人为失误概率评估方法。