煤矿作业人员人因可靠性的径向基神经网络评价模型研究

依据人因可靠性原理、事故致因理论,结合煤矿生产系统的特点,提出了观测可靠度的概念,确立了一系列便于统计和赋值的人因可靠性评价指标。针对人因失误事件过程的动态性、复杂性以及数据的不完整性,利用径向基（RBF）神经网络学习速度快、抗干扰能力强的特点,建立了基于RBF神经网络的煤矿作业人员人因可靠性评价模型。对于岗位工龄短或有效记录不足的煤矿作业人员,利用训练好的RBF神经网络模型进行人因可靠性评价,经过实例验算证实了模型的可信性。     

认知性VDT持续监控作业人因可靠性预测模型研究

为提高认知性视觉显示终端(VDT)持续监控作业系统的可靠性,需要有效预测和防范人因失误。基于N-back任务范式和持续操作测试(CPT)任务范式,设计并完成模拟认知性VDT持续监控作业的试验。根据试验数据分别对正确反应时、任务正确率等9个指标进行方差分析,构建三维度认知性VDT持续监控作业脑力负荷评估指标体系。训练BP神经网络,识别脑力负荷模式,建立认知性VDT持续监控作业人因可靠性评估模型。研究结果表明:通过正确反应时、心理努力、任务主观难度、注视时间、瞳孔直径、眨眼频率6个指标,对认知性VDT持续监控作业脑力负荷进行模式识别,其结果可信,且对实际作业干扰性小;用人因可靠性评估模型能有效预测人因失误。     

塔机作业模糊认知可靠性与失误分析方法研究

为提高建设工程塔式起重机作业可靠性,防止人因失误酿成事故,综合运用模糊数学和认知可靠性与失误分析方法(CREAM),构建塔机作业人因可靠性分析模型。首先,剖析塔机作业环境特点,修正共同绩效条件(CPC),厘定各项CPC评估指标;其次,分析人因失误事故数据资料,构建高斯隶属度函数,模糊处理CPC评估指标;然后,融合CPC评估指标熵权,模糊计算塔机作业人员4类控制模式隶属度;最后,运用重心法进行控制模式隶属度去模糊化处理,实现塔机作业人因可靠性概率的量化评估。对湖北省某建筑企业施工现场塔机作业进行模糊认知可靠性与失误分析,验证模型有效性。结果表明:该建筑企业施工现场塔机作业人员控制模式为战略型,人因可靠性概率为99.83%。     

基于CREAM-LEC法的高温熔融金属作业安全评价

为了提高冶金炼钢工艺的高温熔融金属作业安全评价的科学性和客观性,建立了高温熔融金属CREAM-LEC评价法。该方法通过认知可靠性和失误分析方法 (CREAM法)确定不同作业环境的控制模式,并以此为基础在传统LEC法的基础上引入作业环境的人因可靠性补偿系数M。针对某炼钢企业高温熔融金属作业过程进行评价,结果表明,引入人因可靠性补偿系数后,作业岗位人因可靠度处于较高水平以上危险因素的危险等级呈下降趋势,并可为提高作业安全程度指出方法和途径。     

海洋平台作业人因可靠性与失误研究

为提高定量预测的准确性,基于认知可靠性与失误分析法(CREAM),建立海洋平台作业人因可靠性定量分析方法。针对海洋平台作业的情景环境,系统地划分CREAM中的诸共同绩效条件(CPC)的类别。用模糊推理的方法,实现对CPC的模糊化评价。用多元线性回归拟合方法,建立控制模式与CPC的对应关系模型,以增强CREAM的通用性,基于模糊量化规则,获得控制模式的隶属度。通过去模糊化实现人因失误概率(HEP)的定量计算。用所建方法,分析墨西哥湾深水地平线井喷事故案例。结果表明,该事故HEP为3.54×10-2,对应的控制模式为战术型/机会型,验证了该方法的可行性。     

通用桥式起重机驾驶员操作可靠度研究

为有效改善桥式起重机驾驶员的操作水平,通过分析和确定这种起重机的工作流程,建立驾驶员基本动作序列。采用第二代人因可靠性分析(HRA)模型,按正常工作状态与紧急工作状态2种情况,对驾驶员操作可靠度进行全面、定量的分析与研究。结果表明,驾驶员操作可靠度定量研究中,重要的是要考虑起重机机型和基本操作动作序列、工作状态、动作时间、人机工效、作业环境等复杂因素。建立驾驶室人机工效定量分析与评价机制,加强驾驶员专业教育培训及考核制度、改善工作环境等技术措施,从根本上提高驾驶员操作可靠度等级,才能符合起重机械安全的发展趋势。     

基于模糊理论和AHP的CREAM扩展法的改进

为提高人因可靠性定量预测的准确性,利用模糊理论和层次分析法(AHP)改进认知可靠性与失误分析方法(CREAM)中的扩展法,建立一种对共同绩效条件(CPC)权重及其所属水平等级量化的新方法。基于建立的CPC模糊因素集,利用AHP得到CPC模糊权重集;构造CPC模糊评价集,进而获得CPC因子所属水平等级,完成方法的改进;采用改进前后的CREAM扩展法,分析某煤矿人误事件中煤矿安全检查人员的可靠性,并与实际发生结果对比。对比结果显示,采用改进后的CREAM扩展法得到的预测结果更能凸显和衡量人因失误对事故的影响度。     

页岩气压裂作业人因失误结构化辨识方法研究

为提高页岩气压裂作业人因失误辨识结果的全面性和针对性,建立一种结构化的人因失误辨识方法。通过概括辨识阶段的作业流程,建立作业人员行为模型,概述作业人员的行为阶段。利用筛选出的引导词辨识行为阶段人因失误。将该方法应用于页岩气压裂过程的替液阶段。结果表明,用引导词能明确辨识方向,减少头脑风暴时间以及对专家知识的依赖;辨识过程的动态调整能改善认知可靠性,使更多人因失误模式(与传统CREAM方法相比)被辨识出来。     

基于人差错纠正能力的人因可靠性模型研究

根据人-机系统中人的操作行为具有时序性和差错可纠正性的特点,结合船舶舱室行为形成主因子,开展船舶舱室人因可靠性研究。以人因失误的时序性和差错纠正参数为基础,建立人-机系统中操作者行为模式和人因失误事件树模型。通过对人的差错纠正能力的分析,开展人因可靠性量化模型纠正理论研究。最后,以船舶舱室操作台的监控任务人因可靠性为例进行量化计算,定量评估操作人员执行任务的可靠度。     

人因可靠性数据库基础架构研究

针对人因可靠性分析中的数据匮乏问题,在技能-规则-知识(SRK)模型的基础上建立层次化的人因可靠性数据分类体系,其中包括人因失误模式和人因失误影响因素。结合对一些实际人因失误数据的考察,以及可控实验,确定人因可靠性数据库中基准人因失误概率。在人因数据外推系统中,使用层次分析法(AHP)来定量评价人因失误所处的情境的等级,并使用概率方法将基准人因失误概率与情境进行叠加,从而得到人因失误概率。人因数据库有助于人因可靠性数据的搜集和分析,形式化的外推方法减少了对主观因素的依赖。     

RBF神经网络可靠度分析方法在边坡稳定性研究中的应用

针对边坡稳定性可靠度分析,当状态函数无法显式表达且传统计算方法求解复杂问题困难时,提出一种基于ABAQUS和粒子群优化径向基函数神经网络的可靠度分析方法。基于ABAQUS的强度折减方法计算所选随机变量对应的安全系数,利用径向基函数神经网络的数据拟合功能,建立模型并映射出安全系数和随机变量之间的关系,构造响应面功能函数;利用蒙特卡罗生成的大量随机样本代入功能函数得到相应的安全系数,进而计算边坡的失稳概率和可靠度指标来反映边坡稳定性。研究结果表明:相对于传统方法,本文方法计算效率更高、误差更小,适合实际工程应用。     

基于人的认知可靠性(HCR)模型的人因操作失误研究

以人的认知可靠性(HCR)模型为指导,选择包含技能型、规则型和知识型3种认知类型,结合大连化工集团公司影响运行安全的17个异常事件,对54名操纵员的时间响应状况和允许操作时间进行录像、记录与分析;依据IAEA提供的指标[1],找出操纵员在生产过程中可能出现的操作失误类别及其可能造成的危害;基于3参数威布尔模型推导出操纵员操作响应失误概率模型,并从人机工程学角度提出了具体预防事故的安全对策措施。结果表明,基于HCR模型的大化集团公司操纵员的人因操作失误模型实用、有效,为实现操作者与机器系统相协调的目标、正确评估操作着实时操作的响应时间提供了重要参考依据。     

基于BN-CREAM的深水井控压井作业风险诱因研究

深水井控压井作业是有效控制溢流演化为井喷事故的二级井控工艺屏障。为提高深水井控压井作业可靠性,采用 BN-CREAM方法对其风险诱因进行研究。结合深水井控压井作业特点,考虑共因失效等因素,采用贝叶斯网络方法建立深 水井控压井作业风险演化模型。应用人因可靠性分析CREAM法计算深水压井人因失误先验概率,参考海洋可靠性数据手 册OREDA确定深水井控设备失效先验概率。依托贝叶斯网络的逆向推理能力辨识压井作业的主要风险节点,从而实现对 深水井控压井作业风险诱因的有效预测和评估。研究表明:深水井控压井作业共包含6个关键风险根节点,且压井作业人 因可靠性要低于设备可靠性;3级子节点“压井方法选择不合理”对深水压井作业的成功起到至关重要的作用,需进一 步开展风险分析研究。     

基于泛平均运算的矿井瓦斯浓度组合预测模型

为有效分析煤矿瓦斯监测数据以实现准确、可靠的瓦斯浓度预测,基于不等权泛平均运算模型,研究瓦斯浓度时间序列组合预测的方法,提出一种新的矿井瓦斯浓度组合预测模型,并证明最优组合预测模型是其特例。采用自回归(AR)模型和径向基函数(RBF)神经网络预测模型作为组合预测模型的单项预测模型;以遗传算法和最小二乘法确定新组合预测模型的参数,实现瓦斯浓度预测单项模型的最优组合。试验分析表明:新模型在平方和误差、平均绝对误差、均方误差、平均绝对百分比误差、均方百分比误差等评价指标上,均取得比自回归模型、径向基函数神经网络模型和最优组合预测模型更低的误差。     

基于JSA-BN的水上提管维修作业风险分析

为保障海底油气管道维修作业安全,提出1种基于JSA-BN的作业风险分析方法。采用JSA方法辨识分析水上提管维修作业过程中潜在的风险因素,得出不同作业步骤的风险等级;建立水上提管维修作业贝叶斯网络模型,计算出各作业环节的成功概率;依托贝叶斯网络的逆向推理及敏感性分析能力,实现水上提管维修作业风险薄弱点的定量预测和评估。研究结果表明:提出的基于JSA-BN的作业风险分析方法可应用于近岸海底管道应急维修作业风险分析;在整个水上提管维修作业活动中,提管作业和切割破损管道作业为关键作业环节,提升过程中碰撞、掉落事件为薄弱风险因素。     

On the operator action analysis to reduce operational risk in research reactors

Human errors during operation and the resulting increase in operational risk are major concerns for nuclear reactors, just as they are for all industries. Additionally, human reliability analysis together with probabilistic risk analysis is a key element in reducing operational risk. The purpose of this paper is to analyze human reliability using appropriate methods for the probabilistic representation and calculation of human error to be used alongside probabilistic risk analysis in order to reduce the operational risk of the reactor operation. We present a technique for human error rate prediction and standardized plant analysis risk. Human reliability methods have been utilized to quantify different categories of human errors, which have been applied extensively to nuclear power plants. The Tehran research reactor is selected here as a case study, and after consultation with reactor operators and engineers human errors have been identified and adequate performance shaping factors assigned in order to calculate accurate probabilities of human failure.     

基于证据理论的煤矿瓦斯涌出组合预测

为提高煤矿瓦斯涌出量预测的准确度,引入证据理论组合预测方法。根据瓦斯涌出量及其主要影响因素间的实验数据,采用3个不同的粒子群神经网络模型对涌出量进行初步预测。并由BP、RBF网络对预测误差及预测点的影响因素进行分析建模,以获取每个模型的可信度。再利用证据理论对其进行合成,确定组合模型的权值,最终实现对瓦斯涌出量的组合预测。实例结果表明,该组合预测方法的平均绝对误差、均方误差分别为18.5%、5.8%,均小于神经网络组合法及等权平均法的相应预测误差,适用于煤矿瓦斯涌出量预测。     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题，采用认知可靠性与失误分析方法（CREAM）中的扩展预测法，计算10项管制通用任务的人误概率；在此基础上，以管制行为形成因子作为根节点构建贝叶斯网络，建立其与情景控制模式的不确定关系模型，对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下，由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大，从方法的客观性、合理性和适用性角度分析，贝叶斯网络在研究该问题时更具优势。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。