本發(fā)明專利技術公開了一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法及系統(tǒng)，該方法包括：對待處理的數(shù)字化人機界面的監(jiān)視單元數(shù)量進行模糊分段以建立模糊優(yōu)化因子序列；對模糊優(yōu)化因子序列進行分段免疫進化以提取模糊優(yōu)化因子，并分別對提取出的模糊優(yōu)化因子進行監(jiān)視人因失誤概率計算；判斷監(jiān)視人因失誤概率是否趨向穩(wěn)定，若是則終止進化，若否則返回分段免疫進化的操作；對獲得的多個監(jiān)視人因失誤概率進行比較，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)明專利技術方法及系統(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。
【技術實現(xiàn)步驟摘要】
本專利技術涉及核電廠數(shù)字控制領域，特別地，涉及一種應用于核電廠數(shù)字控制系統(tǒng)的數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法及系統(tǒng)。
技術介紹
操作人員通過人機界面獲取工廠當前運行狀況的信息，將獲得的信息，經(jīng)判斷、決策之后執(zhí)行相應的行為動作。經(jīng)驗表明，人機界面設計好壞對人的信息獲取，判斷等一系列行為將帶來影響。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，人因事故已成為當今核電站、化工廠等事故的主要根源，例如，在系統(tǒng)失效中，60% -90%歸于人誤動作；在1995年美國績計中，大約70% -90%事件與人有關。數(shù)字化系統(tǒng)的新特點從根本上改變了操作人員對人機界面的認知行為、監(jiān)視行為、及應急行為等，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，可以通過操作人員在整個數(shù)字化人機界面中的認知，監(jiān)視等過程來提高操作人員自身的適應能力、應變能力、判斷能力、應急能力等等二另一方面，可以以人因可靠性為基點對數(shù)字化人機界面進行優(yōu)化，這樣優(yōu)化后的人機界面更能減少人因事故發(fā)生的隱患。現(xiàn)有的人機界面監(jiān)視單元數(shù)量優(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值，需要更多次的運行來求得偏微分，使原本已經(jīng)很大的運行咸本更高。(2)似然比法似然比方法又稱評分函數(shù)，僅需要單次仿真運行就可以得到梯度的估計值，其基本思想是分析系統(tǒng)樣本路徑的概率測度對隨機變量分布函數(shù)的依賴關系，通過測度變換獲得似然比，進而構(gòu)造性能測度的估計量。此方法也比較適合數(shù)值性問題；該方法是通過一些估計得到結(jié)果。(3)粒子群優(yōu)化方法使用PSO方法解決優(yōu)化問題，把每個問題的潛在解定義為搜索空間中的一個粒子01,每個粒子可以用三元組(xi, vi, pi)表示,其中，xi表示粒子的當前位置；vi表示粒子的當前速度；pi表示粒子本身搜索過的最好的位置(個體經(jīng)驗)。(4)無約束間接法無約束間接法是利用函數(shù)性態(tài)，通過微分或變分進行求優(yōu)，主要有梯度法、牛頓法、變尺度法等。梯度法缺點是要求目標函數(shù)必須具有一階偏導數(shù)，并需計算，迭代點離最優(yōu)點遠時函數(shù)值下降快，越接近最優(yōu)點收斂速度越慢。牛頓法缺點是要求目標函數(shù)必須有一階、二階偏導數(shù)及海森矩陣非奇異且正定或負定，需要計算一階、二階偏導數(shù)及海森矩陣的逆陣，程序復雜、計算量大。變尺度法缺點是需計算一階偏導數(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，有時因計算誤差引起變尺度矩陣奇異而導致計算失敗。(5)有約束直接法該方法適用于僅含不等式約束的優(yōu)化問題，具體有網(wǎng)絡法、隨機方向搜索法以及復合形法等。(6)神經(jīng)網(wǎng)絡方法其實神經(jīng)網(wǎng)絡在優(yōu)化方面應用比較少，神經(jīng)網(wǎng)絡主要用來對輸入的權重因子進行修正及過程計算。本研究主要用來對數(shù)字化人機界面的監(jiān)視單元數(shù)量優(yōu)化，并未涉及到對權重因子修正；另一方面，很難找到適合神經(jīng)網(wǎng)絡的激勵函數(shù)，因此神經(jīng)網(wǎng)絡不適合本研究的監(jiān)視單元數(shù)量優(yōu)化問題。現(xiàn)有的人機界面監(jiān)視單元數(shù)量優(yōu)化方法的數(shù)據(jù)運算量大、迭代次數(shù)多，無法滿足快速設計數(shù)字化人機界面監(jiān)視單元數(shù)量的問題，以使得操作人員能快速且準確地獲得監(jiān)控信息，降低因人機界面信息獲取導致的人因事故的發(fā)生概率。
技術實現(xiàn)思路
本專利技術目的在于提供一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法，以解決快速對數(shù)字化人機界面監(jiān)視單元的數(shù)量進行優(yōu)化的技術問題。本專利技術的另一目的在于提供一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化系統(tǒng)，以解決快速對數(shù)字化人機界面監(jiān)視單元的數(shù)量進行優(yōu)化的技術問題。為實現(xiàn)上述目的，本專利技術采用的技術方案如下:一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法，包括以下步驟:對待處理的數(shù)字化人機界面的監(jiān)視單元數(shù)量進行模糊分段以構(gòu)成包括多個模糊優(yōu)化因子的模糊優(yōu)化因子序列；對所述模糊優(yōu)化因子序列進行分段免疫進化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子；依次對提取出的所述模糊優(yōu)化因子進行監(jiān)視人因失誤概率計算，以獲取提取出的所述模糊優(yōu)化因子對應的監(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定閾值，若是則終止對所述模糊優(yōu)化因子序列的分段免疫進化，若否則返回對所述模糊優(yōu)化因子序列進行分段免疫進化的步驟；對獲得的多個監(jiān)視人因失誤概率進行比較，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。進一步地，所述監(jiān)視人因失誤概率計算的步驟包括:對提取出的所述模糊優(yōu)化因子利用映射函數(shù)進行親和力失誤率運算，以計算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運算結(jié)果的親和力失誤率；對提取出的所述模糊優(yōu)化因子進行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運算，以計算出該模糊優(yōu)化因子對應的監(jiān)視人因失誤概率。進一步地，所述親和力失誤率運算采用的映射函數(shù)為:其中，η表示常量因子；PU表示第i個抗原因子中的第i個模糊優(yōu)化因子對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)本專利技術的另一方面，一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化系統(tǒng)，包括:模糊分段模塊，用于對待處理的數(shù)字化人機界面的監(jiān)視單元數(shù)量進行模糊分段以構(gòu)成包括多個模糊優(yōu)化因子的模糊優(yōu)化因子序列；分段提取模塊，用于對所述模糊優(yōu)化因子序列進行分段免疫進化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子；失誤概率計算模塊，依次對提取出的所述模糊優(yōu)化因子進行監(jiān)視人因失誤概率計算，以獲取提取出的所述模糊優(yōu)化因子對應的監(jiān)視人因失誤概率；進化判斷模塊，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定閾值，若是則終止對所述模糊優(yōu)化因子序列的分段免疫進化，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，用于對所述失誤概率計算模塊獲得的多個監(jiān)視人因失誤概率進行比較，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。進一步地，所述失誤概率計算模塊包括:親和力失誤率計算單元，用于對提取出的所述模糊優(yōu)化因子利用映射函數(shù)進行親和力失誤率運算，以計算出影響監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運算結(jié)果的親和力失誤率；失誤概率計算單元，用于對提取出的所述模糊優(yōu)化因子進行監(jiān)視轉(zhuǎn)移馬爾可夫人因可靠性模型運算以計算出該模糊優(yōu)化因子對應的監(jiān)視人因失誤概率。本專利技術具有以下有益效果:本專利技術數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法，通過采用模糊分段建立用于監(jiān)視單元的數(shù)量優(yōu)化的模糊優(yōu)化因子序列，并進一步通過分段免疫進化方法在模糊優(yōu)化因子序列中選取模糊優(yōu)化因子以進行監(jiān)視人因失誤概率計算，在監(jiān)視人因失誤概率趨向穩(wěn)定的情況下終止進化過程，減少了進化的迭代次數(shù)，精簡了運算數(shù)據(jù)量，提升了運算效率，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。本專利技術數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化系統(tǒng)，通過采用模糊分段建立用于監(jiān)視單元的數(shù)量優(yōu)化的模糊優(yōu)化因子序列，并進一步通過分段免疫進化方法在模糊優(yōu)化因子序列中選取模糊優(yōu)化因子以進行監(jiān)視人因失誤概率計算，在監(jiān)視人因失誤概率趨向穩(wěn)定的情況下終止進化過程，減少了進化的迭代次數(shù)，精簡了運算數(shù)據(jù)本文檔來自技高網(wǎng)...
【技術保護點】
一種數(shù)字化人機界面監(jiān)視單元數(shù)量優(yōu)化方法，其特征在于，包括以下步驟：對待處理的數(shù)字化人機界面的監(jiān)視單元數(shù)量進行模糊分段以構(gòu)成包括多個模糊優(yōu)化因子的模糊優(yōu)化因子序列；對所述模糊優(yōu)化因子序列進行分段免疫進化以從所述模糊優(yōu)化因子序列中提取模糊優(yōu)化因子；依次對提取出的所述模糊優(yōu)化因子進行監(jiān)視人因失誤概率計算，以獲取提取出的所述模糊優(yōu)化因子對應的監(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定閾值，若是則終止對所述模糊優(yōu)化因子序列的分段免疫進化，若否則返回對所述模糊優(yōu)化因子序列進行分段免疫進化的步驟；對獲得的多個監(jiān)視人因失誤概率進行比較，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。
【技術特征摘要】
【專利技術屬性】
技術研發(fā)人員：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(專利權)人：湖南工學院，南華大學，中廣核核電運營有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。