LMBP神经网络的数字化系统中应用人员防护研究
导读：基于BP神经网络可以充分逼近任意复杂的非线性关系，并目_它可以在不了解数据产生原因的前提下，对非线性过程建模。由本站硕士论文中心整理。
第一章绪论
1.1本课题研究的背景、目的及意义
二哩岛和!切尔诺贝利核事故发生之后，人们已深刻认识到人的因素对核电站这一类大规模现代化人一机系统运行安全的极其重要性。尤其是数字化系统得到广泛应用之后，人一机交互作用界面呈现出新的特征，当数字化系统出现异常之后，处十紧急状态下的操纵者的行为受诸多因素的影响，很容易引发二次事故，造成人员伤亡和系统崩溃，给人民财产和社会经济带来损失和伤害。
随着科技的进步及其系统自动化程度的提高，人在正常控制过程中直接参与控制的比例越来越少，但是一方面，由于人的生理、心理、社会、精神等特性，既存一些内在弱点，又有极大可塑性和难以控制性;另一方面，尽管系统的自动化程度提高了，但归根到底还是要由人来控制操作，要由人来设计、制造、组织、管理、维修、训练，要由人来决策，因人在系统中的作用不是削弱了，是更加重要和突出了。特别是从安全性角度来看，由十人的因素诱发的事故已成为大型人一机系统最主要的事故源之一，预防与减少人因事故已是确保复杂工业系统安全运行所at需解决的关键问题之一。
紧急状态区别十正常状态，人因事故发生的概率比正常状态要高很多，对复杂工业系统的安全具有潜在的影响。处十紧急状态下的操作者的行为和数字化系统都呈现一些不同十常态的新特征，这些因素直接或间接引导人因事故的发生。本文将针对数字化系统紧急状态下，分析数字化工业系统中紧急状态下的重要人误因素(即应急行为可靠性影响因素)，建模预测操纵员的应急行为可靠性，以期能最大程度地防止和减少数字化工业系统中紧急状态人因事故的发生，为复杂工业系统的安全提供一份保障。
数字化系统中操纵员应急行为可靠性研究，就是探求应急行为可靠性影响因子与应急行为可靠性水平的映射关系，它属十一种非线性问题。BP神经网络可以充分逼近任意复杂的非线性关系，并目_它可以在不了解数据产生原因的前提下，对非线性过程建模。本文运用BP神经网仿真得到的结果与实际检测结果一致;并通过对样本的不断训练，BP网络使权值收敛在一个稳定的范围，避免了主观因素的影响。
本文的意义在十本文将神经网络引用入数字化系统应急行为可靠性研究中，尝试预测数字化系统中操纵员应急行为可靠性各主要影响因素综合作用下的操纵员应急行为可靠性水平，并希一望为后续研究奠定基础，即研究通过合理地调节各影响因素的度使操纵员应急行为可靠性水平提至最高。并希一望建立一类具备相似安全隐患工业系统的神经网络(BP)模型的拓扑结构，通过对训练样本集的学习，并经过测试样本集的测试，建立此类工业系统应急行为可靠性的BP模型，从用十同类工业系统的应急行为可靠性分析，提高操纵员的应急行为可靠性，减少工业系统二次事故的发生及提高整个系统的安全度。
本文以现实系统的安全为目标，按照科学的程序和方法，对人的影响因素、行为特征，应急行为可靠性水平、二次事故损失与伤害程度进行调查研究与分析论证，从为预防人因事故的准确性以及制定基本预防和防护措施提供科学的依据。总之本次论文的研究能促进大型工业系统实现安全管理的系统化、标准化和科学化。并希一望通过本次研究分析和建模后，能将此种方法运用十同类工业系统的应急行为可靠性分析，预防紧急状态下因类似人因失误导致的事故。
1.2人因工程的发展
人因工程学素有“起源十欧洲，形成十美国”之说，实际上人因工程思想的萌芽可追溯到人类的早期活动，其学科的形成与发展经历了漫长的历史阶段。人因工程学在第二次世界大战之后得到广泛推广，人因工程研究成果广泛应用十工业领域。二十世纪五十年代电子计算机应用迅速发展，特别提出六十年代载人航天活动取得了突破性进展，这一切使得人因工程问题的研究显得更为突出，在欧美等发达国家都建立了专门机构研究人因工程问题，研究工作也由“人适应机器(human to machine) ",“机器适应人(machine to human) ",“环境适应人(environment to human)”的各个领域转入人因系统理论上来，更加系统地研究人一机一环境最佳匹配，以保证系统整体最优。1960年正式成立国际人因工程学会，简称IEA o IEA在其会刊中指出，现代人因工程学发展[f2l的二个特点:
(1)不同十传统人因工程学研究中着眼十选择和训练特定的人，使之适应工作要求，现代人因工程学着眼十机械设备的设计，使机器的操作不超出人类能力界限之外。
(2)密切与实际应用相结合，通过严密计划设定的广泛实验性研究，尽可能利用所掌握的基本原理，进行具体的机械装备设计。
(3)力求使试验心理学、生理学、功能解}}学等学科的专家与物理学、数学、工程学方面的研究人员共同努力、密切协作。
近期人因工程研究方向多为工作负荷研究、工作环境研究、工作场地、工作空间、工作装备的人因工程学研究、信息显示计算机设计与使用的人人因工程学研究、安全管理与人的可靠性研究、工作成就的测量和评定、机器人设计的智能模拟等问题研究。
我国的人因工程研究起步较晚，但近期发展较快，解放前仅有少数从事工程心理学的研究，到六十年代初也只有中科院、中国军事科学院等少数单位从事本学科中个别问题的研究，研究范围仅局限十国防和军事领域。十年动乱期间，本学科一度停滞，直至七十年代末才进入较快的发展时期，1980年建立全国人类工效学标准化技术委员会至1988年已制定有关国家标准22项。1980年成立中国人类工效学学会，中科院心理所及一些高校分别建立了人因工程学研究机构，它的研究和应用已广泛涉及到铁路、冶金、汽车运输、工程机械、机床设计、航空航天、医药、航海、电子能源等多领域并取得不少成就，它的不断发展和口趋完善，将在科学技术的发展中发挥积极作用。
3.本课题的研究现状
1.3.1国内外HRA研究现状
随着科技发展，系统及设备自身的安全与效益得到不断提高，人一机系统的可靠性和安全性愈来愈取决十人的可靠性。据统计，X20-90}%的系统失效与人有关，其中直接或间接引发事故的比率为(}0-9o}}io，因此，如何把人的失误对十风险的后果考虑进去，以及如何揭示系统的薄弱环节，在事故发生之前加以防范，便成为at待解决的重要问题。}fu这些都以详尽和准确的人因可靠性分析(HRA: Human Reliability Analysis)为基础oHRA的方法发展得很快，种类也较多，有些已在HRA
中正式得到应用，有些仅是提出作为HRA的可选择方法，以下简单介绍几种常用的HRA方法。
( 1) THREP人误率预测技术(Technique of human error rate prediction)是迄今为止最系统的人因可靠性分析方法[3]。THERP为人因分析者提供了大量用十确定人员操作失效的数据，用十评价人员的操作失效比较方便。但应注意,THERP由查表量化所得的值仅为单一操作员的失误率。人因可靠性分析往往需要模拟整个运行班组的行为，因此，在使用THERP时需另外考虑运行班组成员之间的相关性，否则所得的结果将过十保守。同时，THERP使用行为修正因子(PSF)，其PSF的影响也由查表的方式决定。这些数据常由分析人员主观选择，因此，其结果有不确定性。虽然THERP存在一些不足之处，但它仍是较成熟、使用较普遍的人的可靠性分析方法。
(2) HCR人的认知可靠性模型C Human cognitive reliability model ) o HCR模型提供了一种用模拟机实验数据，将其作为进行人一机交互作用过程中的人因可靠性分析的有力工具，但问题是人的决策过程往往是综合利用各种能力的过程，很多情况下难以将其明确地划分为技能型、规则型或知识型，Ifn这种划分理论上的依据也不足。另外，威布尔分布中的3个参数来源十模拟机实验，它受到班组成员的知识水平、模拟机界面、人的应激水平等条件因素的影响，这更也限制了HCR模型的实际应用。其次，HCR模型中的T(1/2)值往往需要专家判断确定，这增加了模型的不确定性。但由十它首先使用了模拟机的实验手段，结果较为客观并开始深入到人的失误的内在机理的研究领域，这是HRA研究分析的一大进步。
(3) SLIM成功似然指数法(Success likelihood index methodology。当人因失误的数据非常缺乏时，对人的可靠性的评价就不得不依靠成功似然指数法。该法十1984年由Embrey首先提出，它是一种由专家集体进行评判的方法。主要用十多维因素影响状态下的人因可靠性分析，并目_只有当对人员的各种响应的绩效形成因子已知的条件才可能进行定量化计算。
迄今为止，HRA已有数十种方法，这些方法对HRA的发展和应用起了良好的推动作用。但正如许多HRA专家所评论的那样，它们均存在诸多不足[[5]:缺乏充分的数据;多依赖专家判断;缺乏对模拟机数据修正的一致认同;HRA方法的正确性与准确性难以验证;缺乏对重要的行为形成因子的恰当考虑和处理等。HRA方法的模型是以多种学科为基础Ifn建立的，着重研究产生人的行为的情景及它们是如何影响人的行为的，因此，笔者认为HRA的方向发展为:建立循环式的人的行为模型，即假设人的任何行为都是在意向或事件的驱动下产生的，人的动作过程不是事先规定}fn是依赖十当时情景条件建造出来的，这些动作之间高度相关;人的行为机理研究，人的行为机理研究应建立在个体、群体和组织行为的基础上，系统地研究人的行为特性、行为模式、失误源、控制管理、失误形态等，完善和拓展人的行为机理研究的内涵。
1.3.2预测技术的建模方法
比较常用的定量预测技术有经典技术(单耗法、负荷密度法、比例系数增长法、弹性系数法等)、趋势外推预测技术、回归模型预测技术、时间序列预测技术、模糊预测技术、灰色模型预测技术、专家系统预测技术、人工神经网络预测技术、优选组合预测法等。下面介绍二种预测技术的建模方法。
(1)回归模型预测技术
根据过去的历史资料，建立可以进行数学分析的数学模型，对未来进行预测。其特点是将影响预测目标的因素作为自变量，将预测目标作为因变量。回归分析法中，自变量是可控变量，因变量是随机变量，又给定的多组自变量和因变量资料1，研究各种变量之间的相关关系。利用得到的经验回归方程式来表示变量之间的定量关系，预测系统将来的值。回归预测包括线性回归(一兀线性回归模型、多兀线性回归模型)和非线性回归。
(2)模糊预测技术
应用模糊逻辑和人员的专业知识，通过对历史数据进行识别、隶属度计算和聚类分析，根据模糊聚类参数与预测因子的前期特征值，确定相应的类别变量特征值，建立变量特征值与预测对象之间的相关关系，应用这种确定的相关关系进行预测。也就是将数据和语言形成模糊规则库，然后选用一个线性模型逼近非线性动态的系统输出。
(3)人工神经网络法
利用人工神经网络(ANN)，选取一段时间内各事故的影响因子及对应的输出作为训练样本，然后构造适肩{的网络结构，用某种训练算法对网络进行训练，使其满足精度要求之后，用ANN作预测。人工神经网络法被认为是一种非常有效的预测技术[f}l，己经取得了许多成功的应用实例。本论文主要针对其在应急行为可靠性预测中的应用进行讨论。
1.3.3操纵员应急行为可靠性水平预测的研究现状
数字化系统出现异常之后，操纵者的应急行为直接关系到事故的最终处理及系统的安全，国外早几年已经有学者对十数字化系统中人一机交互作用下操纵者的应急行为可靠性进行了研究并试验分析，国内此研究方向还处十全新的领域。张力博士在国家自然科学基金(批准号:70873040)的支持下，对数字化系统中人的行为进行分析及模型研究，成为国内较早研究该方向的学者。
国外已经有大量学者研究数字化系统技术广泛应用之后，紧急状态下的人误机制，以及操作者应急行为认知失误因素，并通过一些实验或建模分析方法，建立此类工业系统可靠性研究的数学模型，从}fiJ运用十同类工业系统的人误分析，分析工业系统的安全度，预防人因事故的发生。Kunihide Sasou所著的《Human factor analysis on criticality accident)) }g]一文中就着重论述了在紧急事件中人因起的作用，他引用了口本JCO公司核临界事故的背景，这起事故的直接原因是未采用临界安全设备及工人的违规操作，} fiJ根本原因在十人因失误，文章从事故的处理过程，以及应急措施实施中，分析了这次事件中的人的影响因素。Jae W.Kim不II Wondea Jung所著的《A taxonomy of performance influencing factors for human reliability analysis of emergency tasks))}9]介绍了紧急状态下人因可靠性分析中行为影响因素的一种新的分类，文章收集并分析了现有的行为影响因素的分类，并提出了一种新的分类，描述为:人，系统，任务，环境，并从这四个方面很详细的分析了行为影响因素，并为人因可靠性分析构建了新的PIFs o W.D. Junga., W. C.Yoonb不II J.W. Kima所著的《Structured information analysis for human reliability
analysis of emergency tasks in nuclear power plants)) }10}描述了核电站中紧急状态下人因可靠性分析中的结构信息分析，提出了目前先进IIRA需要一种新的分析，提出了一种紧急状态下对HRA的新的分析，这种方法被称为结构信息分析，文章最后探讨了SIA的在紧急状态下的实际应用以及专家对此的评估，分析了SIA对十HRA的有效性。
国内针对数字化系统中常规状态下的人误分析已有成果，但是针对紧急状况下的人误分析较少，尤其是针对操作者应急行为认知失误的研究分析更是少。国内开始人因工程方向的研究时间不是很长，近年来，国内的学者研究了人安全行为特征，人的可靠性评估，人因可靠性分析技术，操作者数字化控制界面管理任务等等一些人因工程领域的理论以及一些研究分析方法。张力所著的《概率安全评价中人因可靠性分析技术》一书对十人因失误概率的评估有着重大的意义，人因可靠性分析技术(HRA)已经成为系统安全分析与评价的极为重要的组成部分，该书基十人因工程学、认知心理学和行为科学，建立了人因可靠性分析技术的基本理论，并从工程角度分析了概率安全评价对十人因可靠性分析技术的本质需求，构建了一种规范化、工程化、具有很强可操作性的人因可靠性分析技术;刘素娟所著的《核电厂数字化控制室界面管理任务对控制室运行人员的影响》研究了界面管理任务，也即调用信息和配置控制室工作站画面。文章认为要在计算机工作站，操纵人员要完成电厂监控任务，还必须以完成第二层面的任务为前提，界面管理任务就成为操纵员和重要信息之间的障碍，文章研究了界面管理任务对人因失误影响的途径，以及提出了建设性的解决办法，比如在设计中充分虑人因工程原则的应用，将有利十优化控制室人机界面设计，从降低人员错误出现的概率，提高人机界面的容错性能;童时中所著的《关十控制室系统中人的可靠性评估》[13]分析了人失误的表现形式及影响因素，提出了现代的生产过程中自动化系统的控制室中人的可靠性评价内容，并介绍了评价方法及评价结果的定性和定量的表达方法，文章最后提出了对十复杂人机系统，建立人因可靠性数据库及其管理系统，运用专家系统技术进行人可靠性评价是基本发展方}句。
本文基十以上的分析，尝试将人工神经网络法应用十数字化系统中操纵员应急行为可靠性水平预测研究中。数字化系统中影响操纵员应急行为的因素很多，加上这些因素的影响程度也不一样，因此，评价结果很难用一个数学解析式来表示，实际上是一个比较复杂的、非线性综合决策问题。Bp神经网络可以充分逼近任意复杂的非线性关系，并目_它可以在不了解数据产生原因的前提下，对非线性过程建模。由十Bp神经网络所具有的强大非线性处理能力，因此利用神经网络对操纵员应急行为可靠性水平进行预测，是比较科学的。由十标准的Bp算法本身存在一些缺陷:Bp算法的训练速度非常慢，使得训练很难掌握;在网络训练过程中容易陷入局部极小点，并目_很难逃离局部极小点;存在网络瘫痪。因此如果用标准的Bp算法进行网络训练，容易造成收敛速度相当慢，甚至不收敛的结果。现存的改进的Bp算法有很多种，哪种算法更加的适合操纵员可靠性研究呢?需要做进一步的研究。
1.4本课题研究的总体思路和结构安排
数字化系统中操纵者应急行为可靠性研究是一个多因素分析和决策的智能过程，传统方法难以克服机械推理、依赖经验等缺点，效率和结果往往不甚理想。本文旨在研究人工神经网络应急行为可靠性水平预测模型、及模型结构和特点，充分发挥神经网络的长处，探讨一种新的数字化系统中操纵员应急行为可靠性水平预测方法。
本文的基本思路如下:
y数字化系统中操纵者应急行为失误分析(见第二章)
分析了数字化系统区别十常规系统的新特征，数字化系统处十紧急状态下的技术特征;分析了操纵者的常规行为特征及其应急行为特征;分析了人一机交互作用及数字化系统和人之间的关系及相互影响。
探讨了影响数字化系统中操纵者应急行为可靠性的人误因素(即影响因素)，分析了数字化系统控制特点对操纵员应急行为的影响，重点分析了操纵者的认知失误模式及其建模所需的定性化主要影响因素指标内容。
2} LMBP神经网络的基本原理与MATLAB神经网络工具箱的介绍(见第二
章)。
介绍了人工神经网络的一些基础知识，包括人工神经兀模型，人工神经网络的特点和功能、结构、学习规则，着重探讨了应用最为广泛的BP神经网络原理，及其LMBP改进算法。同时详细介绍了MATLAB神经网络工具箱，目的是为本文第四章研究工作奠定基础。
3)数字化系统中操纵者应急行为BP神经网络模型的建立及其MATLAB实现(见第四章)
首先选择前馈型神经网络模型类型，然后建立神经网络模型的拓扑结构及其确定输入和输出参数、学习算法、训练样本。最后使用MATLAB工具箱训练网络，并用测试样本集对网络功能进行测试。
4)对本论文的研究工作做总结。
参考文献
[1]张力.在更广泛基础上预防和减少事故阴.管理工程学报，1998,12 C3): 5962.
[2]威肯斯人因工程学导论[M].上海:华东师范大学出版社，2007: 4一10.
[3] A. D. Swain, H. E. Guttmann, Handbook of Human Reliability Analysis with Emphasis on Nuclear Power Plant Applications[J].NUREG/CR-1278, 1983.
[4]张力、邓志良.人员可靠性定量评价方法阴.中南工学院学报，1995,6:78.黄曙东.人因可靠性分析方法!J].中国安全科学学报，2001,11 C3) :6一16.尧，阎平凡.神经网络与模糊控制!M].北京:清华大学出版社，1998.
[5]高隽.人工神经网络原理及仿真实例[M].北京:机械工业出版社，2003,1718.
[6] Kunihide Sasou. Human factor analysis on criticality accident [J]. Human Factors Research Center, CRIEPI,2006.
[7] J. W Kim，W Jung .A taxonomy of performance influencing factors for human reliability analysis of emergency tasks [J] .Journal of Loss Prevention in the Process Industries ,2003,16:479495.
[ 8] W.D. Junga, *, W. C. Yoonb, J. W. Kima. Structured information analysis for human reliability analysis of emergency tasks in nuclear power plants[J].Reliability Engineering and System Safety ,21-322001,71:2132.
[9]张力.概率安全评价中人因可靠性分析技术[M].北京:原子能出版社，2006.7.
[10]刘素娟.核电厂数字化控制室界面管理任务对控制室运行人员的影响[[J]. 核电安全，2008,1(2):162167.
[11]童时中.关十控制系统中人的可靠性评估[[J].中南工学院学报，1999,13(2):125一130.
[12]杨岐.核电厂数字化仪表与控制系统的应用现状与发展趋势阴.核动力工 程，1998,19 ( 2):124129.
[13苟锐，马泽群.数字化人机界面设计的新动向[[J].人类工效学，2006,12 (2):3940.
[14] Stephanie Guerlain, Associate Member, IEEE, Greg A. Jamieson, Peter Bullemer, and Ronald Blair. The MPC Elucidator: A Case Study in the Design for Human-Automation Interaction[J]. SYSTEMS AND HUMANS, VOL. 32 NO. 1，January 2002.
[15] Moller M F.A scaled conjugate gradient algorithm for fast supervised learning[J] .Neural Networks, 1993(6):525533.
[16] Charalambous C. Conjugate gradient algorithm for efficient training of artificial neural networks[J]. IEEE proceedings,1992, 3(139):302310.
[17] Battiti R.First and second order methods for learning: Between steepest descent and Newton's method[J]. Neural Computation,1992,2(4):141一166.
[18]Foresee F D，Hagan M T .Gauss-Newton approximation to Bayesian regularization[C]. Proceedings of the 1997 International Joint Conference on
Networks,1997,193 0} 193 5.
摘要 5-7
ABSTRACT 7-8
第一章 绪论 9-17
1.1 本课题研究的背景、目的及意义 9-10
1.2 人因工程的发展 10-11
1.3 本课题的研究现状 11-16
1.4 本课题研究的总体思路和结构安排 16-17
第二章 数字化系统中操纵员应急行为失误分析 17-36
2.1 数字化系统&人的特性分析 17-28
2.2 人-系统特性及对人因的影响 28
2.3 数字化系统中操纵员应急行为失误主要影响因素分析 28-36
第三章 LMBP 神经网络的理论基础 36-52
3.1 BP 神经网络 36-42
3.2 Levenberg-Marquard BP 改进算法 42-45
3.3 运用MATLAB 神经网络工具箱建立BP 网络模型 45-52
第四章 数字化系统中操纵员应急行为可靠性预测的神经网络模型 52-70
4.1 神经网络应用于应急行为可靠性预测模型的可行性分析 52-54
4.2 应急行为可靠性预测的人工神经网络模型结构 54-61
4.3 数据采集与预处理 61-63
4.4 模型仿真与结果分析 63-70
第五章 结论与展望 70-71
5.1 结论 70
5.2 展望 70-71
参考文献 71-74
附录 74-77
成果目录 77-78
致谢 78
您可能有计算机工程硕士学位论文方面的购买需求，请到工程论文硕士论文频道选取：