浦同爭(zhēng) 何敏 宗容 劉軍奇

隨著無人機(jī)技術(shù)的快速發(fā)展,無人機(jī)被廣泛應(yīng)用于軍事及民用領(lǐng)域,但伴隨著無人機(jī)相關(guān)的事故也逐漸上升.雖然隨著無人機(jī)各種關(guān)鍵技術(shù)(新能源及動(dòng)力技術(shù)、新型航空材料、航空微電子系統(tǒng)、空氣動(dòng)力技術(shù)等)的高速發(fā)展,無人機(jī)無論在性能上還是操作性、可靠性等方面都取得了長(zhǎng)足進(jìn)步,但仍不具備人們所期望的可靠性與安全性.近年來,據(jù)不完全統(tǒng)計(jì),美國(guó)空軍無人機(jī)系統(tǒng)就發(fā)生涉及3大類11個(gè)型號(hào)81起事故災(zāi)難性事故案;從2009年至2014年,FAA通過UAS A&I(Preliminary Reports of Accidents and Incidents Database)平臺(tái)來收集民用無人機(jī)共涉及44個(gè)型號(hào)274起事故/事故征候[1].目前,無人機(jī)系統(tǒng)的安全性及可靠性作為一個(gè)新的研究熱點(diǎn)受到廣大學(xué)者及專家的廣泛關(guān)注.相關(guān)研究工作主要集中于系統(tǒng)整體可靠性分析及研究、無人機(jī)飛行相關(guān)可靠性研究、無人機(jī)著陸穩(wěn)定性,無人機(jī)可靠性設(shè)計(jì)及無人機(jī)可靠性管理系統(tǒng)等[2?10].據(jù)無人機(jī)事故分析,無人機(jī)操作的可靠性及其可靠性因素在很大程度上均與人的因素有關(guān).因此,進(jìn)行無人機(jī)系統(tǒng)操作人因可靠性研究工作對(duì)于降低無人機(jī)系統(tǒng)操作人為差錯(cuò)發(fā)生概率、提高無人機(jī)系統(tǒng)操作可靠性具有重要意義.

近年來,有部分專家學(xué)者針對(duì)無人機(jī)操作員人因可靠性開展了一些嘗試性的研究,但大多主要集中于無人機(jī)操作員人因可靠性的影響因素分析[11?13],關(guān)于特定情景環(huán)境下無人機(jī)操作員人因可靠性的定量分析研究還未受到重視.無人機(jī)駕駛受環(huán)境、訓(xùn)練、人機(jī)環(huán)境等眾多因素影響,無人機(jī)駕駛過程主要由認(rèn)知、觀察、判斷、執(zhí)行等一系列活動(dòng)組成.CREAM方法的核心思想正是基于人完成任務(wù)時(shí)所處的情景環(huán)境,利用影響人的認(rèn)知控制模式和其在不同認(rèn)知活動(dòng)中的效應(yīng),從而影響人的行為;且CREAM基本法通過對(duì)情景環(huán)境量化處理能有效解決缺乏數(shù)據(jù)這個(gè)難題,避免對(duì)失誤數(shù)據(jù)的依賴.目前,CREAM方法已經(jīng)在核工業(yè)、航空航天、交通運(yùn)輸?shù)阮I(lǐng)域廣泛應(yīng)用,并取得很好的效果[14?17].

根據(jù)無人機(jī)系統(tǒng)中人因失誤產(chǎn)生機(jī)理及影響因素,結(jié)合無人機(jī)操作特性,利用改進(jìn)CREAM基本法構(gòu)建了無人機(jī)操作員CPC因子集,并針對(duì)CREAM基本法預(yù)測(cè)結(jié)果不夠精確且概率區(qū)間存在交叉等問題,對(duì)CREAM方法進(jìn)行改進(jìn),利用改進(jìn)的CREAM方法對(duì)無人機(jī)操作員人因可靠性進(jìn)行定量分析研究.

1 無人機(jī)系統(tǒng)操作員可靠性人因分析

無人機(jī)系統(tǒng)操作是人–機(jī)–環(huán)境相互交互的一個(gè)過程.在此過程中,操作員按照任務(wù)指令或預(yù)定程序要求,通過獲取的系統(tǒng)參數(shù)、無人機(jī)狀態(tài)、飛行環(huán)境等信息對(duì)無人機(jī)系統(tǒng)進(jìn)行分析感知;然后執(zhí)行相應(yīng)動(dòng)作.其中,外界環(huán)境條件、操作員本身、組織因素、任務(wù)及無人機(jī)系統(tǒng)均會(huì)對(duì)任務(wù)執(zhí)行產(chǎn)生影響,導(dǎo)致操作行為不符合任務(wù)要求,產(chǎn)生人為差錯(cuò).

根據(jù)以上分析,無人機(jī)系統(tǒng)的操作并不是隨機(jī)的,而是基于操作員的認(rèn)知活動(dòng),并受到任務(wù)情景的影響.無人機(jī)操作中人的認(rèn)知模型如圖1所示.

根據(jù)CREAM方法,在無人機(jī)系統(tǒng)操作過程中,操作員認(rèn)知行為存在許多失效模式,不同的失效模式對(duì)應(yīng)相應(yīng)的失效概率,如表1所示.

CREAM方法將任務(wù)所處的情景環(huán)境影響因素歸納成九大因素,統(tǒng)稱為共同績(jī)效條件(Common Performance Condition,CPC),涵蓋了影響情景環(huán)境的各個(gè)要素(組織管理、工作條件、人機(jī)交互等).根據(jù)無人機(jī)系統(tǒng)操作實(shí)際,CREAM方法中的CPC因子并不能直接應(yīng)用于其中,通過對(duì)無人機(jī)人因相關(guān)因素的統(tǒng)計(jì)分析,無人機(jī)系統(tǒng)操作CPC因子調(diào)整如表2所示.

CREAM基本法的基本思想[18]:根據(jù)人完成任務(wù)所處的情景環(huán)境,獲取相應(yīng)CPC因子水平,并確定其績(jī)效效應(yīng),然后由綜合的績(jī)效效應(yīng)確定該任務(wù)所處的控制模式(即戰(zhàn)略型、戰(zhàn)術(shù)型、機(jī)會(huì)型及混亂型),如圖2所示.相應(yīng)的控制模式對(duì)應(yīng)一個(gè)概率區(qū)間,如表3所示,即某確定環(huán)境下的人員可靠性.在某一確定任務(wù)下的人員失誤率(Human Error Probability,HEP)根據(jù)分解任務(wù)得到人員相關(guān)的失誤概率,然后利用CPC影響程度修正基本失誤概率.

表1 失效模式及失效概率對(duì)照表

2 改進(jìn)的CREAM方法

CREAM基本法在人因失誤概率預(yù)測(cè)具有操作簡(jiǎn)單、應(yīng)用方便等特點(diǎn).但CREAM基本法未考慮CPC因子權(quán)重,視為同等重要,容易引入誤差;此外,根據(jù)任務(wù)的情景環(huán)境確定相應(yīng)的控制模式,最終只是得到任務(wù)發(fā)生失效的概率區(qū)間,且相鄰的概率區(qū)間存在重疊,造成最終評(píng)估結(jié)果存在瑕疵.在實(shí)際工作當(dāng)中,CPC因子重要程度存在差異,且相應(yīng)任務(wù)的情景環(huán)境及控制模式均是連續(xù)的,CREM基本法中將其離散化了.針對(duì)CREAM基本法以上存在的問題,采用序關(guān)系分析法確定CPC因子的權(quán)重系數(shù),構(gòu)建了HEP與控制模式連續(xù)區(qū)間函數(shù),根據(jù)績(jī)效可靠性效應(yīng)得出最終失效概率確定值.

圖1 無人機(jī)操作中人的行為認(rèn)知模型

表2 共同績(jī)效條件和績(jī)效可靠性

圖2 控制模式與CPC關(guān)系圖

表3 控制模式及對(duì)應(yīng)HEP區(qū)間

2.1 情景環(huán)境指數(shù)量化

假設(shè)情景環(huán)境指數(shù)為β,其值為CPC因子綜合績(jī)效效應(yīng)之和.為方便計(jì)算,對(duì)CPC因子績(jī)效效應(yīng)量化處理有

其中,CCPCi為第i個(gè)CPC因子績(jī)效效果量化值.

假設(shè)第i個(gè)CPC因子的人因可靠性影響權(quán)重為wi,則有

2.2 基于序關(guān)系分析法的CPC因子權(quán)重計(jì)算

序關(guān)系分析法根據(jù)專家經(jīng)驗(yàn)確定影響因素重要度順序,通過對(duì)評(píng)級(jí)指標(biāo)相對(duì)重要程度的比較,最終得出各評(píng)價(jià)指標(biāo)的權(quán)重系數(shù).該方法具有計(jì)算簡(jiǎn)單、定量及定性相結(jié)合、實(shí)用等優(yōu)點(diǎn),而且有效克服了層次分析法計(jì)算復(fù)雜、一致性檢驗(yàn)等問題.序關(guān)系分析操作步驟如下.

2.2.1 序關(guān)系確定

若評(píng)價(jià)指標(biāo)xi相對(duì)于某評(píng)價(jià)目標(biāo)的重要性程度大于(或小于)xj時(shí),則記為 xi?xj.依此類推,根據(jù)專家經(jīng)驗(yàn)建立評(píng)價(jià)指標(biāo)與評(píng)價(jià)目標(biāo)的關(guān)系式即稱評(píng)價(jià)指標(biāo) x1,x2,···,xm之間按“?”確定了序關(guān)系.其中,表示{xi}按關(guān)系“?”排定順序后的第i個(gè)評(píng)價(jià)指標(biāo)(i=1,2,···,m).

2.2.2 評(píng)價(jià)指標(biāo)間重要程度判斷

設(shè)專家關(guān)于評(píng)價(jià)指標(biāo)xk?1與xk的重要性程度之比ωk?1/ωk的理性判斷分別為

當(dāng)m較大時(shí),可取rm=1.rk的賦值如表4所示.

表4 rk賦值表

2.2.3 權(quán)重系數(shù)計(jì)算

假設(shè) x1,x2,···,xm具有序關(guān)系 x1?x2? ···?xm,且 rk與 rk?1滿足下式:

則有

其中,m為評(píng)價(jià)指標(biāo)的數(shù)量.

2.3 人員失效概率計(jì)算

假設(shè)控制模式是一個(gè)連續(xù)區(qū)域空間[19],用X表示,x為情景指數(shù),且x∈X為X空間的變量;控制模式與HEP值為一一對(duì)應(yīng)關(guān)系,HEP與控制模式之間的關(guān)系可用函數(shù)表示為:

HEP值與情景環(huán)境指數(shù)x之間呈指數(shù)關(guān)系[18],式(7)可表示為:

其中,K,λ為常數(shù);x變量與情景環(huán)境相關(guān),且當(dāng)情景環(huán)境如果是平衡的,則x=0.相應(yīng)地,當(dāng)“改進(jìn)”、“降低”效應(yīng)均為0時(shí),x的值也為0,于是有

假設(shè)9個(gè)CPC因子具有相同的重要程度,則當(dāng)“改進(jìn)”之和與“降低”之和分別達(dá)到最大、最小值時(shí),即β=7/9,情景環(huán)境為最優(yōu)且HEP值最小.相應(yīng)地,β=1時(shí),HEP值最大.根據(jù)式(8)可得:

其中,HEPmin、HEPmax分別為HEP的最小值及最大值.由表3,HEPmin=0.00005,HEPmax=1.代入式(10)可得:

將式(11)代入式(8)可得HEP的計(jì)算公式如下:

2.4 討論

目前,關(guān)于CREAM方法在人因可靠性的應(yīng)用主要分為兩類.第一類首先通過CPC因子集得到其情景影響指數(shù),然后得到其對(duì)應(yīng)的控制模式,最后計(jì)算其人因失效概率;另一類,首先通過相關(guān)推理規(guī)則建立CPC因子與控制模式之間的關(guān)系,然后根據(jù)CPC因子相應(yīng)的權(quán)重綜合CPC因子集,最后計(jì)算其失效概率值.改進(jìn)CREAM方法與現(xiàn)存CREAM方法比較匯總?cè)绫?所示.

由表5可知,改進(jìn)方法相比CREAM基本法[18]更加科學(xué)合理,預(yù)測(cè)結(jié)果更加準(zhǔn)確;與模糊CREAM方法[20]相比,改進(jìn)方法操作更加簡(jiǎn)單高效.

為驗(yàn)證式(12)的合理性,選取不同情境進(jìn)行分析,如表6所示.

表6中,改進(jìn)CREAM方法所得的HEP相應(yīng)評(píng)估值與CREAM基本法HEP區(qū)間值范圍吻合;此外,根據(jù)圖3及式(12)可知,隨著改進(jìn)、降低之和增加/減少HEP的值也隨著增加/減少,進(jìn)一步驗(yàn)證改進(jìn)方法的合理性.

表5 改進(jìn)CREAM方法與現(xiàn)存CREAM方法比較表

表6 不同情景的HEP評(píng)估值及失效概率區(qū)間對(duì)照表

圖3 改進(jìn)CREAM方法HEP函數(shù)曲線

3 實(shí)例分析

3.1 實(shí)例描述

以某型固定翼無人機(jī)著陸為例,具體過程:無人機(jī)從一定高度(一般為10m)下滑,至3m左右,根據(jù)無人機(jī)距地面高度及速度,開始拉平;隨著高度的降低,減少俯角及下降速度,0.5m左右轉(zhuǎn)入平飄;無人機(jī)平滑降到0.2m開始控制速度(80～90km/h)使主輪接地;主輪滑跑后在速度小于40km/h后剎車,最終實(shí)現(xiàn)無人機(jī)完整著陸,如圖4所示.

圖4 某型無人機(jī)著陸過程示意圖

下面選取同一操作員不同情景環(huán)境的操作數(shù)據(jù),采用改進(jìn)后的CREAM方法計(jì)算其人因可靠性.具體案例如下:

案例I:降落時(shí)間上午6:05,臨時(shí)巡查任務(wù),能見度一般,干擾因素多,操作員判斷、識(shí)別、預(yù)測(cè)無人機(jī)狀態(tài)變化反應(yīng)一般,小組成員的分工協(xié)作一般;

案例II:降落時(shí)間上午10:15,常規(guī)巡查任務(wù),能見度好,干擾因素少,操作員判斷、識(shí)別、預(yù)測(cè)無人機(jī)狀態(tài)變化反應(yīng)及時(shí),小組成員的分工協(xié)作良好.

案例III:降落時(shí)間下午8:06,常規(guī)巡查任務(wù),能見度差,干擾因素多,操作員判斷、識(shí)別、預(yù)測(cè)無人機(jī)狀態(tài)變化反應(yīng)良好,小組成員的分工協(xié)作良好.

3.2 無人機(jī)操作員人因可靠性預(yù)測(cè)

對(duì)照無人機(jī)操作規(guī)范及相應(yīng)管理規(guī)定,邀請(qǐng)3名資深教練員對(duì)該操作員不同情景環(huán)境的CPC因子期望效應(yīng)進(jìn)行評(píng)價(jià),統(tǒng)計(jì)平均后得到該操作員最終CPC量化評(píng)分如表7所示.

表7 不同情景環(huán)境下CPC因子效應(yīng)量化值

選取3名專家根據(jù)CPC因子之間的相互關(guān)系,采用2.2節(jié)介紹的序分析法確定不同情景下的CPC因子權(quán)重,如表8所示.

表8 不同情景環(huán)境下CPC因子權(quán)重

將表7和表8的結(jié)果代入式(12),得到不同情景環(huán)境下該操作員執(zhí)行任務(wù)可能發(fā)生人因失效概率值(保留小數(shù)點(diǎn)后五位),如表9所示.

表9 不同情景環(huán)境下操作員的人因失效概率

3.3 結(jié)果分析

采用CREAM基本法分析可得該操作員在不同情景下的控制模式依次分別為戰(zhàn)術(shù)型、戰(zhàn)略型、戰(zhàn)術(shù)性,與改進(jìn)方法結(jié)果對(duì)比如表10所示.

表10 不同情景環(huán)境下HEP對(duì)照表

由表10可知,不同情景環(huán)境下CREAM基本法得到的失效概率預(yù)測(cè)值均為戰(zhàn)術(shù)型,無法體現(xiàn)不同CPC因子績(jī)效效應(yīng)下失效概率的差異;采用改進(jìn)的CREAM方法獲得的失效概率,反映了不同CPC因子績(jī)效效應(yīng)下失效概率的差異,更加科學(xué)合理,符合無人機(jī)操作過程變化特點(diǎn);此外,改進(jìn)的CREAM方法計(jì)算結(jié)果更加準(zhǔn)確,提供的精度更高.

4 結(jié)論

根據(jù)無人機(jī)操作的“人–機(jī)–環(huán)境”特點(diǎn),分析建立了無人機(jī)操作員CPC因子集,通過序關(guān)系分析法確定了CPC因子的貢獻(xiàn)度,并建立了情景環(huán)境指數(shù)與控制模式之間的連續(xù)區(qū)間函數(shù).通過實(shí)例分析,改進(jìn)方法相比CREAM基本法對(duì)不同情境下人因可靠性更敏感,預(yù)測(cè)結(jié)果更加科學(xué)合理,并解決了CREAM基本法中存在不確定性的問題.

在實(shí)際工作中,改進(jìn)的CREAM方法為無人機(jī)操作員考核評(píng)價(jià)提供了新的思路;通過該方法預(yù)測(cè)無人機(jī)操作過程中可能出現(xiàn)的操作差錯(cuò)概率,能有效地避免出現(xiàn)重大安全事故的概率,同時(shí)也為無人機(jī)操作員相關(guān)訓(xùn)練提供數(shù)據(jù)支持.為滿足未來復(fù)雜情境環(huán)境下的人因可靠性的需求,可考慮與深度學(xué)習(xí)、智能決策等技術(shù)相結(jié)合,進(jìn)一步提升人因可靠性分析、判斷、優(yōu)化的能力.