浦同爭 何敏 宗容 劉軍奇

隨著無人機技術(shù)的快速發(fā)展,無人機被廣泛應(yīng)用于軍事及民用領(lǐng)域,但伴隨著無人機相關(guān)的事故也逐漸上升.雖然隨著無人機各種關(guān)鍵技術(shù)(新能源及動力技術(shù)、新型航空材料、航空微電子系統(tǒng)、空氣動力技術(shù)等)的高速發(fā)展,無人機無論在性能上還是操作性、可靠性等方面都取得了長足進步,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,美國空軍無人機系統(tǒng)就發(fā)生涉及3大類11個型號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)平臺來收集民用無人機共涉及44個型號274起事故/事故征候[1].目前,無人機系統(tǒng)的安全性及可靠性作為一個新的研究熱點受到廣大學者及專家的廣泛關(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、無人機飛行相關(guān)可靠性研究、無人機著陸穩(wěn)定性,無人機可靠性設(shè)計及無人機可靠性管理系統(tǒng)等[2?10].據(jù)無人機事故分析,無人機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,進行無人機系統(tǒng)操作人因可靠性研究工作對于降低無人機系統(tǒng)操作人為差錯發(fā)生概率、提高無人機系統(tǒng)操作可靠性具有重要意義.

近年來,有部分專家學者針對無人機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)境下無人機操作員人因可靠性的定量分析研究還未受到重視.無人機駕駛受環(huán)境、訓(xùn)練、人機環(huán)境等眾多因素影響,無人機駕駛過程主要由認知、觀察、判斷、執(zhí)行等一系列活動組成.CREAM方法的核心思想正是基于人完成任務(wù)時所處的情景環(huán)境,利用影響人的認知控制模式和其在不同認知活動中的效應(yīng),從而影響人的行為;且CREAM基本法通過對情景環(huán)境量化處理能有效解決缺乏數(shù)據(jù)這個難題,避免對失誤數(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)無人機系統(tǒng)中人因失誤產(chǎn)生機理及影響因素,結(jié)合無人機操作特性,利用改進CREAM基本法構(gòu)建了無人機操作員CPC因子集,并針對CREAM基本法預(yù)測結(jié)果不夠精確且概率區(qū)間存在交叉等問題,對CREAM方法進行改進,利用改進的CREAM方法對無人機操作員人因可靠性進行定量分析研究.

1 無人機系統(tǒng)操作員可靠性人因分析

無人機系統(tǒng)操作是人–機–環(huán)境相互交互的一個過程.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)、無人機狀態(tài)、飛行環(huán)境等信息對無人機系統(tǒng)進行分析感知;然后執(zhí)行相應(yīng)動作.其中,外界環(huán)境條件、操作員本身、組織因素、任務(wù)及無人機系統(tǒng)均會對任務(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.

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

根據(jù)CREAM方法,在無人機系統(tǒng)操作過程中,操作員認知行為存在許多失效模式,不同的失效模式對應(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)稱為共同績效條件(Common Performance Condition,CPC),涵蓋了影響情景環(huán)境的各個要素(組織管理、工作條件、人機交互等).根據(jù)無人機系統(tǒng)操作實際,CREAM方法中的CPC因子并不能直接應(yīng)用于其中,通過對無人機人因相關(guān)因素的統(tǒng)計分析,無人機系統(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,并確定其績效效應(yīng),然后由綜合的績效效應(yīng)確定該任務(wù)所處的控制模式(即戰(zhàn)略型、戰(zhàn)術(shù)型、機會型及混亂型),如圖2所示.相應(yīng)的控制模式對應(yīng)一個概率區(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照表

2 改進的CREAM方法

CREAM基本法在人因失誤概率預(yù)測具有操作簡單、應(yīng)用方便等特點.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,造成最終評估結(jié)果存在瑕疵.在實際工作當中,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)績效可靠性效應(yīng)得出最終失效概率確定值.

圖1 無人機操作中人的行為認知模型

表2 共同績效條件和績效可靠性

圖2 控制模式與CPC關(guān)系圖

表3 控制模式及對應(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因子綜合績效效應(yīng)之和.為方便計算,對CPC因子績效效應(yīng)量化處理有

其中,CCPCi為第i個CPC因子績效效果量化值.

假設(shè)第i個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)重計算

序關(guān)系分析法根據(jù)專家經(jīng)驗確定影響因素重要度順序,通過對評級指標相對重要程度的比較,最終得出各評價指標的權(quán)重系數(shù).該方法具有計算簡單、定量及定性相結(jié)合、實用等優(yōu)點,而且有效克服了層次分析法計算復(fù)雜、一致性檢驗等問題.序關(guān)系分析操作步驟如下.

2.2.1 序關(guān)系確定

若評價指標xi相對于某評價目標的重要性程度大于(或小于)xj時,則記為 xi?xj.依此類推,根據(jù)專家經(jīng)驗建立評價指標與評價目標的關(guān)系式即稱評價指標 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個評價指標(i=1,2,···,m).

2.2.2 評價指標間重要程度判斷

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

當m較大時,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為評價指標的數(shù)量.

2.3 人員失效概率計算

假設(shè)控制模式是一個連續(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),且當情景環(huán)境如果是平衡的,則x=0.相應(yīng)地,當“改進”、“降低”效應(yīng)均為0時,x的值也為0,于是有

假設(shè)9個CPC因子具有相同的重要程度,則當“改進”之和與“降低”之和分別達到最大、最小值時,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,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),然后得到其對應(yīng)的控制模式,最后計算其人因失效概率;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,最后計算其失效概率值.改進CREAM方法與現(xiàn)存CREAM方法比較匯總?cè)绫?所示.

由表5可知,改進方法相比CREAM基本法[18]更加科學合理,預(yù)測結(jié)果更加準確;與模糊CREAM方法[20]相比,改進方法操作更加簡單高效.

為驗證式(12)的合理性,選取不同情境進行分析,如表6所示.

表6中,改進CREAM方法所得的HEP相應(yīng)評估值與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、降低之和增加/減少HEP的值也隨著增加/減少,進一步驗證改進方法的合理性.

表5 改進CREAM方法與現(xiàn)存CREAM方法比較表

表6 不同情景的HEP評估值及失效概率區(qū)間對照表

圖3 改進CREAM方法HEP函數(shù)曲線

3 實例分析

3.1 實例描述

以某型固定翼無人機著陸為例,具體過程:無人機從一定高度(一般為10m)下滑,至3m左右,根據(jù)無人機距地面高度及速度,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,最終實現(xiàn)無人機完整著陸,如圖4所示.

圖4 某型無人機著陸過程示意圖

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

案例I:降落時間上午6:05,臨時巡查任務(wù),能見度一般,干擾因素多,操作員判斷、識別、預(yù)測無人機狀態(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、識別、預(yù)測無人機狀態(tài)變化反應(yīng)及時,小組成員的分工協(xié)作良好.

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

3.2 無人機操作員人因可靠性預(yù)測

對照無人機操作規(guī)范及相應(yīng)管理規(guī)定,邀請3名資深教練員對該操作員不同情景環(huán)境的CPC因子期望效應(yīng)進行評價,統(tǒng)計平均后得到該操作員最終CPC量化評分如表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,與改進方法結(jié)果對比如表10所示.

表10 不同情景環(huán)境下HEP對照表

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)測值均為戰(zhàn)術(shù)型,無法體現(xiàn)不同CPC因子績效效應(yīng)下失效概率的差異;采用改進的CREAM方法獲得的失效概率,反映了不同CPC因子績效效應(yīng)下失效概率的差異,更加科學合理,符合無人機操作過程變化特點;此外,改進的CREAM方法計算結(jié)果更加準確,提供的精度更高.

4 結(jié)論

根據(jù)無人機操作的“人–機–環(huán)境”特點,分析建立了無人機操作員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).通過實例分析,改進方法相比CREAM基本法對不同情境下人因可靠性更敏感,預(yù)測結(jié)果更加科學合理,并解決了CREAM基本法中存在不確定性的問題.

在實際工作中,改進的CREAM方法為無人機操作員考核評價提供了新的思路;通過該方法預(yù)測無人機操作過程中可能出現(xiàn)的操作差錯概率,能有效地避免出現(xiàn)重大安全事故的概率,同時也為無人機操作員相關(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,可考慮與深度學習、智能決策等技術(shù)相結(jié)合,進一步提升人因可靠性分析、判斷、優(yōu)化的能力.