董元發(fā) 張文厲 肖人彬 田啟華 杜 軒

1.三峽大學機械與動力學院，宜昌，443002 2.三峽大學智能制造創(chuàng)新技術中心，宜昌，4430023.華中科技大學人工智能與自動化學院，武漢，430074

0 引言

隨著機械、電子、信息、控制等學科的不斷發(fā)展和深度融合，現(xiàn)代機器自動化程度不斷提高，開始逐步接管傳統(tǒng)由人完成的機械運動與執(zhí)行、傳感與監(jiān)測、信息處理和控制等職能，“機進人退”趨勢明顯。特別是近年來，人工智能、情感計算、多模態(tài)交互等新興技術在產品開發(fā)中大量應用，機電產品行為日趨復雜與多元化，已逐步在環(huán)境感知、邏輯推理、自主決策、人機交互等方面表現(xiàn)出不同程度的類人智能行為(簡稱“智能交互產品”)，人機關系也隨之由傳統(tǒng)控制和被控制的“奴仆關系”向人機共生的“伙伴關系”發(fā)展[1-2]。2019年4月，《自然》雜志發(fā)表了一篇以“Machine behaviour”為題的綜述文章[3]?！皺C器行為學”作為一門重點關注智能交互產品行為的新興學科被正式提出。

智能交互產品在日常生活中隨處可見，大到民航客機、高檔數(shù)控機床、智能網聯(lián)汽車，小至服務機器人、智能音箱、智能手機等。智能交互產品在給人們帶來舒適和便捷的同時，也深深地影響人們的生活方式，消費者不再僅僅滿足于產品功能和造型，而是希望產品具有更加人性化、智能化的行為過程，以獲得更高品質的交互體驗[4]。這一轉變使得智能交互產品的創(chuàng)新設計需要同時處理好人、機、環(huán)境三個子系統(tǒng)間的關系。以汽車為例，為了順應消費者的需求，各大車企紛紛轉戰(zhàn)研發(fā)智能汽車，將設計重點轉移到以智能網聯(lián)為核心的汽車人機交互系統(tǒng)設計創(chuàng)新上，比如特斯拉的OTA 7.1系統(tǒng)增加了遙控召喚技術和自動泊車技術；寶馬概念座艙的懸浮屏幕在自動駕駛模式下顯示不同內容，通過攝像頭和超聲波捕捉人手的動作實現(xiàn)手勢控制，并在沒有實際接觸的情況下給出壓力反饋；上汽股份有限公司率先與阿里巴巴公司合作，推出全新“斑馬系統(tǒng)”；蔚來汽車發(fā)布了“NOMI”人工智能伴侶系統(tǒng)，通過持續(xù)學習用戶的習慣與興趣，根據不同使用場景來滿足乘車者的個性化需求。

受限于目前智能技術自身在通用性、穩(wěn)健性、安全性等方面的不成熟[5-6]，智能交互產品極易因在意圖表達、信息處理、決策邏輯、交互時序、動作強度等方面與用戶行為模式的不匹配而產生“行為沖突”[7]，嚴重影響用戶的體驗，甚至引發(fā)安全事故。如前兩年的特斯拉撞人事件多是由于開啟自動駕駛輔助系統(tǒng)后駕駛員放松警惕，突發(fā)狀況時系統(tǒng)錯誤動作或駕駛員未能及時接管導致了交通事故的發(fā)生，有研究表明L3級自動駕駛中的人機共駕模式不僅未減輕駕駛疲勞，反而增加了用戶的認知負擔；2019年印尼獅航墜機事件中，波音737 MAX自動防失速系統(tǒng)(MCAS)在迎角探測器出現(xiàn)故障得到錯誤信號時強行壓低機頭，且未給出提醒，雖然飛行員多次試圖手動拉起機頭挽救，但因無權限關閉MCAS最終沒能避免空難的發(fā)生。以上案例固然與智能交互產品本身的可靠性有關，但其根源在于缺乏對新型人機關系下不同智能體的行為進行統(tǒng)一建模與集成優(yōu)化，導致產生特定環(huán)境下智能體行為沖突引起的人機環(huán)境系統(tǒng)“紊亂”現(xiàn)象。

用戶與智能交互產品各自受不同的行為模式和行為機理支配，其交互過程本質上是異構復雜系統(tǒng)之間多領域行為的相互激勵與非線性耦合響應過程，而“行為沖突”則主要源于各子系統(tǒng)動態(tài)行為特性的匹配失衡，因此，消除“行為沖突”，提高智能產品交互體驗的關鍵在于根據人機環(huán)境系統(tǒng)的耦合規(guī)律對智能交互產品的行為特性進行精確調控與優(yōu)化設計，而調控與優(yōu)化的關鍵在于構建人機環(huán)境系統(tǒng)多領域行為的可計算、可仿真模型。設計環(huán)節(jié)可賦予產品“先天性”質量特性，尤其是處于產品設計前端的創(chuàng)新設計的好壞直接決定了產品的最終交互特性與體驗的好壞。對于涉及機械、電子、控制、軟件等多領域行為且與用戶高度共融的智能交互產品，如何在概念設計階段對人機環(huán)境系統(tǒng)多領域行為進行統(tǒng)一建模與仿真分析，是實現(xiàn)智能交互產品行為特性的前饋調控和正向優(yōu)化設計的基礎。

模型驅動的系統(tǒng)設計與優(yōu)化是當前數(shù)字化設計和工業(yè)軟件技術的研究熱點和制高點。鑒于此，本文將智能交互產品擴大到人機環(huán)境一體化系統(tǒng)的視域下，力圖從表征模型、建模語言/工具、模型驗證、行為過程優(yōu)化等方面對人機環(huán)境系統(tǒng)多領域行為過程建模與優(yōu)化方法的研究進展狀況給出完整系統(tǒng)的綜述，并由此對目前存在的問題和局限性進行分析，繼而展望其今后的研究重點和發(fā)展趨勢。

1 人機環(huán)境系統(tǒng)多領域行為過程的表征模型

人機環(huán)境系統(tǒng)多領域行為過程建模是在概念設計階段對人和智能交互產品在特定環(huán)境下的多領域行為過程的描述與表征，是實現(xiàn)方案驗證和系統(tǒng)優(yōu)化的基礎。如圖1所示，人機環(huán)境有各自的物理基礎，并在不同行為模式的支配下形成多領域交互行為過程。本文按系統(tǒng)構成從人的行為表征模型、智能交互產品的功能與行為表征模型和人機環(huán)境系統(tǒng)一體化表征模型三方面進行闡述，其中狹義的環(huán)境行為主要受物理規(guī)律支配，實際建模過程中可轉換為人或智能交互產品行為過程的一部分，本文暫不作討論。

圖1 人機環(huán)境系統(tǒng)多領域行為過程示意圖

1.1 人的行為表征模型

人的行為往往是人機環(huán)境系統(tǒng)多領域行為過程的起點，人的失誤將影響整個系統(tǒng)的正常運行。張力等[8]指出，人的行為形成因子、行為影響因子、失誤形成因子是人因失誤因素辨識的關鍵點，提出了基于符合信息空間理論的人因失誤辨識多視圖法。人是否能充分發(fā)揮自身優(yōu)勢和機器協(xié)調配合，將直接影響人機系統(tǒng)的設計好壞，許錄平等[9]建立了一種任務分工模型使人機系統(tǒng)處于最佳狀態(tài)。在人機交互系統(tǒng)中，人的生理特征和心理特性不是恒定不變的，王澤申[10]提出人機系統(tǒng)在設計時必須考慮人的動態(tài)變化特性。人機交互系統(tǒng)的設計要與人們的視覺、聽覺、觸覺和所使用的環(huán)境相適應，胡靜等[11]指出系統(tǒng)及時連續(xù)的反饋信息能夠減少人機沖突。

用戶行為模式和智能交互產品行為模式的不匹配是導致“人機沖突”的主要原因。近年來，為了更好地設計人機一體化系統(tǒng)，學者們在人的行為建模方面開展了許多研究。針對用戶的感知、決策、操縱行為模式，馮樹民等[12]基于隱馬爾科夫模型(hidden Markov model，HMM)建立了駕駛人跟車行為的“感知-決策-操縱”行為模型。針對用戶的意圖行為模式，黃秋菊等[13]、MOHAMMED等[14]、LIU等[15]、GAO[16]使用腦肌電信號對用戶行為意圖進行研究，通過分析人的心理身體狀態(tài)來預判用戶行為。MAINPRICE等[17]、LIU等[18-19]、劉庭煜等[20]、ZHANG等[21]運用圖像處理和機器視覺的知識來對用戶行為模式進行建模和預測。唐立軍等[22]針對操作人員和巡檢機器人的交互過程，建立了基于貝葉斯網絡的操作意圖推理模型。針對用戶的決策行為模式，郭海兵等[23]針對車輛換道交互行為建立分層Logit模型，并利用效用理論優(yōu)化駕駛人的決策效用。

此外，何思俊等[24]系統(tǒng)綜述了近年來裝備駕駛界面在視覺工效評價、操縱舒適性評價和布局合理性評價方面的國內外研究進展，指出未來裝備駕駛界面評價研究可以圍繞自動駕駛界面、虛擬現(xiàn)實評價技術和情感化評價技術展開。王瑞等[25]通過對用戶行為的分析，研究了界面交互過程中的高頻次行為、界面交互方式的系統(tǒng)平均響應時間與學習掌握時間，歸納出不同人機界面交互方式的特點，并提出了未來智能汽車界面的設計建議。LIN等[26]指出構建智能機器的關鍵在于人機界面設計和人機協(xié)作問題，而人的狀態(tài)和行為建模是目前最大的挑戰(zhàn)。

1.2 智能交互產品的功能與行為表征模型

智能交互產品與普通產品的區(qū)別在于其功能的實現(xiàn)往往離不開人的參與，且行為過程具有高度的不確定性和環(huán)境自適應性。在創(chuàng)新設計階段，智能交互產品建模主要包括功能、行為、結構及其關聯(lián)關系，功能和行為建模是實現(xiàn)方案驗證的重要內容。

1.2.1功能表征模型

功能建模是用戶需求的最直觀反映，是行為建模的基礎，能夠讓用戶和設計師進行有效的溝通交流，從而提高產品設計和需求的吻合度。功能表征模型主要有輸入/輸出轉化和語言表達兩種方式。

CHEN等[27]將功能分成流、期望功能以及功能知識三部分表示，提出了一種基于物理量屬性配置的多學科能量流和信號流表示方法，以結構化形式對多學科領域的功能原理解進行了表征。YUAN等[28]利用主流和輔助流的輸入輸出狀態(tài)變量轉換以及功能效應對功能進行表達。LIU等[29-30]用輸入輸出流表征產品功能，建立了功能單元模型，采用功能單元鏈表征概念設計結果，在此基礎上還采用基于深度優(yōu)先搜索算法生成功能單元圖來表征概念設計結果。袁琳等[31]針對基于簡單功能動詞和流名詞的功能表示存在的語義模糊和二義性問題，提出了一種基于流的規(guī)范化功能建模語法。劉帥等[32]采用功能流和效應鏈表征產品的功能原理解。曹悅等[33]將功能分成物理功能和軟件功能，為了使二者并行設計，提出了一種結合基于流的物理功能表示和基于數(shù)據/控制流圖的軟件功能表示的混合功能表示法。

1.2.2行為表征模型

行為是一種動態(tài)的過程，它反映的是實現(xiàn)功能的方法和途徑，是結構實現(xiàn)功能的物理特征。機電產品行為包括連續(xù)行為、離散行為、混合行為，行為之間包括因果關系、時序關系、回路關系和狀態(tài)關系[34]。行為建模是對智能交互產品的輸入輸出流轉換與變換的具體方式進行表示。

GOEL等[35]將行為表示為一系列的狀態(tài)變量以及它們之間的轉換關系，使用確定性有限狀態(tài)機對行為進行建模。ROY等[36]在此基礎上認為行為是功能在特定時間或一段時間內的一系列參數(shù)值，并對狀態(tài)變量、因果關系和變量參考值等進行描述來構建行為表達模型。劉振宇等[37]、MEJIA-GUTIERREZ等[38]以系統(tǒng)工程為基礎，利用虛擬樣機的仿真組件模型表達產品機構的動態(tài)行為知識。陳旭玲等[39]采用行為對象、端口、變量值構建行為知識模型。GU等[40]提出了一種定量行為知識建模方法，將行為輸入到具體結構所需的行為效應和行為約束等各種類型的定量設計知識集成到實例中，并將其與功能和結構參數(shù)知識關聯(lián)在一起。

1.3 人機環(huán)境系統(tǒng)一體化表征模型

人機環(huán)境系統(tǒng)[41-43]的最大特點是由于人類的深度介入而導致人機環(huán)境系統(tǒng)的動力學特性發(fā)生了改變[44]，因此，在人機環(huán)境系統(tǒng)的一體化建模方法研究中，除了對智能交互產品進行建模外，還需要著重研究人類與智能交互產品產生物理耦合部分的模型[45]。

DEGANI[46]以波音B-757為例研究了人與復雜自動化系統(tǒng)間的交互行為，基于有限狀態(tài)機模型提出了OFAN模型，用于分析改善自動化武器中的人機沖突問題。孟慶強[47]建立了人機系統(tǒng)中人的傳遞函數(shù)，指出人在操縱活動中一般只能完成“二階微分”以下的操作。BRAGINSKY等[48]采用動態(tài)邏輯模型表征操作員的決策過程，基于擴展Petri網建立了操作者和工業(yè)控制系統(tǒng)軟硬件的仿真分析模型。通過分析人機系統(tǒng)中各個行為主體間的約束關系來獲得系統(tǒng)設計需求的認知工作分析(cognitive work analysis，CWA)是人機系統(tǒng)設計的重要研究方法，?？傻萚49]對認知工作分析理論在復雜人機系統(tǒng)設計中的應用進行了綜述。安冬冬[50]針對人機物融合系統(tǒng)中人和環(huán)境的不確定性問題，提出了基于樸素貝葉斯的類人類行為和基于長短期記憶(long short-term memory，LSTM)循環(huán)神經網絡的環(huán)境風險預測模型，建立了時空數(shù)據驅動和模型驅動相結合的形式化模型。方斌等[51]系統(tǒng)地綜述了緊耦合式物理人機系統(tǒng)的交互研究進展，并從感知架構、學習進化、決策和控制等方面展望了該領域面臨的挑戰(zhàn)。

1.4 小結

傳統(tǒng)機電產品概念設計原理解中，行為建模主要是描述實現(xiàn)功能的方法和途徑，解決功能向結構的映射問題，這樣得到的行為過程是靜態(tài)的，沒有與智能交互產品的使用過程結合起來。事實上，智能交互產品在其服役過程中根據用戶特征和環(huán)境的不同具有一定的自主性、高度的環(huán)境自適應性，也就是說，智能交互產品的行為過程模型必須是動態(tài)的，必須與“人”、“環(huán)境”結合起來，而且應將復雜的人機環(huán)境系統(tǒng)分解成最基本的“元行為”，以方便后期從“元行為”的層次對智能交互產品行為特性進行調控和優(yōu)化。

現(xiàn)有關于產品本身的功能和行為過程建模成果較多，而關于人的行為過程以及人機環(huán)境系統(tǒng)多領域行為過程的建模還缺乏深入的研究，具體表現(xiàn)在：①智能交互產品在不同環(huán)境下和人的交互行為過程中具有一定的自主性、高度的環(huán)境自適應性和不確定性，而現(xiàn)有研究主要以確定性行為過程為主，缺乏對不確定行為過程的建模與表征；②智能交互產品的用戶體驗與用戶和使用情境高度相關，而現(xiàn)有研究較少將三者的多領域交互行為過程納入統(tǒng)一的建?？蚣?，導致后續(xù)難以對人機環(huán)境系統(tǒng)進行集成優(yōu)化。

2 人機環(huán)境系統(tǒng)多領域行為過程的建模語言

人機環(huán)境系統(tǒng)中涉及人、智能交互產品、環(huán)境三者之間的交互以及智能交互產品內部子系統(tǒng)之間的交互。對于這樣一個復雜而動態(tài)的系統(tǒng)，使用統(tǒng)一的建模語言來呈現(xiàn)智能交互產品的多領域行為過程對整個設計過程是非常關鍵的。能夠有效融合多學科領域的可視化建模語言主要有系統(tǒng)建模語言(systems modeling language，SysML)、鍵合圖以及Petri網。三種建模語言的特點如表1所示。

表1 三種建模語言的特點

2.1 基于UML/SysML的建模

SysML是在統(tǒng)一建模語言(unified modeling language，UML)基礎上擴展而來的一種系統(tǒng)建模語言[52]，二者都是基于模型的系統(tǒng)工程(model-based systems engineering，MBSE)的建模語言，具有面向對象、半形式化、強擴展性三個特點。面向對象是以類和對象為系統(tǒng)的基本單元，使用繼承、封裝、關聯(lián)的思想實現(xiàn)仿真模型的模塊化，這一特點使基于UML/SysML建立的模型具有很強的可重用性，減少了系統(tǒng)設計的工作量。半形式化的特點使UML/SysML具有融合多領域建模的靈活性，而自帶的擴展機制又能將半形式化語言擴展成形式化語言，進而為形式化驗證做準備，提高了系統(tǒng)設計的嚴密性。

基于SysML的建模已廣泛應用于多領域復雜系統(tǒng)的建模，姜俊等[53]、HECHT[54]、陳斌[55]、ARTHUR等[56]、浦樂等[57]、MUHAMMAD等[58]、王保民等[59]、張賀等[60]將基于SysML的建模應用于軍事作戰(zhàn)、航空飛機、空中導彈、機動車輛、通信衛(wèi)星等復雜系統(tǒng)。為了更好地與模型驗證結合起來，曹悅等[61]以計算樹邏輯、流變換、混合自動機等為形式化基礎，建立了基于SysML的系統(tǒng)功能和行為模型。劉玉生等[62]以系統(tǒng)建模語言SysML為基礎，提出了支持模型驅動多域復雜產品多層次設計與仿真信息集成框架，建立了基于SysML擴展的核心集成信息模型，以支持系統(tǒng)設計與仿真集成及不同層次設計過程的信息集成。CAO等[63]基于SysML提出了融合物理和控制系統(tǒng)動態(tài)特征的統(tǒng)一行為建模語言，并將采用該建模語言表征的行為模型映射到多種系統(tǒng)仿真平臺，以實現(xiàn)系統(tǒng)設計模型的自動仿真。

2.2 基于鍵合圖的建模

鍵合圖是一種基于功率流的物理過程、便于統(tǒng)一處理多種能量范疇工程系統(tǒng)的圖形化建模語言[64]，能夠在真實的物理系統(tǒng)和系統(tǒng)數(shù)學模型之間建立起橋梁，適合融合多學科領域的復雜系統(tǒng)的建模與仿真分析。

基于鍵合圖的建模是將所研究的對象看作能量系統(tǒng)，CHHABRA等[65]結合矢量鍵合圖和方塊圖表示多學科系統(tǒng)中的能量和信息的流動關系，并以能量、熵和敏捷性為準則構建鍵合圖模型。MESHRAM等[66]基于能量的流動特性，采用鍵合圖方法對多能域動態(tài)物理系統(tǒng)進行了模型開發(fā)和分析，并驗證了變壓器系統(tǒng)的穩(wěn)定性和性能情況。鍵合圖能夠對多能域耦合系統(tǒng)進行描述，王中雙等[67]、王艾倫等[68]、梁崗等[69]運用狀態(tài)方程描述各原件的物理特性、能量傳遞、輸入輸出關系，有效地分析了多能域間的耦合問題。鍵合圖能對復雜機電系統(tǒng)各原件間的相互作用和能量流動進行描述，為基于模型的診斷方法提供了依據，郁明等[70]、王芳等[71]、MKADARA等[72]、趙佳彬等[73]基于鍵合圖對復雜機電系統(tǒng)建立了故障診斷模型。

2.3 基于Petri網的建模

Petri網是一種以信息流為主導對離散并行系統(tǒng)進行直觀圖形表示的形式化方法，對動態(tài)系統(tǒng)有很強的建模能力，并且可以直接搭配相應的驗證工具進行模型驗證。

ARAZ等[74]針對機電系統(tǒng)概念設計階段如何表征設計概念的問題，提出一種基于離散事件系統(tǒng)編程語言和Petri網的機電系統(tǒng)行為表征和仿真方法。針對多領域復雜系統(tǒng)間沖突難以分析和確定的問題，趙芮凱等[75]提出一種Petri網和TRIZ相結合的方法對復雜系統(tǒng)間的沖突進行了全面準確的確定和解決。李曄等[76]建立了一種信息物理融合系統(tǒng)體系結構模型，該體系結構模型利用面向對象Petri網形象地、無歧義地刻畫系統(tǒng)的整體和個體特性，描述系統(tǒng)的靜態(tài)和動態(tài)語義，同時可利用Petri網的數(shù)學分析方法和支持工具對系統(tǒng)進行模擬、分析和驗證。崔文巖等[77]建立了基于層次Petri網的信息物理融合系統(tǒng)安全分析模型，并給出了描述攻防博弈策略的博弈網模型。余嘉偉[78]為對信息物理融合系統(tǒng)(cyber-physical system，CPS)同時進行定性、定量與能耗分析，將傳統(tǒng)Petri網擴展為面向對象廣義隨機Petri網與面向對象能耗Petri網，并作為新的CPS形式化模型。王璇等[79]為了提高機器人的穩(wěn)定性和可靠性，采用Petri網模塊化(PNB)的設計方法對機器人任務執(zhí)行系統(tǒng)進行分塊功能建模，根據各功能之間的關系，將對應的PNB構建成一個完整的Petri網任務執(zhí)行系統(tǒng)，降低了Petri網系統(tǒng)模型的復雜程度。

2.4 比較分析

SysML、鍵合圖、Petri網三種建模語言都具備表征智能交互產品確定性行為過程的能力，但對人機環(huán)境系統(tǒng)中多領域耦合、不確定行為過程的建模能力略顯不足。SysML是一種面向對象的半形式化語言，具有一定的靈活性，利用其擴展功能能夠有效地對特定產品進行可重用設計，便于產品的更新迭代，但它一般無法直接使用一種圖形來表達所有設計信息，往往需要通過幾種圖的疊加來全面反映產品設計，這使其在轉化為形式化模型時，需要考慮多種類型圖與形式化驗證器模型之間的映射關系。鍵合圖是一種能夠統(tǒng)一處理多種能量系統(tǒng)的建模方法，微分因果關系和系統(tǒng)方程的推導是這種建模方式的關鍵，因此對多領域知識的專業(yè)素養(yǎng)能力要求較高。Petri網是一種對離散動態(tài)的系統(tǒng)進行統(tǒng)一建模的形式化語言，主要由庫所和變遷構成，能夠很好地對離散行為進行建模，但是對于連續(xù)行為和混合行為的設計不是最佳選擇。

3 人機環(huán)境系統(tǒng)多領域行為過程的模型驗證

從人機環(huán)境系統(tǒng)的視角對智能交互產品多領域行為過程模型進行自動校驗，能夠在設計早期發(fā)現(xiàn)系統(tǒng)設計缺陷，從而有效地提高系統(tǒng)設計質量、降低系統(tǒng)開發(fā)成本。形式化驗證和仿真驗證都是有效的驗證方法。

3.1 形式化驗證方法

形式化方法能夠在早期發(fā)現(xiàn)系統(tǒng)中的不一致、歧義、不完全和錯誤等問題，是一種行之有效的減少設計錯誤、提高系統(tǒng)可信性的重要途徑。但形式化模型輸入語言所建立的模型存在可讀性差、理解難度大等缺陷，因此，一般使用可視化的建模工具進行建模，然后轉換為形式化模型進行驗證，轉換過程中的映射方法成為了學者們的研究點。

劉博等[80]采用結構分析和設計語言(architecture analysis and design language，AADL)建立系統(tǒng)的行為模型，提出了一種使用形式化驗證工具NuSMV來驗證AADL模型行為的方法。曹悅等[61]對系統(tǒng)工程標準建模語言SysML進行擴展，提出了一套形式化系統(tǒng)模型驗證方法。周玉平[81]建立了UML的類圖和狀態(tài)圖到NuSMV的映射規(guī)則，并將建立的故障模型與NuSMV模型進行融合，以實現(xiàn)對列控系統(tǒng)進行安全分析。李宛倩等[82]構建了從SysML的核心模型元素到AltaRica3.0模型的轉換規(guī)則，對系統(tǒng)進行了安全分析。鄧劉夢等[83]給SysML中的塊定義圖和狀態(tài)機圖到NuSMV的轉換設計了一套轉換規(guī)則。柯文俊等[84]、HUANG等[85]提出了一種將SysML活動圖轉換為Petri網模型的機制，并利用Petri網驗證工具對轉換后的模型進行仿真驗證，實現(xiàn)了系統(tǒng)設計的自動驗證。張琛等[86]將對象狀態(tài)機圖轉換為Promela模型，并將系統(tǒng)交互性質轉換為命題投影時序邏輯公式，通過Spin模型檢測器有效地檢測出了系統(tǒng)模型是否滿足系統(tǒng)期望的交互行為。楊培林等[87]利用概率行為樹對機電系統(tǒng)進行了形式化建模，并通過概率模型檢測對機電系統(tǒng)進行了形式化驗證。

3.2 仿真驗證方法

仿真方法能夠對特定的場景進行可視化驗證，定量評價模型好壞。但是，仿真是一種非形式化的驗證方法，僅能對有限的場景進行驗證，無法捕獲一些未測試到的使用場景所導致的系統(tǒng)失效。目前使用較多的多物理域系統(tǒng)仿真驗證方法主要基于Modelica和Unity3D。

Modelica是一種面向對象、基于方程的、支持對復雜異構系統(tǒng)的連續(xù)、離散以及混合行為進行建模仿真的方法。王春曉等[88]基于Modelica建立了數(shù)控機床的多領域模型，并結合通信技術實現(xiàn)了模型與控制器之間的信息交互。宋研等[89]基于Modelica實現(xiàn)了對載人航天器的建模仿真，減少了精度損失。OHTOMI[90]使用Modelica建立和仿真了將人的感性模型和機電產品的物理模型相融合的模型，實現(xiàn)了人機系統(tǒng)的定量評價。張政[91]、周書華等[92]、FU等[93]分析了SysML與多領域仿真建模語言Modelica之間的映射關系，實現(xiàn)了SysML系統(tǒng)設計模型與Modelica系統(tǒng)仿真模型之間的自動轉換。Unity3D是虛擬現(xiàn)實技術的主要建模仿真工具，能夠模擬出在視覺、聽覺、觸覺等方面與真實世界相近的場景，可用于對系統(tǒng)設計的驗證。黃培德[94]基于Unity3D搭建了虛擬裝配系統(tǒng)，并結合交互設備對人機協(xié)作裝配場景進行了驗證。李經緯[95]使用Unity3D實現(xiàn)了人和虛擬汽車展示系統(tǒng)的交互設計，通過給用戶帶來強烈的感官體驗來對系統(tǒng)進行迭代優(yōu)化。馬丹[96]、張靜[97]采用Unity3D實現(xiàn)了基于用戶體驗的虛擬現(xiàn)實交互設計。

4 人機環(huán)境系統(tǒng)多領域行為過程的優(yōu)化

對人機環(huán)境系統(tǒng)多領域行為進行表征、建模和驗證的最終目的是對行為過程進行優(yōu)化。行為可靠性、交互時序匹配性、交互模態(tài)均衡性是影響人機環(huán)境行為契合度的三大關鍵行為特性，也是人機環(huán)境系統(tǒng)多領域行為過程優(yōu)化的重點。

圍繞人機環(huán)境系統(tǒng)多領域行為過程優(yōu)化，國內外針對不同對象提出了許多優(yōu)化策略和方法。OKUDA等[98]在連續(xù)/離散混合動力系統(tǒng)的基礎上考慮人類行為模型，提出了一種新的人機協(xié)同定位切換輔助控制器的設計策略。KOBAYASHI等[99]考慮人類隨機行為，提出了一種用于交互機器人控制和認知過程的設計框架，采用該框架時，通常傾向于通過集成許多if-then規(guī)則來設計的任務，可以從最短時間最優(yōu)控制的角度，在狀態(tài)估計和優(yōu)化框架中以系統(tǒng)的方式設計。王亮等[100]將有限長度的預見信息作為系統(tǒng)的固有狀態(tài)加以增廣利用，并且對于操縱者的延時特性，將其作為操縱者“存儲”的“意識狀態(tài)”進行增廣，提出了基于最優(yōu)預見控制理論的操控信息通道人機耦合優(yōu)化方法。王朝暉等[101]將博弈機制與Agent技術思想相結合，從多目標優(yōu)化的角度開展人體自適應行為仿真研究，提出了一種基于動態(tài)博弈機制的虛擬人作業(yè)姿態(tài)自主優(yōu)化方法。SUN等[102]提出了一種將用戶行為和產品行為數(shù)據整合為設計任務的行為設計方法，通過定義用戶和產品需要完成的任務，幫助設計者在設計階段通過考慮使用條件和需求來優(yōu)化產品性能。劉世豪等[103]結合人機工程學建立了數(shù)控機床的“人-機-環(huán)境”交互作用機制，并將數(shù)控機床人機工程設計準則和耦合仿生設計技術有機結合，考慮數(shù)控機床各性能之間的相互影響及耦合機制，提出了一種數(shù)控機床多目標協(xié)同優(yōu)化設計方法。HUANG等[104]利用強化學習方法在線學習敏感因子以適應交互過程的動態(tài)變化，提出了一種自適應靈敏度放大控制策略，實驗結果表明，該策略可以有效減小飛行員與外骨骼機器人之間的交互力。MYUNGHEE等[105]采用貝葉斯優(yōu)化方法快速識別接近最優(yōu)的控制參數(shù)，通過優(yōu)化穿戴外骨骼和電動假肢被試的步行頻率來實現(xiàn)代謝成本的最小化，并提出了一種基于實時生理測量自動調整控制參數(shù)的人在回路優(yōu)化方法，實驗結果表明，該方法較現(xiàn)有基于梯度下降的方法具有更快的收斂速度和更低的能量消耗。張俊磊等[106]通過建立物質-場模型來分析人、機、環(huán)境耦合中存在的問題，并借助標準解指導解決人、機、環(huán)境三者耦合效應中出現(xiàn)的作用不足、有害作用等問題。李敬業(yè)等[107]為提高人機混雜環(huán)境中移動機器人的自主巡檢效率，通過分析人類的社會行為規(guī)則，結合機器人的運動特性，建立了移動機器人系統(tǒng)的數(shù)學模型，將人機距離、人的行為模式和人與機器人間的相對速度參數(shù)進行了模糊化處理，并提出了一種基于模糊邏輯理論的避障方法。黃玲等[108]結合深度學習方法，對換車道影響因素進行了分析，構建了人機合作駕駛下基于長短期記憶神經網絡的無人駕駛車輛換道行為模型，并引入道路橫向偏移量信息，以均方差為損失函數(shù)優(yōu)化了行為模型的精度和遷移性。姚湘等[109]基于產品架構設計的符號學方法(semiotic approach to product architecture design，SAPAD)，完成了行為-意義-對象三個維度之間的映射分析，得到了產品在整個使用過程中的關鍵部件和用戶內心潛在需求；再以人機工程學原理和方法為依據，提出了基于用戶需求的產品人機設計原則，為產品的人機優(yōu)化設計提供了一種新思路。王文東等[110]以人機交互力為耦合方式，建立了基于牛頓-歐拉法的人機耦合模型，完成了人機耦合動力學模擬分析，并基于迭代學習控制理論提出了外骨骼康復機械臂的閉環(huán)PD迭代學習控制方法，試驗結果表明，所提出的迭代學習控制算法可以提高上肢外骨骼康復訓練重復性運動的控制精度，進而提高人機交互性能。

從現(xiàn)有文獻來看，目前有關人機環(huán)境系統(tǒng)多領域行為優(yōu)化的研究主要以詳細設計后期的功能和性能為主，較少或沒有從人機環(huán)境系統(tǒng)的角度優(yōu)化智能交互產品的行為特性。智能交互產品是一個包括機械、電氣、控制、信息、認知等多個學科在內的復雜系統(tǒng)，具有高維、強非線性、多過程與多界面耦合的特點，傳統(tǒng)設計過程往往是先設計好機械部分，然后設計其電子與控制等其他部分，期間設計遵循端到端的集成方式，在各個子系統(tǒng)均設計好后進行復雜產品系統(tǒng)的總裝。由于產品的設計初期缺乏在系統(tǒng)層面對產品進行整體全面的系統(tǒng)設計，因此原本功能良好的各個子系統(tǒng)很可能產生沖突，致使整個復雜機電產品系統(tǒng)功能失效，更為嚴重的后果是，此類設計缺乏無法通過后期的詳細設計或加工來彌補。由此可知，智能交互產品的行為特性調控與優(yōu)化必須從概念設計階段開始就賦予產品優(yōu)良的“先天性”行為特性。另一方面，雖然現(xiàn)有概念設計階段也大量采用了逐步求精、迭代優(yōu)化的策略，但多半仍以產品本身的功能、性能、成本、質量等靜態(tài)特性為優(yōu)化目標，即使有少量關注智能交互產品動態(tài)行為特性的研究，也只是采用用戶畫像和情境模擬等方式定性分析用戶使用智能交互產品的過程，缺少適用于概念設計階段的模糊/定量仿真優(yōu)化方法和工具。

5 研究展望

從國內外的研究現(xiàn)狀來看，對智能交互產品本身功能與行為的建模和驗證相對成熟，但受限于概念設計階段設計信息的模糊性、不確定性和多學科性，且人機環(huán)境系統(tǒng)耦合規(guī)律和機理不明，目前關于人機環(huán)境系統(tǒng)多領域行為過程建模與優(yōu)化方法的研究仍然存在“三多三少”的現(xiàn)象，即：①對傳統(tǒng)機電產品確定性行為過程研究多，對智能交互產品不確定性行為過程研究少；②對產品本身的行為建模與仿真研究多，對人機環(huán)境多領域行為統(tǒng)一建模與仿真研究少；③對詳細設計階段的產品功能和性能優(yōu)化研究多，對概念設計階段的人機環(huán)境系統(tǒng)多領域行為過程優(yōu)化研究少。根據目前研究現(xiàn)狀、行業(yè)發(fā)展趨勢和產品設計需求，未來可重點圍繞以下關鍵科學問題開展研究。

(1)人機環(huán)境系統(tǒng)多領域行為耦合規(guī)律與調控機制。人機環(huán)境系統(tǒng)既包括機械、電子、控制、信息等物理域的混合行為過程，又包括認知心理域的多感官通道信息融合與決策行為過程，用戶與智能交互產品的交互過程本質上是異構復雜系統(tǒng)之間多領域行為過程的相互激勵與非線性耦合響應過程。消解行為沖突、提高智能交互產品用戶體驗的關鍵在于設計階段賦予智能交互產品與人和環(huán)境高度相容的行為特性，而產品行為特性調控與優(yōu)化的前提則是先厘清人機環(huán)境系統(tǒng)多領域行為間的耦合規(guī)律，建立人機環(huán)境廣義傳遞函數(shù)。另外，耦合意味著在對產品行為特性進行調控時必須對調控對象和調控參數(shù)進行“權衡”，需要通過逆向解耦建立相應的調控機制，為行為特性優(yōu)化提供方向。

(2)不完備信息下的人機環(huán)境系統(tǒng)多領域行為過程模糊仿真機制。概念設計階段的設計信息具有模糊性、不確定性和多學科性，因此設計早期的人機環(huán)境系統(tǒng)多領域行為過程模型必然也包含大量的模糊信息。仿真是探索人機環(huán)境系統(tǒng)多領域行為耦合規(guī)律和行為過程模型驗證的主要手段，需要在傳統(tǒng)定性和定量仿真技術的基礎之上，通過引入模糊集、模糊關系及模糊運算，提高對與行為相關模糊設計信息的建模能力，建立不完備信息下的人機環(huán)境系統(tǒng)多領域行為過程模糊仿真機制，以解決系統(tǒng)仿真中的模糊不確定性問題。