数字化人机界面监视单元数量优化方法及系统技术方案

本发明专利技术公开了一种数字化人机界面监视单元数量优化方法及系统，该方法包括：对待处理的数字化人机界面的监视单元数量进行模糊分段以建立模糊优化因子序列；对模糊优化因子序列进行分段免疫进化以提取模糊优化因子，并分别对提取出的模糊优化因子进行监视人因失误概率计算；判断监视人因失误概率是否趋向稳定，若是则终止进化，若否则返回分段免疫进化的操作；对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。本发明专利技术方法及系统能够快速高效地优化出最佳的监视单元数量，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。

【技术实现步骤摘要】

本专利技术涉及核电厂数字控制领域，特别地，涉及一种应用于核电厂数字控制系统的数字化人机界面监视单元数量优化方法及系统。
技术介绍
操作人员通过人机界面获取工厂当前运行状况的信息，将获得的信息，经判断、决策之后执行相应的行为动作。经验表明，人机界面设计好坏对人的信息获取，判断等一系列行为将带来影响。在数字控制系统发生的事故中，由人因引起的事故已占主要地位，人因事故已成为当今核电站、化工厂等事故的主要根源，例如，在系统失效中，60% -90%归于人误动作；在1995年美国绩计中，大约70% -90%事件与人有关。数字化系统的新特点从根本上改变了操作人员对人机界面的认知行为、监视行为、及应急行为等，而人因事故却是数字化主控室事故的根源，那么怎样改变这种状况呢一方面，可以通过操作人员在整个数字化人机界面中的认知，监视等过程来提高操作人员自身的适应能力、应变能力、判断能力、应急能力等等二另一方面，可以以人因可靠性为基点对数字化人机界面进行优化，这样优化后的人机界面更能减少人因事故发生的隐患。现有的人机界面监视单元数量优化方法，主要包括:(I)有限微分法这种方法是最原始的梯度方法，需要执行多次重复仿真，适用于瞬态和再生仿真。有限微分方法为了获得更加可靠的估计值，需要更多次的运行来求得偏微分，使原本已经很大的运行咸本更高。(2)似然比法似然比方法又称评分函数，仅需要单次仿真运行就可以得到梯度的估计值，其基本思想是分析系统样本路径的概率测度对随机变量分布函数的依赖关系，通过测度变换获得似然比，进而构造性能测度的估计量。此方法也比较适合数值性问题；该方法是通过一些估计得到结果。(3)粒子群优化方法使用PSO方法解决优化问题，把每个问题的潜在解定义为搜索空间中的一个粒子01,每个粒子可以用三元组(xi, vi, pi)表示,其中，xi表示粒子的当前位置；vi表示粒子的当前速度；pi表示粒子本身搜索过的最好的位置(个体经验)。(4)无约束间接法无约束间接法是利用函数性态，通过微分或变分进行求优，主要有梯度法、牛顿法、变尺度法等。梯度法缺点是要求目标函数必须具有一阶偏导数，并需计算，迭代点离最优点远时函数值下降快，越接近最优点收敛速度越慢。牛顿法缺点是要求目标函数必须有一阶、二阶偏导数及海森矩阵非奇异且正定或负定，需要计算一阶、二阶偏导数及海森矩阵的逆阵，程序复杂、计算量大。变尺度法缺点是需计算一阶偏导数，且由于舍入误差和一维搜索的不精确等原因，数值稳定性仍不够理想，有时因计算误差引起变尺度矩阵奇异而导致计算失败。(5)有约束直接法该方法适用于仅含不等式约束的优化问题，具体有网络法、随机方向搜索法以及复合形法等。(6)神经网络方法其实神经网络在优化方面应用比较少，神经网络主要用来对输入的权重因子进行修正及过程计算。本研究主要用来对数字化人机界面的监视单元数量优化，并未涉及到对权重因子修正；另一方面，很难找到适合神经网络的激励函数，因此神经网络不适合本研究的监视单元数量优化问题。现有的人机界面监视单元数量优化方法的数据运算量大、迭代次数多，无法满足快速设计数字化人机界面监视单元数量的问题，以使得操作人员能快速且准确地获得监控信息，降低因人机界面信息获取导致的人因事故的发生概率。
技术实现思路
本专利技术目的在于提供一种数字化人机界面监视单元数量优化方法，以解决快速对数字化人机界面监视单元的数量进行优化的技术问题。本专利技术的另一目的在于提供一种数字化人机界面监视单元数量优化系统，以解决快速对数字化人机界面监视单元的数量进行优化的技术问题。为实现上述目的，本专利技术采用的技术方案如下:一种数字化人机界面监视单元数量优化方法，包括以下步骤:对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列；对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子；依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率；判断所述监视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回对所述模糊优化因子序列进行分段免疫进化的步骤；对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。进一步地，所述监视人因失误概率计算的步骤包括:对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率；对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算，以计算出该模糊优化因子对应的监视人因失误概率。进一步地，所述亲和力失误率运算采用的映射函数为:其中，η表示常量因子；PU表示第i个抗原因子中的第i个模糊优化因子对抗体的亲和力失误率表示抗体与抗原之间的亲和力。根据本专利技术的另一方面，一种数字化人机界面监视单元数量优化系统，包括:模糊分段模块，用于对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列；分段提取模块，用于对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子；失误概率计算模块，依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率；进化判断模块，用于判断所述监视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回所述分段提取模块以从所述模糊优化因子序列中提取所述模糊优化因子；优化选取模块，用于对所述失误概率计算模块获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。进一步地，所述失误概率计算模块包括:亲和力失误率计算单元，用于对提取出的所述模糊优化因子利用映射函数进行亲和力失误率运算，以计算出影响监视转移马尔可夫人因可靠性模型运算结果的亲和力失误率；失误概率计算单元，用于对提取出的所述模糊优化因子进行监视转移马尔可夫人因可靠性模型运算以计算出该模糊优化因子对应的监视人因失误概率。本专利技术具有以下有益效果:本专利技术数字化人机界面监视单元数量优化方法，通过采用模糊分段建立用于监视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据量，提升了运算效率，从而能够快速高效地优化出最佳的监视单元数量的取值范围，以保证操作员获取监视数据的效率及质量，提高数字控制系统的安全可靠性。本专利技术数字化人机界面监视单元数量优化系统，通过采用模糊分段建立用于监视单元的数量优化的模糊优化因子序列，并进一步通过分段免疫进化方法在模糊优化因子序列中选取模糊优化因子以进行监视人因失误概率计算，在监视人因失误概率趋向稳定的情况下终止进化过程，减少了进化的迭代次数，精简了运算数据本文档来自技高网...

【技术保护点】
一种数字化人机界面监视单元数量优化方法，其特征在于，包括以下步骤：对待处理的数字化人机界面的监视单元数量进行模糊分段以构成包括多个模糊优化因子的模糊优化因子序列；对所述模糊优化因子序列进行分段免疫进化以从所述模糊优化因子序列中提取模糊优化因子；依次对提取出的所述模糊优化因子进行监视人因失误概率计算，以获取提取出的所述模糊优化因子对应的监视人因失误概率；判断所述临视人因失误概率是否趋向稳定，即判断多个提取出的所述模糊优化因子的监视人因失误概率的最大值与最小值的差值是否小于预定阈值，若是则终止对所述模糊优化因子序列的分段免疫进化，若否则返回对所述模糊优化因子序列进行分段免疫进化的步骤；对获得的多个监视人因失误概率进行比较，选取监视人因失误概率最小的模糊优化因子作为最佳的监视单元数量的取值范围。

【技术特征摘要】

【专利技术属性】
技术研发人员：张力，蒋建军，戴立操，李鹏程，胡鸿，黄卫刚，邹衍华，方小勇，戴忠华，
申请(专利权)人：湖南工学院，南华大学，中广核核电运营有限公司，
类型：发明
国别省市：