22、人类可靠性分析(HRA)的发展与空中交通管理应用

人类可靠性分析(HRA)的发展与空中交通管理应用

1. HRA的发展历程与现状

HRA最初被视为一种量化人为错误的手段,但如今它已演变成一种全面的方法,用于理解和建模任务失败与恢复情况,并为减轻错误提供建议。它关注人类可靠性的全面评估,尽管其核心仍是定量方法,但应用范围不断扩大。

在英国和欧洲部分地区(不包括法国和德国),HEART技术因其灵活性、对关键人为因素的关注以及较低的资源和培训要求而占据主导地位。1992年,它被英国核电行业采用,用于概率安全评估。此后,它经过多次改进和重新验证。

德国核电行业采用的CAHR方法则专注于相关的人为错误数据和数学分析,以呈现更可靠的人为错误概率(HEPs)及其相关的环境条件和人类行为机制。

2. 第二代HRA技术的兴起

20世纪90年代初,有专家指出大多数HRA方法对情境因素关注不足。同时,美国对委托性错误(EOCs)的担忧日益增加,这类错误往往源于对情况的误解,难以预测和防范。

因此,90年代初中期开始研发第二代HRA技术,如ATHEANA和CREAM等。ATHEANA在定性部分用于识别安全关键的人为干预,但量化方面存在问题;CREAM是一种更直接的技术,在捷克核电领域有应用,但在适应空中交通管理(ATM)方面效果不佳。

目前,第二代HRA技术仍在发展中,其更关注导致不安全情况的因素组合,而不仅仅是个体错误。

3. 当前使用的HRA方法

目前使用的HRA方法包括第一代的HEART、SLIM、APJ、THERP等,以及第二代的ATHEANA、MERMOS、CREAM和CAHR等。

近期,基于CO

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值