[发明专利]数字化人机界面监视单元布局方法及布局系统

说明书

技术领域

本发明涉及核电厂数字控制领域，特别地，涉及一种用于核电厂数字控制的数字化人机界面监视单元布局方法及布局系统。

背景技术

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年美国统计中，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；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。

在人机界面优化过程中，涉及到人机界面监视单元布局的优化，现有的优化方法包括

1、约束法

该方法一般分为几个步骤:先要设定一些约束条件;根据实际情况寻找相关函数或匹配法则;把约束条件放入到函数或匹配法则中;从函数或法则中寻找最佳解。本研究只对每种布局进行不同组合，不需要先设计约束条件;其二，约束法一般是从所设计的函数或法则中一直去寻找最优解，比较适合连续过程，而本研究是对每种组合都要机械地计算一次监视过程的失误率，并且每次计算过程都会根据不同的动态因子得到不同的结果，是一种对动态因子的机械计算过程，并非对计算方法一味地寻找不同结果，因此该方法无法解决本研究所存在的问题;

2、罚函数法

该方法与约束法有些类似，分为几个步骤:目标函数的假定，Min f(u，v)等式约束条件，gi(u，v)=0;不等式约束条件，hi(u，v)＜=0;将这些假使问题转换成连续变量的优化问题，需构造罚函数，I(v)＝MvT(e-v);找出罚函数满足的条件。很明显这里涉及到约束条件及函数的连续性问题，与约束法类似同样存在不适应本研究的缺陷。

3、梯度法

该方法也是通过函数来寻找优化结果。大致步骤为:目标函数及初始点的假设;梯度函数的假定;步长的设计方法;全局收敛性确定与证明。本方法是按设计的步长，在水平或垂直集的方向进行搜索，搜索遵循事先制定的算法进行。这个方法类似本研究布局序列组合寻找组合点位置的方法，但梯度法本身是在搜索过程中逐步寻找最优解，并不是单纯的搜索，本研究第一步搜索只是单一搜索;另外该方法对序列性问题使用起来存在很多困难，并不能对序列很好的按按梯度上升或下降进行搜索；这种方法收敛速度很慢，容易产生拉锯现象。

4、遗传方法

遗传算法本身具有的特点是比较适合数字化人机界面单元布局组合的，但传统遗传算法过程中的交叉位置选择方法对本研究存在一些缺陷，具体论述如下:

a.轮盘赌选择。选择某假设的概率是通过这个假设的适应度与当前群体中其他成员的适应度的比值而得到。此方法是基于概率选择的，存在统计误差;

b.排序选择。根据个体的排序来确定被选定的个体，这种方式随机性比较大，误高;

c.最优个体保存。父代群体中的最优个体直接进入子代群体中，该方式保证了个体不易被破坏，而数字化人机界面布局组合每一个个体均在往下进化，因此该方式不适合本研究;

d.随机联赛选择。每次选取N个个体中适应度最高的个体遗传到下一代群体中。该方法不适含本研究的一个主要特征是本研究是对一个排列序列，也就是从一个序列的内部寻找遗传点，并非多个遗传个体;

e.单点交叉。在个体编码串中随机设置一个交叉点后，在该点相互交换两个配对个体的部分基因。这个方法随机性大，收敛性差，寻找遗传点的次数太多;

f.两点交叉。在相互配对的两个个体编码串中随机设置两个交叉点，并交换两个交又点之间的部分基因。该方法适宜两个及以上个体，且随机大，导致收敛性差;

g.均匀交叉。两个相互配对个体的每一位基因都以相同的概率进行交换，从而形成两个新个体，该方法不适宜本研究的原因有两个:第一，个体不只一个，第二，进化次数比较多;

h.算术交叉。由两个个体的线性组合而产生出新的个体。同样该方法涉及两个个体，且杂交位置确定存在困难，收敛性差。