原文传递
基于经验数据分析与决策的铁路驾驶过程人为可靠性研究
| 论文题名： | 基于经验数据分析与决策的铁路驾驶过程人为可靠性研究 |
| 关键词： | 铁路系统;人为可靠性评估;大群体决策模型;贝叶斯网络;可靠性评估 |
| 摘要： | 铁路系统对我国的经济发展至关重要。随着铁路系统机械设备可靠性大大提升，人为可靠性在铁路系统安全中的重要性日益凸显。定量评估人为可靠性，对于铁路系统安全管理具有重大研究意义。铁路系统中，人为可靠性相关的人为错误并非是孤立的，而是由人因因素耦合导致的。为了分析人为可靠性，就要确定铁路系统中存在的人因因素，并探究人为错误的致因路径。以往的研究主要利用专家经验知识确定人为错误的致因路径，通过利用事后机制的事故调查报告，辅助确定这种路径关系。但是，这些研究主要是少数专家进行评估，主观性较强；同时，以往利用贝叶斯网络进行人为可靠性评估的研究工作，存在根节点先验概率和节点间条件概率估计难的问题。因此，如何削减专家的主观性，更准确地评估人为错误的致因路径，并在此基础上，克服上述估计难问题，进而客观合理地计算人为可靠性，具有重要的研究意义。 本文的主要研究内容包括：首先，基于大群体专家决策方法提取事故报告中的二元变量的人因因素，即该人因因素是否导致事故的发生。大群体专家的意见往往具有高度异质性，因此，本文提出大群体人因因素提取决策模型，定量指导专家意见调整。该模型包括两种调整方法来管理专家的非合作行为，从而有效率地提升大群体的共识性。其次，基于上述人因因素数据，利用统计学方法，得到人因因素与人为可靠性之间的路径关系。然后，基于这种路径关系，构建贝叶斯网络进行人为可靠性评估。通过拟合基本根节点的寿命分布函数，并利用监-检数据，计算根节点的先验概率。考虑到贝叶斯网络节点间的概率数据难以获得，但又因为可以获取事故数据，本文提出了适用于小样本事故数据的、基于经验贝叶斯理论与Gibbs抽样结合的条件概率估计方法，最终利用728起铁路事故报告数据，对铁路人为可靠性进行定量计算，并通过对比实验验证了模型的可靠性。 本文提出的大群体人因因素提取决策模型可以定量定向指导专家调整意见，结构化提取事故报告中的人因因素。提出的条件概率估计方法，能够克服贝叶斯网络概率传递估计难问题。本文综合采用的人为可靠性评估模型，可以分析因素间的耦合关系，客观准确评估人为可靠性，为铁路安全管理提供理论支撑与指导。 |
| 作者： | 涂人方 |
| 专业： | 控制科学与工程 |
| 导师： | 周剑岚 |
| 授予学位： | 硕士 |
| 授予学位单位： | 华中科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
