本发明涉及民机试飞人因风险评估，尤其涉及一种定量评估影响民机试飞风险的人为因素的方法。
背景技术：
1、民用飞机飞行试验是一项复杂的系统工程，其根本目的是验证飞机的安全性，而试飞需要在超出飞行包线、特殊环境下和极端气象条件下进行，导致试验过程中极易发生事故。为了提高民机试飞的安全性，美国国家航空航天局（nasa）根据多年型号试飞经验建立的综合性试飞风险数据库，涵盖了几乎所有的民机试飞科目。然而，民机试飞作为一个综合性系统工程，不仅包含复杂的试飞科目，其多任务、高负荷、高风险的飞行条件势必会对试飞人员的心理、生理等造成影响，进而影响飞行过程的安全性，但相关风险数据库却对不可忽视的人为因素对风险的影响鲜有提及。20世纪下半叶以来，由于航空技术的快速发展，航空安全部门关注的焦点已从技术阶段逐步转变为人为因素阶段，最终发展到了组织和安全文化阶段，且2017年航空事故报告统计数据表明，超过70%的航空事故是受人为因素影响的。可见如今愈来愈复杂的航空系统已对试飞员的心理素质提出更高的要求，但在民机试飞领域中，人为因素的影响却没有得到应有的重视，截至目前，针对民机试飞人因风险的研究较少且均针对某一特定方面的风险因素进行评估，虽具有很强的针对性，却缺乏风险因素分析的系统性，而相关研究的不足也可能导致在实际民机试飞过程中对人为因素影响的把控略显薄弱。因此，为了减少民机试飞事故发生，提高试飞安全性，系统地分析试飞过程中人为因素的影响至关重要。
2、目前常用的人因领域内的风险识别手段包括瑞士奶酪模型（reason模型）、人为因素分析和分类系统模型（human factors analysis and classification system，hfacs模型）等。hfacs模型是对reason模型进行改进后的更全面的模型，其优势在于可以了解导致事故的潜在因果因素。作为一种综合的人为失误分析模型，hfacs模型被广泛应用于各种领域，可以提高各领域的安全性和可靠性。因此，在hfacs模型的框架内分析人为因素与民机试飞安全事故之间的关系进而对风险源进行识别是有价值的。然而尽管hfacs是事故调查中识别和分类人为因素的强大工具，但由于缺乏定量分析和不确定条件下的推理以及没有考虑因素之间复杂的相互依赖关系等局限性而受人诟病。
3、传统的定量风险评估（quantitative risk assessment，qra）计算手段包括贝叶斯网络、故障树分析、事件树分析、蒙特卡洛分析等，其中贝叶斯网络(bayesian network，bn)已被认为是考虑hfacs识别的人为因素之间的依赖关系并分析这些依赖关系对事故发生的总体影响的有效替代方案。贝叶斯网络具有强大的不确定性问题处理能力，其用条件概率表达各个信息要素之间的相关关系，能在有限的、不完整的、不确定的信息条件下进行学习和推理。然而，贝叶斯网络计算需要精确的概率信息（包括根节点的先验概率和节点间的条件概率），可是由于缺乏试飞事故历史数据和对人为失误的概率值的不完全认知，很难用准确概率数值进行计算。在为模棱两可的事件分配精确概率时，模糊集合理论(fuzzyset theory，fst)是处理故障概率的认知不确定性的有效工具，且可以解决因数据不足而难以计算的难题。将fst与bn结合的模糊贝叶斯网络(fuzzy bayesian network，fbn)目前广受关注且应用广泛，因此在hfacs框架内集成fst与bn有助于计算出更客观准确的结果。
4、相似度聚合法（similarity aggregation method，sam）是一种基于fst的概率计算方法，其利用共识指数和每个专家的重要性来汇总专家的模糊意见，将其与bn结合可以准确计算出bn根节点的模糊失效概率，减少主观因素或个体差异造成的偏差，但传统的sam也同样存在弊端，其虽然同时考虑了共识程度和个体差异的影响，却没有考虑二者之间的影响关系。guo等提出了改进sam，改进后的sam不仅考虑了共识程度，而且解决了在专家意见聚合过程中由于个体认知水平不同而产生的共识差异，使聚合结果更倾向于高可靠专家的估计，从而使计算结果更准确。其次为解决贝叶斯网络节点间的条件概率计算问题，故障树分析（fault tree analysis，fta）因其特殊的逻辑对应关系结构，且与贝叶斯网络之间存在映射关系，可以很好地与贝叶斯网络相结合进行概率计算。
技术实现思路
1、为解决由于试飞事故数据不足而难以进行定量风险概率计算研究的问题，且由于现阶段对民机试飞人为因素有关的风险因素分析层面较单一，提出一种定量评估影响民机试飞风险的人为因素的方法，以提高民机试飞人因风险评估质量和全面性，有效地找到发生事故的关键环节，进行有针对性的预防和管控，减少事故发生。
2、为实现上述目的，本发明提供了一种定量评估影响民机试飞风险的人为因素的方法，包括：
3、结合试飞资料对人为因素分析和分类系统hfacs模型进行适应性改进，识别影响民机试飞安全的人因风险因素；
4、通过识别的所述人因风险因素，构建故障树模型，获得条件概率；
5、基于所述故障树模型与贝叶斯网络模型的映射关系，构建贝叶斯网络模型；
6、采用专家调查法，并基于改进相似度聚合法综合考虑共识差异的专家模糊意见，通过聚合所述专家模糊意见、专家意见去模糊化过程，获取根节点先验概率；
7、将所述条件概率、所述根节点先验概率通过所述贝叶斯网络模型进行计算分析，获得关键风险因素。
8、优选地，所述影响民机试飞安全的人因风险因素包括：不安全行为因素、不安全监督因素以及组织影响因素。
9、优选地，所述故障树模型与贝叶斯网络模型的映射关系为：
10、顶事件被转换为叶节点，中间事件被转换为贝叶斯网络中的中间节点，底事件被转换为贝叶斯网络中的根节点，故障树的逻辑门对应贝叶斯网络中的条件概率表；其中，所述逻辑门包括或门、与门。
11、优选地，获取所述根节点先验概率，包括：
12、通过分配专家的权重系数代表每位专家意见的相对重要性，其中，采用德尔菲法分配各个专家的权重系数，并基于梯形模糊数表示风险因素的失效概率，即所述根节点先验概率。
13、优选地，所述梯形模糊数的隶属度函数为：
14、
15、式中，x为模糊数，r1，r2，r3，r4分别为综合评价模糊数的模糊集对应的数值，f（x）为梯形模糊数的隶属度函数。
16、优选地，聚合所述专家模糊意见、专家意见去模糊化过程，包括：
17、分别计算专家模糊评级的一致性程度、专家模糊评价的加权一致性、专家模糊评价的相对一致性；
18、基于所述专家模糊评级的一致性程度、专家模糊评价的加权一致性、专家模糊评价的相对一致性，进行专家共识系数预测，并计算专家对节点状态为时的综合评价模糊数；
19、基于面积重心法对所述综合评价模糊数进行去模糊化。
20、优选地，计算所述专家模糊评级的一致性程度的方法为：
21、
22、式中，s(ru，rv)表示专家zu和专家zv对同一事件评估的一致性，；ai为专家zu的评价结果对应的模糊数，bi为专家zv的评价结果对应的模糊数，i为第i个模糊数；
23、s(ru，rv)的值越大，表示两位专家的意见越一致，若s(ru，rv)=0，表示两位专家的意见没有交集；
24、计算所述专家模糊评价的加权一致性的方法为：
25、
26、式中，n表示评价专家的数量，w(ev)为专家zv的权重，为专家模糊评价的加权一致性，v为专家zv；
27、计算所述专家模糊评价的相对一致性的方法为：
28、
29、式中，为专家模糊评价的相对一致性，u为专家zu。
30、优选地，进行所述专家共识系数预测的方法为：
31、
32、式中，w(eu)代表专家zu的权重；为松弛因子，其中∈[0,1]，当=0时表示没有偏好；当=1时表示专家意见的共识程度与专家权重相同，为专家共识系数；
33、计算专家对节点状态为false时的综合评价模糊数的方法为：
34、
35、式中，为综合评价模糊数，为第n个专家的共识系数与其评价模糊数的乘积。
36、优选地，对所述综合评价模糊数进行去模糊化的方法为：
37、
38、式中，fps为模糊可能性评分，r1，r2，r3，r4分别为综合评价模糊数的模糊集对应的数值，x为模糊数。
39、优选地，获取所述根节点先验概率的方法为：
40、
41、式中，fps为模糊可能性评分，ffp为各事件的根节点先验概率。
42、与现有技术相比，本发明具有如下优点和技术效果：
43、本方法不仅仅分析局限于试飞工作人员的工作量、训练量等因素，而是分析涵盖操作、心理、监督等各个方面引起试飞人因事故的众多风险因素，做到更全面地综合分析试飞人因风险。运用改进相似度聚合法对专家意见进行聚合，改进后的sam不仅考虑了共识程度，而且解决了在聚合过程中由于个体认知水平不同而产生的共识差异，使聚合结果更倾向于高可靠专家的估计。结合贝叶斯网络，可以处理由于缺乏数据而产生的认知不确定性，进行概率预测，从而解决由于试飞数据不足而较难进行计算分析的问题；
44、本发明改进了hfacs模型，更科学全面地识别出涵盖操作、心理、监督等各个方面引起试飞人因事故的众多风险因素；通过改进相似度聚合法融合考虑专家一致性和个体差异性的相互影响，提高了高权重专家在整体估计结果中的比例，使计算结果更客观可靠；利用贝叶斯网络可以处理由于缺乏数据而产生的认知不确定性，进行概率预测，直观地找出关键风险因素。
1.一种定量评估影响民机试飞风险的人为因素的方法，其特征在于，包括：
2.根据权利要求1所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，所述影响民机试飞安全的人因风险因素包括：不安全行为因素、不安全监督因素以及组织影响因素。
3.根据权利要求1所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，所述故障树模型与贝叶斯网络模型的映射关系为：
4.根据权利要求1所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，获取所述根节点先验概率，包括：
5.根据权利要求4所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，所述梯形模糊数的隶属度函数为：
6.根据权利要求1所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，聚合所述专家模糊意见、专家意见去模糊化过程，包括：
7.根据权利要求6所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，计算所述专家模糊评级的一致性程度的方法为：
8.根据权利要求7所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，进行所述专家共识系数预测的方法为：
9.根据权利要求6所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，对所述综合评价模糊数进行去模糊化的方法为：
10.根据权利要求1所述的定量评估影响民机试飞风险的人为因素的方法，其特征在于，获取所述根节点先验概率的方法为：
