PSO-LM-BPNN人因可靠性设计模型

视觉干扰下人误率可测

将改进HEART分析的人误概率作为输入特征，经PSO优化的LM-BPNN拟合操作状态与界面元素的相关性，在视觉认知干扰下实现人因可靠性的量化设计。

刘昕 · 刘征 · Zeng, Zongyue · Qianxi, Chen · Zixin, Li · Haoxin, Zhang · Yetong, Zeng

Reliability Engineering and System Safety 2026

技术优势

量化不确定性

将HEART与灰色关联算法结合，解决通用量化值在实际场景中匹配不确定的问题。

降低建模不确定性

采用PSO优化的LM-BPNN拟合操作状态与界面元素的相关性，相比两种类似算法不确定性更低。

融合人误概率

将改进HEART分析得到的人误概率作为BPNN的输入特征之一，使设计模型直接反映认知可靠性水平。

应用场景

• 医疗设备人机界面设计：取代依赖经验的界面布局，提供量化的人误概率预测来指导设计。
• 复杂系统人因可靠性：在视觉认知干扰等混合不确定性下，提高人因可靠性评估的准确性。
• 安全关键系统操作：通过预测人误概率，在设计阶段消除操作失误导致的安全隐患。