| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第21-38页 |
| 1.1 研究背景与意义 | 第21-23页 |
| 1.1.1 研究背景 | 第21-22页 |
| 1.1.2 研究意义 | 第22-23页 |
| 1.2 国内外相关工作研究进展 | 第23-32页 |
| 1.2.1 人因可靠性的定义 | 第23-24页 |
| 1.2.2 人因可靠性分析的目的 | 第24页 |
| 1.2.3 国外人因可靠性分析发展历史与研究现状 | 第24-29页 |
| 1.2.4 国内人因可靠性分析研究进展 | 第29-31页 |
| 1.2.5 移植现有的HRA方法存在的问题 | 第31-32页 |
| 1.3 本文主要研究内容与研究思路 | 第32-36页 |
| 1.3.1 研究内容 | 第32-33页 |
| 1.3.2 研究方法 | 第33-35页 |
| 1.3.3 研究思路 | 第35-36页 |
| 1.4 论文的结构安排 | 第36-38页 |
| 2 基于THERP和CREAM的煤矿作业人因可靠性分析 | 第38-62页 |
| 2.1 HRA方法的选取 | 第38-39页 |
| 2.1.1 HRA方法的比较 | 第38页 |
| 2.1.2 THERP与CREAM结合的必要性 | 第38-39页 |
| 2.2 THERP方法使用流程 | 第39-42页 |
| 2.2.1 系统熟悉阶段 | 第40页 |
| 2.2.2 定性分析阶段 | 第40-41页 |
| 2.2.3 定量分析阶段 | 第41-42页 |
| 2.3 CREAM的人因失误概率定量预测分析方法及其改进 | 第42-49页 |
| 2.3.1 认知控制模式及认知模型 | 第42-43页 |
| 2.3.2 共同绩效条件 | 第43-45页 |
| 2.3.3 对于人的认知失误事件概率估算方法的改进 | 第45-49页 |
| 2.4 基于THERP与CREAM的人误事件定量预测分析方法及其应用 | 第49-52页 |
| 2.4.1 基于THERP+CREAM模型的分析步骤 | 第49页 |
| 2.4.2 基于THERP+CREAM模型的井下瓦斯超限事件分析 | 第49-52页 |
| 2.5 CREAM根原因追溯分析的改进及其应用 | 第52-60页 |
| 2.5.1 煤矿系统人因失误模式、基本前因和"后果-前因"追溯表 | 第53-56页 |
| 2.5.2 CREAM根原因追溯分析框架 | 第56-57页 |
| 2.5.3 案例分析 | 第57-60页 |
| 2.6 本章小结 | 第60-62页 |
| 3 数据完备条件下煤矿作业人员人因可靠性模糊综合评价方法研究 | 第62-82页 |
| 3.1 模糊综合评价法与层次分析法的建模步骤 | 第63-64页 |
| 3.1.1 模糊综合评价法的建模步骤 | 第63页 |
| 3.1.2 层次分析法的建模步骤 | 第63-64页 |
| 3.2 煤矿作业人员人因可靠性评价指标体系的建立 | 第64-71页 |
| 3.2.1 煤矿作业人员人因可靠性评价指标体系的指标选取及结构 | 第64-69页 |
| 3.2.2 煤矿作业人员人因可靠性评价指标体系结构 | 第69-71页 |
| 3.3 算例分析 | 第71-80页 |
| 3.3.1 建立评价矩阵 | 第71-74页 |
| 3.3.2 确定权重的计算 | 第74-79页 |
| 3.3.3 模糊合成 | 第79页 |
| 3.3.4 确定被评价对象的人因可靠性等级 | 第79-80页 |
| 3.3.5 评价结果检验 | 第80页 |
| 3.4 本章小结 | 第80-82页 |
| 4 数据缺失条件下基于神经网络的煤矿作业人员人因可靠性评价方法研究 | 第82-112页 |
| 4.1 人员的操作可靠度及观测可靠度概念 | 第82-86页 |
| 4.1.1 人员的操作可靠度概念及测定模型 | 第83-84页 |
| 4.1.2 煤矿作业人员观测可靠度的确定 | 第84-86页 |
| 4.2 构建BP神经网络评价模型 | 第86-89页 |
| 4.2.1 BP神经网络的原理与结构 | 第86-87页 |
| 4.2.2 BP神经网络隐含层节点数的确定 | 第87-88页 |
| 4.2.3 原始BP算法的不足及改进 | 第88-89页 |
| 4.3 后绩效波动期人因可靠性评价实例 | 第89-94页 |
| 4.3.1 几种改进BP训练算法的比较 | 第90-92页 |
| 4.3.2 网络训练与测试 | 第92-94页 |
| 4.4 基于PCA-RBF的前绩效波动期人因可靠性预测方法 | 第94-98页 |
| 4.4.1 PCA-RBF神经网络模型原理 | 第94-95页 |
| 4.4.2 主成分分析法的基本思想 | 第95-96页 |
| 4.4.3 主成分分析的基本步骤 | 第96页 |
| 4.4.4 构建RBF神经网络模型 | 第96-98页 |
| 4.5 前绩效波动期人因可靠性预测实例 | 第98-107页 |
| 4.5.1 数据来源 | 第98-100页 |
| 4.5.2 主成分分析数据处理 | 第100-104页 |
| 4.5.3 RBF神经网络训练 | 第104-107页 |
| 4.5.4 RBF神经网络预测结果 | 第107页 |
| 4.6 单人岗位作业过程中的操作可靠性定量预测 | 第107-110页 |
| 4.6.1 矸石山尖信号工操作可靠性预测指标体系 | 第108页 |
| 4.6.2 神经网络训练与测试 | 第108-110页 |
| 4.7 本章小结 | 第110-112页 |
| 5 基于CREAM和贝叶斯网络的群体作业人因事故概率分析方法研究 | 第112-139页 |
| 5.1 群体人因可靠性与人因事故 | 第112-115页 |
| 5.1.1 群体作业人因可靠性量化模式 | 第112-114页 |
| 5.1.2 THERP方法和故障树/事件分析的不足 | 第114-115页 |
| 5.2 贝叶斯网络理论 | 第115-116页 |
| 5.2.1 贝叶斯网络的基本概念 | 第115页 |
| 5.2.2 贝叶斯网络的构造方法 | 第115-116页 |
| 5.3 基于CREAM方法的煤矿系统行为失效概率计算 | 第116-121页 |
| 5.3.1 PSA中人因事件的划分 | 第116-117页 |
| 5.3.2 煤矿系统行为功能失效模式与失效概率基本值 | 第117-121页 |
| 5.3.3 针对不同等级煤矿CFP的计算 | 第121页 |
| 5.4 煤矿放炮事故贝叶斯网络的构建 | 第121-126页 |
| 5.4.1 煤矿事故贝叶斯网络的构建方法 | 第122页 |
| 5.4.2 放炮事故贝叶斯网络结构 | 第122-123页 |
| 5.4.3 放炮事故贝叶斯网络各节点参数设定 | 第123-126页 |
| 5.5 基于贝叶斯网络的证据推理 | 第126-131页 |
| 5.5.1 案例分析 | 第126-128页 |
| 5.5.2 三种方法的结果对比 | 第128-131页 |
| 5.6 敏感性分析 | 第131-138页 |
| 5.6.1 人因可靠性数据的对数正态分布验证 | 第132-134页 |
| 5.6.2 人因可靠度与行为失效模式失误概率的映射 | 第134-136页 |
| 5.6.3 映射后的节点数据对总体人因事故概率的影响 | 第136-138页 |
| 5.7 本章小结 | 第138-139页 |
| 6 结论与展望 | 第139-144页 |
| 6.1 结论 | 第139-141页 |
| 6.2 创新点 | 第141-142页 |
| 6.3 展望 | 第142-144页 |
| 参考文献 | 第144-159页 |
| 附录A 调查问卷 | 第159-164页 |
| 附录B 掘进队岗位安全风险控制 | 第164-166页 |
| 附录C 矸石山尖信号工安全风险控制 | 第166-167页 |
| 附录D 瓦斯爆炸故障树及相关子树 | 第167-169页 |
| 附录E 通用瓦斯爆炸事故树 | 第169-170页 |
| 附录F 放炮事故相关工种岗位安全风险控制 | 第170-175页 |
| 附录G 巷修人员支护敲帮问顶检测表现模型 | 第175-176页 |
| 攻读博士学位期间科研项目及科研成果 | 第176-177页 |
| 致谢 | 第177-178页 |
| 作者简介 | 第178页 |
