核电厂改造的人因工程任务支持验证方法研究

人因工程(HFE)任务支持验证(TSV)关注支持任务需求所需的物项可用性,即确保人机接口(HSI)设计能够提供人员执行任务必需的报警、信息、控制和任务支持。目前,公开标准和文献中提到的TSV方法更多地被应用于新建电厂项目。其关注点与电厂改造项目有一定差异,不能完全适用于电厂改造项目。对电厂改造与新建电厂TSV的差异进行了分析,并基于此提出了适用于电厂改造的TSV总体框架、实施方法和过程。它是一种以改造变更项为核心,围绕变更项对人机交互的影响进行分析和验证的方法。这一方法被应用于秦山核电厂控制室整体改造项目,并取得了良好的效果,证明了其对于电厂改造项目的有效性。     

核电厂主控制室控制模式切换方案分析及改进

核电厂控制模式切换关系到电厂的安全、稳定运行,是核电厂仪控系统设计时要分析的重要环节。根据核电厂控制室切换功能需求,分析并改进了主控制室(MCR)内模式切换及其与远程停堆站(RSS)切换方案。在分析核电厂后备盘(BUP)控制模式需求的基础上,提出了一种核电厂BUP控制模式切换方案。根据所提方案,给出了主要控制模式(MCM)/BUP控制模式和MCR/RSS切换方案的硬件和软件设计实现,并对切换方案的主要性能进行分析和比较。改进方案可有效提高核电厂控制系统的安全性及可靠性,并为后续核电站切换方案设计提供参考与改进方向。     

基于B型超声的在线手势识别

开发了一种在线手势识别软件,并给出了相关在线性能评价指标.通过实验验证了B型超声人机接口的在线性能.实验结果表明:相较于现有的传统人机接口,系统对于11类手部动作具有更好的在线识别效果.平均在线动作选择时间为(0.24±0.15)s,动作完成时间为(1.27 ±0.19)s,动作完成率为(97±7)％,实时正确率为(95±5)％.     

核电厂仪控系统本体可靠性分析研究

核电厂仪控系统本体可靠性是影响核电厂安全、稳定运行的重要因素。研究了核电厂仪控系统设计过程中影响仪控系统本体可靠性的影响因素。提出了包含4个主要影响因子和13个子影响因子的人因失误模型。应用灰色关联分析方法对人因失误模型中各影响因子进行定量关联度计算,以识别影响因子的重要程度。对某实际核电机组仪控系统设计活动进行实例分析,成功地识别出了核电厂仪控系统设计过程中影响仪控系统本体可靠性的关键因素。该研究结果有助于更好地识别和管理潜在的人因失误风险,并提高系统的可靠性和安全性。     

基于PoseC3D的网球动作识别及评价方法

为了准确地识别及评价网球动作,将计算机视觉与网球运动相关知识相结合,提出了一种基于PoseC3D的网球动作识别及评价方法。首先,使用基于ResNet-50姿态估计模型对网球运动视频进行人体目标检测并提取骨骼关键点;然后,使用在专业网球场采集的视频数据集进行PoseC3D模型训练,使模型能够对网球的子动作进行分类;之后,使用动态时间规整算法对分类的动作进行评价;最后,基于采集的视频数据集进行了大量实验。结果表明,提出的基于PoseC3D的网球动作识别方法对6类网球子动作的分类Top1准确率可以达到90.8%。相较于基于图卷积网络的方法,比如AGCN和ST-GCN,具有更强的泛化能力;提出的基于动态时间规整的评分算法能够在动作分类后实时、准确地给出相应动作的评价分数,从而减少了网球教师的工作强度,有效地提升了网球教学质量。     

基于单目视觉的在线人体康复动作识别

为了进一步提高居家监护场景下人体动作识别的可靠性与实时性,更好地辅助出院后的卒中患者进行康复训练,提出一种基于单目视觉的在线人体动作识别算法。融合姿态估计OpenPose与最近邻匹配算法对监控视频流中的目标人体生成动作序列。通过滑动窗口选取原始姿态特征并对其预处理转化为鲁棒性特征,输入到多层LSTM长短时记忆网络中进行康复动作识别。实验结果表明,该方法对活动背景、人体穿着、无关人员的干扰等具有较强的适应能力,能够在线识别连续的康复动作且准确率达90.66%,在居家康复训练场景中有一定的应用价值。     

核电厂QA/QB子项智能识别系统方案设计

为提高核电厂辅助系统智能化水平、降低人员工作强度,根据核电厂实际需求及场景分析情况,将核岛液态流出物排放厂房(QA)/常规岛液态流出物排放厂房(QB)作为研究对象,进行智能化水平提升研究。通过对QA/QB子项仪表、机柜、人员移动以及环境监测的详细需求分析,确定了智能识别系统的整体架构、硬件设计方案、智能识别方案以及具体工作流程。利用智能视频/图像识别技术进行图像序列的处理和分析,可准确定位异常情况,并实时显示和上传报警信息。这实现了对QA/QB子项的智能化设计。智能识别系统的设计方案已成功应用于“华龙一号”项目中,为后续核电厂辅助系统子项乃至整个核电厂提供了良好的工程经验。     

基于模糊理论的人体动作表示及动作模式识别方法

根据模糊数学理论和模糊神经网络技术,本文提出了一种适用于体育动作分析的人体动作元层次结构模型、动作特征的模糊表示方法和体育动作模糊识别方法,并给出了实现体育动作模糊识别的过程和实验结果.     

一种结合形状序列和DTW的动作识别方法

提出了一种单幅图像上轮廓信息的获取方法,在一段时间内发生的动作可以通过采样获得多幅图像来表示该动作特征.这些图像可以看成是轮廓形状变化序列,通过比较不同动作的轮廓形状序列,使得动作能够较容易地识别出来.实验证明,轮廓信息能够较好地反映对象的形状,采用形状序列和DTW相结合的方法能够提高动作识剐的准确性.     

核电厂阀门限位开关鉴定试验方法研究

为了实现核电阀门限位开关的可靠鉴定,研究了一种针对核电厂阀门限位开关的鉴定试验方法。分析了基准试验、极限工况下试验、评价设备性能随时间变化的试验、抗震试验和严重事故试验阶段的鉴定实施方法。该方法包括不同阶段和不同工况下的试验要求,能够确保核电阀门限位开关在各种工况和时间变化下的稳定性和可靠性。该研究可为核电行业提供更安全可靠的设备,也为核电厂K1级相关仪控设备的鉴定试验提供指导和参考。同时,该研究对核电领域的安全运行和设备可靠性研究具有重要推进作用。     

Development of a systematic checklist for the human factors evaluation of the operator aiding system in a nuclear power plant

In the safety systems review of the Korean nuclear power plants, the Human Factors Program Plan for the OAS (Operator Aiding System) has been executed mainly by an expert review. The reviewers had to integrate all the relevant sources of information and make judgement based on their own criteria. Consistency and thoroughness of this process was always in question and a systematic approach to correct these problems was in need. The purpose of this work was to design a methodology for supporting an effective and efficient ergonomic evaluation of the user interface of the OAS. By collecting and systematically structuring all the critical considerations in the human factors review process, an ergonomic evaluation checklist for the CFMS (Critical Function Monitoring System) in an MCR (Main Control Room) was designed and implemented in this study. Application of the developed checklist was used during the licensing review process for the CFMS of the Ulchin unit 3&4. Efficiency and effectiveness of the human factors review process was enhanced significantly with the aid of the integrated checklist and the standardized evaluation format developed in this study.

Relevance to industry

Human factors review process is an integral component of the safety of a nuclear power plant. The methods and procedures developed in this study will provide valuable support for the enhancement of the safety and usability of the human interface of the nuclear power plant.     

一种基于肌电信号的动作起始时刻识别方法

提出一种提取尺侧腕屈肌表面肌电信号的短时统计特性，并将此特性预处理后作为自组织人工神经网络输入来判断运动状态，进而实现实时识别人体特定动作起始时刻的方法。用这种方法识别特定动作的运动起始时刻，省去了动作电位在肌纤维内传递以及肌纤维内部Ca^2＋和ATP化学反应的时间，大大提高了人-计算机接口的时间效率。最后分析了特定动作误判出现的原因和解决办法。实验结果证明本文方法速度快、可靠性高，可在军事和竞技体育等领域得到广泛应用。     

基于人因工程学的核电厂主控室人机界面设计

介绍基于人因工程学的核电厂主控室人机界面设计方法,以预防和减少操作中的人为失误.     

Human action recognition based on skeleton splitting

Human action recognition, defined as the understanding of the human basic actions from video streams, has a long history in the area of computer vision and pattern recognition because it can be used for various applications. We propose a novel human action recognition methodology by extracting the human skeletal features and separating them into several human body parts such as face, torso, and limbs to efficiently visualize and analyze the motion of human body parts.Our proposed human action recognition system consists of two steps: (i) automatic skeletal feature extraction and splitting by measuring the similarity between neighbor pixels in the space of diffusion tensor fields, and (ii) human action recognition by using multiple kernel based Support Vector Machine. Experimental results on a set of test database show that our proposed method is very efficient and effective to recognize the actions using few parameters.     

关键语义区域链提取的视频人体行为识别

目的 视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法 根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果 使用具有挑战性的人体行为识别数据集UCF （University of Central Florida）50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论 实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。     

基于人体关节点的多人吸烟动作识别算法

吸烟检测已成为公共场所禁烟的重要措施,基于视频图像的吸烟动作识别已广泛用于吸烟检测中。使用深度学习的方法进行图像处理,需要大量数据集训练模型。现有的吸烟动作识别方法的准确率和实时性不够理想,且多只针对一个人进行动作识别。为解决这些问题,提出了一种通过检测周期性动作来识别多人吸烟动作的方法。在进行了大量的实验后发现吸烟行为是有节奏和周期性的,对此具体分析了吸烟行为的周期性并制定了吸烟行为规范;利用人体关节点信息,关注关节点的运动轨迹,检测运动轨迹是否符合周期性规律从而实现吸烟动作识别;同时跟踪多人关节点的信息,以实现多个人实时吸烟行为的识别。实验结果表明,该方法可以达到91%的准确率,在各种情况下都可以保持较高准确率和鲁棒性。     

基于多学习器协同训练模型的人体行为识别方法

人体行为识别是计算机视觉研究的热点问题,现有的行为识别方法都是基于监督学习框架.为了取得较好的识别效果,通常需要大量的有标记样本来建模.然而,获取有标记样本是一个费时又费力的工作.为了解决这个问题,对半监督学习中的协同训练算法进行改进,提出了一种基于多学习器协同训练模型的人体行为识别方法.这是一种基于半监督学习框架的识别算法.该方法首先通过基于Q统计量的学习器差异性度量选择算法来挑取出协同训练中基学习器集,在协同训练过程中,这些基学习器集对未标记样本进行标记;然后,采用了基于分类器成员委员会的标记近邻置信度计算公式来评估未标记样本的置信度,选取一定比例置信度较高的未标记样本加入到已标记的训练样本集并更新学习器来提升模型的泛化能力.为了评估算法的有效性,采用混合特征来表征人体行为,从而可以快速完成识别过程.实验结果表明,所提出的基于半监督学习的行为识别系统可以有效地辨识视频中的人体动作.     

基于中层时空特征的人体行为识别

目的 人体行为识别是计算机视觉领域的一个重要研究课题,具有广泛的应用前景.针对局部时空特征和全局时空特征在行为识别问题中的局限性,提出一种新颖、有效的人体行为中层时空特征.方法 该特征通过描述视频中时空兴趣点邻域内局部特征的结构化分布,增强时空兴趣点的行为鉴别能力,同时,避免对人体行为的全局描述,能够灵活地适应行为的类内变化.使用互信息度量中层时空特征与行为类别的相关性,将视频识别为与之具有最大互信息的行为类别.结果 实验结果表明,本文的中层时空特征在行为识别准确率上优于基于局部时空特征的方法和其他方法,在KTH数据集和日常生活行为(ADL)数据集上分别达到了96.3%和98.0%的识别准确率.结论 本文的中层时空特征通过利用局部特征的时空分布信息,显著增强了行为鉴别能力,能够有效地识别多种复杂人体行为.     

Human behavior classification by analyzing periodic motions

Recognizing human action is a critical step in many computer vision applications. In this paper, the problem of human behavior classification is addressed from a periodic motion analysis viewpoint. Our approach uses human silhouettes as motion features that can be obtained efficiently, and then projected it into a lower dimensional space where matching is performed. After a periodic analysis, each action unit is represented as a closed loop in this lower dimensional space, and matching is done by computing the distances among these loops. The main contributions are twofold: (1) an efficient periodic action feature constructing method is introduced; and (2) the difference between action units with different phase is computed adaptively with a novel distance proposed in this work. To demonstrate the effectiveness of this approach, human behavior classification experiments were performed on an open dataset. Classification results are highly accurate and show that this approach is promising and efficient.     

Optimal design methods for a digital human–computer interface based on human reliability in a nuclear power plant part 1: Optimization method for monitoring unit layout

This is the first in a series of papers describing the optimal design method for a digital human-computer interface of a nuclear power plant (NPP) from three different points based on human reliability. The purpose of this series is to propose different optimization methods from varying perspectives to decrease human factor events that arise from the defects of a human–computer interface. The present paper mainly discusses the optimization method for the layout of monitoring units.The layout of relative positions among different functional blocks in a digital human–computer interface influences the time required to search information. The risk of an event increases with increases in the time required to search for information because of the limited time available during a nuclear emergency. To avoid the risk of such an event, the authors propose an optimization method for the layout of monitoring units based on human reliability for a digital human–computer interface of a NPP. In the optimal design process, the authors propose a linear reversal genetic hybridization method that uses the Bayesian method as an adaptive function and takes human reliability as the optimized criterion. To quantitatively obtain the probability of human reliability, the authors use dynamic simulative functions including time and human factors. Finally, an experiment is conducted. The results indicate that the linear reversal genetic hybridization method has good stability and sensitivity and that the proposed optimization method has good accuracy and convergence.