人机环境系统多领域行为过程建模与优化方法研究进展

董元发 张文厉 肖人彬 田启华 杜 轩

1.三峡大学机械与动力学院，宜昌，443002 2.三峡大学智能制造创新技术中心，宜昌，4430023.华中科技大学人工智能与自动化学院，武汉，430074

0 引言

随着机械、电子、信息、控制等学科的不断发展和深度融合，现代机器自动化程度不断提高，开始逐步接管传统由人完成的机械运动与执行、传感与监测、信息处理和控制等职能，“机进人退”趋势明显。特别是近年来，人工智能、情感计算、多模态交互等新兴技术在产品开发中大量应用，机电产品行为日趋复杂与多元化，已逐步在环境感知、逻辑推理、自主决策、人机交互等方面表现出不同程度的类人智能行为(简称“智能交互产品”)，人机关系也随之由传统控制和被控制的“奴仆关系”向人机共生的“伙伴关系”发展[1-2]。2019年4月，《自然》杂志发表了一篇以“Machine behaviour”为题的综述文章[3]。“机器行为学”作为一门重点关注智能交互产品行为的新兴学科被正式提出。

智能交互产品在日常生活中随处可见，大到民航客机、高档数控机床、智能网联汽车，小至服务机器人、智能音箱、智能手机等。智能交互产品在给人们带来舒适和便捷的同时，也深深地影响人们的生活方式，消费者不再仅仅满足于产品功能和造型，而是希望产品具有更加人性化、智能化的行为过程，以获得更高品质的交互体验[4]。这一转变使得智能交互产品的创新设计需要同时处理好人、机、环境三个子系统间的关系。以汽车为例，为了顺应消费者的需求，各大车企纷纷转战研发智能汽车，将设计重点转移到以智能网联为核心的汽车人机交互系统设计创新上，比如特斯拉的OTA 7.1系统增加了遥控召唤技术和自动泊车技术；宝马概念座舱的悬浮屏幕在自动驾驶模式下显示不同内容，通过摄像头和超声波捕捉人手的动作实现手势控制，并在没有实际接触的情况下给出压力反馈；上汽股份有限公司率先与阿里巴巴公司合作，推出全新“斑马系统”；蔚来汽车发布了“NOMI”人工智能伴侣系统，通过持续学习用户的习惯与兴趣，根据不同使用场景来满足乘车者的个性化需求。

受限于目前智能技术自身在通用性、稳健性、安全性等方面的不成熟[5-6]，智能交互产品极易因在意图表达、信息处理、决策逻辑、交互时序、动作强度等方面与用户行为模式的不匹配而产生“行为冲突”[7]，严重影响用户的体验，甚至引发安全事故。如前两年的特斯拉撞人事件多是由于开启自动驾驶辅助系统后驾驶员放松警惕，突发状况时系统错误动作或驾驶员未能及时接管导致了交通事故的发生，有研究表明L3级自动驾驶中的人机共驾模式不仅未减轻驾驶疲劳，反而增加了用户的认知负担；2019年印尼狮航坠机事件中，波音737 MAX自动防失速系统(MCAS)在迎角探测器出现故障得到错误信号时强行压低机头，且未给出提醒，虽然飞行员多次试图手动拉起机头挽救，但因无权限关闭MCAS最终没能避免空难的发生。以上案例固然与智能交互产品本身的可靠性有关，但其根源在于缺乏对新型人机关系下不同智能体的行为进行统一建模与集成优化，导致产生特定环境下智能体行为冲突引起的人机环境系统“紊乱”现象。

用户与智能交互产品各自受不同的行为模式和行为机理支配，其交互过程本质上是异构复杂系统之间多领域行为的相互激励与非线性耦合响应过程，而“行为冲突”则主要源于各子系统动态行为特性的匹配失衡，因此，消除“行为冲突”，提高智能产品交互体验的关键在于根据人机环境系统的耦合规律对智能交互产品的行为特性进行精确调控与优化设计，而调控与优化的关键在于构建人机环境系统多领域行为的可计算、可仿真模型。设计环节可赋予产品“先天性”质量特性，尤其是处于产品设计前端的创新设计的好坏直接决定了产品的最终交互特性与体验的好坏。对于涉及机械、电子、控制、软件等多领域行为且与用户高度共融的智能交互产品，如何在概念设计阶段对人机环境系统多领域行为进行统一建模与仿真分析，是实现智能交互产品行为特性的前馈调控和正向优化设计的基础。

模型驱动的系统设计与优化是当前数字化设计和工业软件技术的研究热点和制高点。鉴于此，本文将智能交互产品扩大到人机环境一体化系统的视域下，力图从表征模型、建模语言/工具、模型验证、行为过程优化等方面对人机环境系统多领域行为过程建模与优化方法的研究进展状况给出完整系统的综述，并由此对目前存在的问题和局限性进行分析，继而展望其今后的研究重点和发展趋势。

1 人机环境系统多领域行为过程的表征模型

人机环境系统多领域行为过程建模是在概念设计阶段对人和智能交互产品在特定环境下的多领域行为过程的描述与表征，是实现方案验证和系统优化的基础。如图1所示，人机环境有各自的物理基础，并在不同行为模式的支配下形成多领域交互行为过程。本文按系统构成从人的行为表征模型、智能交互产品的功能与行为表征模型和人机环境系统一体化表征模型三方面进行阐述，其中狭义的环境行为主要受物理规律支配，实际建模过程中可转换为人或智能交互产品行为过程的一部分，本文暂不作讨论。

图1 人机环境系统多领域行为过程示意图

1.1 人的行为表征模型

人的行为往往是人机环境系统多领域行为过程的起点，人的失误将影响整个系统的正常运行。张力等[8]指出，人的行为形成因子、行为影响因子、失误形成因子是人因失误因素辨识的关键点，提出了基于符合信息空间理论的人因失误辨识多视图法。人是否能充分发挥自身优势和机器协调配合，将直接影响人机系统的设计好坏，许录平等[9]建立了一种任务分工模型使人机系统处于最佳状态。在人机交互系统中，人的生理特征和心理特性不是恒定不变的，王泽申[10]提出人机系统在设计时必须考虑人的动态变化特性。人机交互系统的设计要与人们的视觉、听觉、触觉和所使用的环境相适应，胡静等[11]指出系统及时连续的反馈信息能够减少人机冲突。

用户行为模式和智能交互产品行为模式的不匹配是导致“人机冲突”的主要原因。近年来，为了更好地设计人机一体化系统，学者们在人的行为建模方面开展了许多研究。针对用户的感知、决策、操纵行为模式，冯树民等[12]基于隐马尔科夫模型(hidden Markov model，HMM)建立了驾驶人跟车行为的“感知-决策-操纵”行为模型。针对用户的意图行为模式，黄秋菊等[13]、MOHAMMED等[14]、LIU等[15]、GAO[16]使用脑肌电信号对用户行为意图进行研究，通过分析人的心理身体状态来预判用户行为。MAINPRICE等[17]、LIU等[18-19]、刘庭煜等[20]、ZHANG等[21]运用图像处理和机器视觉的知识来对用户行为模式进行建模和预测。唐立军等[22]针对操作人员和巡检机器人的交互过程，建立了基于贝叶斯网络的操作意图推理模型。针对用户的决策行为模式，郭海兵等[23]针对车辆换道交互行为建立分层Logit模型，并利用效用理论优化驾驶人的决策效用。

此外，何思俊等[24]系统综述了近年来装备驾驶界面在视觉工效评价、操纵舒适性评价和布局合理性评价方面的国内外研究进展，指出未来装备驾驶界面评价研究可以围绕自动驾驶界面、虚拟现实评价技术和情感化评价技术展开。王瑞等[25]通过对用户行为的分析，研究了界面交互过程中的高频次行为、界面交互方式的系统平均响应时间与学习掌握时间，归纳出不同人机界面交互方式的特点，并提出了未来智能汽车界面的设计建议。LIN等[26]指出构建智能机器的关键在于人机界面设计和人机协作问题，而人的状态和行为建模是目前最大的挑战。

1.2 智能交互产品的功能与行为表征模型

智能交互产品与普通产品的区别在于其功能的实现往往离不开人的参与，且行为过程具有高度的不确定性和环境自适应性。在创新设计阶段，智能交互产品建模主要包括功能、行为、结构及其关联关系，功能和行为建模是实现方案验证的重要内容。

1.2.1功能表征模型

功能建模是用户需求的最直观反映，是行为建模的基础，能够让用户和设计师进行有效的沟通交流，从而提高产品设计和需求的吻合度。功能表征模型主要有输入/输出转化和语言表达两种方式。

CHEN等[27]将功能分成流、期望功能以及功能知识三部分表示，提出了一种基于物理量属性配置的多学科能量流和信号流表示方法，以结构化形式对多学科领域的功能原理解进行了表征。YUAN等[28]利用主流和辅助流的输入输出状态变量转换以及功能效应对功能进行表达。LIU等[29-30]用输入输出流表征产品功能，建立了功能单元模型，采用功能单元链表征概念设计结果，在此基础上还采用基于深度优先搜索算法生成功能单元图来表征概念设计结果。袁琳等[31]针对基于简单功能动词和流名词的功能表示存在的语义模糊和二义性问题，提出了一种基于流的规范化功能建模语法。刘帅等[32]采用功能流和效应链表征产品的功能原理解。曹悦等[33]将功能分成物理功能和软件功能，为了使二者并行设计，提出了一种结合基于流的物理功能表示和基于数据/控制流图的软件功能表示的混合功能表示法。

1.2.2行为表征模型

行为是一种动态的过程，它反映的是实现功能的方法和途径，是结构实现功能的物理特征。机电产品行为包括连续行为、离散行为、混合行为，行为之间包括因果关系、时序关系、回路关系和状态关系[34]。行为建模是对智能交互产品的输入输出流转换与变换的具体方式进行表示。

GOEL等[35]将行为表示为一系列的状态变量以及它们之间的转换关系，使用确定性有限状态机对行为进行建模。ROY等[36]在此基础上认为行为是功能在特定时间或一段时间内的一系列参数值，并对状态变量、因果关系和变量参考值等进行描述来构建行为表达模型。刘振宇等[37]、MEJIA-GUTIERREZ等[38]以系统工程为基础，利用虚拟样机的仿真组件模型表达产品机构的动态行为知识。陈旭玲等[39]采用行为对象、端口、变量值构建行为知识模型。GU等[40]提出了一种定量行为知识建模方法，将行为输入到具体结构所需的行为效应和行为约束等各种类型的定量设计知识集成到实例中，并将其与功能和结构参数知识关联在一起。

1.3 人机环境系统一体化表征模型

人机环境系统[41-43]的最大特点是由于人类的深度介入而导致人机环境系统的动力学特性发生了改变[44]，因此，在人机环境系统的一体化建模方法研究中，除了对智能交互产品进行建模外，还需要着重研究人类与智能交互产品产生物理耦合部分的模型[45]。

DEGANI[46]以波音B-757为例研究了人与复杂自动化系统间的交互行为，基于有限状态机模型提出了OFAN模型，用于分析改善自动化武器中的人机冲突问题。孟庆强[47]建立了人机系统中人的传递函数，指出人在操纵活动中一般只能完成“二阶微分”以下的操作。BRAGINSKY等[48]采用动态逻辑模型表征操作员的决策过程，基于扩展Petri网建立了操作者和工业控制系统软硬件的仿真分析模型。通过分析人机系统中各个行为主体间的约束关系来获得系统设计需求的认知工作分析(cognitive work analysis，CWA)是人机系统设计的重要研究方法，牛可等[49]对认知工作分析理论在复杂人机系统设计中的应用进行了综述。安冬冬[50]针对人机物融合系统中人和环境的不确定性问题，提出了基于朴素贝叶斯的类人类行为和基于长短期记忆(long short-term memory，LSTM)循环神经网络的环境风险预测模型，建立了时空数据驱动和模型驱动相结合的形式化模型。方斌等[51]系统地综述了紧耦合式物理人机系统的交互研究进展，并从感知架构、学习进化、决策和控制等方面展望了该领域面临的挑战。

1.4 小结

传统机电产品概念设计原理解中，行为建模主要是描述实现功能的方法和途径，解决功能向结构的映射问题，这样得到的行为过程是静态的，没有与智能交互产品的使用过程结合起来。事实上，智能交互产品在其服役过程中根据用户特征和环境的不同具有一定的自主性、高度的环境自适应性，也就是说，智能交互产品的行为过程模型必须是动态的，必须与“人”、“环境”结合起来，而且应将复杂的人机环境系统分解成最基本的“元行为”，以方便后期从“元行为”的层次对智能交互产品行为特性进行调控和优化。

现有关于产品本身的功能和行为过程建模成果较多，而关于人的行为过程以及人机环境系统多领域行为过程的建模还缺乏深入的研究，具体表现在：①智能交互产品在不同环境下和人的交互行为过程中具有一定的自主性、高度的环境自适应性和不确定性，而现有研究主要以确定性行为过程为主，缺乏对不确定行为过程的建模与表征；②智能交互产品的用户体验与用户和使用情境高度相关，而现有研究较少将三者的多领域交互行为过程纳入统一的建模框架，导致后续难以对人机环境系统进行集成优化。

2 人机环境系统多领域行为过程的建模语言

人机环境系统中涉及人、智能交互产品、环境三者之间的交互以及智能交互产品内部子系统之间的交互。对于这样一个复杂而动态的系统，使用统一的建模语言来呈现智能交互产品的多领域行为过程对整个设计过程是非常关键的。能够有效融合多学科领域的可视化建模语言主要有系统建模语言(systems modeling language，SysML)、键合图以及Petri网。三种建模语言的特点如表1所示。

表1 三种建模语言的特点

2.1 基于UML/SysML的建模

SysML是在统一建模语言(unified modeling language，UML)基础上扩展而来的一种系统建模语言[52]，二者都是基于模型的系统工程(model-based systems engineering，MBSE)的建模语言，具有面向对象、半形式化、强扩展性三个特点。面向对象是以类和对象为系统的基本单元，使用继承、封装、关联的思想实现仿真模型的模块化，这一特点使基于UML/SysML建立的模型具有很强的可重用性，减少了系统设计的工作量。半形式化的特点使UML/SysML具有融合多领域建模的灵活性，而自带的扩展机制又能将半形式化语言扩展成形式化语言，进而为形式化验证做准备，提高了系统设计的严密性。

基于SysML的建模已广泛应用于多领域复杂系统的建模，姜俊等[53]、HECHT[54]、陈斌[55]、ARTHUR等[56]、浦乐等[57]、MUHAMMAD等[58]、王保民等[59]、张贺等[60]将基于SysML的建模应用于军事作战、航空飞机、空中导弹、机动车辆、通信卫星等复杂系统。为了更好地与模型验证结合起来，曹悦等[61]以计算树逻辑、流变换、混合自动机等为形式化基础，建立了基于SysML的系统功能和行为模型。刘玉生等[62]以系统建模语言SysML为基础，提出了支持模型驱动多域复杂产品多层次设计与仿真信息集成框架，建立了基于SysML扩展的核心集成信息模型，以支持系统设计与仿真集成及不同层次设计过程的信息集成。CAO等[63]基于SysML提出了融合物理和控制系统动态特征的统一行为建模语言，并将采用该建模语言表征的行为模型映射到多种系统仿真平台，以实现系统设计模型的自动仿真。

2.2 基于键合图的建模

键合图是一种基于功率流的物理过程、便于统一处理多种能量范畴工程系统的图形化建模语言[64]，能够在真实的物理系统和系统数学模型之间建立起桥梁，适合融合多学科领域的复杂系统的建模与仿真分析。

基于键合图的建模是将所研究的对象看作能量系统，CHHABRA等[65]结合矢量键合图和方块图表示多学科系统中的能量和信息的流动关系，并以能量、熵和敏捷性为准则构建键合图模型。MESHRAM等[66]基于能量的流动特性，采用键合图方法对多能域动态物理系统进行了模型开发和分析，并验证了变压器系统的稳定性和性能情况。键合图能够对多能域耦合系统进行描述，王中双等[67]、王艾伦等[68]、梁岗等[69]运用状态方程描述各原件的物理特性、能量传递、输入输出关系，有效地分析了多能域间的耦合问题。键合图能对复杂机电系统各原件间的相互作用和能量流动进行描述，为基于模型的诊断方法提供了依据，郁明等[70]、王芳等[71]、MKADARA等[72]、赵佳彬等[73]基于键合图对复杂机电系统建立了故障诊断模型。

2.3 基于Petri网的建模

Petri网是一种以信息流为主导对离散并行系统进行直观图形表示的形式化方法，对动态系统有很强的建模能力，并且可以直接搭配相应的验证工具进行模型验证。

ARAZ等[74]针对机电系统概念设计阶段如何表征设计概念的问题，提出一种基于离散事件系统编程语言和Petri网的机电系统行为表征和仿真方法。针对多领域复杂系统间冲突难以分析和确定的问题，赵芮凯等[75]提出一种Petri网和TRIZ相结合的方法对复杂系统间的冲突进行了全面准确的确定和解决。李晔等[76]建立了一种信息物理融合系统体系结构模型，该体系结构模型利用面向对象Petri网形象地、无歧义地刻画系统的整体和个体特性，描述系统的静态和动态语义，同时可利用Petri网的数学分析方法和支持工具对系统进行模拟、分析和验证。崔文岩等[77]建立了基于层次Petri网的信息物理融合系统安全分析模型，并给出了描述攻防博弈策略的博弈网模型。余嘉伟[78]为对信息物理融合系统(cyber-physical system，CPS)同时进行定性、定量与能耗分析，将传统Petri网扩展为面向对象广义随机Petri网与面向对象能耗Petri网，并作为新的CPS形式化模型。王璇等[79]为了提高机器人的稳定性和可靠性，采用Petri网模块化(PNB)的设计方法对机器人任务执行系统进行分块功能建模，根据各功能之间的关系，将对应的PNB构建成一个完整的Petri网任务执行系统，降低了Petri网系统模型的复杂程度。

2.4 比较分析

SysML、键合图、Petri网三种建模语言都具备表征智能交互产品确定性行为过程的能力，但对人机环境系统中多领域耦合、不确定行为过程的建模能力略显不足。SysML是一种面向对象的半形式化语言，具有一定的灵活性，利用其扩展功能能够有效地对特定产品进行可重用设计，便于产品的更新迭代，但它一般无法直接使用一种图形来表达所有设计信息，往往需要通过几种图的叠加来全面反映产品设计，这使其在转化为形式化模型时，需要考虑多种类型图与形式化验证器模型之间的映射关系。键合图是一种能够统一处理多种能量系统的建模方法，微分因果关系和系统方程的推导是这种建模方式的关键，因此对多领域知识的专业素养能力要求较高。Petri网是一种对离散动态的系统进行统一建模的形式化语言，主要由库所和变迁构成，能够很好地对离散行为进行建模，但是对于连续行为和混合行为的设计不是最佳选择。

3 人机环境系统多领域行为过程的模型验证

从人机环境系统的视角对智能交互产品多领域行为过程模型进行自动校验，能够在设计早期发现系统设计缺陷，从而有效地提高系统设计质量、降低系统开发成本。形式化验证和仿真验证都是有效的验证方法。

3.1 形式化验证方法

形式化方法能够在早期发现系统中的不一致、歧义、不完全和错误等问题，是一种行之有效的减少设计错误、提高系统可信性的重要途径。但形式化模型输入语言所建立的模型存在可读性差、理解难度大等缺陷，因此，一般使用可视化的建模工具进行建模，然后转换为形式化模型进行验证，转换过程中的映射方法成为了学者们的研究点。

刘博等[80]采用结构分析和设计语言(architecture analysis and design language，AADL)建立系统的行为模型，提出了一种使用形式化验证工具NuSMV来验证AADL模型行为的方法。曹悦等[61]对系统工程标准建模语言SysML进行扩展，提出了一套形式化系统模型验证方法。周玉平[81]建立了UML的类图和状态图到NuSMV的映射规则，并将建立的故障模型与NuSMV模型进行融合，以实现对列控系统进行安全分析。李宛倩等[82]构建了从SysML的核心模型元素到AltaRica3.0模型的转换规则，对系统进行了安全分析。邓刘梦等[83]给SysML中的块定义图和状态机图到NuSMV的转换设计了一套转换规则。柯文俊等[84]、HUANG等[85]提出了一种将SysML活动图转换为Petri网模型的机制，并利用Petri网验证工具对转换后的模型进行仿真验证，实现了系统设计的自动验证。张琛等[86]将对象状态机图转换为Promela模型，并将系统交互性质转换为命题投影时序逻辑公式，通过Spin模型检测器有效地检测出了系统模型是否满足系统期望的交互行为。杨培林等[87]利用概率行为树对机电系统进行了形式化建模，并通过概率模型检测对机电系统进行了形式化验证。

3.2 仿真验证方法

仿真方法能够对特定的场景进行可视化验证，定量评价模型好坏。但是，仿真是一种非形式化的验证方法，仅能对有限的场景进行验证，无法捕获一些未测试到的使用场景所导致的系统失效。目前使用较多的多物理域系统仿真验证方法主要基于Modelica和Unity3D。

Modelica是一种面向对象、基于方程的、支持对复杂异构系统的连续、离散以及混合行为进行建模仿真的方法。王春晓等[88]基于Modelica建立了数控机床的多领域模型，并结合通信技术实现了模型与控制器之间的信息交互。宋研等[89]基于Modelica实现了对载人航天器的建模仿真，减少了精度损失。OHTOMI[90]使用Modelica建立和仿真了将人的感性模型和机电产品的物理模型相融合的模型，实现了人机系统的定量评价。张政[91]、周书华等[92]、FU等[93]分析了SysML与多领域仿真建模语言Modelica之间的映射关系，实现了SysML系统设计模型与Modelica系统仿真模型之间的自动转换。Unity3D是虚拟现实技术的主要建模仿真工具，能够模拟出在视觉、听觉、触觉等方面与真实世界相近的场景，可用于对系统设计的验证。黄培德[94]基于Unity3D搭建了虚拟装配系统，并结合交互设备对人机协作装配场景进行了验证。李经纬[95]使用Unity3D实现了人和虚拟汽车展示系统的交互设计，通过给用户带来强烈的感官体验来对系统进行迭代优化。马丹[96]、张静[97]采用Unity3D实现了基于用户体验的虚拟现实交互设计。

4 人机环境系统多领域行为过程的优化

对人机环境系统多领域行为进行表征、建模和验证的最终目的是对行为过程进行优化。行为可靠性、交互时序匹配性、交互模态均衡性是影响人机环境行为契合度的三大关键行为特性，也是人机环境系统多领域行为过程优化的重点。

围绕人机环境系统多领域行为过程优化，国内外针对不同对象提出了许多优化策略和方法。OKUDA等[98]在连续/离散混合动力系统的基础上考虑人类行为模型，提出了一种新的人机协同定位切换辅助控制器的设计策略。KOBAYASHI等[99]考虑人类随机行为，提出了一种用于交互机器人控制和认知过程的设计框架，采用该框架时，通常倾向于通过集成许多if-then规则来设计的任务，可以从最短时间最优控制的角度，在状态估计和优化框架中以系统的方式设计。王亮等[100]将有限长度的预见信息作为系统的固有状态加以增广利用，并且对于操纵者的延时特性，将其作为操纵者“存储”的“意识状态”进行增广，提出了基于最优预见控制理论的操控信息通道人机耦合优化方法。王朝晖等[101]将博弈机制与Agent技术思想相结合，从多目标优化的角度开展人体自适应行为仿真研究，提出了一种基于动态博弈机制的虚拟人作业姿态自主优化方法。SUN等[102]提出了一种将用户行为和产品行为数据整合为设计任务的行为设计方法，通过定义用户和产品需要完成的任务，帮助设计者在设计阶段通过考虑使用条件和需求来优化产品性能。刘世豪等[103]结合人机工程学建立了数控机床的“人-机-环境”交互作用机制，并将数控机床人机工程设计准则和耦合仿生设计技术有机结合，考虑数控机床各性能之间的相互影响及耦合机制，提出了一种数控机床多目标协同优化设计方法。HUANG等[104]利用强化学习方法在线学习敏感因子以适应交互过程的动态变化，提出了一种自适应灵敏度放大控制策略，实验结果表明，该策略可以有效减小飞行员与外骨骼机器人之间的交互力。MYUNGHEE等[105]采用贝叶斯优化方法快速识别接近最优的控制参数，通过优化穿戴外骨骼和电动假肢被试的步行频率来实现代谢成本的最小化，并提出了一种基于实时生理测量自动调整控制参数的人在回路优化方法，实验结果表明，该方法较现有基于梯度下降的方法具有更快的收敛速度和更低的能量消耗。张俊磊等[106]通过建立物质-场模型来分析人、机、环境耦合中存在的问题，并借助标准解指导解决人、机、环境三者耦合效应中出现的作用不足、有害作用等问题。李敬业等[107]为提高人机混杂环境中移动机器人的自主巡检效率，通过分析人类的社会行为规则，结合机器人的运动特性，建立了移动机器人系统的数学模型，将人机距离、人的行为模式和人与机器人间的相对速度参数进行了模糊化处理，并提出了一种基于模糊逻辑理论的避障方法。黄玲等[108]结合深度学习方法，对换车道影响因素进行了分析，构建了人机合作驾驶下基于长短期记忆神经网络的无人驾驶车辆换道行为模型，并引入道路横向偏移量信息，以均方差为损失函数优化了行为模型的精度和迁移性。姚湘等[109]基于产品架构设计的符号学方法(semiotic approach to product architecture design，SAPAD)，完成了行为-意义-对象三个维度之间的映射分析，得到了产品在整个使用过程中的关键部件和用户内心潜在需求；再以人机工程学原理和方法为依据，提出了基于用户需求的产品人机设计原则，为产品的人机优化设计提供了一种新思路。王文东等[110]以人机交互力为耦合方式，建立了基于牛顿-欧拉法的人机耦合模型，完成了人机耦合动力学模拟分析，并基于迭代学习控制理论提出了外骨骼康复机械臂的闭环PD迭代学习控制方法，试验结果表明，所提出的迭代学习控制算法可以提高上肢外骨骼康复训练重复性运动的控制精度，进而提高人机交互性能。

从现有文献来看，目前有关人机环境系统多领域行为优化的研究主要以详细设计后期的功能和性能为主，较少或没有从人机环境系统的角度优化智能交互产品的行为特性。智能交互产品是一个包括机械、电气、控制、信息、认知等多个学科在内的复杂系统，具有高维、强非线性、多过程与多界面耦合的特点，传统设计过程往往是先设计好机械部分，然后设计其电子与控制等其他部分，期间设计遵循端到端的集成方式，在各个子系统均设计好后进行复杂产品系统的总装。由于产品的设计初期缺乏在系统层面对产品进行整体全面的系统设计，因此原本功能良好的各个子系统很可能产生冲突，致使整个复杂机电产品系统功能失效，更为严重的后果是，此类设计缺乏无法通过后期的详细设计或加工来弥补。由此可知，智能交互产品的行为特性调控与优化必须从概念设计阶段开始就赋予产品优良的“先天性”行为特性。另一方面，虽然现有概念设计阶段也大量采用了逐步求精、迭代优化的策略，但多半仍以产品本身的功能、性能、成本、质量等静态特性为优化目标，即使有少量关注智能交互产品动态行为特性的研究，也只是采用用户画像和情境模拟等方式定性分析用户使用智能交互产品的过程，缺少适用于概念设计阶段的模糊/定量仿真优化方法和工具。

5 研究展望

从国内外的研究现状来看，对智能交互产品本身功能与行为的建模和验证相对成熟，但受限于概念设计阶段设计信息的模糊性、不确定性和多学科性，且人机环境系统耦合规律和机理不明，目前关于人机环境系统多领域行为过程建模与优化方法的研究仍然存在“三多三少”的现象，即：①对传统机电产品确定性行为过程研究多，对智能交互产品不确定性行为过程研究少；②对产品本身的行为建模与仿真研究多，对人机环境多领域行为统一建模与仿真研究少；③对详细设计阶段的产品功能和性能优化研究多，对概念设计阶段的人机环境系统多领域行为过程优化研究少。根据目前研究现状、行业发展趋势和产品设计需求，未来可重点围绕以下关键科学问题开展研究。

(1)人机环境系统多领域行为耦合规律与调控机制。人机环境系统既包括机械、电子、控制、信息等物理域的混合行为过程，又包括认知心理域的多感官通道信息融合与决策行为过程，用户与智能交互产品的交互过程本质上是异构复杂系统之间多领域行为过程的相互激励与非线性耦合响应过程。消解行为冲突、提高智能交互产品用户体验的关键在于设计阶段赋予智能交互产品与人和环境高度相容的行为特性，而产品行为特性调控与优化的前提则是先厘清人机环境系统多领域行为间的耦合规律，建立人机环境广义传递函数。另外，耦合意味着在对产品行为特性进行调控时必须对调控对象和调控参数进行“权衡”，需要通过逆向解耦建立相应的调控机制，为行为特性优化提供方向。

(2)不完备信息下的人机环境系统多领域行为过程模糊仿真机制。概念设计阶段的设计信息具有模糊性、不确定性和多学科性，因此设计早期的人机环境系统多领域行为过程模型必然也包含大量的模糊信息。仿真是探索人机环境系统多领域行为耦合规律和行为过程模型验证的主要手段，需要在传统定性和定量仿真技术的基础之上，通过引入模糊集、模糊关系及模糊运算，提高对与行为相关模糊设计信息的建模能力，建立不完备信息下的人机环境系统多领域行为过程模糊仿真机制，以解决系统仿真中的模糊不确定性问题。