当前，随着自动化、信息化和智能化技术在工程建设行业的逐步应用，各类工程设备及相关技术系统在工程建设现场正扮演着越来越重要的角色。然而，与工程设备有关的事故却频繁发生，这给工程建设行业带来了巨大的生命财产损失。工程设备操作人因失误是上述事故的主要致因之一，设备操作人因失误管理对工程建设安全具有重要意义。工程设备操作任务与普通施工任务不同，设备操作行为表现以认知活动为主，操作员的认知对其操作行为和人因失误具有主导性的作用。因此，如何从认知的角度对工程设备操作人因失误进行解释、分析和管理已经成为亟需解决的重要问题。为此，本文提出基于认知的工程设备操作人因失误研究，旨在为工程设备操作人因失误的定性和定量分析提供理论依据、分析方法和手段，为设备操作人因失误安全管理提供有效的决策支持。本文的主要研究内容如下。
　　(1)为了系统地认识工程设备操作人因失误所处的任务情景及其影响因素，本文提出了工程设备操作任务情景分析框架和操作员行为形成因子分类方法。首先从任务驱动的角度形成了“操作员-工程设备-施工现场环境-任务”的四元任务情景要素分析框架。然后提出了基于HFACS-CA的操作员行为形成因子层次式分类结构。本文以盾构施工为例，对盾构机操作任务情景及行为形成因子进行分析，并重点对盾构机操作员的个体认知因素进行分析和分类。研究结果显示，该方法可对给定操作任务情景及人因失误影响因素提供系统性的分析，并为人因失误的纵深防御提供基本决策依据。
　　(2)提出了基于认知的工程设备操作人因失误识别和分析方法，并应用数据挖掘技术对人因失误数据进行分析。本文首先提出了一种面向个体活动的改进TRACEr方法。该方法具有一个细粒度、多层面的人因失误分类体系，能够描述从宏观任务层面到微观认知层面的多种设备操作人因失误特征。在此基础上，应用该方法可对设备操作事故中的人因失误进行追溯分析。其次，考虑到追溯分析获取的人因失误数据具有多维度属性，本文采用聚类分析和关联规则技术进一步挖掘人因失误数据，以深入地了解人因失误的主要表现形式及认知失效模式之间的隐含关联。通过对盾构机操作事故的实例分析，本文初步验证了所提出方法的可行性和有效性，分析结果可为工程设备操作人因失误管理措施制定提供基于认知的决策依据。
　　(3)针对工程设备操作人因失误行为表现及相关认知状态难以测量的问题，本文提出了基于可穿戴传感器和机器学习的关键行为/认知状态测量、评估和检测方法。以工程设备操作危险感知失误为例，应用眼动追踪技术实现操作员视觉注意力分配和心理疲劳相关指标的测量。分析结果强调了心理疲劳对操作员周边危险检测能力的损伤性影响。考虑心理疲劳对危险感知的重要影响，本文应用多维时间序列聚类和监督学习方法，实现了操作员心理疲劳的多水平识别和分类。
　　(4)结合认知建模和动态贝叶斯网络，实现对工程设备操作人因失误的主动分析与预测。研究同样以危险感知失误为具体研究对象，首先通过危险感知认知建模与危险感知失误识别和分析为定量分析提供基础。其次，构建了操作危险感知失误的动态贝叶斯网络模型，以描述操作员认知状态和认知功能随时间的动态变化。考虑到工程设备操作失误相关数据不足的问题，本文融合了认知功能计算模型、专家评估和模拟实验数据等多种信息源，构建了动态贝叶斯网络节点的条件概率分布。通过实际施工案例中操作危险感知失误的主动分析，显示了该方法在解释设备操作人因失误动态演化特性时的优势，为设备操作人因失误预测和预防提供了有效手段。
　　本研究从个体认知的视角，对工程设备操作人因失误的发生情景和所涉及的认知要素进行了定性分析和理论解释。在此基础上，本文结合了数据挖掘、可穿戴传感器、机器学习、认知建模和动态贝叶斯网络等技术和方法，研究了人因失误关键认知状态观测与评估，以及人因失误预测等关键问题的解决方案。研究结果初步证明了所提出的方法对工程设备操作人因失误定性和定量分析方面的可行性与优势，研究所发现的人因失误规律能够为工程设备操作人因失误管理提供基于认知视角的决策依据。