着陆阶段是民机飞行事故的高发阶段,随着自动化技术的发展,人为差错成为导致飞行事故的主要原因,其中绝大部分是由飞行员在驾驶舱人机交互过程中导致的。研究民机着陆阶段驾驶舱人机交互风险评估方法对于改进驾驶舱人机交互设计、减少飞行事故、保障飞行安全具有重要意义。通过分析驾驶舱人机交互过程中飞行员的认知特性,基于SRK认知模型、COCOM情境控制模型以及ACT-R认知控制理论建立了飞行员多维认知模型,分别从通用化、模块式和生理学等维度分析了驾驶舱人机交互过程中飞行员的认知过程。研究了飞行员人为差错模式识别方法。通过对HET方法的改进,结合标准操作程序,对民机着陆阶段多场景任务进行了HTA分析,加强了HET方法分析的全面性;在SC方法的基础上,针对驾驶舱人机交互任务复杂度,提出了驾驶人机交互任务复杂度量化方法,提升了HET方法的准确性和客观性。结合着陆阶段飞行员的人为差错模式识别实例,表明了改进HET方法的可行性。建立了飞行员操作可靠度推断模型。在民机着陆阶段多场景任务HTA分析的基础上,建立了飞行员工作流时序图UML模型,在时间轴上直观清晰地描述了机组与驾驶舱的人机交互过程;结合隐马尔科夫(HMM)过程,采用前后向算法建立了基于UML-HMM的飞行员操作可靠度推断模型。选取民机着陆阶段的正常和非正常飞行程序的应用实例,表明了模型的有效性。基于模糊推理和BP神经网络构建了民机着陆阶段人机交互风险预测模型。给出了驾驶舱人机交互风险的3个评价指标,通过模糊推理将主观评价转为量化数据,将量化的数据通过神经网络训练,提高模型的灵敏度和数据的精确度,提出了相对风险系数的计算方法。结合着陆阶段飞行员的操作实例,表明了模型的可行性和适用性。