一种功能通道对飞行员工作负荷贡献率的评定方法及系统 专利技术说明

医药医疗技术的改进;医疗器械制造及应用技术1.本发明涉及航空领域工作负荷测量与评估技术领域，尤其是涉及一种功能通道对飞行员工作负荷贡献率的评定方法及系统。背景技术：2.在复杂的航空器操控中，飞行员在座舱内完成操纵过程时伴随产生的自身工作负荷影响着航空器的安全以及飞行员自身的操作判断。过高的工作负荷和过低的工作负荷都不利于飞行员对任务的完成，其中过高的工作负荷表明飞行员的任务量大，飞行员处于一个高度紧张的状态，这不利于飞行员处理高并发任务时的准确性，而过低的工作负荷使得飞行员对仪表设备的监控频率下降，使其对飞行器状态变化的估计出现偏差与失误的概率增大。同时，工作负荷并非一个可直接测量的物理量，其往往是通过相关生理数据的测量来间接评测工作负荷的变换。3.现有的被广泛应用于间接测量飞行员工作负荷的方法有：4.1)在实验系统或真实飞行测试中通过各类传感器获取飞行员的生理指标及行为动作，如心率、眼动、脑电、肌电、手势操作，完成采集数据后建立聚类模型得到工作负荷虚拟值；5.2)利用nasa-tlx量表等方法在飞行员完成飞行任务后进行定性得评分估计。6.然而尽管飞行任务不同，但是飞行任务的组成可按照基本的完成功能属性进行划分，如导航、避障等。受限于单个飞行任务完成后对飞行员工作负荷的评估，上述测量方法不能够分析不同任务中的共有元素执行情况对工作负荷的贡献占比。7.同时，由于飞行员与飞行器座舱的交互中存在仪表显示系统，操纵杆交互系统以及各类按钮类型的控制元件。因此飞行员在不同的任务中的操作都会关联这些基本的交互操作。因此，现有的只根据任务的开始时间和任务的完成时间划分飞行员任务不足够表示任务中通用的功能对飞行员的工作负荷的贡献。技术实现要素：8.本发明的目的就是为了克服上述现有技术存在的缺陷而提供了一种功能通道对飞行员工作负荷贡献率的评定方法及系统，该方法利用通过所测量的多生理信号工作负荷和动态划分的功能通道进行飞行员工作负荷动态评价，更为全面，准确性更高。9.本发明的目的可以通过以下技术方案来实现：10.根据本发明的第一方面，提供了一种功能通道对飞行员工作负荷贡献率的评定方法，该方法包括以下步骤：11.步骤s1、采集飞行器座舱内被试飞行员完成任务时的多维生理数据，处理后得到工作负荷；12.步骤s2、根据飞行员与飞行器交互中的注意力转移信息，划分飞行员执行飞行器任务时不同的子任务功能类别，得到多维功能通道执行序列；13.步骤s3、动态调整飞行员对不同子任务功能的认知时域片段长度，对工作负荷进行修正，构建数据回归模型对多维功能通道执行序列和修正后的工作负荷进行数据回归，逆向求解得到功能通道对飞行员工作负荷贡献率。14.优选地，所述步骤s1中多维生理数据包括眼动数据、呼吸频率数据、心率数据、座舱数据记录仪测量的飞行员的动作操控输入数据、以及飞行员对座舱中仪表的操纵控制命令数据。15.优选地，所述步骤s1具体为：采集飞行器座舱内被试飞行员完成任务时的多维生理数据，拟合后并分别提取视觉特征、动感特征以及呼吸频率特征，得到工作负荷。16.优选地，所述步骤s2中的子任务功能类别包括防撞、航迹控制、导航、通讯、设备监控和指挥决策。17.优选地，所述步骤s3中动态调整飞行员对不同子任务功能的认知时域片段长度，对工作负荷进行修正，具体为：通过调整飞行员设定的认知容量，根据量化后不同功能通道的认知因子，得到飞行员在任务执行期间变长度的认知时域片段长度，对工作负荷进行修正。18.优选地，所述步骤s3中的数据回归模型为bayes岭回归进行gamma分布为α的多元变量数据回归模型。19.优选地，所述步骤s3具体包括以下子步骤：20.步骤s31、设定飞行员的认知容量；21.步骤s32、计算功能通道从当前时刻起的累积认知因子量，并求解满足最大认知量的等功能通道长度的认知时域长度，表达式为；[0022][0023]式中，wj为认知时域片段长度，chij代表动态功能通道序列ch＝{chij|i＝(1,...,n),j＝(1,...,t)}中j时刻第i个功能通道，n为功能通道的数目，t为时间序列长度；[0024]步骤s33、根据飞行员认知时域片段长度wj，设定工作负荷wl在时间范围[t,t+wj]内的衰减因子片段对工作负荷进行修正；[0025]修正后的工作负荷表达式为：[0026][0027]式中，衰减因子服从给定随机偏移量的正态分布，μ为均值，σ为方差；[0028]步骤s34、将动态功能通道序列ch作为输入数据x，修正后的工作负荷数据wl'作为输出数据y，建立数据回归模型进行数据回归；[0029][0030]式中，ε为符合高斯概率分布的偏差值；[0031]步骤s35、定义工作负荷数据wl'为服从输入数据xβ在待求参数β下的概率分布p(βi|y,x)＝n(y|βx,α)，考虑假设p(β|α)＝n(β|0,α-1in)，求解[0032]步骤s36、改变飞行员的认知容量g，得到l个不同的非等长认知时域片段{wj,wj+1,...,wj+l}，得到不同的功能通道对工作负荷的贡献占比{β1,β2,...,βn}；其中，wj∪wj+1∪...∪wj+l＝t，t为时间序列长度。[0033]根据本发明的第二方面，提供了一种功能通道对飞行员工作负荷贡献率的评定系统，采用任一项所述的方法，该系统包括：[0034]多维生理数据采集处理模块，用于采集飞行器座舱内被试飞行员完成任务时的多维生理数据并处理后得到工作负荷；[0035]多维功能通道执行序列计算模块，用于根据飞行员与飞行器交互中的注意力转移信息，划分飞行员执行飞行器任务时不同的子任务功能类别，得到多维功能通道执行序列；[0036]工作负荷动态评定模块，用于动态调整飞行员对不同子任务功能的认知时域片段长度，对工作负荷进行修正，构建数据回归模型对多维功能通道执行序列和修正后的工作负荷进行数据回归，逆向求解得到功能通道对飞行员工作负荷贡献率。[0037]根据本发明的第三方面，提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述处理器执行所述程序时实现任一项所述的方法。[0038]根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现任一项所述的方法。[0039]与现有技术相比，本发明具有以下优点：[0040]1)无侵入式采集涵盖有全任务飞行场景的工作负荷，克服传统飞行员工作负荷测量的参数静态化、飞行员行为分析不够全面，任务设置单一化的缺点，便捷性高且准确性高；[0041]2)本发明通过动态调整飞行员对不同任务功能的认知时间片段长度，得到不同驾驶舱内功能通道对飞行员工作负荷的贡献率变化，准确性更高；[0042]3)考虑人机交互中飞行员与座舱的任务功能交互，通过测量多维度生理参数并考量飞行员对不同任务功能的执行对工作负荷的贡献，从而改进飞行过程中任务功能的合理划分；[0043]4)将飞行员在操作中的驾驶舱功能通道的划分同飞行员的认知时间尺度相关联，得到更为准确的人机交互中飞行员执行飞行器不同飞行功能的动态结果分布，从而使得不同任务功能通道对工作负荷的贡献率的变化同时间关联。附图说明[0044]图1为本发明的方法流程图；[0045]图2为综合工作负荷中所需要测量的多生理信号参数类目示意图；[0046]图3为n维飞行员任务通道示意图；[0047]图4为认知时域片段的变换以及从动态回归中获得功能通道对工作负荷的贡献率示意图。具体实施方式[0048]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。[0049]实施例[0050]如图1所示，本实施例给出了一种飞行器座舱内非侵入式的功能通道对飞行员工作负荷贡献率的动态评定方法，该方法为：根据飞行员与飞行器任务功能的交互中注意力转移，划分飞行员执行飞行器任务时不同的子任务功能类别，并量化得到多维功能通道的动态执行时间序列；设定飞行员认知容量，通过计算功能通道中认知因子的累积量得到变长度的认知时域片段长度，建立工作负荷的衰减因子片段，从而修正基于多生理参数计算得到的工作负荷；数据回归逆向求解功能通道对飞行员工作负荷贡献率。即基于输入的划分好的功能通道同工作负荷的回归比对分析，得出飞行员完成飞行任务时，交互执行的飞行座舱内多维功能通道各自独立对飞行员工作负荷的贡献。[0051]具体包括以下步骤：[0052]步骤s1、采集飞行器座舱内被试飞行员完成任务时的k维生理数据i∈{1,2,...,k}，t表示时间序列长度。[0053]步骤s2、量化飞行员执行任务中交互过程涉及的子任务功能类别为功能通道ch；[0054]步骤s3、动态调整飞行员在执行任务过程中认知窗口的长度wj；[0055]步骤s4、从动态任务功能通道和基于认知窗口长度wj对多生理原始数据并修正后的工作负荷wl'进行数据回归；[0056]步骤s5、计算得出被试飞行员在飞行任务期间根据不同任务功能通道和认知窗口的长度得到的对工作负荷的贡献各自权重占比{β1,β2,...,βn}。[0057]如图2所示，对于驾驶舱功能通道划分时所需的飞行员生理数据的测量过程具体如下：[0058](1)呼吸频率：采用胸带式传感器，其可佩戴在飞行员胸前，获取飞行员的呼吸频率，呼吸幅度数据；[0059](2)心率信号：采用腕带式光电传感器，其可方便的佩戴在飞行员自行选择的上臂，从而获取飞行员的心率信号；[0060](3)眼动信号：采用眼动仪测量设备，飞行员可方便的将其佩戴在自己的头上，若飞行员佩戴眼镜，也可以同样配戴；眼动仪的测量对于飞行员视线的其他位置并没有显著的干扰，同时眼动的配套需要使用绑带防止脱落，避免了飞行员大脑受到外部压力长时间不适导致的工作负荷波动；定义飞行员的眼动和语音数据为e＝{e1,e2,...,et}；[0061](4)座舱数据记录仪测量的飞行员的动作操控输入以及飞行员对座舱中仪表的操纵控制命令：由于座舱中可供飞行员操纵的设备存在驾驶杆类连续型的控制输入，仪表上按钮类的离散控制输入，这些控制数据均需要记录。此外，座舱真实模拟的故障数据的注入和故障类型也将记录。[0062]如图3所示，飞行员动态功能通道的提取详细步骤为：[0063](1)制定飞行任务的子任务基本分类，包括防撞，航迹控制，导航，通讯，设备监控，指挥决策；[0064](2)当数据ei提取到飞行员在执行任务期间查看窗外或者飞行员有操纵tacs(traffic alert and collision avoidance system)设备时，飞行员激活处置防撞的任务功能通道；[0065](3)当数据ei提取到飞行员显著察觉飞机在移动的时候或者飞行记录仪中有飞行员直接的对设备的姿态操纵时，激活飞行员处置航迹控制的通道通道；[0066](4)当数据ei提取到飞行员在查看高度信息或者导航信息的时候，飞行员激活处置导航的功能通道；[0067](5)当数据ei提取到飞行员机组之间pf(pilot flying)和pm(pilot monitor)在对话时或者机组成员与atc(air traffic control)塔台通话的时候，飞行员的通讯功能通道激活；[0068](6)当数据ei提取到飞行员确认发动机的状态以及其他位置点长时间的视觉停留时，认定飞行员的设备监控功能通道激活；[0069](7)在飞行员执行飞行任务的全过程中，飞行员的指挥决策功能通道激活。[0070]如图4所示，飞行员动态认知决策过程中认知时域片段的变换以及从动态回归中获得功能通道对工作负荷的贡献率：[0071](1)设定飞行员的认知容量g；[0072](2)计算功能通道从当前时刻t起的累积认知因子量并求解满足最大认知量的等功能通道长度的认知时域长度，[0073](3)根据飞行员认知时域的片段长度wj，设定工作负荷wl在时间范围[t,t+wj]内的衰减因子片段计算修正工作负荷[0074](4)选用bayes岭回归进行gamma分布为α的多元变量数据回归：将功能通道数据ch＝{chij|i＝(1,...,n),j＝(1,...,t)}作为输入数据x，修正后的工作负荷数据wl'作为输出数据y，得到数据回归模型这里假设ε符合高斯概率分布；[0075](5)利用多次重复实验所得的大规模输入输出功能通道和修正工作负荷数据，假设工作负荷数据wl'为服从输入数据xβ在待求参数β下的概率分布p(βi|y,x)＝n(y|βx,α)，考虑假设p(β|α)＝n(β|0,α-1in)，求解[0076](6)改变认知容量g，得到不同的l个非等长认知时域片段{wj,wj+1,...,wj+l}，利用上述方法可得到不同的功能通道对工作负荷的贡献占比{β1,β2,...,βn}。[0077]接下来，给出本发明的系统实施例，一种功能通道对飞行员工作负荷贡献率的评定系统，采用上述的方法，该系统包括：[0078]多维生理数据采集处理模块，用于采集飞行器座舱内被试飞行员完成任务时的多维生理数据并处理后得到工作负荷；[0079]多维功能通道执行序列计算模块，用于根据飞行员与飞行器交互中的注意力转移信息，划分飞行员执行飞行器任务时不同的子任务功能类别，得到多维功能通道执行序列；[0080]工作负荷动态评定模块，用于动态调整飞行员对不同子任务功能的认知时域片段长度，对工作负荷进行修正，构建数据回归模型对多维功能通道执行序列和修正后的工作负荷进行数据回归，逆向求解得到功能通道对飞行员工作负荷贡献率。[0081]本发明电子设备包括中央处理单元(cpu)，其可以根据存储在只读存储器(rom)中的计算机程序指令或者从存储单元加载到随机访问存储器(ram)中的计算机程序指令，来执行各种适当的动作和处理。在ram中，还可以存储设备操作所需的各种程序和数据。cpu、rom以及ram通过总线彼此相连。输入/输出(i/o)接口也连接至总线。[0082]设备中的多个部件连接至i/o接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。[0083]处理单元执行上文所描述的各个方法和处理，例如方法s1～s5。例如，在一些实施例中，方法s1～s5可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由rom和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到ram并由cpu执行时，可以执行上文描述的方法s1～s5的一个或多个步骤。备选地，在其他实施例中，cpu可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法s1～s5。[0084]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)等等。[0085]用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。[0086]在本发明的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。[0087]以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!