运输类飞机飞行员脑力负荷评估方法研究

发布时间：2017-10-27 03:33

  本文关键词：运输类飞机飞行员脑力负荷评估方法研究

  更多相关文章： 脑力负荷 生理测量 注视频率 Logistic回归 Bayes判别

【摘要】：平视显示器(HUD)作为当前驾驶舱必备的显示装置,在我国的运输类飞机将陆续得到推广,但目前国内缺乏HUD这一类显示仪表的运行经验。先进驾驶舱综合显示仪表的引进而引发的飞行员脑力负荷过高或者过低都不利于飞行操作,这将会降低飞行员工作绩效甚至影响飞行安全。本文针对飞行员脑力负荷评估方法展开研究,其成果可为民机驾驶舱仪表的设计和飞行员工作负荷的适航审定工作提供一定的理论基础和技术支撑。本文的主要研究内容如下:(1)解读了驾驶舱人为因素相关适航条款,对飞行员工作负荷相关问题进行了分析,总结了飞行员脑力负荷的主要评估方法,阐述了脑力负荷国内外研究现状,重点分析了生理测量的脑、眼、心电指标,并揭示了脑力负荷的研究发展趋势及存在的问题。(2)依据规章条款对工作负荷的规定结合学习模拟飞行的经验,设计并开展了模拟飞行环境下的五边飞行任务,对飞行员处于不同飞行阶段的生理参数变化进行了分析,并初步筛选了可用于飞行员工作负荷评估的敏感性生理指标。(3)设计并开展模拟飞行环境下的飞行员脑力负荷实验,通过引入人因学的N-back范式,结合巡航阶段的HUD的监视任务,设定了三级脑力负荷水平,对主观、绩效、生理评估指标进行了统计学分析,选取可用于脑力负荷建模的敏感性指标。(4)选取主观评价指标的NASA-TLX得分,任务绩效评估指标的N-back正确率以及生理评估指标的注视频率和注视总时间,分别建立了飞行员三级脑力负荷状态的逻辑回归(Logistic)模型和判别分析模型,两者均可以很好的实现对脑力负荷状态的判别,在此基础上进一步对建立的模型进行了对比分析。
【关键词】：脑力负荷 生理测量 注视频率 Logistic回归 Bayes判别
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V241
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 注释表11-12
• 第一章 绪论12-29
• 1.1 研究背景和意义12-16
• 1.1.1 研究背景12-15
• 1.1.2 研究意义15-16
• 1.2 脑力负荷评估方法国内外研究发展现状16-27
• 1.2.1 脑力负荷评估方法国外研究现状16-23
• 1.2.2 脑力负荷评估方法国内研究现状23-24
• 1.2.3 脑力负荷评估方法研究发展趋势及存在的问题24-27
• 1.3 论文研究内容27-29
• 第二章 飞行员工作负荷评估实验29-45
• 2.1 引言29
• 2.2 飞行员工作负荷实验设计29-32
• 2.2.1 被试的选取29-30
• 2.2.2 实验平台的调试30-31
• 2.2.3 实验环境变量的设置31-32
• 2.2.4 实验流程的确立32
• 2.3 飞行员工作负荷实验数据的处理32-43
• 2.3.1 眼动指标的处理与分析34-39
• 2.3.2 心电指标实验的处理与分析39-42
• 2.3.3 皮肤电指标的处理与分析42
• 2.3.4 呼吸指标的处理与分析42-43
• 2.4 生理指标的相关性分析43-44
• 2.5 本章小结44-45
• 第三章 飞行员脑力负荷实验45-60
• 3.1 引言45
• 3.2 脑力负荷实验的设计45-49
• 3.2.1 脑力负荷实验的准备45-48
• 3.2.2 实现对象的选择48
• 3.2.3 实验设备的调试48
• 3.2.4 实验流程的确立48-49
• 3.3 实验数据记录和处理49-53
• 3.3.1 主观评价指标分析49-50
• 3.3.2 任务绩效指标分析50
• 3.3.3 生理测量评估指标分析50-53
• 3.4 脑力负荷评估方法有效性分析53-57
• 3.4.1 各评估指标预测有效性分析54
• 3.4.2 生理指标与绩效指标、主观指标相关性分析54-55
• 3.4.3 不同脑力负荷状态下眼指标之间相关性分析55-57
• 3.5 脑力负荷实验结果分析57-58
• 3.6 本章小结58-60
• 第四章 脑力负荷建模与分析60-75
• 4.1 引言60
• 4.2 脑力负荷多元线性回归建模60-63
• 4.2.1 脑力负荷全模型61
• 4.2.2 脑力负荷模型的检验61-62
• 4.2.3 脑力负荷模型的优化62-63
• 4.3 脑力负荷LOGISTIC回归模型的建立63-66
• 4.3.1 脑力负荷有序多分类Logistic回归模型的建立63-65
• 4.3.2 脑力负荷无序多元Logistic回归65-66
• 4.4 脑力负荷判别分析建模66-73
• 4.4.1 Fisher判别建模67-70
• 4.4.2 Bayes判别模型70-72
• 4.4.3 脑力负荷综合评估指标分析72-73
• 4.5 脑力负荷模型对比分析73
• 4.6 本章小结73-75
• 第五章 总结与展望75-78
• 5.1 总结75-77
• 5.2 研究前景展望77-78
• 参考文献78-88
• 致谢88-89
• 作者简介89

，

本文编号：1101758