基于多模生理电信号的飞行员工作负荷综合评估研究
发布时间：2021-06-25 12:41
当今,飞机驾驶中人机交互系统的复杂度越来越高,飞行员在实际工作中所需要承担的工作负荷在不断提升。为了保障航空安全,飞行员工作负荷的监控变的十分重要,对工作负荷的评估工作已经成为一个重要的课题。首先,本文利用实验室已有的飞行模拟器,设计了一组飞行模拟实验。为了令被试人员在模拟飞行过程中产生工作负荷,在实验过程中设计了如起飞,转弯等多种飞行任务,通过几十分钟的模拟飞行诱发被试人员产生工作负荷。同时,被试人员被要求完成主观评价表,评价其不同时刻下是否感觉工作负荷较高。其次,针对人体多种生理信号,本文主要研究了脑电信号、肌电信号、脉搏信号和心电信号。并且提取了脑电信号的能量谱特征,脉搏信号的脉搏波峰峰值和主频率,心电信号的心率相关特征,肌电信号的平均振幅等时域特征几个特征组。并通过所采集数据验证了各特征和工作负荷程度有明显的相关性。最后,本文通过信息融合相关理论,提出了多生理信号融合下飞行员工作负荷的评估方法。本文通过支持向量机的方法,在特征层上对已初步提取的特征分别进行融合训练。并且通过识别准确率选择了通过PCA分析方法提取的融合特征。分类结果表明了基于多模生理信号融合特征的支持向量机模型识...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
影响飞行员工作负荷因素机组个人因素是指与个人生活方式有关的行为和个人习惯等
南京航空航天大学硕士学位论文第二章 飞行员生理信号采集实验2.1 飞行模拟平台介绍目前的飞行模拟器大多应用在训练飞行员上，用于正常、故障飞行等多种飞行状况[29]。利用仿真的驾驶环境，可以迅速开展实验并且能够快速切换场景，完成多环境下的飞行；同时，通过仿真环境进行实验，可以再现真实的飞行环境，提高实验的可实现性和安全性，对于本文采集产生工作负荷状态下的驾驶而言，所测得的数据也更加真实可靠。
图 2.2 飞行模拟平台试飞行员佩戴相应生理信号采集设备（脑电帽，肌电、脉搏等信号生理信号数据。由于数据信号和时间一一对应，在配套的生理信号据随时间的变化关系图。图 2.3 信号采集软件示意图系列的飞行模拟设备，可以完成本次模拟飞行实验，并能采集到所实验室的飞行模拟器，可以对不同飞行条件，多种飞行状况进行模
【参考文献】：
期刊论文
[1]基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究[J]. 刘兆惠,李倩,王超,徐友春. 公路工程. 2018(06)
[2]核函数选择方法研究[J]. 王振武,何关瑶. 湖南大学学报(自然科学版). 2018(10)
[3]面向可穿戴多模生物信息传感网络的栈式自编码器优化情绪识别[J]. 戴逸翔,王雪,戴鹏,张蔚航,张鹏博. 计算机学报. 2017(08)
[4]基于J48决策树分类器的情绪识别与结果分析[J]. 蒋小梅,张俊然,陈富琴,黄江涛. 计算机工程与设计. 2017(03)
[5]民航飞行事故统计及原因分析[J]. 杜红兵,张庆庆. 工业安全与环保. 2016(08)
[6]飞行疲劳表现、影响因素及监测技术[J]. 吴锋广,牟海鹰. 西安航空学院学报. 2015(05)
[7]利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定[J]. 韩清鹏. 振动与冲击. 2013(02)
[8]基于多特征量贝叶斯融合的驾驶疲劳识别[J]. 张伟,黄炜,罗大庸. 计算机工程与应用. 2012(33)
[9]基于经验模态分解和支持向量机的短期风电功率组合预测模型[J]. 叶林,刘鹏. 中国电机工程学报. 2011(31)
[10]基于二维高斯混合模型的驾驶行为分析[J]. 马超,张政石. 硅谷. 2011(05)
博士论文
[1]基于视频图像分析与信息融合的驾驶员疲劳检测技术研究[D]. 朱淑亮.山东大学 2011
硕士论文
[1]基于信息融合的驾驶员疲劳状态检测方法研究[D]. 方毅.哈尔滨工业大学 2018
[2]基于心电肌电信号的汽车驾驶疲劳研究[D]. 叶成文.合肥工业大学 2018
[3]飞行环境下人体运动感知初步研究[D]. 刘江.南京航空航天大学 2018
[4]基于脑电信号识别的驾驶疲劳检测方法研究[D]. 张淞杰.杭州电子科技大学 2018
[5]情感识别脉搏信号特征分类研究[D]. 杜昭慧.吉林大学 2017
[6]基于心电信号的驾驶疲劳识别方法研究[D]. 牛琳博.西南交通大学 2017
[7]基于语音分析的疲劳度检测研究[D]. 陈枢茜.苏州大学 2017
[8]考虑驾驶员生物电信号的疲劳驾驶检测方法研究[D]. 薛雷.吉林大学 2015
[9]多源生理信号融合的驾驶疲劳检测预警系统研究[D]. 周凌霄.杭州电子科技大学 2015
[10]基于多参数融合的疲劳驾驶监测及预警系统[D]. 刘佳兴.兰州大学 2013
本文编号：3249220
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
影响飞行员工作负荷因素机组个人因素是指与个人生活方式有关的行为和个人习惯等
南京航空航天大学硕士学位论文第二章 飞行员生理信号采集实验2.1 飞行模拟平台介绍目前的飞行模拟器大多应用在训练飞行员上，用于正常、故障飞行等多种飞行状况[29]。利用仿真的驾驶环境，可以迅速开展实验并且能够快速切换场景，完成多环境下的飞行；同时，通过仿真环境进行实验，可以再现真实的飞行环境，提高实验的可实现性和安全性，对于本文采集产生工作负荷状态下的驾驶而言，所测得的数据也更加真实可靠。
图 2.2 飞行模拟平台试飞行员佩戴相应生理信号采集设备（脑电帽，肌电、脉搏等信号生理信号数据。由于数据信号和时间一一对应，在配套的生理信号据随时间的变化关系图。图 2.3 信号采集软件示意图系列的飞行模拟设备，可以完成本次模拟飞行实验，并能采集到所实验室的飞行模拟器，可以对不同飞行条件，多种飞行状况进行模
【参考文献】：
期刊论文
[1]基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究[J]. 刘兆惠,李倩,王超,徐友春. 公路工程. 2018(06)
[2]核函数选择方法研究[J]. 王振武,何关瑶. 湖南大学学报(自然科学版). 2018(10)
[3]面向可穿戴多模生物信息传感网络的栈式自编码器优化情绪识别[J]. 戴逸翔,王雪,戴鹏,张蔚航,张鹏博. 计算机学报. 2017(08)
[4]基于J48决策树分类器的情绪识别与结果分析[J]. 蒋小梅,张俊然,陈富琴,黄江涛. 计算机工程与设计. 2017(03)
[5]民航飞行事故统计及原因分析[J]. 杜红兵,张庆庆. 工业安全与环保. 2016(08)
[6]飞行疲劳表现、影响因素及监测技术[J]. 吴锋广,牟海鹰. 西安航空学院学报. 2015(05)
[7]利用EEG信号的小波包变换与非线性分析实现精神疲劳状态的判定[J]. 韩清鹏. 振动与冲击. 2013(02)
[8]基于多特征量贝叶斯融合的驾驶疲劳识别[J]. 张伟,黄炜,罗大庸. 计算机工程与应用. 2012(33)
[9]基于经验模态分解和支持向量机的短期风电功率组合预测模型[J]. 叶林,刘鹏. 中国电机工程学报. 2011(31)
[10]基于二维高斯混合模型的驾驶行为分析[J]. 马超,张政石. 硅谷. 2011(05)
博士论文
[1]基于视频图像分析与信息融合的驾驶员疲劳检测技术研究[D]. 朱淑亮.山东大学 2011
硕士论文
[1]基于信息融合的驾驶员疲劳状态检测方法研究[D]. 方毅.哈尔滨工业大学 2018
[2]基于心电肌电信号的汽车驾驶疲劳研究[D]. 叶成文.合肥工业大学 2018
[3]飞行环境下人体运动感知初步研究[D]. 刘江.南京航空航天大学 2018
[4]基于脑电信号识别的驾驶疲劳检测方法研究[D]. 张淞杰.杭州电子科技大学 2018
[5]情感识别脉搏信号特征分类研究[D]. 杜昭慧.吉林大学 2017
[6]基于心电信号的驾驶疲劳识别方法研究[D]. 牛琳博.西南交通大学 2017
[7]基于语音分析的疲劳度检测研究[D]. 陈枢茜.苏州大学 2017
[8]考虑驾驶员生物电信号的疲劳驾驶检测方法研究[D]. 薛雷.吉林大学 2015
[9]多源生理信号融合的驾驶疲劳检测预警系统研究[D]. 周凌霄.杭州电子科技大学 2015
[10]基于多参数融合的疲劳驾驶监测及预警系统[D]. 刘佳兴.兰州大学 2013
本文编号：3249220
本文链接：https://www.wllwen.com/kejilunwen/hangkongsky/3249220.html
