飞行员负荷通过飞行数据优化识别仿真

摘要：

对于航空训练中飞行员工作负荷状态的识别,可以有效的确保航空安全.通过飞行数据来对飞行员工作负荷识别,需要对飞行数据进行提取,根据飞行数据特点,建立飞行特征集,完成对负荷状态的识别.传统方法通过建立人体工作负荷状态评估模型对工作状态进行识别,但无法得到飞行特征集,导致识别精度低.提出了基于Treelets降维的飞行员工作负荷状态智能识别方法.首先引入时域信号特征均值、方差与均方根对飞行数据进行提取,根据飞行数据特点,建立飞行特征集,利用飞行特征集组建Treelets降维算法模型;然后根据布谷鸟算法优化的高斯分类模型,评估飞行员工作负荷状态;最后将结果与NASA-TILX的飞行员工作负荷结果对比,利用比对结果完成对航空训练中飞行员工作负荷状态的智能识别.实验结果表明,所提方法能够实现对飞行员的工作状态负荷状态的有效识别,且识别精度较高.

关键词：飞行数据、工作负荷、飞行特征集、优化识别

所属期刊栏目：34

分类号：V271.1(各类型航空器)

资助基金：国家自然科学基金61671293;上海浦江计划人才15PJ1404300

在线出版日期：2017-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49