[发明专利]一种非线性纵向结构化人机系统机组负荷预测方法

说明书

本发明涉及一种非线性纵向结构化人机系统机组负荷预测方法，包括以下步骤：1)根据基本工作负荷功能及要素，对机组成员任务负荷进行量化；2)根据基本信息决策与控制通道，对机组成员通道负荷进行量化；3)引入虚拟工作负荷，建立人机智能系统机组工作负荷测评机制；4)在人机智能系统机组工作负荷测评机制中附加自动化设备开启状态切换跳跃约束，实现测评机制中人机系统的自动化水平不连续参数的拟马尔可夫单纯形估计；5)通过人机智能系统机组工作负荷测评机制，以相对递推的方式定量预测机组成员的工作负荷。与现有技术相比，本发明具有提高准确性和鲁棒性、考虑耦合特性、客观准确、适应各类机组构型、应用范围广等优点。

技术领域

本发明涉及航空技术领域，尤其是涉及一种基于非线性纵向结构化潜变动态拓扑的人机智能系统机组工作负荷预测方法。

背景技术

影响或体现飞行机组工作负荷的因素包括人机系统的自动化模式、机组所承担的任务以及完成任务所需付出的生理和心理资源。人机系统功能分配及任务场景中的这些因素是一组复杂的潜在变量，不可直接观测但相互影响并进一步制约飞行绩效甚至安全性。随着机载自动化及智能化技术的成熟，飞行系统逐步集成越来越多的自动化及智能化设备与功能。人机融合是提升人类效率及系统安全性的关键，因此，建立人机系统潜在关系及耦合特性的评估机制，客观定量测算各种自动化及智能化工作模式下的飞行机组工作负荷，并有效验证人机系统功能分配与机组绩效的逻辑关系是一个问题。

当前主流的人机系统工作负荷评估原理如下：1)在实验系统或飞行测试中通过各类传感器获取机组成员的生理指标及行为动作，如心率、血压、眼动、脑电、肌电、语音、手势、操作；2)在实验系统或飞行测试后通过各类主观评价获取机组成员的任务负荷及心理反馈，如脑力需求、体力需求、时间需求、努力程度、业绩水平、受挫程度；3)通过各种加权方法或分级方法综合评判人机系统及相应的工作负荷条件，比如运用NASA-TLX量表计算总的负荷评价，通过SWAT量表合并脑力负荷测量指标，通过修正的Cooper-Harper分级方法评定飞机驾驶的难易程度。

随着人机系统技术与信息的进步、自动化程度及智能程度的提高，上述现有的人机系统工作负荷评估方法已不能有效反映人与自动化及智能化的信任与依赖关系。在步骤1)中获得的生理指标及行为动作在机械化系统及半自动化系统中具有一定的参考价值，在自动化系统及智能化系统中却已无法准确描述知识型作业、人机系统功能分配、机组工作负荷之间的复杂因果效应。在步骤2)中获得的任务负荷及心理反馈存在不可避免的主观性和滞后性。在步骤3)中，NASA-TLX量表法需对脑力需求、体力需求、时间需求、努力程度、业绩水平、受挫程度等因素进行加权，SWAT量表法需把时间、压力、努力三因素分为三个水平，Cooper-Harper分级方法需将飞机驾驶的难易程度分为十个等级；这些方法基于飞行员工作负荷与操纵质量直接相关的假设，在知识型作业及人机混合智能系统中该假设是不合理的；另外，这些方法难以客观量化，且不能应用于飞行器设计、适航符合性验证以及航空运营的全过程。

发明内容

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一种适用于飞行器设计、适航符合性验证以及航空运营，能实时量化各种自动化及智能化工作模式下的非线性纵向结构化人机系统机组负荷预测方法。

本发明的目的可以通过以下技术方案来实现：

一种非线性纵向结构化人机系统机组负荷预测方法，包括以下步骤：

1)根据基本工作负荷功能及要素，对机组成员任务负荷进行量化，作为预测人机智能系统机组负荷所需的第一类基础观测数据；

2)根据基本信息决策与控制通道，对机组成员通道负荷进行量化，作为预测人机智能系统机组负荷所需的第二类基础观测数据；

3)引入虚拟工作负荷，建立非线性纵向结构化潜变动态拓扑关系，即人机智能系统机组工作负荷测评机制；