腦力負荷狀態(tài)的準確識別對減少因作業(yè)人員無效腦力負荷導致的人因事故具有重要意義。針對人-機系統(tǒng)中作業(yè)人員腦力負荷客觀評估問題開展了基于MATB-Ⅱ平臺的3種不同腦力負荷水平下的航空情境實驗,記錄16名被試的NASA任務負荷指數(shù)(NASA-TLX)量表數(shù)據(jù)和腦電(EEG)信號,提出了一種基于腦電功率譜密度(PSD)和支持向量機(SVM)的個體腦力負荷評估方法。結(jié)果表明:隨著實驗設計腦力負荷水平增加,被試的主觀腦力負荷得分顯著提高(p<0.001),這表明該實驗任務設計較好地誘發(fā)了低負荷、中負荷和高負荷情境。在此基礎(chǔ)上,通過網(wǎng)格搜索法確定個體腦力負荷評估模型的統(tǒng)一優(yōu)化參數(shù),懲罰系數(shù)取3 000,核函數(shù)參數(shù)取0.000 1,模型測試正確率達到0.966 5±0.029 8,宏平均的受試者工作特征曲線下的面積(Macro-AUC)達到0.991 0±0.011 4。本文為作業(yè)人員腦力負荷狀態(tài)的客觀和準確評估提供了一種新的辦法,為后期作業(yè)人員腦力負荷狀態(tài)的實時判別提供模型基礎(chǔ)。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1MATB-Ⅱ平臺任務界面

MATB-Ⅱ平臺任務界面如圖1所示。1.2.2主觀測評方法

圖2腦電采集系統(tǒng)

采用國際腦電圖學會標定的10-20電極導聯(lián)定位標準[17]，利用NeuroscanNeuamps系統(tǒng)（Synamps2,Scan4.3,EIPaso,USA）采集32導聯(lián)腦電（FP1、FP2、F7、F3、FZ、F4、F8、FT7、FC3、FCZ、FC4、FT8、A1、T3、C....

圖34種節(jié)律能量的腦電地形圖

圖3展現(xiàn)了低負荷、中負荷和高負荷下16名被試平均能量的腦電地形圖�？芍S著腦力負荷增加，4種節(jié)律的能量均不斷增大，且低負荷和中負荷之間的變化相較于中負荷和高負荷之間的變化更明顯，這可能與不同腦力負荷水平下任務喚醒頻次設計有關(guān)。2.3建模準備

圖4SVM網(wǎng)格搜索結(jié)果與統(tǒng)一優(yōu)化參數(shù)

最終確定個體腦力負荷評估模型的統(tǒng)一優(yōu)化參數(shù)為C=3000、gamma=0.0001，如圖4所示，其中正確率為由四折交叉驗證的平均驗證正確率。3.3建模結(jié)果

本文編號：3946092