本文關鍵詞：基于眼動儀的飛行員疲勞判定方法研究

  更多相關文章： 眼動追蹤 疲勞檢測 眼動儀 飛行員 人為因素

【摘要】：安全是民航永恒的主題。在誘發(fā)航空事故的諸多人為因素當中,民航從業(yè)人員的疲勞問題一直是危害民航安全的重要因素。疲勞已成為航空安全人為因素研究的瓶頸。據(jù)民航統(tǒng)計表明,在民航飛行系統(tǒng)運行過程中因疲勞問題曾誘發(fā)多起航空事故。本研究在總結與分析國內外疲勞判定研究基礎上,對眼動追蹤技術在疲勞判定的應用進行可行性分析,設計眼動追蹤疲勞判定流程,構建飛行員狀態(tài)數(shù)據(jù)采集平臺。首先,針對實驗被測試者實施不同狀態(tài)下的眼動追蹤,并記錄特征行為樣本數(shù)據(jù)。其次,通過眼動儀數(shù)據(jù)處理系統(tǒng)導出數(shù)據(jù),研究不同狀態(tài)下飛行員特征行為變化規(guī)律,利用粗糙集約簡出合適的疲勞判定屬性。再次,采用基于BP神經網絡的疲勞判定方法進行飛行員疲勞判定。在分析和總結不同狀態(tài)下特征行為規(guī)律基礎上,通過對新采集特征行為數(shù)據(jù)樣本的分析,依據(jù)修正的參考標準對其相應的生理狀態(tài)做出判定,將實驗判定結果與采用PERCLOS判定的結果進行對比驗證分析,結論驗證了采用基于BP神經網絡的疲勞判定方法的合理性。本文主要完成了以下工作:1.由于目前尚未有專業(yè)的飛行員疲勞狀態(tài)數(shù)據(jù)采集平臺,本文搭建了以FaceLAB眼動儀為核心的模擬飛行員疲勞參數(shù)數(shù)據(jù)采集平臺。2.采用基于二元信道的粗糙集屬性約簡方法,將112個屬性在互信息并無明顯變化的情況下,約簡為10個屬性。3.在借鑒和分析前人研究的基礎上,對約簡結果的10個屬性分三類用BP神經網絡分別學習,并將分類結果綜合處理,得到一種基于BP神經網絡的飛行員疲勞判定方法。該方法的疲勞狀態(tài)正確識別率要遠高于PERCLOS方法,完全可以應用到實際中去。
【學位授予單位】：中國民航大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：V328;TP18

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 沈永增;胡立芳;馮繼妙;;多源信息融合在駕駛疲勞檢測中的應用[J];計算機應用與軟件;2012年02期

2 賈培剛;王少梅;;一種人體頭部運動姿態(tài)的測量方法[J];西安工業(yè)大學學報;2011年05期

3 馬添翼;成波;;基于面部表情特征的駕駛員疲勞狀態(tài)識別[J];汽車安全與節(jié)能學報;2010年03期

4 趙敏;羅可;廖喜訊;;基于免疫遺傳算法的粗糙集屬性約簡算法[J];計算機工程與應用;2007年23期

5 霍志勤;民用航空安全文化建設芻論[J];中國民航學院學報;2005年01期

6 田啟川,潘泉,王峰,張洪才;基于Metropolis準則的BP神經網絡學習算法研究[J];自動化技術與應用;2003年05期

7 苗奪謙,胡桂榮;知識約簡的一種啟發(fā)式算法[J];計算機研究與發(fā)展;1999年06期

，

本文編號：1304346