當(dāng)今,飛機(jī)駕駛中人機(jī)交互系統(tǒng)的復(fù)雜度越來越高,飛行員在實(shí)際工作中所需要承擔(dān)的工作負(fù)荷在不斷提升。為了保障航空安全,飛行員工作負(fù)荷的監(jiān)控變的十分重要,對(duì)工作負(fù)荷的評(píng)估工作已經(jīng)成為一個(gè)重要的課題。首先,本文利用實(shí)驗(yàn)室已有的飛行模擬器,設(shè)計(jì)了一組飛行模擬實(shí)驗(yàn)。為了令被試人員在模擬飛行過程中產(chǎn)生工作負(fù)荷,在實(shí)驗(yàn)過程中設(shè)計(jì)了如起飛,轉(zhuǎn)彎等多種飛行任務(wù),通過幾十分鐘的模擬飛行誘發(fā)被試人員產(chǎn)生工作負(fù)荷。同時(shí),被試人員被要求完成主觀評(píng)價(jià)表,評(píng)價(jià)其不同時(shí)刻下是否感覺工作負(fù)荷較高。其次,針對(duì)人體多種生理信號(hào),本文主要研究了腦電信號(hào)、肌電信號(hào)、脈搏信號(hào)和心電信號(hào)。并且提取了腦電信號(hào)的能量譜特征,脈搏信號(hào)的脈搏波峰峰值和主頻率,心電信號(hào)的心率相關(guān)特征,肌電信號(hào)的平均振幅等時(shí)域特征幾個(gè)特征組。并通過所采集數(shù)據(jù)驗(yàn)證了各特征和工作負(fù)荷程度有明顯的相關(guān)性。最后,本文通過信息融合相關(guān)理論,提出了多生理信號(hào)融合下飛行員工作負(fù)荷的評(píng)估方法。本文通過支持向量機(jī)的方法,在特征層上對(duì)已初步提取的特征分別進(jìn)行融合訓(xùn)練。并且通過識(shí)別準(zhǔn)確率選擇了通過PCA分析方法提取的融合特征。分類結(jié)果表明了基于多模生理信號(hào)融合特征的支持向量機(jī)模型識(shí)... 

【文章來源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

影響飛行員工作負(fù)荷因素機(jī)組個(gè)人因素是指與個(gè)人生活方式有關(guān)的行為和個(gè)人習(xí)慣等

南京航空航天大學(xué)碩士學(xué)位論文第二章 飛行員生理信號(hào)采集實(shí)驗(yàn)2.1 飛行模擬平臺(tái)介紹目前的飛行模擬器大多應(yīng)用在訓(xùn)練飛行員上，用于正常、故障飛行等多種飛行狀況[29]。利用仿真的駕駛環(huán)境，可以迅速開展實(shí)驗(yàn)并且能夠快速切換場景，完成多環(huán)境下的飛行；同時(shí)，通過仿真環(huán)境進(jìn)行實(shí)驗(yàn)，可以再現(xiàn)真實(shí)的飛行環(huán)境，提高實(shí)驗(yàn)的可實(shí)現(xiàn)性和安全性，對(duì)于本文采集產(chǎn)生工作負(fù)荷狀態(tài)下的駕駛而言，所測得的數(shù)據(jù)也更加真實(shí)可靠。

圖 2.2 飛行模擬平臺(tái)試飛行員佩戴相應(yīng)生理信號(hào)采集設(shè)備（腦電帽，肌電、脈搏等信號(hào)生理信號(hào)數(shù)據(jù)。由于數(shù)據(jù)信號(hào)和時(shí)間一一對(duì)應(yīng)，在配套的生理信號(hào)據(jù)隨時(shí)間的變化關(guān)系圖。圖 2.3 信號(hào)采集軟件示意圖系列的飛行模擬設(shè)備，可以完成本次模擬飛行實(shí)驗(yàn)，并能采集到所實(shí)驗(yàn)室的飛行模擬器，可以對(duì)不同飛行條件，多種飛行狀況進(jìn)行模

【參考文獻(xiàn)】：
期刊論文
[1]基于小波卡爾曼濾波的高速公路交通數(shù)據(jù)融合去噪算法研究[J]. 劉兆惠,李倩,王超,徐友春.  公路工程. 2018(06)
[2]核函數(shù)選擇方法研究[J]. 王振武,何關(guān)瑤.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(10)
[3]面向可穿戴多模生物信息傳感網(wǎng)絡(luò)的棧式自編碼器優(yōu)化情緒識(shí)別[J]. 戴逸翔,王雪,戴鵬,張蔚航,張鵬博.  計(jì)算機(jī)學(xué)報(bào). 2017(08)
[4]基于J48決策樹分類器的情緒識(shí)別與結(jié)果分析[J]. 蔣小梅,張俊然,陳富琴,黃江濤.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(03)
[5]民航飛行事故統(tǒng)計(jì)及原因分析[J]. 杜紅兵,張慶慶.  工業(yè)安全與環(huán)保. 2016(08)
[6]飛行疲勞表現(xiàn)、影響因素及監(jiān)測技術(shù)[J]. 吳鋒廣,牟海鷹.  西安航空學(xué)院學(xué)報(bào). 2015(05)
[7]利用EEG信號(hào)的小波包變換與非線性分析實(shí)現(xiàn)精神疲勞狀態(tài)的判定[J]. 韓清鵬.  振動(dòng)與沖擊. 2013(02)
[8]基于多特征量貝葉斯融合的駕駛疲勞識(shí)別[J]. 張偉,黃煒,羅大庸.  計(jì)算機(jī)工程與應(yīng)用. 2012(33)
[9]基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的短期風(fēng)電功率組合預(yù)測模型[J]. 葉林,劉鵬.  中國電機(jī)工程學(xué)報(bào). 2011(31)
[10]基于二維高斯混合模型的駕駛行為分析[J]. 馬超,張政石.  硅谷. 2011(05)

博士論文
[1]基于視頻圖像分析與信息融合的駕駛員疲勞檢測技術(shù)研究[D]. 朱淑亮.山東大學(xué) 2011

碩士論文
[1]基于信息融合的駕駛員疲勞狀態(tài)檢測方法研究[D]. 方毅.哈爾濱工業(yè)大學(xué) 2018
[2]基于心電肌電信號(hào)的汽車駕駛疲勞研究[D]. 葉成文.合肥工業(yè)大學(xué) 2018
[3]飛行環(huán)境下人體運(yùn)動(dòng)感知初步研究[D]. 劉江.南京航空航天大學(xué) 2018
[4]基于腦電信號(hào)識(shí)別的駕駛疲勞檢測方法研究[D]. 張淞杰.杭州電子科技大學(xué) 2018
[5]情感識(shí)別脈搏信號(hào)特征分類研究[D]. 杜昭慧.吉林大學(xué) 2017
[6]基于心電信號(hào)的駕駛疲勞識(shí)別方法研究[D]. 牛琳博.西南交通大學(xué) 2017
[7]基于語音分析的疲勞度檢測研究[D]. 陳樞茜.蘇州大學(xué) 2017
[8]考慮駕駛員生物電信號(hào)的疲勞駕駛檢測方法研究[D]. 薛雷.吉林大學(xué) 2015
[9]多源生理信號(hào)融合的駕駛疲勞檢測預(yù)警系統(tǒng)研究[D]. 周凌霄.杭州電子科技大學(xué) 2015
[10]基于多參數(shù)融合的疲勞駕駛監(jiān)測及預(yù)警系統(tǒng)[D]. 劉佳興.蘭州大學(xué) 2013



本文編號(hào)：3249220