民机驾驶舱人机交互脑力负荷预测模型

针对民机驾驶舱人机交互中飞行员脑力负荷问题,设计不同难度的人机交互飞行实验任务,分析飞行作业过程中飞行员脑力负荷在评估指标上的变化.在此基础上,提出一种新的改进的多元线形回归方法,探索人机交互中飞行人员脑力负荷变化预测模型的构建方法.结果显示:飞行作业过程中脑力负荷在反应时间、正确率、NASA-TLX、SDNN 4个评估指标上变化显著;在RRI Count、Max RRI、Minimum RRI、Mean RRI、Max/Min 5个评估指标上变化不显著.改进的多元线形回归模型可对不同飞行难度下个体脑力负荷水平进行预测和等级划分,平均预测准确率为87.5％.提出的预测模型与实测数据吻合性较好,能够较准确地反映民机驾驶舱人机交互中飞行员脑力负荷变化特性,可为未来民机驾驶舱人机交互中工效学评价与优化设计提供依据.     

基于多次约束匹配的室内定位算法

传统增强动态K加权算法(enhanced weighted K nearest neighbors,EWKNN)算法相比K加权邻近算法(weighted K nearest neighbors,WKNN)算法,虽然能有效提高定位精度,但是仍然存在定位结果在空间中跳动跨度大的问题。针对传统EWKNN算法的不足,在EWKNN算法的基础上提出了基于多次约束匹配的室内定位算法。考虑了行人前后位置的关联性,用上一步预测的位置对当前步的Wi Fi匹配进行多次约束,剔除匹配到的较远的参考点。实验表明,相比于传统的EWKNN算法,研究结果具有较高的定位精度。     

飞行员脑力负荷测量指标和评价方法研究进展

首先介绍脑力负荷相关定义、脑力负荷与作业绩效的关系、解决脑力负荷问题的方法,指出脑力负荷问题的破解离不开脑力负荷测量方法的支撑;其次详细分析和综述了近年来国内外飞行脑力负荷测量的新指标、新方法以及主要应用,其中重点综述了脑力负荷的综合测评方法;最后结合飞机驾驶舱显示系统的设计评价,探讨了脑力负荷测评方法研究现状及存在的问题,指出了飞行员脑力负荷测评的未来发展趋势。