本发明专利技术提供了一种基于操作员功能状态的驾驶舱动态功能分配方法，首先确定自动化等级的功能权限，进行模糊建模，然后对双输入单输出变量论域的模糊划分，选择适合的模糊集合以及模糊集合的形态及位置参数，最后确定模糊规则的具体形式，生成系统的模糊规则，进行模糊推理结算后去模糊化。本发明专利技术对驾驶舱人机自动化系统进行动态功能分配可以克服以往静态功能分配的缺点，能实时准确调整系统功能分配策略。
【技术实现步骤摘要】
本专利技术涉及一种民机驾驶舱的自动化设计技术。
技术介绍
功能分配（Function Allocation，FA)的概念由 P. M. Fitts 于 1951 年提出，是指 将系统中的功能（Function)或者任务（Task)分派给人或者机器的过程，它主要强调系统 各组成成分之间的功能分解。飞机驾驶舱人机功能分配就是将飞机驾驶舱要实现的功能在 飞行员和驾驶舱自动化子系统之间进行合理的分配。合理地进行飞行员和自动化子系统的 功能/任务分配，可以充分利用人、机两者所具有的功能资源，使飞行员能够维持较高的情 景感知水平，同时降低其工作疲劳与失误操作，又能够充分发挥自动化系统优势，从而高效 地完成飞行任务。 传统的功能分配方法通过比较人和机器在完成特定功能的能力优势，决定该功能 分配给人还是机器。这种分配方式在系统设计阶段就确定了人和机器各自的角色，而且在 系统运行时不允许任何再分配，称为静态功能分配。但是，确定一个最优的静态的功能分配 方案保障驾驶舱系统的性能始终保持在最佳状态是不可行的。一方面，如果给飞行员赋予 较多的任务，那么在执行任务的过程中，一旦遇到复杂多变的任务环境，飞行员工作负荷可 能会超过阈值，导致工作效率下降，严重时会引发飞行事故。另一方面，如果给自动化子系 统较高的权限，飞行员长时间处在监督状态下，将会导致态势感知能力下降，不能对紧急事 件做出快速反应。相比静态功能分配，另一种功能分配形式一一动态功能分配允许系统在 运行阶段根据情况的变化，将系统功能在人、机之间动态地重新分配，从而使人、机工作地 更加协调，提高系统整体的功能效果。目前，动态功能分配研究在空中交通管制、过程控制、 军事指挥控制系统等领域中得到了广泛地应用。 我国民用大型运输机项目早已正式立项，研制具有自主知识产权的民用大型运输 机需要大量相关技术的支持，动态功能分配正是其中的关键技术之一。鉴于其应用背景的 敏感性，目前关于其核心技术未见公开报道，没有形成系统和完整的方法。从适应动态变化 环境的角度看，由于生理参数测量值可以实时反映操作员的工作状态，基于测量的触发机 制是最合适的。通过对操作者这些生理信号的测量，提取能反映操作员负荷的指标，实时准 确地评估操作员的功能状态（Operator Functional State，0FS)，根据操作员功能状态调 整系统功能分配策略，使人和机器达到最佳的操作性能状态，从而不需要预估操作员的认 知状态。
技术实现思路
为了克服现有技术的不足，本专利技术提供一种基于操作员功能状态的驾驶舱动态功 能分配方法，即依据生理参数测量值估计操作员功能状态，从而进行功能自动化等级的动 态调整。 本专利技术解决其技术问题所采用的技术方案包括以下步骤： 1)确定民机驾驶舱系统各自动化等级所对应的功能权限； 2)对操作员的心率和脑电信号数据进行测量，从采集的数据中提取对功能状态 敏感的特征指标；选取HRVjP TLI2作为衡量操作员生理参数变化的两个指标，并用作模糊 逻辑的输入；模糊逻辑的输出为系统的自动化等级；其中，HRV 2为一分钟内HR标准差〇 HRV 和平均值1^_的比值；任务负荷指标TLI 2表示不同EEG电极的不同频段功率的比值，即Pz表示脑电信号在10-20国际电极放置标准中的采集点，P 0iFz表示在 采集点Fz测得的脑电Θ段的能量强度，Pa pz表示在采集点Pz测得的脑电α段的能量强 度； 3)将操作员性能参数HRV2、TLI2均划分成五个等级，将自动化等级LOA划分成四 个等级，用模糊语言值表示，并给出标准模糊值范围；操作员性能参数HRV 2、TLIjP自动化 等级LOA对应的模糊子集类型均为三角形； 4)将输入的操作员性能参数HRV2、TLI2和输出的自动化等级LOA建立双输入单输 出的模糊控制器，模糊控制器的规则库为R 1:若X是A 1且Y是B j，则Z是Ck，其中X、Y为规则 的输入语言变量，Z为输出语言变量，AjP B j为双输入变量对应的模糊集合，C k为单输出变 量对应的模糊集合，R1表示第1条模糊规则，1 = 1，2, "'Iibi = 1，2,…，n，k = 1，2, ···，]!， m表示模糊规则的总个数； 5)采用max-min重心法进行模糊推理，得出输出模糊量C = (AXB) O R，其中， 6)将输出模糊量的子集转化为对OFS评价的精确值= 本专利技术的有益效果是：对驾驶舱人机自动化系统进行动态功能分配可以克服以往 静态功能分配的缺点，能实时准确调整系统功能分配策略。【附图说明】 图1是民机驾驶舱人机动态功能分配调整原理图； 图2是HRV2的隶属度函数示意图； 图3是LI2的隶属度函数示意图； 图4是LOA的隶属度函数示意图； 图5是动态功能调整规则示意图； 图6是模糊推理输入、输出特性曲面示意图。【具体实施方式】 下面结合附图和实施例对本专利技术进一步说明，本专利技术包括但不仅限于下述实施 例。 本专利技术包括以下步骤： 1.确定自动化等级的功能权限 对Sheridan和Verplank提出的人机交互系统的自动化级别划分方法进行合并优 化，确定民机驾驶舱系统各自动化等级所对应的功能权限。如表1、表2所示： 表 1 自动化等级 LOA(Modification) 2.模糊建模 基于操作员功能状态的民机驾驶舱动态功能分配的原理图如图1所示： 对操作员心率（Heart Rate，HR)、脑电（Electroencephalogram，EEG)信号数据进 行测量，从采集的数据中提取对OFS敏感的特征指标，选择模糊控制器的输入输出变量，确 定输入输出变量的数量。选取HRV 2、TLI2作为衡量操作员生理参数变化的两个指标，并用作 模糊逻辑的输入；模糊逻辑的输出为系统的自动化等级（LOA)。 HRV2定义为一分钟时段内HR标准差和平均值的比值。HRVd^计算公式如下： 其中σ HRV和μ HRV分别为1分钟时段内HR数据的标准差和均值。 任务负荷指标TLI2表示不同EEG电极的不同频段功率的比值。TLI2的计算公式 如下：(M) 其中Fz，Pz表示脑电信号在10-20国际电极放置标准中的采集点，P0iFz表示在 采集点Fz测得的脑电Θ段（4-8Hz)的能量强度，Ρ α，Ρζ表示在采集点Pz测得的脑电α段 (8-13ΗΖ)的能量强度。 3.语言变量及模糊集的确定 对双输入单输出变量论域的模糊划分，选择适合的模糊集合以及模糊集合的形态 及位置参数。 将操作员性能参数HRV2、TLI2均划分成五个等级，用模糊语言值表示为："非常 低"、"低"、"中"、"高"、"非常高";将输出功能的自动化等级LOA发划分成四个等级，用模糊 语言值表示为："低"、"中"、"高"、"非常高"。根据定义在基本论域上的各个模糊集合，来确 定精确量所属于的模糊子集及其对应的隶属函数。HRV 2、TLIjPLOA三个模糊语言变量的 范围，如表3所示。 表3模糊语言变量及其模糊集 输入、输出变量，均采用均匀分布（每个三角形的中心点在论域上均匀分布）、全 交迭（每个三角形底边的端点恰好是相邻两个三角形的中心点）的三角形隶属函数。隶属 度函数分别如图2、图3、图4所示。 4.模糊规则构造 确定模糊规则的具本文档来自技高网...
【技术保护点】
一种基于操作员功能状态的驾驶舱动态功能分配方法，其特征在于包括下述步骤：1)确定民机驾驶舱系统各自动化等级所对应的功能权限；2)对操作员的心率和脑电信号数据进行测量，从采集的数据中提取对功能状态敏感的特征指标；选取HRV2和TLI2作为衡量操作员生理参数变化的两个指标，并用作模糊逻辑的输入；模糊逻辑的输出为系统的自动化等级；其中，HRV2为一分钟内HR标准差σHRV和平均值μHRV的比值；任务负荷指标TLI2表示不同EEG电极的不同频段功率的比值，即Fz、Pz表示脑电信号在10‑20国际电极放置标准中的采集点，Pθ,Fz表示在采集点Fz测得的脑电θ段的能量强度，Pα,Pz表示在采集点Pz测得的脑电α段的能量强度；3)将操作员性能参数HRV2、TLI2均划分成五个等级，将自动化等级LOA划分成四个等级，用模糊语言值表示，并给出标准模糊值范围；操作员性能参数HRV2、TLI2和自动化等级LOA对应的模糊子集类型均为三角形；4)将输入的操作员性能参数HRV2、TLI2和输出的自动化等级LOA建立双输入单输出的模糊控制器，模糊控制器的规则库为Rl：若X是Ai且Y是Bj，则Z是Ck，其中X、Y为规则的输入语言变量，Z为输出语言变量，Ai和Bj为双输入变量对应的模糊集合，Ck为单输出变量对应的模糊集合，Rl表示第l条模糊规则，l＝1,2,…,m，i＝1,2,…,n，k＝1,2,…,n，m表示模糊规则的总个数；5)采用max‑min重心法进行模糊推理，得出输出模糊量C＝(A×B)оR，其中，R=∪l=1mRl,Rl=(Ai×Bj×Ck);]]>6)将输出模糊量的子集转化为对OFS评价的精确值...
【技术特征摘要】
【专利技术属性】
技术研发人员：张安，毕文豪，汤志荔，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。