一种多无人机仿真控制人员的赋能方法技术

一种多无人机仿真控制人员的赋能方法，包括：提取多个控制人员执行不同规模的无人机仿真控制任务时的非疲劳状态和疲劳状态下的生理特征数据，将生理特征数据对应的疲劳和非疲劳状态作为标签，基于提取的生理特征数据和对应的标签进行模型训练得到疲劳检测模型；生理特征数据包括心电特征数据、脑电特征数据和肌电特征数据；基于疲劳检测模型根据多个控制人员执行不同规模的仿真控制任务时每个单位时刻的生理特征数据确定仿真控制任务的最佳规模；控制人员执行最佳规模仿真控制任务；根据控制人员每个时刻的生理特征数据基于疲劳检测模型预测控制人员当前时刻和未来时刻的状态，根据控制人员当前时刻和未来时刻的状态对控制人员进行赋能。控制人员进行赋能。控制人员进行赋能。

【技术实现步骤摘要】
一种多无人机仿真控制人员的赋能方法


[0001]本专利技术涉及疲劳预测
，尤其涉及一种多无人机仿真控制人员的赋能方法。

技术介绍

[0002]仿真控制人员疲劳状态识别之后，需采用一定的方法对仿真控制人员进行一定的激励，使仿真控制人保持清醒状态，以保证仿真控制的准确性性。目前方案主要是对疲劳状态进行检测，然后设定相应的赋能方式。但实际上，疲劳是一个缓慢的过程，需要分阶段、更为精准的赋能方式，通过综合考虑现在以及过去的疲劳状态，更为准确的预测未来时刻的疲劳程度，并需要针对不同的疲劳程度，采取不同的赋能方式与赋能时间。
[0003]并且，目前对控制人员能操控的集群数量缺乏定量的研究，仿真控制系统的评估与赋能研究均是在各自拟定的任务背景下展开的，导致操控人员操控集群规模多样化，人机工效评估没有统一的任务背景，评估的结果也缺乏指导意义。

技术实现思路

[0004]鉴于上述的分析，本专利技术实施例旨在提供一种多无人机仿真控制人员的赋能方法，用以解决现有缺乏控制人员能操控的集群数量缺乏定量的研究并且疲劳检测和赋能不准确的问题。
[0005]一方面，本专利技术实施例提供了一种多无人机仿真控制人员的赋能方法，包括以下步骤：
[0006]提取多个控制人员执行不同规模的无人机仿真控制任务时的非疲劳状态和疲劳状态下的生理特征数据，将生理特征数据对应的疲劳和非疲劳状态作为标签，基于提取的生理特征数据和对应的标签进行分类模型训练得到疲劳检测模型；所述生理特征数据包括心电特征数据、脑电特征数据和肌电特征数据；
[0007]基于疲劳检测模型根据多个控制人员执行不同规模的无人机仿真控制任务时每个单位时刻的生理特征数据确定仿真控制任务的最佳规模；
[0008]控制人员执行最佳规模的仿真控制任务；根据控制人员每个时刻的生理特征数据，基于疲劳检测模型预测控制人员当前时刻和未来时刻的状态，根据控制人员当前时刻和未来时刻的状态对控制人员进行赋能。
[0009]基于上述技术方案的进一步改进，根据控制人员当前时刻和未来时刻的状态对控制人员进行赋能，包括：
[0010]根据控制人员当前时刻和多个未来时刻的状态判断控制人员的赋能强度；根据赋能强度对控制人员进行赋能。
[0011]进一步地，所述脑电特征数据包括单位时间内的脑电均值、标准差、峰度、偏度、每个脑电通道的熵以及脑电通道间的互信息；
[0012]所述心电特征数据包括单位时间内的心率、NN间期标准差、相邻NN间期差值的均
方根、低频频带面积、高频频带面积和低频高频功率比值；
[0013]所述肌电特征数据包括单位时间内的肌电均值和方差。
[0014]进一步地，提取多个控制人员执行不同规模的无人机仿真控制任务时的非疲劳状态和疲劳状态下的生理特征数据之后，基于提取的生理特征数据和对应的标签进行分类模型训练得到疲劳检测模型之前，还包括：
[0015]计算每个生理特征与对应标签的皮尔逊相关系数；
[0016]基于皮尔逊相关系数构建统计量根据t值查询每个特征对应的p值，根据p值选取与标签相关度高的生理特征数据进行分类模型训练得到疲劳检测模型，其中r表示皮尔逊相关系数，n表示当前特征的样本数量。
[0017]进一步地，基于疲劳检测模型根据多个控制人员执行不同规模的无人机仿真控制任务时每个单位时刻的生理特征数据确定仿真控制任务的最佳规模，包括：
[0018]基于疲劳检测模型和每个单位时刻的生理特征数据计算每个控制人员在每种规模仿真控制任务下的到达疲劳时长；
[0019]基于每个控制人员在每种规模仿真控制任务下的到达疲劳时长确定仿真控制任务的最佳规模。
[0020]进一步地，基于疲劳检测模型和每个单位时刻的生理特征数据计算每个控制人员在每种规模仿真控制任务下的到达疲劳时长，包括：
[0021]提取每个控制人员在每种规模仿真控制任务下非疲劳状态到疲劳状态之间每个单位时刻的生理特征数据，基于疲劳检测模型判断每个控制人员在每种规模仿真控制任务下非疲劳状态到疲劳状态之间每个单位时刻的状态；
[0022]每个控制人员在每种规模仿真控制任务下非疲劳状态到疲劳状态之间的、由疲劳检测模型判断得到的第一个疲劳状态对应的时刻到仿真控制任务的初始时刻的时长为该控制人员在该种规模仿真控制任务下的到达疲劳时长。
[0023]进一步地，基于每个控制人员在每种规模仿真控制任务下的到达疲劳时长确定仿真控制任务的最佳规模，包括：
[0024]基于每个控制人员在每种规模仿真控制任务下的到达疲劳时长计算每个控制人员的最佳任务规模；
[0025]所有控制人员中最佳任务规模数量最多的规模为仿真控制任务的最佳规模。
[0026]进一步地，基于每个控制人员在每种规模仿真控制任务下的到达疲劳时长计算每个控制人员的最佳任务规模，包括：
[0027]当前控制人员在不同规模仿真控制任务下的最小到达疲劳时长为最短评估时长；以与各仿真控制任务开始时刻的差值小于所述最短评估时长的每个时刻为各仿真控制任务的评估时刻；
[0028]对于每种规模的仿真控制任务，计算每个评估时刻操控一台机器的疲劳率，疲劳率最小值对应的仿真控制任务的规模为每个评估时刻对应的最佳规模；
[0029]所有评估时刻中，最佳规模数量最多的任务规模为当前控制人员的最佳任务规模。
[0030]进一步地，对于每种规模的仿真控制任务，计算每个评估时刻的控制一架无人机
的疲劳率，包括：
[0031]根据公式其中，P
i
表示第i个评估时刻疲劳检测模型判断得到的疲劳概率值；N
j
表示第j种规模的仿真控制任务控制的无人机数量；T
i
表示第i个评估时刻的控制一架无人机的疲劳率。
[0032]进一步地，根据仿真控制人员每个时刻的生理特征数据基于疲劳检测模型预测控制人员当前时刻和未来时刻的状态，包括：
[0033]获取当前时刻的生理特征数据，根据疲劳检测模型预测当前时刻控制人员的疲劳概率值得到控制人员当前时刻的状态；
[0034]根据当前时刻的疲劳概率值和当前时刻之前的多个时刻的疲劳概率值计算未来时刻的疲劳概率值得到控制人员未来时刻的状态。
[0035]与现有技术相比，本专利技术通过基于疲劳检测模型确定仿真控制任务的最佳规模，从而对控制人员能控制的集群数量进行定量研究，可以最大程度的发挥控制人员的能力，并为后续的赋能技术提供了理论科学依据，通过根据采集的生理特征数据基于疲劳检测模型预测控制人员在未来时刻的状态，综合考虑现在以及过去的疲劳状态，可以更为准确的预测未来时刻的疲劳程度，并针对不同的疲劳程度，采取不同的赋能方式与赋能时间，实现分阶段的精准赋能，保证了赋能的精准性，并尽量的减少赋能对控制人员的影响。
[0036]本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多无人机仿真控制人员的赋能方法，其特征在于，包括以下步骤：提取多个控制人员执行不同规模的无人机仿真控制任务时的非疲劳状态和疲劳状态下的生理特征数据，将生理特征数据对应的疲劳和非疲劳状态作为标签，基于提取的生理特征数据和对应的标签进行分类模型训练得到疲劳检测模型；所述生理特征数据包括心电特征数据、脑电特征数据和肌电特征数据；基于疲劳检测模型根据多个控制人员执行不同规模的无人机仿真控制任务时每个单位时刻的生理特征数据确定仿真控制任务的最佳规模；控制人员执行最佳规模的仿真控制任务；根据控制人员每个时刻的生理特征数据，基于疲劳检测模型预测控制人员当前时刻和未来时刻的状态，根据控制人员当前时刻和未来时刻的状态对控制人员进行赋能。2.根据权利要求1所述的多无人机仿真控制人员的赋能方法，其特征在于，根据控制人员当前时刻和未来时刻的状态对控制人员进行赋能，包括：根据控制人员当前时刻和多个未来时刻的状态判断控制人员的赋能强度；根据赋能强度对控制人员进行赋能。3.根据权利要求1所述的多无人机仿真控制人员的赋能方法，其特征在于，所述脑电特征数据包括单位时间内的脑电均值、标准差、峰度、偏度、每个脑电通道的熵以及脑电通道间的互信息；所述心电特征数据包括单位时间内的心率、NN间期标准差、相邻NN间期差值的均方根、低频频带面积、高频频带面积和低频高频功率比值；所述肌电特征数据包括单位时间内的肌电均值和方差。4.根据权利要求1所述的多无人机仿真控制人员的赋能方法，其特征在于，提取多个控制人员执行不同规模的无人机仿真控制任务时的非疲劳状态和疲劳状态下的生理特征数据之后，基于提取的生理特征数据和对应的标签进行分类模型训练得到疲劳检测模型之前，还包括：计算每个生理特征与对应标签的皮尔逊相关系数；基于皮尔逊相关系数构建统计量根据t值查询每个特征对应的p值，根据p值选取与标签相关度高的生理特征数据进行分类模型训练得到疲劳检测模型，其中r表示皮尔逊相关系数，n表示当前特征的样本数量。5.根据权利要求1所述的多无人机仿真控制人员的赋能方法，其特征在于，基于疲劳检测模型根据多个控制人员执行不同规模的无人机仿真控制任务时每个单位时刻的生理特征数据确定仿真控制任务的最佳规模，包括：基于疲劳检测模型和每个单位时刻的生理特征数据计算每个控制人员在每种规模仿真控制任务下的到达疲劳时长；基于每个控制人员在每种规模仿真控制任务下的到达疲劳时长确定仿真控制任务的最佳规模。6.根据权利要求5所述的多无人机仿真控制人员的赋能方法，其特征在于，基于疲...

【专利技术属性】
技术研发人员：赵小川，冯运铎，刘华鹏，金雷明，黄杰，刘珊，
申请(专利权)人：中国兵器工业计算机应用技术研究所，
类型：发明
国别省市：