【技术实现步骤摘要】
本专利技术公开一种飞行员压力监测方法与装置及模型训练方法，涉及飞行员压力监测。
技术介绍
1、飞行安全主要受人为因素的影响，这可以从飞行事故的统计数据中得到证明，超过70％的事故可以归因于各种与人相关的因素。因此，未来提高飞行安全的努力必须集中于提升航空专业人员(包括飞行员、空中交通管制员和维修人员)在关键职位上的能力。对多起飞行事故的广泛调查表明，飞行员在处理常规飞行任务方面具备足够的技能。然而，在飞行过程中有时会出现突发的异常情况，例如突发的机械故障或恶劣的天气条件。在这种情况下，飞行员可能会经历急性应激(即压力状态下操作变形)，这可能会影响他们执行正常飞行操作的能力，并因此威胁到安全裕度。
2、基于此现有技术中，领域技术人员尝试构建一种飞行员的心理状态与飞行表现的量化评估方法，如专利(cn 114154592 a)；但是前述专利公开的技术方案过于泛化，通过svm方法构建评估多种状态的手段并且对采集数据未经处理所获得的结果可靠性不足。此外如论文《heart rate variability frequency domain for detection of mentalstress using support vector machine》(《使用支持向量机检测心率变异频域以识别心理压力》)公开了一种基于支持向量机分析心率识别压力状态的方法，但前述方法同样不能直接应用于飞行员的压力检测。
3、综上所述，现有技术中虽然存在如获取心率信息分析个体压力或者基于生理、心理信息对飞行员压力状态进行打分的相关方法
4、本
技术实现思路
5、本专利技术目的在于，提供一种飞行员压力监测方法与装置及模型训练方法。解决现有技术中缺乏一种能够直接应用于飞行员飞行时压力状态检测的压力评估监测方法的问题。
6、为实现上述技术目的，达到上述技术效果，专利技术是通过以下技术方案实现：
7、一种飞行员压力监测装置，包括设置在头盔内以及手腕内侧的采集设备，其特征在于，所述采集设备获取飞行员的皮质醇浓度与sdnn信息；
8、以及信息采集模块，所述采集设备与信息采集模块实时通信，所述信息采集模块还与飞行控制系统通信实时获取飞行参数；
9、显著性差异分析模块，分析从所述信息采集模块输入的不同类别信息，堆栈每一时刻信息，对当前时间区间内的信息进行显著性差异分析，若当前若干时刻信息相比其他时间区间与本时间区间其他时刻信息存在显著性差异，则将对应信息输入至结果处理模块中；
10、结果处理模块，所述结果处理模块预设有二元判断模型，对存在显著性差异的信息进行压力状态与非压力状态的二元分类，若判断为压力状态则对结果显示器输出命令；
11、结果显示器，接收所述结果处理模块命令后显示当前状态为压力状态。
12、进一步的，所述信息采集模块中实时获取等距的离散时刻对应信息，记录各类信息基于时间变化的每一时刻信息；
13、记录整体飞行时间对应的所有时刻下各类信息，对整体飞行时间进行动态区间划分为所述时间区间，过去时间区间与整体飞行时间的数据集构成判断当下时刻显著性特征的经验数据。
14、进一步的，采集时刻信息构建向量t＝{t1,t2,……,tn},n为从记录起始时刻开始记录，当下时刻的时间点总数；
15、构建向量pa＝{pa1,pa2,……,pan}，pan为每一时刻下采集的心跳信息，构建向量pb＝{pb1,pb2,……,pbn}，pbn为每一时刻下采集的皮质醇浓度信息；
16、将所述pa、pb分别映射至t中构建映射矩阵：
17、
18、基于时间向量更新矩阵，获取当下时间段中六个时间点，所述当下时间段为
19、
20、中心跳信息或皮质醇浓度信息是否存在显著性差异，若存在分析所述六个时间点中是否具有存在显著性差异的单个时间点。
21、进一步的，所述采集设备包括手环，所述手环获取心率和心率变异性信息，所述心率变异性以毫秒为单位测量所有窦性心跳nn间期的标准差(sdnn)，反映连续心跳间隔的变异程度；
22、以及传感器，所述传感器用于监测实时皮质醇浓度信息。
23、本专利技术另一目的在于，公开一种飞行员压力监测方法，包括如下步骤：
24、s1、获取每一时刻的飞行员的人体生理信息与飞行表现信息，所述人体生理信息包括飞行员的皮质醇浓度与sdnn信息两类子类别；
25、s2、判断当前时刻所述人体生理信息是否具有显著性差异；
26、获取所有时刻点对应的子类别数据集，进行多维度显著差异判断；
27、若不存在显著性差异则验证数据正态性后转换修正后获取结果，若转换后同样不存在正态性应使用非参数测试代替多维度显著差异判断，获取显著性差异结果；
28、s3、判断当前时刻所述飞行表现信息是否具有显著性差异；
29、获取当前时刻的实际飞行参数后计算若干项评价分数，基于非参数测试获取子分类数据的显著性差异判断结果；
30、s4、具有显著性差异时，将对应时刻的所有子类别数据集输入预训练模型中，所述模型对输入的数据集进行二分类判断；
31、其中，所述预训练模型为基于svm的二分类模型，输出所述二元分类判断结果作为当前压力状态。
32、进一步的，所述s4具体包括：s401、检测当前时刻下是否存在具有显著性差异的子分类参数，若存在将当下时刻所有子分类参数输入所述预训练模型中获取判断结果；
33、对存在所述显著性差异对判断结果的影响以及模型判断结果分别赋权重；
34、所述子分类具有显著性差异的数目越多所述显著性差异对应的权重越高，实时获取估测值，当估测为压力状态时进行s402；
35、s402、根据飞行参数计算当前时刻理想飞行评分与实际飞行评分，获取二者差值并评价当前时间区间内所述差值是否具有显著性差异，若存在则输出为压力状态。
36、进一步的，所述s401中权重分类具体通过预训练机器学习模型实现：
37、根据训练数据集中各个子分类参数与压力状态之间的相关性，自动选择最具有预测能力的参数，并为其分配较高的权重；
38、将分配好权重的子分类参数与其对应的显著性差异结果结合起来，用于评估当前时刻的压力状态，通过计算加权平均将各个参数的权重与显著性差异结果结合，得出对压力状态的综合评估。
39、进一步的，所述s2中对采集获得的信息建立时间顺序的信息集具体包括：
40、数据标定和预处理：对采集到的数据进行标定和预处理，标定过程包括校准过程，预处理步骤包括去除噪声、滤波、数据对齐；
41、时间戳添加：为每个数据样本添加时间戳，记录数据采集的时间点；
42、数据存储：将经过时间戳添加的数据存储在存储介质中，按照时间顺序存取；
<本文档来自技高网...【技术保护点】
1.一种飞行员压力监测装置，包括设置在头盔内以及手腕内侧的采集设备，其特征在于，所述采集设备获取飞行员的皮质醇浓度与SDNN信息；
2.根据权利要求1所述的飞行员压力监测装置，其特征在于，所述信息采集模块中实时获取等距的离散时刻对应信息，记录各类信息基于时间变化的每一时刻信息；
3.根据权利要求2所述的飞行员压力监测装置，其特征在于，采集时刻信息构建向量T＝{t1,t2,……,tn},n为从记录起始时刻开始记录，当下时刻的时间点总数；
4.根据权利要求2所述的飞行员压力监测装置，其特征在于，所述采集设备包括手环，所述手环获取心率和心率变异性信息，所述心率变异性以毫秒为单位测量所有窦性心跳NN间期的标准差(SDNN)，反映连续心跳间隔的变异程度；
5.一种飞行员压力监测方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的飞行员压力监测方法，其特征在于，所述S4具体包括：S401、检测当前时刻下是否存在具有显著性差异的子分类参数，若存在将当下时刻所有子分类参数输入所述预训练模型中获取判断结果；
7.根据权利
8.根据权利要求5所述的飞行员压力监测方法，其特征在于，所述S2中对采集获得的信息建立时间顺序的信息集具体包括：
9.一种基于SVM的二分类模型的训练方法，其特征在于，获取时间区间内若干时刻飞行员的人体生理信息与飞行表现信息后进行特征选择，选择能够区分应激和非应激状态的相关特征指标；
10.根据权利要求8所述的基于SVM的二分类模型的训练方法，其特征在于，从具有显著差异的时间点(或段)中提取特征数据，以区分应激和非应激状态；根据模型对测试集中每个样本的预测值和真实值，构建并显示混淆矩阵，所述混淆矩阵通过将预测结果分为四种不同的情况来直观地表示SVM模型的性能：真阳性(TP)、真阴性(TN)、假阳性(FP)和假阴性(FN)；
...【技术特征摘要】
1.一种飞行员压力监测装置，包括设置在头盔内以及手腕内侧的采集设备，其特征在于，所述采集设备获取飞行员的皮质醇浓度与sdnn信息；
2.根据权利要求1所述的飞行员压力监测装置，其特征在于，所述信息采集模块中实时获取等距的离散时刻对应信息，记录各类信息基于时间变化的每一时刻信息；
3.根据权利要求2所述的飞行员压力监测装置，其特征在于，采集时刻信息构建向量t＝{t1,t2,……,tn},n为从记录起始时刻开始记录，当下时刻的时间点总数；
4.根据权利要求2所述的飞行员压力监测装置，其特征在于，所述采集设备包括手环，所述手环获取心率和心率变异性信息，所述心率变异性以毫秒为单位测量所有窦性心跳nn间期的标准差(sdnn)，反映连续心跳间隔的变异程度；
5.一种飞行员压力监测方法，其特征在于，包括如下步骤：
6.根据权利要求5所述的飞行员压力监测方法，其特征在于，所述s4具体包括：s401、检测当前时刻下是否存在具有...
【专利技术属性】
技术研发人员：蒋浩，张晨旭，杨家忠，彭姓，王泉川，朱琪，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：
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。