【技术实现步骤摘要】
本专利技术属于飞行员韧性画像，尤其涉及一种面向飞行员胜任能力的韧性画像方法。
技术介绍
1、长期以来，国际民航业对飞行员在“风险管理”和“压力管理”等方面进行了持续的训练与研究。在2016年，欧洲航空安全局在其法规条款中以及机组资源管理培训中提出了关于飞行员“resilience”能力开发的具体要求。就飞行员而言，“resilience”可能是他们在日常航班运行过程中为应对突发特情所最需要关注的一项技能。
2、resilience被定义为如下两层含义，其一为人或物在遭受诸如冲击、伤害等令人不安的感觉后迅速恢复良好状态的能力。即“适应力”或称为“韧性”。②物质或物体弹回形状的能力；即：“弹性”， “韧性”是一种压力下复原和成长的心理机制，指人类个体面对丧失、困难或者逆境时的有效应对和适应。“韧性”不仅意味着个体能够在重大创伤或应激之后快速恢复最初状态，还意味着在压力威胁下能够顽强持久、坚忍不拔。“韧性”更强调个体在挫折后能够成长和新生。
3、现今每天有近十万架次的民航飞机满载着旅客及货物安全顺畅地运行于世界各地，同以往相比，民航安全指标的大幅提升除了受益于新技术应用以及飞机可靠性因素的提升外，飞行机组人员“韧性”能力的提升也在其中发挥着非常重要的作用。过去几十年来国际航空业的发展，尽管各种逆境、挑战和变化给民航业带来了些许的阴影，然而从发展的眼光还是不难看出，一代又一代的民航飞行员经过不断的代际传承与磨练，逐渐表现出了更强的适应力。
4、而对于飞行员技能而言，“韧性”更多地体现为：“成功应对高水
5、当面对突发情况或面临逆境险情时，在准确判断、解决问题以及决策实施的过程中，具有高“韧性”绝对是一项受益匪浅的个人能力和人力资产。对一名常年坚守在驾驶舱中且责任在肩的飞行员而言，“韧性”是其所最应关注并致力提升的一项能力。
6、目前，在飞行员的选拔过程以及日常训练过程中，“韧性”能力作为飞行员的一项重要指标，对后续飞行员执飞过程中安全风险管理中发挥着举足轻重的作用，因此如何准确衡量评估飞行员的韧性能力，是目前亟需解决的技术问题。
技术实现思路
1、本专利技术的目的在于提供一种面向飞行员胜任能力的韧性画像方法，用以解决现有技术中无法实现对飞行员的韧性能力进行和准确衡量评估的技术问题。
2、为解决上述技术问题，本专利技术采用的技术方案如下：
3、一种面向飞行员胜任能力的韧性画像方法，包括以下步骤：
4、s1：获取历史飞行员数据集，从历史飞行员数据集提取飞行员韧性相关数据集，并对飞行员韧性相关数据集进行数据预处理；
5、s2：创建飞行员韧性画像模型，并输入预处理后的飞行员韧性相关数据集对飞行员韧性画像模型进行训练；
6、s3：获取待画像飞行员的数据集，并通过训练后的飞行员韧性画像模型对待画像飞行员数据集进行韧性画像；
7、s4：将待画像飞行员的韧性画像结果，与预设的标准值进行对比，判断韧性画像结果是否大于预设的标准值，若是，则满足飞行员韧性要求，若否，则不满足飞行员韧性要求；
8、其中，韧性画像指的是根据飞行员在执飞和训练过程中遇见各种状况的操控数据、态势感知与风险决策数据、自动化系统操控数据以及机组管理与人机交互数据对飞行员的韧性能力进行评估；
9、韧性画像结果为根据飞行员在执飞和训练过程中遇见各种状况的操控数据、态势感知与风险决策数据、自动化系统操控数据以及机组管理与人机交互数据对飞行员的韧性能力进行评估结果，设置为满分为100分的的得分。
10、优选的，步骤s1包括以下步骤：
11、s11：获取历史飞行员数据集，并提取飞行员韧性相关数据集；
12、s12：将飞行员韧性相关数据集划分为训练集、验证集和测试集；
13、s13：对训练集、验证集和测试集数据分别进行数据预处理。
14、优选的，步骤s13中的数据预处理包括以下具体过程：
15、s131：对飞行员韧性相关数据集进行数据去噪处理；
16、s132：对去噪后的飞行员韧性相关数据集进行数据归一化处理。
17、优选的，步骤s131中通过加权平均滤波算法对飞行员韧性相关数据集中的数据进行去噪处理，其中加权平均滤波算法的数学表达式为：
18、；
19、其中 ，为飞行员韧性相关数据集中的第一项数据，为飞行员韧性相关数据集中的第二项数据，为飞行员韧性相关数据集中的第 i个数据点，为第一个数据点的权重，为第二个数据点的权重，为第 i个数据点的权重，为加权平均滤波后的数据点的值。
20、优选的，所述加权平均滤波算法的数学表达式中的的数学表达式为：
21、；
22、其中，为第 i个数据点的权重，c为当前时间点，σ为高斯函数的标准差。
23、优选的，步骤s2中对飞行员韧性画像模型进行训练包括以下具体过程：
24、s21：通过飞行员韧性相关数据集中的训练集对创建的飞行员韧性画像模型进行训练；
25、s22：通过飞行员韧性相关数据集中的验证集对飞行员韧性画像模型进行有效性验证；
26、s23：通过飞行员韧性相关数据集中的测试集对飞行员韧性画像模型进行测试，判断飞行员韧性画像模型的鲁棒性是否达标，若是，则模型测试达标，若否，则执行步骤s24；
27、s24：调整飞行员韧性画像模型的参数，并重新执行步骤s21-s23，直到模型的鲁棒性达标。
28、优选的，步骤s3中的飞行员韧性画像模型采用卷积神经网络模型，并且所述卷积神经网络模型采用双通道的网络模型，每个通道均包括卷积层、池化层和全连接层，其中双通道的通道一的卷积层使用两个3×3卷积层，双通道的通道二的卷积层使用三个5×5卷积层。
29、本专利技术的有益效果包括：
30、本专利技术提供的面向飞行员胜任能力的韧性画像方法，首先获取历史飞行员数据集，并提取飞行员韧性相关数据集，并对飞行员韧性相关数据集进行数据预处理；然后创建飞行员韧性画像模型，并输入预处理后的飞行员韧性相关数据集对飞行员韧性画像模型进行训练；再获取待画像飞行员的数据集，并通过训练后的飞行员韧性本文档来自技高网...
【技术保护点】
1.一种面向飞行员胜任能力的韧性画像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤S1包括以下步骤：
3.根据权利要求2所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤S13中的数据预处理包括以下具体过程：
4.根据权利要求3所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤S131中通过加权平均滤波算法对飞行员韧性相关数据集中的数据进行去噪处理，其中加权平均滤波算法的数学表达式为：
5.根据权利要求4所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，所述加权平均滤波算法的数学表达式中的i的数学表达式为：
6.根据权利要求2所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤S2中对飞行员韧性画像模型进行训练包括以下具体过程：
7.根据权利要求1所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤S3中的飞行员韧性画像模型采用卷积神经网络模型，并且所述卷积神经网络模型采用双通道的网络模型，每个通道均包
...【技术特征摘要】
1.一种面向飞行员胜任能力的韧性画像方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤s1包括以下步骤：
3.根据权利要求2所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤s13中的数据预处理包括以下具体过程：
4.根据权利要求3所述的一种面向飞行员胜任能力的韧性画像方法，其特征在于，步骤s131中通过加权平均滤波算法对飞行员韧性相关数据集中的数据进行去噪处理，其中加权平均滤波算法的数学表达式为：
5.根据权利要求4所述的一种面向飞...
【专利技术属性】
技术研发人员：陈农田，陈凯，韩亦杨，满永政，马婷，
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。