基于集成学习模型的飞行学员认知负荷研究

• 作者: 潘亭 汤博凯 司海青 汪海波 张忠哲 南京航空航天大学通用航空与飞行学院
• 来源期刊: 航空工程进展
• 学科: 航空航天
• 关键词: 生理信号 飞行学员 认知负荷 集成学习 特征筛选 飞行安全
• 年，卷（期）: 2023,（2）
• 所属期刊栏目: 理论研究
• 页码范围: 83-92
• 页数: 10页
• 语种: 中文
• DOI: 10.16615/j.cnki.1674-8190.2023.02.09

摘要

在飞行过程中，飞行员需要在短时间内接收大量信息，并做出正确的判断与决策，而过高的认知负荷会影响其感知、判断、决策等认知过程，进而影响飞行安全。首先通过飞行模拟实验获取飞行学员在执行不同飞行任务时的生理数据；然后通过时域、频域分析等方法提取呼吸和心电信号的特征，并通过统计学方法筛选出能够反映认知负荷水平的指标；最后结合支持向量机、K最邻近、人工神经网络等方法建立集成学习模型，对飞行学员的认知负荷进行评估，并与单一算法进行对比。结果表明：本文建立的集成学习模型具有较高的准确率，能够更好地反映飞行学员的认知负荷水平。