近年來隨著民航運輸量迅速增長,管制人員短缺和航班延誤現(xiàn)象的不斷加劇,管制員面臨疲勞問題也越來越嚴重。如果管制員身處于疲勞狀態(tài)仍舊上崗或是繼續(xù)工作將會直接威脅到航空安全,如何確定管制員疲勞狀態(tài)成為一個至關重要的問題。本文借鑒多種其他領域疲勞判定方法,以多生理參數(shù)和疲勞度分別作為輸入量與輸出量,在信息融合基礎上,以人工智能學習算法為框架,構造管制疲勞評價模型,論文要點如下:對當下國內(nèi)外管制疲勞的研究現(xiàn)狀進行了歸納總結,分析了管制疲勞成因與體現(xiàn),對目前其他領域最為實用的三種疲勞判定方法進行比較,分析了各自的優(yōu)缺點,最終確定通過信息融合模型判定管制疲勞狀態(tài)。實驗設計基于模擬塔臺管制軟件TOWER,本課題招募了20名管制學員參加試驗,利用MP150生理多導記錄儀與眼動記錄儀分別記錄了正常組與剝奪睡眠組被試的生理指標。通過濾波篩除異常數(shù)據(jù)后觀察其數(shù)據(jù)處理后的時域及頻域指標,并利用重復變量測量分析了正常組與疲勞組的四大類生理指標,比較各類生理數(shù)據(jù)的組間差異顯著性與隨時間變化的顯著性。數(shù)據(jù)分析基于SPSS,由于單純從生理參數(shù)出發(fā)無法對疲勞等級進行合理的定標,本文通過研究分析了KSS量表結果與管制績效結...

【文章頁數(shù)】：122 頁

【學位級別】：碩士

圖2-3OODA環(huán)模型

圖3-1MP150多導生理記錄儀

圖3-2Tribe眼動儀（2）軟件

圖3-3參與模擬管制的實驗人員

本文編號：3884503