基于脑电功率谱密度的作业人员脑力负荷评估方法

脑力负荷状态的准确识别对减少因作业人员无效脑力负荷导致的人因事故具有重要意义。针对人-机系统中作业人员脑力负荷客观评估问题开展了基于MATB-Ⅱ平台的3种不同脑力负荷水平下的航空情境实验，记录16名被试的NASA任务负荷指数（NASA-TLX）量表数据和脑电（EEG）信号，提出了一种基于脑电功率谱密度（PSD）和支持向量机（SVM）的个体脑力负荷评估方法。结果表明：随着实验设计脑力负荷水平增加，被试的主观脑力负荷得分显著提高（p<0.001），这表明该实验任务设计较好地诱发了低负荷、中负荷和高负荷情境。在此基础上，通过网格搜索法确定个体脑力负荷评估模型的统一优化参数，惩罚系数取3 000，核函数参数取0.000 1，模型测试正确率达到0.966 5±0.029 8，宏平均的受试者工作特征曲线下的面积（Macro-AUC）达到0.991 0±0.011 4。本文为作业人员脑力负荷状态的客观和准确评估提供了一种新的办法，为后期作业人员脑力负荷状态的实时判别提供模型基础。     

经济先发地区居民收入对幸福感影响的实证研究——基于非参数、半参数及分位数回归方法

选择经济先发居民为研究对象,通过构建半参数及分位数回归模型,系统研究绝对收入、相对收入、期望收入等变量对幸福感的影响,我们发现:绝对收入对幸福感有显著的正相关关系;相对收入对高学历者影响不显著,但对低学历者影响显著;绝对收入对幸福感越低者的影响越显著;相对收入对中低幸福感群体影响显著,每周工作时间对低幸福感群体影响显著且强度大,但对高幸福感群体的影响力在降低。     

试飞员能力模型研究

在飞行器研制和人类飞行探索中,试飞员的能力至关重要。针对以往对试飞员能力的评价基本停留在"客观、正确、诚信、能力以及尊重他人"等主观、感性层面,分析了试飞员在飞行器研制试验与鉴定中的作用和任务,给出了试飞员能力模型和"百分制"对试飞员的计划、飞行、评价、报告和建议等基本能力的量化分配。将试飞员能力显性化,有利于试飞员能力的客观评价。     

民航飞机放行评估实验教学方法研究

飞机放行评估是航空公司进行运行控制的一项重要内容，它直接决定了航空公司运行和服务的质量。文中通过对中国民航大学现有的教学资源和现用的教学方法进行介绍，并进一步提出改革建议，从而有助于更好地搭建实验平台，提高教学质量。     

考虑条件风险价值的含多风电场电力系统经济调度

针对单一Copula函数在描述风速相关性时的限制性,通过引入mixCopula函数获取具有相关性的多维风速样本。引入条件风险价值理论,将风电功率的不确定性以经济性考量,建立了一种含多风电场的电力系统经济调度模型,协调经济性和安全性的问题。采用场景化理论对目标函数进行处理,使得计算得以简化。以含2个风电场的IEEE30节点系统为算例,分析风速相关性和置信水平对优化结果的影响,验证模型的合理性及有效性。     

提高航班签派或放行中的天气评估能力

在实际航班运行中,导致返航备降的各类原因里,天气因素占首位,因此,为保证航班安全、正常地运行,飞行签派员务必在航班签派或放行中做好天气的评估工作。     

基于BP网络的机组工作量评估方法研究

为研究机组工作量的评估问题,搭建了模拟飞行实验平台,设定了7种不同负荷的飞行任务。模拟飞行中,对被试的生理指标进行测量,并采集其主观评价值。采用BP网络进行数学建模,将生理指标测量值作为输入、NASA-TLX表法的评价值作为输出,利用输入、输出模式对对网络进行训练,并对该方法进行验证。结果表明,基于BP网络的机组工作量评估方法,较传统方法更为稳定、精确,且大大降低了被试数量。提高训练模式对的数量、简化生理指标的测量过程,并保证测量精度是该方法成功的关键。     

脑力负荷与目标辨认

研究虚拟战斗机驾驶员飞行过程中涉及的监视、计算记忆、攻击和探测4项任务,通过改变工作的快慢节奏来影响脑力负荷,以正确反应率和反应时间来评价和分析被测试者在不同脑力负荷下对目标颜色、形状和位置的辨认情况,为人机界面设计目标编码及确定目标呈现时间提供科学依据;使用脑电图仪测量实验过程中被测试者的生理反应来评价脑力负荷与任务难度的关系.实验结果表明:在需要分配注意力的情况下,人对实验分别选取的3种颜色和形状的辨认不受脑力负荷大小的影响,脑力负荷大小影响人对不同位置的目标辨认;人的目标辨认显著受到目标呈现时间的影响,目标呈现时间越长,反应时间越长;脑电图在一定程度上波的频率和高振幅波能反应脑力负荷大小.     

管制扇区的最优划分方法研究

在研究管制员工作负荷的统计方法和描述空域拓扑结构的数学模型的基础上，利用基于自然法则的模拟退火随机优化算法对扇区最优化问题进行求解。并通过对厦门管制区的扇区最优划分实例分析，验证了扇区优化数学理论正确性和使用该算法达到的预期效果。     

基于负载特征聚类的节能资源调度算法

基础设施即服务(IaaS,Infrastructure as a Service)平台提供商为用户提供高性能服务的同时,必须考虑如何在不违反服务级别协议(SLA,Service Level Agreement)的前提下,节约云平台的能耗成本.采用基于负载特征聚类的方法,提出一种IaaS云平台上保证SLA的资源调度算法,最终实现降低SLA违反率和节约能耗的目标.具体采用能耗相关的负载特征提取和改进K-means聚类分析的研究方法,进行资源调度算法研究,对物理资源进行有效分配,以保证IaaS平台节约能耗的要求.实验验证方面,通过扩展CloudSim模拟实验平台,对本研究算法与改进BFD(Best Fit Decreasing)算法进行比较,得出本研究算法在SLA违反率和节能方面更优.