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。     

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.     

欧洲返回舱CTV气动特性综述

研究分析了欧洲航天局天地往返运输系统之载人飞船返回舱CTV的气动特性，并与第一代联盟号飞船返回舱的气动特性作了对比研究。该返回舱为钝双锥外形，与联盟号飞船返回舱相比，它具有升阻比高、机动性强、稳定性好等特点。本文还对两类返回舱的气动热特性、防热材料重量、飞行弹道及通讯中断问题进行了对比分析研究。     

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。     

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。     

Crew autonomy for deep space exploration: Lessons from the Antarctic Search for Meteorites

Future piloted missions to explore asteroids, Mars, and other targets beyond the Moon will experience strict limitations on communication between vehicles in space and control centers on Earth. These limitations will require crews to operate with greater autonomy than any past space mission has demonstrated. The Antarctic Search for Meteorites (ANSMET) project, which regularly sends small teams of researchers to remote parts of the southern continent, resembles a space mission in many ways but does not rely upon a control center. It provides a useful crew autonomy model for planners of future deep space exploration missions. In contrast to current space missions, ANSMET gives the crew the authority to adjust competing work priorities, task assignments, and daily schedules; allows the crew to be the primary monitor of mission progress; demands greater crew accountability for operational errors; requires the crew to make the most of limited communication bandwidth; adopts systems designed for simple operation and failure recovery; and grants the crew a leading role in the selection and stowage of their equipment.     

浅议我国民航飞行人才培养模式的选择与创新

在对比分析了国内外飞行员培养模式的基础上,提出在新形势下我国民航飞行人才培养模式的选择与教育创新。     

基于任务分析的飞行机组失误预测研究

在过去的20年内有多起严重事故由机组失误引起,采取措施防止或减少飞行机组失误成为降低航空事故率的关键.通过使用人误预测技术预测机组在执行飞行任务时的失误,寻找失误原因,进一步改进驾驶舱设计或增加培训来降低航空事故率是可行的方法.本研究以民航领域飞行安全需求为背景,在原有人误预测技术基础上,开发了基于任务分析的飞行机组失误预测模型,以某型飞机起飞任务为例,对飞行机组在操纵飞机起飞过程中可能发生的人误进行分析,实现了飞行机组失误的定性和定量预测.     

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。     

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.