基于认知过程的飞行员脑力负荷动态预测

现代军用飞机座舱驾驶系统信息高度密集、任务复杂多变。为探讨信息加工类型与多任务协同对飞行员脑力负荷的影响，依据ACT-R认知模块与脑力负荷决定性因素的关联性，将飞行员的脑力负荷划分为感知负荷与认知负荷，并基于四维多资源干扰理论，考虑多任务协同作用时的资源干扰对脑力负荷的影响，提出了基于认知过程的飞行员脑力负荷动态预测模型。为校验所提模型，选取16名被试完成4种模拟飞行任务的脑力负荷评价实验，结果显示：不同飞行任务在飞行绩效、NASA-TLX主观评价、平均扫视时间与扫视频率下的主效应显著（P<0.05），总脑力负荷预测值与NASA-TLX主观评价、扫视频率和心率呈显著正相关，平均脑力负荷预测值与飞行绩效、瞳孔直径和平均扫视时间呈显著正相关。所提模型对飞行员脑力负荷的动态预测与评价具有应用价值。     

基于听觉感知的驾驶舱信息提示设计研究

为研究飞机驾驶舱中不同的听觉信息提示方式对感知效率、关注程度影响差异,基于飞行仿真场景构建飞行任务,在任务执行中提供听觉刺激提示,采集被试任务全过程中的脑电信号并进行了时域和频域维度的分析,对比语言听觉/非语言听觉以及不同播报速度的工效影响,总结了被试对驾驶舱听觉信息提示的反应特征,为听觉信息提示的人机交互设计提供参考...     

边缘网络下多无人机协同计算和资源分配联合优化策略

针对边缘网络环境下多人机之间存在计算负载不均，造成卸载任务失败的问题，提出了一种多无人机间协作的智能任务卸载方案。通过联合考虑多无人机任务分配、计算资源分配和无人机飞行轨迹，引入公平性指数建立了无人机公平负载最大化和能量消耗最小化问题。基于多智能体深度强化学习框架，提出了融合轨迹规划和任务卸载的分布式算法。仿真结果表明，所提出的多无人机协作方案可以显著提高任务完成率和负载公平度，并且有效适用于大规模用户设备场景。     

飞机座舱触控交互的人机工效标准浅析

通过对当前国内外触控交互人机工效标准现状及重点标准分析，总结飞机座舱触控交互的人机工效关键要素，为我国后续飞机座舱触控交互的人机工效标准化提供参考。     

大型电传民用飞机人机耦合（APC）分析与评估

大型民用客机电传操纵系统的应用,使驾驶员诱发振荡（PIO）的可能性大大增加,直接影响到飞机的安全性。通过对PIO的分析,介绍了三个工程上实用的Ⅰ类PIO趋势评估准则：姿态带宽准则、Smith-Geddes准则、综合（姿态带宽加回落）准则,并结合准则给出了相应的算法和算例。最后提出了防范不利人机耦合的改进方案和设计措施。     

基于深度强化学习的空战机动决策试验

空战智能决策将极大改变未来战争的形态与模式。深度强化学习决策机可以挖掘飞行器潜力，是实现空战智能决策的重要技术范式，但其工程实现鲜有报道。针对基于深度强化学习的双机近距空战机动智能决策的工程实现问题，开发了适于应用的深度神经网络在线机动决策模型，发展了通过飞行控制律跟踪航迹导引决策指令的机动控制方案，并进一步开展了软硬件实现工作与人机对抗飞行试验，实现了智能空战从虚拟仿真到真实飞行的迁移。研究结果表明基于本文发展的近距空战机动决策及控制方法，智能无人机在与人类“飞行员”的对抗中能够迅速做出有利于己方的动作决策，通过机动快速占据态势优势。研究结果显示了深度神经网络智能决策技术在空战决策中的潜在应用价值。