飞行员多生理信号主成分分析

航空人为因素会对航空安全产生重要影响,通过提取飞行员多生理信号主成分评估飞行员工作负荷是航空人为因素重要研究内容之一。提出一种有效提取飞行任务中多生理信号稀疏主成分的高效算法——稀疏主成分分析(SPCA),它通过对标准主成分分析(PCA)施加限定的约束或惩罚项来实现结果的稀疏。经过模拟飞行实验采集的多维生理信号数据集和公共数据集的实验,结果显示与标准PCA相比,SPCA提取的稀疏主成分解释性更强、计算用时更短。

基于BFA-GRNN的飞行绩效预测

通过对飞行员多维生理信号的分析来预测飞行绩效是飞行安全的重要研究内容之一。基于细菌觅食算法(BFA)优化的广义回归神经网络(GRNN)建立飞行绩效预测模型,对飞行员多维生理信号进行训练,从而预测模拟飞行实验中的飞行绩效。通过对比模型预测结果与飞行绩效真值,验证了该方法的有效性,为飞行绩效的预测提供了一条新途径。