基于装配任务与EEG功率信息特征的操作员认知负荷研究

操作员认知负荷水平的准确分类,对优化企业生产可靠性指标,提高产品质量与效率具有极其重要的意义。现有认知负荷研究大多集中在航空或交通领域,而在机械装配领域研究较少,一般采用基于生理信号与设备信息构建分类模型的方法进行研究,但未针对认知负荷数据特征对分类模型进行改进,分类精度不高。为解决上述问题,设计基于多复杂度减速器装配场景的N-Back次任务脑电试验,收集了主观评价数据、装配数据和脑电信号,分析了数据与认知负荷之间的内在联系,利用机器学习算法,构建了基于互信息量的随机森林模型,实现了复杂装配系统操作员认知负荷的分类评估。结果表明:各特征因素对操作员认知负荷均有显著影响,且随认知负荷增加呈现规律性变化,认知负荷试验设计合理;基于互信息量的随机森林模型分类效果显著优于其他分类模型,多维特征可有效降低算法欠拟合能力,提高分类精度。

基于冰载荷动态激励的船舶推进轴系瞬态振动计算研究

文章针对三种工况下冰块对5叶螺旋桨桨叶的激励力矩作用过程以及力矩随时间变化特性曲线进行了分析与研究。基于直链式和带分支式的扭转振动基本模型,文中构建了复杂轴系扭转振动数学模型,对施加冰载荷激励力和未施加冰载荷激励的电力推进模式的轴系扭转振动进行了时域振动特性分析。最后,将时域振动计算结果进行FFT变换后与系统矩阵法得到的频域振动结果进行对比分析,验证了冰载荷激励力矩时域曲线、时域振动数学模型和计算方法的正确性。