使用EEG特征检测飞行员在转阶段的心理工作量
Li Ji1,2, Leiye Yi1,2, Haiwei Li3
1School of Mechatronics Engineering, Shenyang Aerospace University, Shenyang 110136, China.
Sensors (Basel, Switzerland)
|August 29, 2024
概括
这项研究分析了飞行员在飞行转时的脑电图 (EEG),揭示了大脑活动的显著变化和心理工作量增加. 机器学习准确地分类工作负载,增强航空安全评估.
科学领域:
- 航空心理学 航空心理学
- 神经科学是一个神经科学.
- 人类因素工程 人类因素工程
背景情况:
- 飞行员的行为对于航空安全至关重要.
- 了解飞行员的认知状态,就像心理工作量一样,对于预防事故至关重要.
- 当前的评估方法可能无法完全捕捉实时工作负载波动.
研究的目的:
- 调查与飞行员工作负载相关的脑电图 (EEG) 特性.
- 通过神经生理学数据完善培训评估方法.
- 通过更好地了解飞行员的认知负载来提高飞行安全措施.
主要方法:
- 收集并预处理试点EEG信号.
- 分析了贝塔波能量比和Shannon在左/右转时与巡航.
- 量化心理工作量并使用支持向量机 (SVM) 进行分类.
主要成果:
- 在转过程中观察到β波能量比率和香农的显著变化.
- 飞行员的心理工作量在转操作中显著增加.
- SVM实现了很高的分类准确性:98.92% (培训) 和93.67% (测试).
结论:
- 飞行员的EEG模式有效地反映了飞行关键阶段心理工作负载的变化.
- 基于EEG的工作负载的SVM分类显示了培训和安全监控的巨大潜力.
- 这项研究为改善航空安全提供了对飞行员认知状态的宝贵见解.
