[发明专利]民机驾驶舱人机界面综合评价方法

权利要求书

1.一种民机驾驶舱人机界面综合评价方法，其特征在于包括下述步骤：

1）使用综合法、分析法、复合法或指标属性分组法选取人机界面的评价指标，评价指标包括总体布局、显示信息、显示画面、控制器及重要性原则、功能相近性、使用频率原则、使用顺序一致性、视角合理性、准确性、信息数量、重要信息的突出性、信息易理解性、信息可接受性、险情信号易察觉性、画面布局合理性、颜色合理性、字符设计的合理性、图标设计的合理性、刻度仪表的形式尺寸、仪表刻度设计的合理性、元件极限操作位置的科学性、功能分区明确性、重要操纵器放置的合理性和操纵舒适性；

2）确定民机驾驶舱人机界面综合评价指标体系，包括：E—民机驾驶舱人机界面评价，B₁—总体布局，B₂—显示信息，B₃—显示画面，B₄—控制器，C₁—重要性原则，C₂—功能相近性，C₃—使用频率原则，C₄—使用顺序一致性，C₅—视角合理性，C₆—准确性，C₇—信息数量，C₈—重要信息的突出性，C₉—信息易理解性，C₁₀—信息可接受性，C₁₁—险情信号易察觉性，C₁₂—画面布局合理性，C₁₃—颜色合理性，C₁₄—字符设计的合理性，C₁₅—图标设计的合理性，C₁₆—刻度仪表的形式尺寸，C₁₇—仪表刻度设计的合理性，C₁₈—元件极限操作位置的科学性，C₁₉—功能分区明确性，C₂₀—重要操纵器放置的合理性，C₂₁—操纵舒适性；

3）采用5级评语集优、良、中、差、劣对民机驾驶舱人机界面评价的各项指标进行等级划分，确定其初始评分值；

4）根据民机驾驶舱人机界面评价体系对给定的人机界面样本进行数据采集，各个指标的打分为输入，评价结果为输出，并将采集的N个数据样本作为BP神经网络的学习样本，k＝1,2，3,...n；

5）由学习样本输入向量X_k的长度n确定网络输入层节点数为n，由学习样本输出向量的长度m确定网络输出层节点数为m；确定网络层数L和各隐层节点数，其中，L≥3，第l层的节点数为n^(l)，且n⁽¹⁾＝n，n^(L)＝m；

定义各层间连接权矩阵，第l层连接第l+1层的连接权矩阵l＝1,2,3,...,L-1，初始化各连接权矩阵的元素值；

6）输入允许误差ε和学习率η，初始化迭代计算次数t＝1，学习样本序号k＝1；取第k个学习样本Xk＝(x_1k,x_2k,...,x_nk)，由X_k进行正向传播计算；

首先计算输入层各节点的输出Ojk(l)=f(xjk)j=1,2,...,n;]]>

并逐层计算各层中各节点的输入Ijk(l)=Σi=1n(l-1)ωij(l-1)Oik(l-1)]]>和输出Ojk(l)=f(Ijk(l));]]>

最后计算输出层各输出节点的误差yjk=Ojk(L),Ejk=12(yjk*-yjk)2;]]>

若对N个学习样本的任一样本k值，有E_jk≤ε，j＝1,2,...,m，则学习过程结束；否则，进行误差反向传播，修改各连接权矩阵；

首先修改第L-1层隐层至输出层的连接权矩阵δjk(L)=-(yjk*-yjk)f′(Ijk(L))Δωij(L-1)(t)=ηδjk(L-1)Oik(L)ωij(L-1)(t+1)=ωij(L-1)(t)+Δωij(L-1)(t);]]>

然后反向逐层修改连接各隐层的连接权矩阵δjk(l)=f′(Ijk(l))Σq=1n(l+1)δqk(l+1)ωjq(l)Δωij(l-1)(t)=-ηδjk(l)Oik(l-1)ωij(l-1)(t+1)=ωij(l-1)(t)+Δωij(l-1)(t);]]>

最后令k和t加一，重新进行学习；当误差值小于预先设定的确定值，循环结束，；

7)将准备好的检验数据代入，计算输出的实际值与预期值的相对误差，检验其准确性，当满足要求时则可用来评价民机驾驶舱的人机界面；

8）将待评价的民机驾驶舱人机界面的各项指标数据输入，通过建立好的BP神经网络模型进行计算，得出最终的评价结果。