[发明专利]一种非线性纵向结构化人机系统机组负荷预测方法

权利要求书

1.一种非线性纵向结构化人机系统机组负荷预测方法，其特征在于，包括以下步骤：

1)根据基本工作负荷功能及要素，对机组成员任务负荷进行量化，作为预测人机智能系统机组负荷所需的第一类基础观测数据；

2)根据基本信息决策与控制通道，对机组成员通道负荷进行量化，作为预测人机智能系统机组负荷所需的第二类基础观测数据；

3)引入虚拟工作负荷，建立非线性纵向结构化潜变动态拓扑关系，即人机智能系统机组工作负荷测评机制，构建非线性纵向结构化潜变动态拓扑关系具体包括以下步骤：

31)以任务负荷量化及通道负荷量化所得基本观测序列作为非线性纵向结构化方程模型的输入；

32)通过引入虚拟工作负荷以及虚拟工作负荷的缓释特性、梯度变化、累积效应、高阶变化和工况切换五类变化因素，建立考虑机组工作负荷、飞行系统自动化水平、任务复杂程度以及机组成员专业技能水平内在关系的非线性纵向结构化潜变动态拓扑关系；

33)以非线性纵向结构化潜变动态拓扑关系作为人机智能系统机组工作负荷测评机制的人机系统机组负荷预测模型，在人机系统机组负荷预测模型中：

第一类变化反映工作负荷的缓释特性，即通过虚拟工作负荷潜在变量补充工作负荷序列，通过前后两级工作负荷的弛豫比例预测前一级工作负荷对后一级工作负荷的影响，并由此模拟工作负荷的缓释过程；

第二类变化反映工作负荷的梯度变化，即通过工作负荷潜变斜距因子及其非线性基函数表示工作负荷的短时涨落，并由此模拟各级工作负荷的相对变化过程；

第三类变化反映工作负荷的累积效应，即通过工作负荷初始水平因子表示工作负荷初始状态，通过工作负荷变化响应因子缓存各级工作负荷初始水平与相对变化的分时可加性，并由此模拟各级工作负荷的累加过程；

第四类变化反映工作负荷的高阶变化，即累积效应中的各级缓释特性与梯度变化涵盖工作负荷的各阶高阶变化，用以精确反映工作负荷随时间的变化，并通过各阶变化与观测误差的分离，消除随机误差；

第五类变化反映工作负荷的工况切换，即通过自动化设备开启状态预测因子(A)对飞行工况进行自动分组，使工作负荷测算及自动化水平评估具有准确性和鲁棒性；

4)在人机智能系统机组工作负荷测评机制的非线性纵向结构化方程模型中附加自动化设备开启状态切换跳跃约束，实现测评机制中人机系统的自动化水平不连续参数的拟马尔可夫单纯形估计，在考虑自动化与智能化驾驶舱环境的变化及其对飞行机组及工作负荷的影响下，进行非连续参数的拟马尔可夫单纯形估计，具体为：

41)在人机智能系统机组工作负荷测评机制中引入自动化设备开启状态预测因子及飞行系统自动化程度载荷因子，并将非线性纵向结构化方程模型作为拟马尔可夫单纯形，自动化设备开启状态预测因子用于记录自动化设备开启状态在相应时刻发生的变化，并将其作为拟马尔可夫单纯形的附加约束；自动化水平用于体现人与自动化及智能化的耦合特性，验证人机智能系统的自动化程度；

42)附加约束拟马尔可夫单纯形以任务负荷量化及通道负荷量化基本观测序列为依据，并通过数据同化估计非线性纵向结构化方程模型的模型参数；

5)以量化后的机组成员任务负荷以及通道负荷为基本观测序列输入，通过人机智能系统机组工作负荷测评机制，以相对递推的方式定量预测机组成员的工作负荷，以任务负荷量化及通道负荷量化基本观测序列作为非线性纵向结构化方程模型的输入，通过飞行系统自动化程度载荷因子及各时刻工作负荷响应因子进行递推更新，获得机组工作负荷及自动化水平的稳定预测输出；

具体包括以下步骤：

51)建立包含飞行系统自动化程度载荷因子、工作负荷响应因子、机组工作负荷、飞行系统自动化程度、任务复杂程度、飞行员专业技能水平以及相关潜在变量与观测变量之间内在关系的非线性纵向结构化方程模型；

52)将作为观测模型的任务负荷量化及通道负荷量化基本观测序列持续更新输入非线性纵向结构化方程模型；

53)根据非线性纵向结构化方程模型以及输入的基本观测序列，通过数据同化表示相关潜在变量的内在关系，动态更新自动化程度载荷因子及工作负荷响应因子的历时状态，并据此获得工作负荷及自动化水平的稳定预测输出。