[发明专利]基于精神疲劳的操控工效分析方法、设备及系统

权利要求书

1.一种基于精神疲劳的操控工效分析方法，包括：

获取操控选手操控目标对象执行目标任务产生的操控行为数据和生理信息数据，其中，所述操控行为数据包括反映所述操控选手在执行目标任务的过程中，对任务执行设备的操控行为的数据，还包括所述操控选手在执行完目标任务后对自身精神疲劳状态的主观评价结果，所述操控行为数据包括：目标对象的移动轨迹、操控杆的加速度、操控杆的角度；

根据所述操控行为数据和所述生理信息数据，确定预设的与精神疲劳评价指标对应的第一生理特征向量的向量值；其中，所述第一生理特征向量包括影响所述精神疲劳评价指标的多个第一生理特征；

将所述第一生理特征向量的向量值输入预置的精神疲劳识别模型，获得所述操控选手对于所述精神疲劳评价指标的评分；其中，所述精神疲劳识别模型反映第一生理特征向量与精神疲劳评价指标的评分之间的映射关系；

根据所述操控选手对于所述精神疲劳评价指标的评分，获得所述操控选手的操控评分，包括：

预先设置有精神疲劳内源评价指标、精神疲劳外源评价指标和精神疲劳主观评价指标，根据脑电采集设备、皮电采集设备和心电采集设备所采集的生理信息数据，得到所述精神疲劳内源评价指标的评分；根据眼动追踪设备、视频采集设备和语音采集设备所采集的生理信息数据，得到所述精神疲劳外源评价指标的评分；根据所述操控行为数据中所述操控选手的对于所述精神疲劳状态的主观评价，得到所述精神疲劳主观评价指标的评分；

将所述操控选手对于每一精神疲劳评价指标的评分输入预置的结构方程模型，获得所述操控选手的操控评分；

根据所述操控评分，执行设定的操作，

其中，所述方法还包括获得所述精神疲劳识别模型的步骤，包括：

获取第一训练样本，其中，一个第一训练样本对应一位测试人员，一个第一训练样本反映对应测试人员的第一生理特征向量的向量值与已知的所述精神疲劳评价指标的评分之间的映射关系，其中，所述第一训练样本中已知的所述精神疲劳评价指标的评分，是根据对应的测试人员对自身精神疲劳状态的主观评价结果所确定的；

根据所述第一训练样本对高斯模型进行训练，得到所述精神疲劳识别模型，

其中，所述根据所述第一训练样本对高斯模型进行训练，得到所述精神疲劳识别模型包括：

根据所述第一训练样本的所述第一生理特征向量的向量值，以所述高斯模型的第一网络参数为变量，确定所述第一训练样本的精神疲劳评分预测表达式；

根据所述第一训练样本的精神疲劳评分预测表达式以及所述第一训练样本的所述精神疲劳评价指标的评分，构建第一损失函数；

根据所述第一损失函数确定所述第一网络参数，得到所述精神疲劳识别模型。

2.根据权利要求1所述的方法，其中，所述生理信息数据包括脑电信号；任一生理特征向量包括脑电特征；

确定任一生理特征向量的向量值的步骤包括：

获取所述脑电信号的脑电功率谱，作为目标脑电功率谱；

从预设的多个功率谱分类中，确定所述目标脑电功率谱所对应的功率谱分类，作为目标功率谱分类；

根据所述目标功率谱分类所对应的脑节律，确定对应生理特征向量的向量值。

3.根据权利要求2所述的方法，其中，所述方法还包括获得功率谱分类的步骤，包括：

获取多个参考脑电信号的参考脑电功率谱；

基于多种聚类算法，分别对所述多个参考脑电功率谱进行聚类，得到对应每种聚类算法的聚类结果；

基于共识聚类算法，根据对应每种聚类算法的聚类结果，得到所述多个功率谱分类，其中，每一所述功率谱分类中包含至少一个参考脑电功率谱。

4.根据权利要求1所述的方法，其中，所述方法还包括：

通过最大化对数边缘概率选择所述高斯模型的超参数；

基于自适应花粉传播算法优化所述超参数。