飞行员工作负荷是影响飞机运行安全的重要因素.开展飞行员工作负荷预测是适航审定过程中,验证驾驶舱设计是否符合适航规章的重要手段.本文针对某型民用飞机设计了模拟飞行试验,用于采集飞行员生理指标数据和国家航空航天局任务负荷指数(National Aeronautics and Space Administration task lood index,NASA-TLX)量表评价数据.以飞行员生理指标数据为输入,NASA-TLX量表主观评价数据为输出,建立了基于粒子群算法优化的支持向量回归机(Particle swarm optimization-support vector regression,PSO-SVR)模型的飞行员工作负荷预测模型.对本文建立的PSO-SVR模型与默认参数的支持向量回归机(Support vector regression,SVR)模型的预测精度进行了对比,针对4个不同场景,预测精度分别提高了7.5％、9.5％、7％和5.8％,结果表明基于PSO-SVR的预测模型得到的飞行员工作负荷预测值精度更高.
展开▼
