APP下载

脑力负荷个性化脑电响应特征规律及识别研究

2021-12-31楚洪祚焦学军杨捷鸿黄梦盈王立志李修乾

载人航天 2021年6期
关键词:特征实验模型

楚洪祚, 焦学军, 姜 劲, 曹 勇, 杨捷鸿, 黄梦盈, 王立志, 李修乾

(1.航天工程大学, 北京 101416; 2.中国航天员科研训练中心, 北京 100094)

1 引言

随着科技的发展,人在系统中的职能发生改变,由以往的主要作业角色向监督决策角色转变。这一改变降低了人类在工作中的体力负荷,但加重了脑力负荷。 在军事、航空、航天、驾驶等高安全性要求的人机系统中,由于脑力负荷过高导致的信息获取和判断决策错误等人因失误是导致事故发生的重要原因之一[1-2]。 已有研究表明,60%~90%的航空飞行事故发生在脑力负荷高、应激水平高的飞机起飞、着陆或手动操控阶段,并且多是由人误导致[3-4]。 平衡系统中人的脑力负荷与体力负荷是保证系统安全稳定运行的重要举措。 脑力负荷精准测量是人机交互系统更加合理的基础,准确地描述脑力负荷具有重要意义。 因此,实现对脑力负荷的准确测量和精准分类,如在设计阶段通过改进设计,避免超负荷现象的发生,在使用阶段采取有效措施,维持适宜的脑力负荷水平,是有效避免人误、提高人机系统可靠性的必然需求。

目前研究脑力负荷主要的方法是使用不同难度级别的诱发任务引起不同程度的脑力负荷[5-7]。 在实验设计中通常会使用固定难度级别的任务,而忽略了个体的差异性。 这样会导致部分受试者被诱发出的负荷状态不满足实验的设计目的。 Pergher 等[8]的研究中使用固定难度等级的序列(0-Back, 1-Back, 2-Back, 3-Back)来研究青年和老年人在N-Back 任务执行时的心理负荷,在高难度级别任务时青年人的表现正常,但老年人的表现出现了异常,经过分析很有可能是由于任务难度过高导致老年人任务中断,这会严重干扰对结果的分析。……

登录APP查看全文

猜你喜欢

特征实验模型
一半模型
记一次有趣的实验
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
做个怪怪长实验
不忠诚的四个特征
3D打印中的模型分割与打包
NO与NO2相互转化实验的改进
实践十号上的19项实验
线性代数的应用特征