第1章绪论
1.1研究背景
随着电子信息技术的迅猛发展，越来越多的智能化、信息化等自动化技术被应用于飞机驾驶舱设计之中，极大地改变了传统的飞机驾驶舱人机界面设计和飞行操纵方式。高度自动化的飞机驾驶舱系统不但为飞行员提供了多种不同（包括手动、半自动和全自动）的飞行操纵自动化控制水平，而且提供了由俯仰、横滚和自动油门三种维度组成的百余种飞行控制方式，使飞行员可通过飞行自动化系统监控整个飞机的飞行操纵状态[1]。与此同时，操纵的多样性和仪表显示系统界面信息的高度密集，也对飞行员的认知加工能力提出了新的要求。
据粗略统计，仅起飞阶段的前后10s之内，波音747飞机的飞行员就需要收集30多个飞行信息[2]。国外相关标准规定，飞行员对于显示界面异常信息的处理正确率应高于95%，且反应时间应小于1s[3]。可见，飞行员的脑力工作负荷面临着极高的挑战。当遇到飞行特情时，飞行员面临的信息加工要求日趋严格，往往需要在短时间内处理大量信息并快速作出反应决策，因此容易出现脑力负荷较高，甚至超载的情况，严重影响飞行员的工作效率、飞行操作的可靠性，以及飞行员自身的心理健康[4，5]。例如，某航空事故调查报告指出，60%～90%的航空飞行事故及事故征候发生在飞行员脑力负荷强度大、应激水平高的飞行任务中[6，7]。另一份针对中国民航事故原因进行分析统计的研究结果也表明，约20%的飞行事故与脑力负荷密切相关[8，9]。
近年来，航空领域相关人员已经意识到，要解决飞行员脑力负荷问题，不仅要加强对飞行员的培训和飞行特情训练，更应该在飞机驾驶舱人机交互的设计阶段就考虑脑力任务设计问题。很多工程心理学、认知神经科学领域的学者研究与飞行任务相关的脑力负荷问题，探讨不同类型飞行任务下的不同评价指标与脑力负荷之间的关系，但是飞机驾驶舱显示界面的脑力负荷测评指标和判别预测模型构建方面的研究仍然较少。在人们获取的信息中，80%的内容是通过视觉通道获取的[10]，因此在飞机驾驶舱显示界面设计的早期阶段，飞机设计人员需要采取相应的评估指标和评估模型来判别、预测显示界面不同设计方案下飞行员的脑力负荷水平，以便及时调整显示界面脑力任务设计，进而优化驾驶舱显示界面的设计方案。在实际飞行任务（特别是高机动性军事飞行任务）中，地面指挥系统需要实时通过脑力负荷判别预测模型对飞行员脑力负荷状态进行实时监控、分析及预测，从而对预期可能出现的飞行员脑力负荷超载情况提出实时、有效的解决方案，降低航空事故或事故征候的发生概率。因此，当脑力负荷变化时，哪些测评指标会发生变化，这些变化又会如何影响飞行员的作业绩效，对更好地理解飞行脑力负荷和解决方案非常重要。如何评价飞行员的脑力负荷，优化界面设计，使飞行员的脑力负荷处于*适合水平是具有重要现实意义的研究课题。为提高研究结果的实际效用和应用价值，需要在飞行模拟环境中开展综合因素下的飞行员脑力负荷评价方法研究。
1.2研究目的与意义
通过对国内外相关文献资料的查阅，以及在飞机驾驶舱显示界面设计水平评价方面的具体实践，研究者发现目前在飞行机组-驾驶舱人机交互显示界面领域缺少全面的、具有针对性的方法来理解、分析、分类和讨论飞机驾驶舱显示界面设计中的脑力负荷问题。本书首先探讨飞机驾驶舱显示界面脑力负荷测量和评价的主要方法，然后研究对飞机驾驶舱显示界面脑力负荷敏感的各类指标，建立能够有效表征脑力负荷等级变化的数学模型。
本书具有以下几个方面的重要意义。
（1）实验1（本书第4章实验）的研究结果可以为脑力负荷测量提供全新的生理指标，即事件相关电位（event related potential，ERP）技术中的失匹配负波（mismatch negativity，MMN）指标和P3a指标，有助于扩展脑力负荷测量方法的研究范畴，帮助飞机驾驶舱显示界面设计人员从认知神经科学的角度来理解、分析、分类并讨论飞行员的脑力负荷问题。
（2）实验2（本书第5章实验）建立的数学模型可以为飞机驾驶舱显示界面设计人员提供一种操作性较强的方法，能够有效预测显示界面系统施加于作业人员的脑力负荷，帮助设计人员从飞机驾驶舱显示界面设计的早期阶段对系统设计方案作出选择，从而有效提高设计效率、节约设计成本。通过提高民机驾驶舱人因设计水平，考验减小由驾驶舱设计问题诱发的飞行机组事故/事故征候发生的概率，提高飞机飞行的安全性。
（3）基于实验3（本书第6章实验）建立的飞机驾驶舱显示界面脑力负荷判别预测生理数学模型可对实际飞行任务中飞行员的脑力负荷状况进行实时分析、判别、预测，为飞机驾驶舱人机功能分配的动态设计提供量化方法和科学依据。
（4）基于实验4（本书第7章实验）建立的数学模型有助于指导设计人员，使其在综合复杂显示界面的设计阶段进行脑力负荷评价，并选择相应的显示界面设计方案。这有助于帮助战斗机设计人员和民航客机设计人员优化显示界面脑力任务设计、节约成本、保障航空安全。
（5）随着电子科技的迅速发展，飞机驾驶舱自动化水平不断提高，越来越多的人机界面问题层出不穷。对这些问题开展研究有助于预测未来高度自动化的驾驶舱内飞行机组如何获取加工信息并做出何种反应，审定适航审定工作中预期人为因素问题，引导新技术的合理应用。
（6）基于研究建立的各类数学模型和基础数据，可为飞机驾驶舱显示界面人为因素适航审定人员提供量化的适航符合性验证方法和数据支撑，以提高审定的效率和针对性，促进人为因素适航审定工作的顺利开展。
1.3本书的研究方法
本书开展的研究包括以下三个阶段。
第一阶段，首先搜集并整理航空工效学、飞机驾驶舱人机界面设计与评价技术、脑力负荷科学、认知神经科学、工程心理学、多指标数学建模方法等领域的相关文献资料，主要包括对飞行脑力负荷主观测评方法的研究[11-20]、飞行脑力负荷作业绩效测评方法的研究[21-26]、飞行脑力负荷生理测评方法的研究[27-41]、飞行脑力负荷多维综合评价方法的研究[42-53]等。然后，界定研究方向和目标。*后，探讨脑力负荷的生理测评指标和综合评价方法，归纳并总结可能用于飞机驾驶舱显示界面脑力负荷测量和评价的生理指标，以及多指标建模的数学方法。
第二阶段，首先提出4个假设，然后提出相应的实验解决方案，*后介绍实验设计和数学建模中用到的技术，即ERP技术、E-Prime软件、Fisher和Bayes判别分析方法。
第三阶段，基于地面飞行模拟器搭建各类实验平台，开展脑力负荷测量实验与数学建模研究，检验第二阶段提出的4个假设。在实验1中，搭建脑电设备测量脑力负荷的实验平台，通过开展ERP实验，探讨脑电指标对飞机驾驶舱显示界面脑力负荷变化的敏感性。在实验2中，搭建心电设备测量脑力负荷的实验平台，通过开展心电图（electrocardiogram，ECG）实验，探讨各类心电指标对飞机驾驶舱显示界面脑力负荷变化的敏感性，并综合绩效测量、主观评价和心电测量这三类评估指标，构建飞机驾驶舱显示界面脑力负荷等级判别预测综合模型。在实验3中，搭建多生理指标测量脑力负荷的实验平台，通过综合采用ERP、眼电图（electrooculogram，EOG）、ECG三类生理指标开展脑力负荷测量实验，并基于不同的生理指标组合采用数学建模方法，建立飞机驾驶舱显示界面脑力负荷判别预测生理模型，将该模型与主观评价方法，即美国国家航空航天局任务负荷指数（National Aeronautics and Space Administration_task load index，NASA_TLX）的判别结果进行比较。在实验4中，搭建多生理指标测量多显示界面多飞行任务（平视显示器的主飞行信息监控、下视显示器的飞行计算、雷达探测任务）的脑力负荷实验平台，通过综合采用ERP、EOG、ECG，结合主观评价方法、飞行作业绩效评价等方法开展多显示界面、多飞行任务条件下的脑力负荷实验测量与理论建模研究。
1.4本书的结构
全书共8章。第1章绪论。第2章脑力负荷测评方法，针对模拟飞行实验任务和真实飞行情况下飞行员的脑力负荷测量和评价方法进行资料的搜集、归纳，以及整理，并在对相关文献资料分析和探讨的基础上，提出本书的初步研究思路。第3章研究假设与技术路线，在相关文献资料分析和探讨的基础上，提出本书的研究假设、实验解决方案，以及技术路线。第4章脑电指标与脑力负荷，采用实验研究的方法，探索ERP中的MMN、P3a两个指标对飞行任务相关脑力负荷的敏感性。第5章心电指标与脑力负荷及其建模，综合采用实验研究与理论建模的方法，研究ECG心率（heart rate，HR）和心率变异性（heart rate variability，HRV）的6个时域指标对飞行任务相关脑力负荷的敏感性，并基于主观评价、飞行作业绩效，以及HRV的时域指标R-R间期的标准差（standard deviation normal to normal，SDNN）建立飞机驾驶舱显示界面脑力负荷判别预测综合模型。第6章基于多生理指标的脑力负荷判别预测模型，综合采用多种生理指标开展脑力负荷的实验测量与数学建模，基于多种生理指标，建立实时、客观的飞机驾驶舱显示界面脑力负荷判别预测生理模型。第7章多显示界面多飞行任务脑力负荷判别预测模型，综合采用多种生理指标，在多显示界面多飞行任务状态下，开展复杂飞行任务中的脑力负荷实验测量与数学建模研究，建立多显示界面多飞行任务脑力负荷判别预测模型。第8章总结和展望，总结本书的研究结果、主要创新点及其应用意义，特别关注在飞机驾驶舱显示界面脑力任务设计方面的应用，并讨论未来可能的研究方向。
第2章脑力负荷测评方法
飞机驾驶舱显示界面脑力负荷实验测量和数学建模研究以飞机驾驶舱显示界面脑力负荷测量指标为基础展开。中国民用航空规章第25部中第1523条款适航审定也需要具体飞行机组工作负荷的适航符合性验证方法[54-56]。本章主要讨论国内外现有飞行脑力负荷的测量指标和评价方法，为后续的脑力负荷测评、数学建模奠定理论基础和依据。
2.1脑力负荷及其影响分析
2.1.1脑力负荷的相关定义
由于脑力负荷的多维特性，目前学术界尚无明确的定义。在现有的研究中，国内外相关研究人员对脑力负荷的定义主要有以下几种。
Rouse等[57]从任务和个体两方面出发，认为脑力负荷、任务和执行任务的个体均相关。在同一任务中，不同的作业人员感受的脑力负荷仍可能不同。作业人员自身的情绪、动机、策略，以及个人能力都可能影响脑力负荷。
O’Donnell等[58]从信息处理能力的角度出发，将脑力负荷定义为：作业人员在执行某项任务时对所用信息处理能力的大小，可以通过测量其信息处理能力直接度量脑力负荷。
Young等[59]从注意资源的角度出发，将脑力负荷定义为：在作业过程中，作业人员为达到某一绩效水平而付出的注意资源，与作业任务的需求、作业环境，以及作业人员的经历等密切相关。
廖建桥等[60]在O’Donnell等对脑力负荷定义的基础上，从两个方面对脑力负荷进行了定义，即时间占有率、信息处理强度。时间占有率指在完成某项任务的过程中，作业人员的*低工作时间。时间占有率越低，脑力负荷越低；反之，脑力负荷越高。信息处理强度指在单位时间内需要处理的信息量或者处理信息的复杂程度。信息处理强度越高，脑力负荷越高；反之，脑力负荷越低[9，60，61]。
展开
