【技术实现步骤摘要】
本专利技术涉及的是一种飞行控制领域的技术，具体是一种基于双聚类的单人驾驶功能分配优化迭代方法。
技术介绍
1、商用客机驾驶舱是飞行中最关键的人机系统之一，单一飞行员驾驶模式(spo)安全运行的关键在于驾驶舱内人机之间的功能分配，只有单一飞行员与先进自动化之间的高效协作，才能带来提升的操作安全性与高度灵活性。现有技术仅关注于如何设计、制造更高水平的自动化，导致了人机系统中机器成员可靠性的提升，却忽视了人机系统中还有很多的人机交互。即所谓的以技术为中心。在人机系统的设计和功能分配过程中，对人为因素的忽略可能会导致许多挑战，如失去态势感知(sa)、不平衡的工作负荷、警惕性和技能退化，从而可能导致灾难性的结果。
2、自动化水平的应用程度、授权程度以及人机交互程序设计使得spo模式下驾驶舱内人机功能分配更具挑战性，亟需开展驾驶舱内功能分配迭代优化工作以提升人机系统协同效能。方案的初始设计、识别需要修正的元素、进行迭代优化决策是迭代优化需要考虑的三大因素。当前大多数分析性研究都着重关注方案的初始设计和最终决策上，作为迭代优化的中间环节，识别迭代元素相关的研究相对较少，包含两种方式：一种是专家评价，这种方式应用在设计阶段，需要专家对方案进行人工审查，凭借自身的知识经验来识别需要修正的元素，以供后续决策，耗时长，数据利用率低，在面对复杂系统设计时效率低下；一种是物理或半物理平台评估，这种方式的核心在于spo模式各成员原型机的开发，实现难度大、开发成本高昂，目前的研究大多基于双人制下的现有设备。
技术实现思
1、本专利技术针对现有商用飞机单一飞行员驾驶的功能分配问题，提出一种基于双聚类的单人驾驶功能分配优化迭代方法，通过分析人机系统信息处理过程进行功能分类和自动化等级划分，得到初始功能分配方案，并提出双聚类算法识别初始功能分配方案中的可迭代元素，挖掘结果支持单人驾驶功能分配的迭代优化，从而显著提升人机系统效能，均衡单一飞行员的工作负荷并确保飞行安全性。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术涉及一种基于双聚类的单人驾驶功能分配优化迭代方法，通过依次按认知处理阶段和自动化等级划分人机任务，对飞行任务下不同功能的自动化等级的组合构成初始功能分配方案，通过k-miner双聚类算法识别初始功能分配方案中的可迭代元素，并进行自动化等级调节，最终完成单人驾驶功能分配的迭代优化。
4、本专利技术具体包括以下步骤：
5、步骤一、基于人机系统信息处理过程，对单人驾驶中涉及的功能进行分类；
6、步骤二、对单人驾驶中不同类别的功能进行分级，并形成初始功能分配方案；
7、步骤三、运用k-miner双聚类算法识别功能分配方案中的可迭代元素，基于挖掘结果进行功能等级调节，最终完成单人驾驶功能分配的迭代优化；
8、所述的k-miner双聚类算法包括：通过任务扩展构造枚举树和采用深度优先搜索方式遍历解空间两个阶段。
9、所述的枚举树为用于描述任务-功能双聚类的有向无环图，包括节点名称γ和节点值φ，其中：节点名称γ由任务集组成，为经过场景分析后得到的任务单元以及其组合，例如节点t2，节点t1t3，结点t1t2t3；节点值φ＝(θ,ω)为该任务集下各功能θ以及取对应自动化等级范围所对应的单一飞行员工作负荷值区间ω＝(ωl,ωr)。
10、对于负荷值区间(ωl,ωr)，若ωr>0.5，则视为高负荷区间，即h-index；若ωr≤0.5，则视为低负荷区间，即l-index。
11、技术效果
12、本专利技术通过k-miner双聚类算法识别初始功能分配方案中的可迭代元素，并进行自动化等级调节，最终完成单人驾驶功能分配的迭代优化。以spo模式下场面多任务场景为例，在低保真单人模拟驾驶舱中进行模拟飞行实验，对初始功能分配和修正后的功能分配进行对比验证，结果表明在调节了自动化等级后，单一飞行员的工作负荷得到了有效降低，情景意识得到了一定提升。虽然自动化等级的提高会带来部分情景意识的缺失，例如对远期潜在冲突的把控。但是在上述多重任务场景下，飞行员的精力和注意力是有限的，舍去对远期冲突的部分感知会换来对更紧急的中期和近期冲突认知的提升，单一飞行员的精力得到了更合理的分配。
本文档来自技高网...【技术保护点】
1.一种基于双聚类的单人驾驶功能分配优化方法，其特征在于，通过依次按认知处理阶段和自动化等级划分人机任务，对飞行任务下不同功能的自动化等级的组合构成初始功能分配方案，通过K-Miner双聚类算法识别初始功能分配方案中的可迭代元素，并进行自动化等级调节，最终完成单人驾驶功能分配的迭代优化。
2.根据权利要求1所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的K-Miner双聚类算法包括：通过任务扩展构造枚举树和采用深度优先搜索方式遍历解空间两个阶段。
3.根据权利要求2所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的K-Miner双聚类算法，具体包括：
4.根据权利要求2或3所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的枚举树为用于描述任务-功能双聚类的有向无环图，包括节点名称Γ和节点值Φ，其中：节点名称Γ由任务集组成，为经过场景分析后得到的任务单元以及它们的组合，节点值Φ＝(Θ,ω)为该任务集下各功能Θ以及取对应自动化等级范围所对应的单一飞行员工作负荷值区间ω＝(ωl,ωr)。
5.根据权利要求4
6.根据权利要求5所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，初始时Alg2给出以下合并计算规则：
7.根据权利要求2或3所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的深度优先搜索方式遍历解空间是指：在搜索解空间时采用尝试操作与回退操作，即当算法在搜索过程中遇到任一状态无法继续前进或无法得到满足条件的解时，撤销上一步的选择并退回到搜索前的状态后，尝试其他可能的选择；
8.根据权利要求7所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的深度优先搜索方式，基于至少一个约束条件进行剪枝，即在搜索过程中，剪掉不满足约束条件的枚举树分支，避免许多无意义的尝试，缩小解的搜索空间，以被剪枝的前提条件为当前节点α＝(Γα,Θα,ωα)的功能集合需是其前驱节点β＝(Γβ,Θβ,ωβ)的子集，否则不能被剪枝；
9.根据权利要求8所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，在遇到满足剪枝条件的节点时，终止向前尝试，提前回退，进入下一轮的搜索，经过生成-搜索-剪枝步骤后，在枚举树中留下的节点需要经过输出判定，节点所表示的任务-功能双聚类没有超集时被输出，挖掘结果最终用于和初始功能分配比较分析，识别不满足工作负荷约束的设计元素，并给出迭代优化建议。
...【技术特征摘要】
1.一种基于双聚类的单人驾驶功能分配优化方法，其特征在于，通过依次按认知处理阶段和自动化等级划分人机任务，对飞行任务下不同功能的自动化等级的组合构成初始功能分配方案，通过k-miner双聚类算法识别初始功能分配方案中的可迭代元素，并进行自动化等级调节，最终完成单人驾驶功能分配的迭代优化。
2.根据权利要求1所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的k-miner双聚类算法包括：通过任务扩展构造枚举树和采用深度优先搜索方式遍历解空间两个阶段。
3.根据权利要求2所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的k-miner双聚类算法，具体包括：
4.根据权利要求2或3所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的枚举树为用于描述任务-功能双聚类的有向无环图，包括节点名称γ和节点值φ，其中：节点名称γ由任务集组成，为经过场景分析后得到的任务单元以及它们的组合，节点值φ＝(θ,ω)为该任务集下各功能θ以及取对应自动化等级范围所对应的单一飞行员工作负荷值区间ω＝(ωl,ωr)。
5.根据权利要求4所述的基于双聚类的单人驾驶功能分配优化方法，其特征是，所述的最大双聚类是指：在枚举树中，任务集和值均不是其它节点的子集的节点；
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。