发明名称 |
一种基于脑功能状态的自适应自动化方法 |
摘要 |
本发明公开了一种基于脑功能状态的自适应自动化方法,确定脑电电极、近红外光谱光源和近红外光谱探头的排布;根据线性特征参数、非线性特征参数、血氧饱和度指数和模拟任务绩效指数建立人工神经网络模型,并用遗传算法对人工神经网络模型进行优化,获取认知功能状态检测模型;根据实时的认知功能状态指数、任务需求指数、认知功能状态指数警戒阈值和状态持续时间阈值确定是否调节人与自动化系统间的任务分配方式以及对操作者预警;如果是,调节人与自动化系统间的任务分配方式,对操作者进行预警,流程结束。本发明相比传统的自动化人机系统,自适应的对任务分配能够降低人因失误发生的概率,有效提高人机系统的作业效率和安全性。 |
申请公布号 |
CN102779229A |
申请公布日期 |
2012.11.14 |
申请号 |
CN201210196441.4 |
申请日期 |
2012.06.14 |
申请人 |
天津大学 |
发明人 |
柯余峰;明东;李南南;陈龙;张迪;许敏鹏;綦宏志;万柏坤 |
分类号 |
G06F19/00(2011.01)I;G06N3/02(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
温国林 |
主权项 |
一种基于脑功能状态的自适应自动化方法,其特征在于,所述方法包括以下步骤:(1)确定脑电电极、近红外光谱光源和近红外光谱探头的排布;(2)受试者在模拟环境中完成模拟任务,记录同步的脑电信号、近红外光谱信号以及模拟任务绩效指数;(3)提取脑电信号的线性特征参数和非线性特征参数;提取近红外光谱信号中的血氧饱和度指数,并将血氧饱和度指数作为血氧饱和度特征参数;(4)根据所述线性特征参数、所述非线性特征参数、所述血氧饱和度指数和模拟任务绩效指数建立人工神经网络模型,并用遗传算法对所述人工神经网络模型进行优化,获取认知功能状态检测模型;(5)选取人机系统中的关键任务并在模拟系统中执行,同时记录关键任务绩效指数,通过所述认知功能状态检测模型获取实时的认知功能状态指数;用回归分析的方法建立所述实时的认知功能状态指数和所述关键任务绩效指数之间的关系,获取满足任务绩效指数阈值的认知功能状态指数,并作为任务需求指数;(6)根据所述实时的认知功能状态指数、所述任务需求指数、认知功能状态指数警戒阈值Ath和状态持续时间阈值Tth确定是否对人与自动化系统间的动态任务分配方式进行调节以及对操作者进行预警;如果是,执行步骤(7);如果否,执行步骤(8);(7)对人与自动化系统间的动态任务分配方式进行调节,对操作者进行预警,流程结束;(8)流程结束。 |
地址 |
300072 天津市南开区卫津路92号 |