近几十年来,随着自动控制技术的蓬勃发展,人类逐渐成为自动控制系统的监督者和决策者。相应地,人类操作员拥有了更高的权限并担负了更重的责任。在高安全性要求的自动控制系统中,特别是交通运输(民航、铁路、船运等)和过程工业(核电厂、化工厂等),操作员的失误可能会引起严重的事故。为了避免此类安全事故,研究者们提出了根据操作员功能状态(OFS)调整系统控制策略的方法,即自适应自动控制。通过操作员功能状态估计,可以预测操作员的脆弱或有风险的工作时刻,从而利用自适应辅助系统提醒系统或操作员采取相应措施,避免事故发生。因此,准确的估计操作员功能状态是成功运用自适应自动控制的关键。本文针对操作员功能状态估计问题,首先设计了过程控制实验环境,并采集了单任务多级任务负荷状态下的操作员生理电信号；针对操作员脑电和心电信号的特点,进行了去干扰处理并提取了特征信号,找出了与操作员功能状态显著相关的特征；最后采用智能建模与优化方法,建立了操作员功能状态模型。本文的主要研究成果如下：(1)目前对操作员功能状态的研究主要集中于航空、航海、汽车驾驶等应用领域,对过程控制操作员的功能状态研究较少。本文采用密闭舱空气管理系统软件模拟过程控制环境,设计了单一任务类型,任务难度变化的操作员功能状态的研究实验。通过日本光电公司EEG1100型生物电信号采集仪,采集了实验过程中被试的脑电、心电和眼电信号。采用视觉模拟尺度方法,记录了被试的疲劳程度、紧张程度和努力程度等主观脑力负荷评价。而被试任务性能数据由密闭舱空气管理系统软件自动记录。(2)脑电信号是反映操作员功能状态变化最重要的生理电信号。脑电信号很容易受到各种噪声和伪迹信号的干扰,其中眼电伪迹的干扰尤为突出。因此,本文提出了一种自动眼电去除方法。首先采用独立成份分析分离原始脑电信号,计算了独立成份的多种特征,并运用模糊c均值识别脑电成份和眼电成份,最终得到了去眼电干扰后的脑电信号。结果表明,该方法能够消除个体差异性,正确去除了每位被试脑电信号中的眼电伪迹,是一种有效的自动眼电伪迹去除方法。(3)研究者们对脑电信号的研究主要集中于频域分析,通常计算脑电信号的功率谱,然后采用传统的频域设置划分四个基本节律。但这种频域划分是人为设定的,并不符合基本节律的频率分布情况。因此,本文采用经验模态分解方法,将脑电信号按照不同的时间特征尺度从高频到低频逐渐分离成与基本节律频域相对应的本征模态分量。随后,对本征模态分量进行功率谱分析,计算出本征模态分量的频率和能量特征。最后,定量分析了这些特征与操作员功能状态之间的关系,选取出了反映OFS变化的显著特征。分析结果表明,基于经验模态分解的脑电信号分析方法是行之有效的。(4)采用小波包分解方法,对多任务OFS实验中过程控制操作员的心率变异性(HRV)进行分析,研究了操作员HRV的低频、中频、高频能量、中高频能量比和小波包熵等五项特征的变化,分析了这些特征与操作员任务性能评价、主观测量评价以及任务负荷之间的相关性,从而找出了能够反映被试功能状态的HRV特征。研究结果表明,由于个体差异性,不同被试的5项HRV特征中与操作员的主、客观性能评价之间具有显著相关性的特征不同,可针对不同被试选择相应的特征作为描述操作员功能状态的指标。(5)为了准确估计操作员功能状态,采用自适应模糊神经网络模型(ANFIS)建立了操作员功能状态模型,并提出了一种交叉粒子群优化算法(PSOC)来优化ANFIS的参数。在PSOC算法中,原种群在每次迭代结束后与一个增加的辅助种群进行交叉操作,以维持原种群的多样性,从而提高了算法的寻优能力,避免了早熟收敛。实验结果表明,基于PSOC-ANFIS的操作员功能状态模型能够较好的描述操作员生理变量与功能状态之间的复杂非线性关系。(6)在基本差分进化算法中引入蚁群觅食过程中正反馈的思想,提出了一种控制参数自适应选择的差分进化算法—蚁群搜索差分进化算法(DEACS)。在DEACS算法中,每个个体变异、交叉时的控制参数都是由上一次迭代的寻优性能决定。典型测试函数结果表明,提出的DEACS算法寻优性能优于其它3种方法,其收敛速度更快。将提出的DEACS算法用于OFS模型的参数优化,由仿真结果可知,DEACS能够有效降低算法控制参数的设置对不同被试模型精度的影响,并且所建立的OFS模型能够很好的反映过程操作员的心理负荷,适用于操作员功能状态的实时在线估计。
