一种基于神经效率动态追踪的训练成熟度判定方法与流程

摘要: 本发明涉及神经工程与人员训练评估,尤其涉及一种基于神经效率动态追踪的训练成熟度判定方法。背景技术:1、高认知负荷岗位的操控训练通常需要判断操控人员是否真正掌握某...
一种基于神经效率动态追踪的训练成熟度判定方法与流程

本发明涉及神经工程与人员训练评估,尤其涉及一种基于神经效率动态追踪的训练成熟度判定方法。

背景技术:

1、高认知负荷岗位的操控训练通常需要判断操控人员是否真正掌握某项技能、是否具备晋级或上岗资质。现有训练结业标准多依赖考试成绩、任务完成率、教官评分或训练天数等行为指标和管理指标,虽然能够反映操控任务的外显结果,但难以直接反映操控人员在完成任务时的神经资源消耗和技能自动化水平。

2、现有部分方法尝试利用训练前后两个时间点的神经效率差值评估训练效果,但两点式静态比较不能反映技能内化过程中的渐进变化,也难以识别短期努力、疲劳代偿或策略性应试所形成的高绩效状态。实践中,一些操控人员能够在考核场景中通过持续高强度注意投入维持较高行为绩效,但其神经资源消耗仍处于较高水平,技能尚未自动化,若仅依据行为绩效判定合格,可能导致后续上岗后的稳定性下降。

3、此外,不同教官、不同训练批次或不同训练课程之间存在主观评价尺度不一致的问题;固定日历时间复测方式也未考虑个体训练强度差异,导致同一复测日期下不同操控人员的累计实操训练量差异较大,进而降低评估结果的可比性。因此,有必要提出一种能够基于累计有效训练时长进行纵向追踪、并结合神经效率平台期与行为绩效达标情况进行综合判定的训练成熟度评价方案。

技术实现思路

1、针对现有技术存在的问题,本发明的目的在于提供一种基于神经效率动态追踪的训练成熟度判定方法及系统,以解决现有训练成熟度评价过度依赖行为绩效和主观评分、难以区分“过度努力维持高绩效”与“真正内化的熟练操控”、以及固定日历时间复测导致训练积累量不可比的问题。

2、为实现上述目的,本发明提供一种基于神经效率动态追踪的训练成熟度判定方法,包括如下步骤:

3、步骤s1、在操控人员开始系统训练前,通过标准化模拟操控任务同步采集脑电信号和操控绩效数据,对所述脑电信号进行预处理,提取前额叶预设电极θ频段功率谱密度均值,并根据操控绩效综合评分与计算初始神经效率基线;

4、步骤s2、以操控人员累计有效实操训练时长达到预设阈值x小时作为复测触发条件,每当新增累计有效实操训练时长达到所述预设阈值x小时后,执行与基线测试一致的复测任务,计算各复测时刻的神经效率,并记录与所述对应的累计有效实操训练时长t;

5、步骤s3、当包括基线在内的测量时间点不少于4个时,以累计有效实操训练时长t为自变量、神经效率ne为因变量建立回归模型,获得回归斜率β、β的置信区间、显著性检验p值以及模型拟合优度;

6、步骤s4、在所述β的置信区间包含零值且所述p值大于预设显著性水平α时,判定操控人员在相应操控科目上进入神经效率平台期;

7、步骤s5、获取最近不少于3次复测的操控绩效综合评分均值,并将所述与预设绩效达标线进行匹配,根据平台期判定结果和绩效匹配结果输出训练成熟度状态。

8、进一步,步骤s1中所述脑电信号通过不少于32个电极的脑电采集设备采集,采样率不低于250hz,采集时电极阻抗控制在10kω以下;所述预处理包括全脑平均重参考、0.5-45hz带通滤波、50hz工频陷波、坏导检测与插值以及独立成分分析去伪迹中的至少一种。

9、进一步,所述前额叶预设电极包括fz、f3、f4以及可选的fcz,所述θ频段为4-8hz频率范围内的节律成分,所述神经效率ne按照计算,其中p为操控绩效综合评分,为对应测试期间前额叶预设电极θ频段功率谱密度均值。

10、进一步,所述操控绩效综合评分p按照计算,其中、、分别表示由操控任务产生的误差指标,、、分别为对应权重。、、分别表示由操控任务产生的航迹偏差归一化值、响应时延归一化值、错误率归一化值;所述航迹偏差归一化值由任务期间实际轨迹与目标轨迹的均方根偏差计算得到,所述响应时延归一化值由指令下达至操控动作生效的平均延迟计算得到,所述错误率归一化值由任务期间安全边界越界次数或碰撞风险事件数与任务总操作次数之比计算得到;所述、、根据训练科目的任务优先级或安全等级预先设定,且满足++=1。

11、进一步,所述预设阈值x为10-30小时;当采用无人机操控训练时,所述预设阈值x为15小时;所述累计有效实操训练时长仅统计满足训练记录有效性条件的实操时长,不包括理论授课、设备等待、无效中断或数据质量不合格时段。所述累计有效实操训练时长的计时以操控人员接收到标准化模拟操控任务开始信号为起点,以任务完成信号或达到预设单次训练时长上限为止点。当满足以下任一条件时,对应训练时段判定为无效,不计入累计有效实操训练时长:脑电信号有效通道占比低于80%;单次通信中断或任务暂停时长超过30秒;操控绩效记录存在指令响应数据缺失。

12、进一步,所述回归模型为,并采用最小二乘法拟合;所述置信区间为95%置信区间,所述预设显著性水平α为0.05-0.10。

13、进一步,当测量时间点不足4个时,输出数据积累不足提示;当且时,输出数据波动较大提示;当且时,判定神经效率处于持续提升阶段。

14、进一步,步骤s5中的训练成熟度状态包括:成熟状态、进行中状态、技能瓶颈状态和神经适配期状态;其中,成熟状态对应已进入神经效率平台期且;进行中状态对应未进入神经效率平台期、且;技能瓶颈状态对应已进入神经效率平台期但;神经适配期状态对应未进入神经效率平台期且或趋势不稳定。

15、进一步,对同一操控人员的多个操控科目分别独立执行步骤s1-s5,并分别维护各操控科目的累计有效实操训练时长、神经效率序列、回归判定结果和成熟度状态,所述操控科目包括悬停保持、航线飞行、紧急避障中的至少一种。

16、进一步,输出训练成熟度状态时,同步生成训练成熟度判定报告,所述训练成熟度判定报告包括各操控科目成熟度等级、判定依据、神经效率纵向变化趋势图、多维度技能成熟度图谱以及晋级或上岗建议。

17、本发明还提供一种神经效率追踪训练成熟度判定系统,包括:基线采集模块、训练时长记录与复测触发模块、信号预处理模块、神经效率计算模块、纵向数据管理模块、回归分析与统计判定模块、行为绩效匹配校验模块、成熟度综合判定模块以及报告与图谱生成模块;所述系统被配置为执行上述的方法。

18、进一步,所述训练时长记录与复测触发模块被配置为接收训练管理系统、模拟操控平台或人工确认端发送的训练记录,并在累计有效实操训练时长达到预设阈值x小时时触发复测;所述报告与图谱生成模块被配置为在显示终端输出训练成熟度判定报告和技能成熟度图谱。

19、本发明以累计有效实操训练时长替代固定日历时间作为复测触发依据,使不同训练强度操控人员之间的评估结果更具可比性。通过回归斜率置信区间与显著性水平的双重判定条件,形成客观、可复现的神经效率平台期判定规则,减少教官主观差异。通过神经效率平台期与行为绩效达标线的匹配校验,能够区分真正成熟、继续提升、技能瓶颈和神经适配期等不同训练状态。支持多科目独立追踪和技能成熟度图谱生成,有利于针对性制定后续训练方案和晋级建议。能够识别“过度努力维持高绩效”但神经效率尚未平台化的情况,提高高认知负荷岗位训练准入判断的稳定性和安全性。