一种融合生理数据与飞参数据的飞行训练质效评估方法与流程

1.本发明涉及质效评估技术领域，尤其涉及一种融合生理数据与飞参数据的飞行训练质效评估方法。


背景技术：

2.飞行训练是一项周期长、费用昂贵、淘汰率高的复杂系统工程，随着飞行员培养流程不断改进，新的培训体系对飞行员技能养成提出巨大挑战，对飞行员来说，要完成快节奏作战，不仅需要具有在高机动环境适应条件下驾驶飞机进行高机动飞行的能力，还需要具有快速高效处理座舱综合信息的能力，其本质上对飞行员生理、心理提出了更高的要求。同时对飞行训练质效评估的科学性也提出更高要求，目前常用的飞行训练质效评估方法是：1、通过教员根据过往经验概略对训练质效做出评估；2、通过量化分析飞行训练过程中的飞参等数据，观察飞行学员上机操作是否规范，第一种训练评估方法定性评价多于定量评估，从而影响训练成绩评定的科学性；第二种训练评价方法并未考虑生理、心理因素对飞行训练的影响，具有局限性。


技术实现要素：

3.本发明所解决的技术问题在于提供一种融合生理数据与飞参数据的飞行训练质效评估方法，以解决上述背景技术中的问题。
4.本发明所解决的技术问题采用以下技术方案来实现：一种融合生理数据与飞参数据的飞行训练质效评估方法，首先对飞行员飞行过程中的生理数据与心理状态数据进行采集，而后基于svm方法利用采集的生理数据与心理状态数据构建心里状态预测模型，通过心里状态预测模型对飞行员飞行过程中的心理状态进行分析，同时结合飞行过程中的飞参数据量化分析结果，以实现对飞行员飞行训练质效的综合评估，具体步骤如下：1）采集生理数据与心理状态数据通过穿戴设备对飞行员模拟科目飞行中的生理数据与心理状态数据进行采集，并对生理数据和心理状态数据采集类型进行定义；2）构建心里状态预测模型根据步骤1）采集的生理数据与心理状态数据，结合飞行员飞行中真实心理状态自评数据，基于python-sklearn库中的svm算法，训练并构建心里状态预测模型；3）输出预测结果采集实际飞行训练中的飞行员生理数据，并输入至步骤2）构建的心里状态预测模型中，得到心里状态预测结果，以给出飞行训练评价；4）对飞参数据量化评价对飞参数据进行量化分析，得出评价结果；5）确定权重系数
结合飞参数据量化评价结果与心里状态预测结果，确定权重系数；6）综合评估 输入真实训练采集的生理数据和飞参数据，分别进行飞行训练评价，而后基于步骤5）确定的权重系数，对飞行员训练质效进行综合评估，得到飞行训练评价结果。
5.有益效果：本发明基于svm方法构建心里状态预测模型以分析飞行员生理数据，全面、准确地分析飞行员的心理状态，同时结合飞参数据量化分析结果，从多个角度对飞行训练进行评价，为飞行员训练质效评估提供科学方法支持，为飞行员快速培养和高效飞行训练提供支撑，为航空院校优化科学培养方案提供依据。
附图说明
6.图1为本发明的较佳实施例中的心里状态预测模型构建流程图。
7.图2为本发明的较佳实施例中的飞行训练质效评估流程图。
具体实施方式
8.为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
9.参见图1～2的一种融合生理数据与飞参数据的飞行训练质效评估方法，首先对飞行员飞行过程中的生理数据与心理状态数据进行采集，生理数据包括心跳、呼吸、体温、指温等数据，同时采集飞行员飞行中真实心理状态自评数据，而后基于svm方法对采集的数据构建心里状态预测模型，通过心里状态预测模型对飞行员飞行过程中的心理状态进行分析，同时结合飞行过程中的飞参数据量化分析结果，以实现对飞行员飞行训练质效的综合评估，具体步骤如下：1）采集生理数据与心理状态数据通过穿戴设备对飞行员模拟科目飞行中的生理数据与心理状态数据进行采集，并对生理数据和心理状态数据采集类型进行定义，生理数据参数类别包括心跳、呼吸、体温、指温等数据，心理状态类别：疲劳、紧张、轻松等类别；2）构建心里状态预测模型根据步骤1）采集的生理数据与心理状态数据，结合飞行员飞行中真实心理状态自评数据，基于python-sklearn库中的svm算法，训练并构建心里状态预测模型；3）输出预测结果采集实际飞行训练中的飞行员生理数据，而后输入至步骤2）构建的心里状态预测模型中，得到心里状态预测结果，以给出飞行训练评价；4）对飞参数据量化评价对飞参数据进行量化分析，得出评价结果；5）确定权重系数结合飞参数据量化评价结果与心里状态预测结果，基于先验知识确定权重系数，如心理状态权重0.5，基于飞参数据的量化分析结果权重0.5；7）综合评估 输入真实训练采集的生理数据和飞参数据，分别进行飞行训练评价，而后基于步
骤5）确定的权重系数，对飞行员训练质效进行综合评估，得到飞行训练评价结果。


技术特征：
1.一种融合生理数据与飞参数据的飞行训练质效评估方法，其特征在于，首先对飞行员飞行过程中的生理数据与心理状态数据进行采集，而后基于svm方法利用采集的生理数据与心理状态数据构建心里状态预测模型，通过心里状态预测模型对飞行员飞行过程中的心理状态进行分析，同时结合飞行过程中的飞参数据量化分析结果，以实现对飞行员飞行训练质效的综合评估。2. 根据权利要求1所述的一种融合生理数据与飞参数据的飞行训练质效评估方法，其特征在于，具体步骤如下：1）采集生理数据与心理状态数据采集飞行员模拟科目飞行中的生理数据与心理状态数据进行采集，并对生理数据和心理状态数据采集类型进行定义；2）构建心里状态预测模型根据步骤1）采集的生理数据与心理状态数据，结合飞行员飞行中真实心理状态自评数据，基于python-sklearn库中的svm算法，训练并构建心里状态预测模型；3）输出预测结果采集实际飞行训练中的飞行员生理数据，并输入至步骤2）构建的心里状态预测模型中，得到心里状态预测结果；4）对飞参数据量化评价对飞参数据进行量化分析，得出评价结果；5）确定权重系数结合飞参数据量化评价结果与心里状态预测结果，确定权重系数；6）综合评估输入真实训练采集的生理数据和飞参数据，分别进行飞行训练评价，而后基于步骤5）确定的权重系数，对飞行员训练质效进行综合评估，得到飞行训练评价结果。3.根据权利要求2所述的一种融合生理数据与飞参数据的飞行训练质效评估方法，其特征在于，步骤1）中，通过穿戴设备对飞行员模拟科目飞行中的生理数据与心理状态数据进行采集。

技术总结
一种融合生理数据与飞参数据的飞行训练质效评估方法，首先对飞行员飞行过程中的生理数据与心理状态数据进行采集，而后基于SVM方法利用采集的生理数据与心理状态数据构建心里状态预测模型，通过心里状态预测模型对飞行员飞行过程中的心理状态进行分析，同时结合飞行过程中的飞参数据量化分析结果，以实现对飞行员飞行训练质效的综合评估。本发明基于SVM方法构建心里状态预测模型以分析飞行员生理数据，全面、准确地分析飞行员的心理状态，同时结合飞参数据量化分析结果，从多个角度对飞行训练进行评价，为飞行员训练质效评估提供科学方法支持，为飞行员快速培养和高效飞行训练提供支撑，为航空院校优化科学培养方案提供依据。据。据。


技术研发人员：张弘 吴斌 谢吉朋 周小勇 王丽峰 贠周会 巩立艳 王欣欣 王旭 黄江林 应艳丽 贾楠 鲍俊卿 杜俊川 万芩
受保护的技术使用者：江西洪都航空工业集团有限责任公司
技术研发日：2021.12.17
技术公布日：2022/3/8