基于BFA-GRNN的飛行績效預測

劉文萌， 　錢　晨，　黃　丹

(上海交通大學，a.航空航天學院；b.電子信息與電氣工程學院，上海　200240)

0　引言

航空人為因素對飛行安全有著重要的影響，而對飛行績效的評價和預測是最值得關注的人為因素研究方向之一[1]。飛行績效可以用飛行軌跡偏差來表示[2]，飛行績效值越大，代表飛行軌跡偏差越大。當飛行軌跡嚴重偏離安全范圍時，飛機將很容易導致人為飛行事故[3-4]。因此，研究飛行績效的預測手段，能夠有效地提升飛行品質，從而降低人為飛行事故比例。

當前，對飛行員工作負荷的研究是評價飛行績效的重要內容，預測飛行績效主要是通過對生理信號的處理，從而建立飛行績效預測模型。文獻[5]建立了

基于眼動信號的BP神經網絡模型來預測飛行績效；文獻[6-7]提出飛行員工作負荷水平與飛行績效相關；文獻[8]通過研究飛行績效變化與生理信號相關性，發現當飛行績效較大時，飛行員工作負荷增高，同時也引起相關生理信號變化，因此，飛行績效與生理信號特征存在一定的相關性；文獻[9]分析了多維生理信號預測飛行績效的合理性。

但是，多維生理信號存在非線性、高維度及不穩定的特點，想要通過處理多維生理信號準確預測飛行績效是一個很大的挑戰。為了解決以上問題，文獻[10]提出了利用廣義回歸神經網絡(Generalized Regression Neural Network,GRNN)解決數據非線性及不穩定的問題。因此，本文選擇利用GRNN建立飛行績效預測模型，由于GRNN光滑因子的選取，在很大程度上影響了預測模型的準確性和魯棒性，需要對GRNN光滑因子進行優化。……