1.一种飞行任务负荷评估方法，其特征在于，包括：
利用飞机驾驶员的历史飞行任务数据，基于lstm机器学习算法和逻辑回归算法构建任务负荷分析模型；
对所述任务负荷分析模型进行训练和测试；若所述任务负荷分析模型的测试结果在预设范围内，得到测试好的任务负荷分析模型；
飞机驾驶员根据飞行任务的完成情况对所述测试好的任务负荷分析模型中的各项指标进行评估，得到飞机驾驶员飞行任务负荷分析结果。
2.根据权利要求1所述的飞行任务负荷评估方法，其特征在于，所述历史飞行任务数据包括与飞行任务相关的多模态生理因素以及对多模态生理因素与飞行任务负荷之间关系的分析结果。
3.根据权利要求2所述的飞行任务负荷评估方法，其特征在于，
基于lstm机器学习算法对所述历史飞行任务数据进行定性分析，在所述多模态生理因素中选出与所述飞行任务负荷具有预设关联关系的生理因素，并构建所述飞行任务负荷与所述生理因素的关联关系；
基于逻辑回归算法对所述历史飞行任务数据进行定量分析，分别计算与所述飞行任务负荷具有预设关联关系的生理因素的权重；
构建任务负荷分析模型；所述任务负荷分析模型为与所述飞行任务负荷具有预设关联关系的生理因素及其权重的加权求和形式。
4.根据权利要求3所述的飞行任务负荷评估方法，其特征在于，基于逻辑回归算法对所述历史飞行任务数据进行定量分析具体包括：
采用逻辑回归算法构建包含回归参数矩阵的假设函数；
根据所述假设函数构建代价函数；
通过采用梯度下降法对所述回归参数矩阵进行优化，得到优化后的代价函数；利用所述优化后的代价函数分别计算与所述飞行任务负荷具有预设关联关系的生理因素的权重。
5.根据权利要求2所述的飞行任务负荷评估方法，其特征在于，采用交叉验证方法对所述任务负荷分析模型进行训练和测试。
6.根据权利要求5所述的飞行任务负荷评估方法，其特征在于，对所述任务负荷分析模型进行训练和测试具体包括：
将预设时段内的历史飞行任务数据根据预设比例分为训练数据集和测试数据集；
以所述训练数据集中与所述飞行任务相关的多模态生理因素作为所述任务负荷分析模型的输入，以所述对多模态生理因素与飞行任务负荷之间关系的分析结果作为所述任务负荷分析模型的输出，对所述任务负荷分析模型进行训练，得到训练好的任务负荷分析模型；
以所述测试数据集中与所述飞行任务相关的多模态生理因素作为所述训练好的任务负荷分析模型的输入，利用所述训练好的任务负荷分析模型得到输出结果；采用ahp一致性检验方法对所述输出结果与所述测试数据集中所述对多模态生理因素与飞行任务负荷之间关系的分析结果进行检验，若检验结果在预设范围内，则得到测试好的任务负荷分析模型；反之，则重新构建所述任务负荷分析模型并重新对其进行训练和测试。
7.根据权利要求6所述的飞行任务负荷评估方法，其特征在于，若所述检验结果不在预设范围内，则采用优化算法对所述任务负荷分析模型中的参数进行调整；重新利用飞机驾驶员的历史飞行任务数据对所述调整参数后的任务负荷分析模型进行训练和测试，直至所述检验结果在预设范围内为止。
8.根据权利要求2所述的飞行任务负荷评估方法，其特征在于，所述测试好的任务负荷分析模型中的各项指标包括与当前飞行任务相关的多模态生理因素，利用改进后的nasa-tlx量表对所述与当前飞行任务相关的多模态生理因素进行显示。
9.根据权利要求3所述的飞行任务负荷评估方法，其特征在于，对与所述飞行任务负荷具有预设关联关系的生理因素及其权重做加权求和计算，得到飞机驾驶员飞行任务负荷分析结果。
10.一种飞行任务负荷评估系统，其特征在于，包括：
模型构建模块，用于利用飞机驾驶员的历史飞行任务数据，基于lstm机器学习算法和逻辑回归算法构建任务负荷分析模型；
模型优化模块，用于对所述任务负荷分析模型进行训练和测试；若所述任务负荷分析模型的测试结果在预设范围内，得到测试好的任务负荷分析模型；
分析评估模块，用于飞机驾驶员根据飞行任务的完成情况对所述测试好的任务负荷分析模型中的各项指标进行评估，得到飞机驾驶员飞行任务负荷分析结果。