一种民航飞行员多维度认知能力的检测系统的制作方法

本发明属于认知能力检测，具体涉及一种民航飞行员多维度认知能力的检测系统。

背景技术：

1、伴随着全球航空事业的飞速发展，飞行器硬件设备制造开发水平的提升，以及各地机场等配套基础设施的完善，民航在人们面临中远程距离出行时，被接受的程度越来越高。但是，越来越多的乘机需求也意味着越来越高的营运风险，因此针对航空安全性与可靠性的需求越来越迫切。在飞行过程中，人为因素是导致航空事故的最主要原因，飞行员在紧急情况下对飞行器的运行决策直接决定了飞行器的事故风险。因此，亟需一种能对飞行员认知能力进行合理检测的系统，这有利于选拔出飞行决策能力较强的飞行员，一定程度上降低航空事故发生的风险和概率。值得注意的是，一次完整的飞行过程中涉及多个飞行环节，每个环节都需要对飞行员进行认知检测，并需要综合的检测结果，目前的技术只能从单一层面对飞行员的认知能力进行检测，这将导致检测的结果与飞行员真实能力之间存在较大偏差，无法作为飞行员选拔的依据。

2、本发明旨在开发一种民航飞行员多维度认知能力的检测系统，通过对整个飞行过程中多个环节的认知能力进行综合检测，合理有效的进行飞行员选拔，避免因为单一维度检测结果所带来的偏差，从而对飞行员选拔过程起到支持和辅助作用。

技术实现思路

1、为了解决现有技术中的上述问题，即为了解决现有的认知能力的检测系统检测准确率较低的问题，本发明提出了一种民航飞行员多维度认知能力的检测系统，该系统包括认知能力检测单元，所述认知能力检测单元包括时空旋转能力检测模块、知觉速度能力检测模块、专业能力检测模块、注意能力检测模块、记忆能力检测模块、思维能力检测模块；所述系统还包括：

2、检测结果获取模块，配置为获取待认知能力检测的飞行员在通过所述认知能力检测单元每个检测模块中各检测指标检测后得到的检测成绩数据，作为第一数据；

3、对各第一数据进行归一化处理，得到归一化数据；基于各第一数据，计算信息熵，并将所述信息熵与对应的归一化数据相乘，将相乘后的结果作为第二数据；将各第二数据转换为百分制，作为所述飞行员各检测指标对应的最终检测结果；

4、一致性检验模块，配置为基于各最终检测结果形成指标判断矩阵，进而构建区间中智矩阵，利用去中智化方法将所述区间中智矩阵所包含的真、假及不确定中智区间转化为单一计算值，构建去中智化判断矩阵；其中，真、假、不确定中智区间即对应隶属度ta、犹豫度ia、费隶属度fa，共同表示一个区间中智集a；

5、基于所述去中智化判断矩阵，计算一致性指标ci；根据区间中智集评价语言量表查找与所述ci对应的平均随机一致性指标ri，相除得到一致性比例cr；判断所述cr小于设定的一致性比例阈值，若否，则修改所述指标判断矩阵；

6、第一权重值更新模块，配置为对所述去中智化判断矩阵中各元素进行归一化处理，得到归一化元素；基于各归一化元素计算所述去中智化判断矩阵每行的算数平均值，作为各检测模块的最终权重值进行更新；

7、所述区间中智集评价语言量表，为预设的两个检测模块之间设定的相对重要程度的映射关系。

8、在一些优选的实施方式中，所述信息熵，其计算方法为：

9、

10、其中，ej表示检测指标j对应的信息熵，xij表示待认知能力检测的飞行员i对应检测指标j的检测成绩数据，k＝1/ln(n)＞0，n表示参与检测的飞行员数量。

11、在一些优选的实施方式中，所述飞行员各检测指标对应的最终检测结果为：其中，x″表示第二数据；

12、两项及以上检测指标对应的最终检测结果为：

13、

14、其中，x″ij为待认知能力检测的飞行员i对应检测指标j归一化后的检测得分，即待认知能力检测的飞行员i第j个检测指标对应的第二数据，j＝1,2,...,m，m为检测题目中的检测指标的项数，stest为检测题目的检测得分，即两项及以上检测指标对应的最终检测结果。

15、在一些优选的实施方式中，所述区间中智矩阵，其构建方法为：

16、根据各最终检测结果，获取具体重要性打分结果，对重要性打分结果进行矩阵化处理，形成指标判断矩阵；

17、判断所述指标判断矩阵中每一个维度都有对应的重要性等级，对照预构建的区间中智集评价语言量表，将所述指标判断矩阵中的重要性等级替换为与之对应的区间中智集，从而形成区间中智矩阵。

18、在一些优选的实施方式中，所述去中智化判断矩阵中各元素为：

19、

20、其中，u表示去中智化判断矩阵中的元素，表示隶属度t的下限值，表示隶属度ta的上限值，表示犹豫度ia的上限值，表示非隶属度fa的下限值，表示非隶属度fa的上限值。

21、在一些优选的实施方式中，所述一致性指标，其获取方法为：

22、

23、其中，ci表示一致性指标，λmax表示最大特征根，即矩阵的特征值中绝对值最大的一个，n表示矩阵阶数。

24、在一些优选的实施方式中，基于各归一化元素计算所述去中智化判断矩阵每行的算数平均值，作为各检测模块的最终权重值，其方法为：

25、

26、

27、其中，wi表示第i个检测模块的最终权重值，uij表示去中智化判断矩阵中第i行第j列的元素。

28、在一些优选的实施方式中，所述民航飞行员多维度认知能力的检测系统，还包括第二权重更新模块；

29、所述第二权重更新模块，配置为获取各检测模块中子模块对应的检测环节的视觉特征以及模拟飞行场景下各子环节的视觉特征，所述视觉特征对应的眼动指标包括注视时长占比、平均注视时长、眼跳幅度、左眼瞳孔直径、右眼瞳孔直径；

30、基于模拟飞行场景下各子环节的视觉特征，通过预构建的多元线性回归分析模型预测各检测模块中子模块对应的检测环节的重要性参数；

31、基于所述重要性参数，获取各检测模块的子模块对应的权重提升列表、权重暂不调整列表，进而对各检测模块的子模块对应的权重进行调整；

32、计算第n-1次迭代后的各检测模块的子模块的更新后的权重值、第n次迭代后的各检测模块的子模块的未更新的权重以及第n次迭代后的各检测模块的子模块调整后的权重的均值，作为第n次迭代的更新后的权重值，进而进行更新；其中，n表示当前迭代。

33、在一些优选的实施方式中，基于模拟飞行场景下各子环节的视觉特征，通过预构建的多元线性回归分析模型预测各检测模块中子模块对应的检测环节的重要性参数，其方法为：

34、ai＝w1a1+w2a2+w3a3+…+w22a22+ε,i＝23,24,…,30

35、其中，ai表示第i个检测环节的向量，即模拟飞行场景下各子环节的视觉特征，wi表示第i个向量的重要性参数，即各检测模块中子模块对应的检测环节的重要性参数，ε表示设定的误差值。

36、在一些优选的实施方式中，基于所述重要性参数，获取各检测模块的子模块对应的权重提升列表、权重暂不调整列表，进而对各检测模块的子模块对应的权重进行调整，其方法为：

37、当在模拟飞行场景下任一子环节中，若所述wi不为0的数量大于设定的第一数量阈值，则选取前m个子模块作为显著认知能力模块，否则，则选取所有重要性系数不为0的子模块作为显著认知能力模块；重要性系数为0的子模块作为非显著认知能力模块；

38、对在超过设定个模拟飞行场景下的子环节出现的显著认知能力模块，增入权重提升列表，对在超过设定个模拟飞行场景下的子环节出现的非显著认知能力模块，增入权重暂不调整列表；

39、基于所述权重提升列表、所述权重暂不调整列表，对各检测模块的子模块对应的权重进行调整；

40、调整策略为：所有检测模块的子模块同时开始调整，设置权值调整步长为α，单位批次人数为x人，即默认每一批新增的检测人数量为x人次，若不足该人数或超过该人数，步长按照α*(实际人数/x)划定，根据其重要性值确定权值调整方向升高，按照步长进行一次更新迭代。

41、本发明的有益效果：

42、本发明提升了认知能力检测的准确率。

43、本发旨在为飞行员选拔过程提供一种更加科学、准确和公正的检测手段。首先，该系统采用了多种检测维度，例如专业能力，记忆能力，思维能力，注意能力，时空旋转能力以及速度感知能力等，以检测候选飞行员在不同认知方面的表现。相比于传统的选拔方法，该系统能够全面、细致地检测飞行员的认知能力，从而更好地判断其是否适合从事飞行工作。其次，该系统采用了智能化数字化的检测技术，以提高检测的科学性、准确性和客观性。该系统根据待认知能力检测的飞行员在进行认知能力系统检测以及模拟飞行时的眼动信号比对分析结果作为参考依据，结合视觉眼动特征进行优化调整；此外，利用归一化和熵权法对不同检测指标进行计分，以更好地识别优秀的飞行员。最后，该系统可以自动化地并满足多人多公司多层次的选拔要求，从而大大减少了人力成本和时间成本，提高了选拔效率。同时，该系统也可以与其他选拔方法结合使用，以提高选拔效果和可靠性。因此，本发明的多维度认知能力检测系统具有广泛的应用前景，在飞行员选拔和相关领域都有很大的推广和应用价值。