10、基于被动脑机接口评估飞行员认知状态的神经自适应建模探索

基于被动脑机接口评估飞行员认知状态的神经自适应建模探索

1. 引言

自动化程度的提高极大地改变了民航飞行员的操作环境。如今，飞行员不再主要负责主动飞行任务，而是面临长时间的监控工作。在这个过程中，他们的警觉性会显著下降，甚至可能错过关键警告。然而，当自动化系统出现故障或遇到意外情况时，仍需飞行员及时、恰当地应对，以解决这些危急状况。

自动化导致的问题，即检测关键系统状态的能力下降以及后续手动控制能力的降低，被称为“脱离循环性能问题”。当飞行员没有积极控制飞机时，他们不太可能了解当前的飞行参数，也就是“脱离循环”。特别是，自动化监控而非主动飞行，使得保持态势感知（SA）变得更加困难。

态势感知的发展分为三个阶段：
1. 感知当前态势参数；
2. 理解所感知的参数；
3. 将当前参数投射到未来，从而了解情况的发展。

尽管有了新的态势感知模型，但1995年的原始模型仍是理解态势感知及其导致的错误的基础。大多数飞行员的错误与态势感知发展的第一阶段（70.3%）和第二阶段（20.3%）的问题有关，这表明警报可能被忽视或未得到重视的风险。过去的一些致命事故就与对警报的响应失败、延迟或不充分有关。

根据态势感知阶段的不同，需要采取不同的措施来应对各种人为错误。例如，未被感知的警报（SA1）可能只需重复发出，可能需要更高的强度或采用不同的形式；当警报未能被正确解读（SA2）时，可能需要提供更多信息。因此，监测飞行员的态势感知非常重要。传统的通过在操作过程中特定间隔提出明确问题来测量态势感知的方法具有侵入性，可能会降低性能。如果能从生理测量中推断出态势感知或其他相关认知因素，就可以在不干扰正在进行的操作的情况下进行。