基于D-S证据理论的飞行员辅助系统自动化级别动态调整方法

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (1): 67-70,76.

基于D-S证据理论的飞行员辅助系统自动化级别动态调整方法

西北工业大学电子信息学院,陕西西安710129

收稿日期:2013-09-10 出版日期:2014-01-20 发布日期:2014-02-10
作者简介:武俊兆(1989-),男,山西孝义人,西北工业大学电子信息学院硕士研究生,研究方向：复杂系统建模仿真，航空电子综合系统及复杂技术；张安(1962-),男,陕西宝鸡人,博士生导师,博士,研究方向：复杂系统建模仿真与效能评估，现代火力控制原理。
基金资助:
国家973计划资助项目(2010CB734104)

D-S Evidence Theory-based Dynamic Adjustment Method of #br# Automation Level for Pilot Assistance System

School of Electronics and Information, Northwestern Polytechincal University, Xi’an 710129, China

Received:2013-09-10 Online:2014-01-20 Published:2014-02-10

摘要/Abstract

摘要：

在飞机驾驶舱等复杂人机系统中，动态变化的人与辅助系统协作关系可以使人机工作得更加协调，并提高系统整体的功能效果。为了实现需要融合多种决策信息的动态调整策略，提出基于D-S证据理论的飞行员辅助系统自动化级别动态调整的方法，首先运用

模糊隶属度函数确定证据的基本信任分配，再采用基于证据间相似系数的冲突证据合成规则融合各个证据，最后通过一个实例表明该方法有效且可靠。

关键词: , 飞行员辅助系统, 动态调整, D-S证据理论, 模糊隶属度, 相似系数

Abstract:

In a complex human-machine system such as aircraft cockpit, dynamic relationship of human and assistance system collaboration enhances the harmony between human and machine, and increases the whole system performance. In

order to achieve dynamic adjustment strategy of needing to synthesize a variety of decision-making information, D-S evidence theory-based dynamic adjustment method of automation level for pilot assistance system is proposed. This method

firstly utilizes fuzzy membership function to determine basic probability assignment, and then uses similarity coefficient-based combination rule to synthesize various evidences. Examples show that the method is effective and reliable.

Key words: pilot assistance system, dynamic adjustment, D-S evidence theory, fuzzy membership function, similarity coefficient

武俊兆，张安. 基于D-S证据理论的飞行员辅助系统自动化级别动态调整方法[J]. 计算机与现代化, 2014, 0(1): 67-70,76.

WU Jun-zhao, ZHANG An. D-S Evidence Theory-based Dynamic Adjustment Method of #br# Automation Level for Pilot Assistance System[J]. Computer and Modernization, 2014, 0(1): 67-70,76.

参考文献

［1］宋晗,陈宗基,孔繁峨. 驾驶员辅助系统的辅助级别判定［J］. 系统仿真学报, 2009,21(1):208-212.
［2］ Parasuraman R. Theory and Design of Adaptive Automation in Aviation System［M］. Warminster， PA： Naval Air Development Center， 1992.
［3］王阔天. 多无人机监督控制系统的人机动态功能分配研究［D］. 长沙：国防科学技术大学, 2009.
［4］ Cook C, Corbridge C, Morgan C, et al. Investigating methods of dynamic function allocation for naval command and control［C］// International Conference on Human Interfaces in Control Rooms, Cockpits and Command Centres.

1999：388-393. 
［5］ Parasuraman R， Sheridan T B, Wickens C D. A model for types and levels of human interaction with automation［J］. IEEE Transactions on Systems，Man，and Cybernetics Part A: Systems and Humans， 2000，30（3）：286-297.
［6］ Coye De Brunelis T， Le Blaye P，Bonnet P， et al. Distance mission management and dynamic allocation of function［C］// Humans Operating Unmanned Systems Conference. 2008. 
［7］王鹏程,李为民. 基于模糊集理论和D-S证据推理的空袭目标识别［J］. 现代防御技术, 2005,33（5）:8-10,41.
［8］李伟生,王宝树. 基于模糊逻辑和D-S证据理论的一种态势估计方法［J］. 系统工程与电子技术, 2003,25(10):1278-1280,1298.
［9］李海英,冯冬,宋建成. 中压真空断路器的模糊-证据理论在线状态评估模型［J］. 高压电器, 2013,49(1):40-45. 
［10］王肖霞. 冲突证据合成规则的研究［D］. 太原：中北大学, 2007.
［11］Wing D J, Cotton W B. Autonomous Flight Rules: A Concept for Self-separation in U.S. Domestic Airspace［R］. Technical Report: NASA/TP-2011-217174; L-20058; NF1676L-12830, NASA, 2011.
［12］谭源泉,李怡,张柯. 基于模糊集与证据理论的敌我识别新方法［J］. 电波科学学报, 2012,27(3):578-582.
［13］江桥辉,王汝凉,刘志平. 基于模糊集与改进证据理论的目标识别［J］. 广西师范学院学报:自然科学版, 2009,26(2):83-86,101.
［14］肖利平,杨嘉伟. 一种基于模糊理论与D-S证据理论的红外小目标与诱饵识别算法［J］. 红外技术, 2005,27(3):240-244.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	万兵1, 2, 3, 赵文涛4, 潘多涛1, 赵峥韬2, 3, 孙朝阳2, 3, 俞建成2, 3. 无人帆船半物理仿真测试系统设计[J]. 计算机与现代化, 2024, 0(12): 91-99.
[3]	陈宇航1, 杨勇1, 帕力旦·吐尔逊1, 樊小超1, 任鸽1, 刁宇峰2. 融合句法特征与语义特征的作文自动评分方法[J]. 计算机与现代化, 2024, 0(11): 64-69.
[4]	黄文栋, 王怡凡. 基于模态类别的多模态信息处理与融合综述[J]. 计算机与现代化, 2024, 0(07): 47-62.
[5]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[6]	陈春燕, 刘梦赤. 基于粒子群遗传算法的智能组卷策略[J]. 计算机与现代化, 2021, 0(08): 16-23.
[7]	宋鑫, 樊志强, . 基于Laguerre 前向神经网络的信息服务性能建模方法 [J]. 计算机与现代化, 2021, 0(03): 1-6.
[8]	魏健, 赵红涛, 刘敦楠, 加鹤萍 . 基于集成模型的超短时负荷预测方法[J]. 计算机与现代化, 2021, 0(03): 12-17.
[9]	徐睿, 李志华, 韩灿灿. 基于特征融合和改进卷积神经网络的环境音识别[J]. 计算机与现代化, 2021, 0(02): 62-67.
[10]	段桂芹1，邹臣嵩2，刘锋2. 基于优化初始聚类中心的K中心点算法[J]. 计算机与现代化, 2019, 0(04): 1-.
[11]	李富星，蒙祖强 . 一种改进的类别区分词特征选择算法[J]. 计算机与现代化, 2019, 0(03): 73-.
[12]	白晓波1，邵景峰1，和征1，田建刚2. 基于学习的核偏最小二乘法优化扩展卡尔曼滤波[J]. 计算机与现代化, 2018, 0(09): 110-.
[13]	邵路伊，王沁雪，郭帅. 基于属性优先关系的多用户Skyline查询处理算法#br#[J]. 计算机与现代化, 2018, 0(07): 11-.
[14]	郑亚鹏，樊璐. 基于LSTM的临床血液需求预测方法[J]. 计算机与现代化, 2018, 0(05): 41-.
[15]	刘德春1，张秀国2，姜微2. 基于马尔科夫链的大学生自主学习能力预测方法[J]. 计算机与现代化, 2018, 0(05): 106-.