هوش مصنوعی نوروارگونومیک برای تثبیت خودکار پرواز مبتنی بر وضعیت شناختی در زمان واقعی و در شرایط نیروی جی (G-force) شدید

مهدی غفاری¹ یوسفعلی قمی اویلی²

1) مهندس برق، فوق لیسانس سازه های هوایی، دانشگاه آزاد علوم و تحقیقات
2) مهندس صنایع

کد IOI مقاله : ABEB-ACZGGZ
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    پرواز با عملکرد بالا همچنان خلبانان را در معرض بارگذاری +Gz پایدار و سریع قرار می‌دهد که می‌تواند منجر به از دست دادن هوشیاری (A-LOC) و از دست دادن هوشیاری ناشی از G (G-LOC) شود، حالت‌هایی که با وجود لباس‌های ضد G، مانورهای کششی و سیستم‌های بازیابی خودکار G-LOC همچنان در حوادث مرگبار دخیل هستند. به موازات آن، ابزارهای نوروارگونومی و خطوط لوله یادگیری ماشینی برای رمزگشایی وضعیت شناختی اپراتور از سیگنال‌های الکتروانسفالوگرافی (EEG)، قلبی عروقی، الکترودرمال و اکولوموتور به سرعت تکامل یافته‌اند، در حالی که کنترل‌کننده‌های یادگیری تقویتی (RL) و کنترل‌کننده‌های ترکیبی RL-کلاسیک، شایستگی فزاینده‌ای را در تثبیت پرواز چابک و مقاوم در برابر خطا نشان داده‌اند. این مقاله این دو مسیر را در یک معماری حلقه بسته واحد ترکیب می‌کند: یک سیستم هوش مصنوعی نوروارگونومیک که به طور مداوم وضعیت شناختی-فیزیولوژیکی خلبان - حجم کار، خستگی، تونل‌زنی توجه و ریسک G-LOC/A-LOC - را تخمین می‌زند و زوج‌هایی که از طریق یک لایه داوری اختیار مشترک تطبیقی، یک کنترل‌کننده تثبیت پرواز RL محدود و فیلتر شده با ایمنی را تخمین می‌زنند. ما مسئله تخمین و کنترل را رسمی می‌کنیم، یک معماری سیستم پنج لایه را که شامل حسگری، ادغام بین مودی، تخمین حالت شناختی، داوری و کنترل است، به تفصیل شرح می‌دهیم و یک روش آموزش و تأیید سازگار با رویه صلاحیت پروازی غیرنظامی و نظامی را شرح می‌دهیم. یک مطالعه موردی شبیه‌سازی توضیحی از یک پروفایل چرخش پایدار ۸-۹ گیگاز برای توصیف رفتار کیفی لایه‌های داوری و کنترل در حالت خلبانی رو به زوال استفاده می‌شود. این مطالعه موردی به صراحت به عنوان یک تحلیل توضیحی مبتنی بر شبیه‌سازی ارائه شده است، نه یک اعتبارسنجی آزمایش پرواز. ما با بحث در مورد مسیرهای صدور گواهینامه، کالیبراسیون اعتماد و محدودیت‌های اخلاقی و عوامل انسانی که هرگونه استقرار عملیاتی خودمختاری مشروط به وضعیت خلبان باید برآورده کند، به پایان می‌رسانیم. این مقاله به عنوان یک مشارکت یکپارچه و طراحی‌محور در نظر گرفته شده است که پیشرفت‌های اخیر 2024-2025 در رمزگشایی بار کاری ذهنی مبتنی بر EEG، فیزیولوژی G-LOC، کنترل پرواز RL و تیم‌سازی خودمختاری انسان را در یک چارچوب سیستمی واحد و از نظر داخلی سازگار، بررسی می‌کند.

کلمات کلیدی : نوروارگونومی تخمین وضعیت شناختی نوار مغزی (eeg) از دست دادن هوشیاری ناشی از شتاب (g loc) اتوماسیون تطبیقی همکاری انسان و سامانه خودمختار یادگیری تقویتی کنترل پرواز اختیار مشترک رابط مغز و رایانه غیرفعال (passive bci)