ACTR-QN手控交会对接仿真研究范文

本站小编为你精心准备了ACTR-QN手控交会对接仿真研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《航天医学与医学工程杂志》2014年第三期

1actr-qn认知体系结构

ACTR-QN认知体系结构是由ACT-R和QN两个认知体系结构结合而成，它综合了两个体系结构的优势，可实现对复杂认知行为的建模和脑力负荷评价。

1．1ACT-R认知体系结构ACT-R是近数十年来人类认知研究领域有显著影响的认知体系结构，它把人的认知过程表现为一个产生式规则系统［3-4］，设定有2类知识表征:陈述性知识(由知识组块构成)和程序性知识(由产生式规则构成)。一个知识组块的回忆时间和回忆错误率取决于它的激活度，激活度由该组块的使用历史和它与其他组块的联系程度共同决定。每个产生式是一个条件动作对，以条件-动作(-THEN)匹配表现过程知识，只有当认知体系结构中各模块的当前状态满足一个产生式的条件时，这个产生式的动作才能被执行。ACT-R结构中的模块包括目标模块、陈述性知识记忆模块、程序性知识记忆模块(中央处理模块)、问题表征模块、感知觉模块(视觉、听觉)和动作模块。它们分别执行相应的认知功能，在神经生物学意义上，这些模块具有其相对应的脑功能区域。ACT-R通过执行产生式来协调各模块的信息加工过程，直至达到问题的目标状态。

1．2QN认知体系结构基于排队理论的数学基础，QN认知体系结构把人的大脑表现为一个排队网络［5-6］，网络中的节点定义为服务器，处理特定的信息数据对象，对应人脑的相应功能区域，那么网络中连接服务器的路径就类似于人脑各功能区间的神经通路，数据对象通过这些通路传递到服务器中进行处理。如果服务器是空闲的，数据对象得到立即处理，否则需要排队等待。QN网络又分成感知、认知和动作3个子网络，其中的感知子网包括视觉、听觉等服务器，处理周围环境的感知数据。认知子网包括视觉空间画板、工作记忆、目标选择等服务器，完成感知信息加工和推理决策过程，动作子网包括感觉运动集成、动作程序获取、反馈信息收集、动作激励等服务器，并实现动作触发。

1．3集成ACT-R与QN认知体系结构的AC-TR-QNACT-R和QN是两个互补的认知体系结构，ACT-R可以建模复杂的认知活动过程，而QN则凭借排队理论的数学基础，可以实现模拟大脑结构和时序活动机制的仿真模型。集成这两个认知体系结构的优势，ACTR-QN把ACT-R模块转化为用QN形式来表达［8-9］，在QN模型中，信息是在服务器中存储和处理;在ACT-R中，由模块处理信息，缓冲存储数据。因此，在ACTR-QN中，ACT-R中的模块和缓冲转化为QN网络中的服务器，知识块、产生式规则、缓冲请求等信息数据则在这些服务器之间流动并得到处理。ACTR-QN认知体系结构由感知、认知和动作3个子网络组成，如图1所示。感知子网络包括视觉和听觉模块;认知子网络包括产生式模块、说明性知识模块、目标模块和各类缓冲器，产生式模块与缓冲器进行信息交互，实现模块间行为的调节和信息的处理;动作子网络包括手动模块和语言输出模块。ACTR-QN认知建模就是将人的认知行为过程映射到ACTR-QN认知结构体系的各个模块，实现人脑的认知行为过程仿真，具体化的认知行为过程在ACTR-QN系统中循环执行，模拟完成整个认知行为。ACTR-QN模型的引入为认知过程仿真的可视化和定量地评价人的认知负荷以及仿真多任务认知过程创造了条件。

1．4认知负荷的评价认知负荷是一个多维的概念，它涉及到工作要求，时间压力，操作者的能力和努力程度，行为表现和其它许多因素。当任务信息加工需求超出了人的信息处理速度或容量时，就可认为出现了认知负荷过载的情形，在这种情形下，人出现失误的概率将大大增加。当认知负荷过于不足时，也会出现人丧失警觉性，而错过关键的任务节点。通过认知负荷评价，提出适合人的能力水平的认知负荷指标，指导人机交互设计和任务规划，对于任务顺利完成具有重要意义。认知负荷评测主要包括主观评测法，生理评测法和绩效评测法，一般是通过人在回路的模拟实验的方法，需要建立仿真环境和实验主体的参与，消耗人力物力，甚至不能模拟出实际环境。近年来，采用数学建模等计算方法建立人在回路外的仿真预测成为研究的热点。数学建模的仿真结果通过和真实环境或仿真环境的试验结果进行比较，提高模型的可靠性和准确性，可以用于对未来任务的仿真预测，将会大大提高工作效率，节省经费开支。NASA-TLX量表是常用的认知负荷主观评价方法［10］，该方法是由NASA开发的一个多维脑力负荷评价量表，量表中涉及到六个负荷维度:脑力需求、体力需求、时间压力、绩效表现、努力程度和挫折程度，被测试人员根据任务中的主观感受，给出6个维度的评分，总的脑力负荷即为6个维度评分的加权平均值。在负荷预测中，针对认知负荷预测模型的计算数据，对照NASA-TLX主观评价获得的负荷指标，验证负荷预测模型的有效性。在ACTR-QN模型中，脑力负荷被定义为服务器的平均使用率，与人脑神经生理学相对应，大脑的某个区域使用的多，就会消耗更多的氨基酸而造成疲劳。针对NASA-TLX量表的6个负荷评价维度，脑力需求负荷是感知子网中视觉和听觉感知以及认知子网所有服务器的平均使用率统计值;体力需求负荷是动作子网所有服务器的平均使用率统计值;时间压力、绩效表现、努力程度和挫折程度等负荷表现的是整个系统的负荷评价，因此是所有认知子网的平均使用率统计值［6］。

2手控交会对接任务航天员认知仿真建模

2．1手控交会对接任务的航天员认知行为分析与驾驶认知行为类似［4］，手控交会对接认知描述主要有3个组成部分:交会对接过程中具体化的任务认知、对接中执行的任务以及完成对接任务航天员所使用的操作部件。

2．1．1操作任务手控交会对接中，航天员的主要任务可以分为3类:一是对飞船与对接目标相对状态的感知，即监测;二是形成态势了解和操作策略的思维过程，即决策;三是操作飞船完成对接过程，即控制。这3个任务交替出现、共同作用使对接过程处在安全、稳定的状态。

2．1．2操作部件手控交会对接中，航天员的主要交互操作部件是两个操作手柄。平移控制手柄:平移控制手柄是航天员控制飞船平移的工具，具备独立的3个自由度输出，可以单独或同时控制垂直和横向两轴运动，前后方向的运动单独控制。三轴输出用于控制飞船质心的前后、垂直和横向运动。姿态控制手柄:姿态控制手柄是航天员控制飞船姿态的工具，具备独立的3个自由度输出，在一定的外力作用下可单独或同时绕2个或3个正交轴转动，并分别输出相应于所绕各个轴转角的电压。三轴输出用于控制飞船的俯仰、滚动和偏航姿态。

2．1．3具体化感知交会对接认知有许多高层的决策过程，也有低层的控制以及状态感知。认知与航天器之间的交互行为就是具体化的感知过程和运动过程，这些过程为控制航天器提供外部输入并且把内部信息输出到外部。同时，任务的执行是并行的，而这种并行不可避免地降低实际操作能力或存在操作瓶颈。认知建模的目标是对认知任务严格意义上的描述，使模型能够处理尽可能多的相关任务，同时融入实时控制及航天器动力学，通过实时感知与运动过程交互的认知过程执行交会对接任务。严格意义建模无论对于航天员行为的理解还是模型理论本身在实际系统设计中的实践应用都是非常重要的。

2．2手控交会对接任务航天员认知行为建模手控对接任务中，目标飞行器位置姿态通过电视摄像机屏幕由航天员的视觉系统反馈到大脑中，形成实际情况的点对点映射，即心理图式。这种心理图式存储在工作记忆中。同时，存储在航天员长期记忆中的知识和处理问题的固定思维模式也被调动出来。最后，将由通讯信道获得的有关飞行器状况的信息与工作记忆和长期记忆中的信息结合起来，通过大脑中央处理控制系统综合处理，分配注意力资源，关注实际情况，并且不断地进行评估和监控，从而不断更新心理图式，保持情景意识，达到对过程的掌握与控制。手控交会对接过程是一个典型的人在回路的闭环控制系统，任务中，航天员需要观察跟踪目标的位置、姿态、速度和加速度等信息，进行判断决策，通过控制机构实现精细控制，完成控制任务。在这一过程中，还需要同时考虑燃料、能源的消耗和时间的限制，必须在一定的时间内完成控制任务。对接过程中，航天员认知活动的主要任务包括监测、决策和控制这3种主要任务形式。在基于ACTR-QN的认知仿真模型中，以图2所示ACT-R模型实现的较精细的手控交会对接任务认知活动仿真模块和缓冲被转换为ACTR-QN模型中的网络服务器，三种认知任务在认知网络中顺序执行，并形成紧密相连的小认知和有关操作的循环，整个模型由交会对接任务相关的陈述性知识和程序性知识，以及对接任务操作和任务目标的ACT-R产生系统的实现等部分组成。如图2所示，整个对接任务的完成是在不断图2ACT-R认知行为模型图Fig2TaskbehaviormodelsinACT-Rcognitivearchi-tecture地进行监测、决策和控制的小任务循环的过程中完成的。监测:监测任务是通过感知子网的视觉模块连续感知外部信息，在对接任务中，包括电视图像信息和仪表信息，通过视觉缓冲把收集信息送入产生系统。决策:决策任务则通过监测收集数据查询得到的匹配以及通过目标模块进入目标缓冲的目标内容，触发一条或多条产生规则，将执行结果送入运动缓冲，通过操作模块执行完成决策下达的任务。以平移控制为例，采取时间-位移控制策略，根据时间预估，决定是否操作控制手柄。首先选择操作轴，优先选择前进轴向的操作，然后，根据水平和垂直轴向的偏差判断，选择优先控制轴以及操作方向，或者无操作。控制:一项控制任务由一条产生规则触发，执行结果送入运动缓冲，通过操作实现控制任务，也即将操作模块输出的控制信息传递到平移控制手柄的操作。

3手控交会对接认知仿真系统设计

本文针对人控交会对接任务进行了认知仿真系统建模，设计了仿真软件，实现了认知过程可视化和认知脑力负荷的预测。在人控交会对接任务中，航天员通过图形数字和靶标图像等测量信息判断追踪与目标飞行器的相对位置、姿态等运动情况，并通过控制追踪飞行器完成与目标飞行器的对接。目标飞行器靶标图像是航天员进行手控交会对接最主要的观察信息，即通过电视摄像机将目标飞行器对接口下方的十字形靶标的图案显示在屏幕上，航天员据此信息确定追踪飞行器与目标飞行器的相对位置、姿态和速率，通过操纵手柄对追踪飞行器进行姿态控制和平移控制，直至对接成功。根据前文对ACTR-QN体系的描述，建立了手控交会对接认知行为模型，在模型中，手控交会对接任务通过不断完成基本任务而得以实现，这些基本任务包括监测、决策和控制。监测任务是通过视觉模块连续感知外部信息，通过视觉缓冲把收集信息送入产生式模块;在产生式模块中，经过查询与过程性知识匹配的信息触发一条产生式;决策任务则通过观测到的信息，查询得到匹配并通过比较目标模块的目标内容，触发一条或多条产生式，将执行结果送入动作缓冲，通过动作模块执行完成决策下达的任务。三类任务在QN-ACTR认知中央加工处理器中按顺序执行，形成认知与行为过程的反复循环。

3．1认知仿真软件仿真软件采用Cao等［8-9］提出的ACTR-QN认知体系结构建立了手控交会对接认知模型。应用离散事件仿真引擎(microsaintsharp，MSS)构建了ACTR-QN认知网络图。MSS是一个基于网络的仿真平台，提供对QN建模的自然支持。在构建中，ACT-R的模块和缓冲被设计为服务器(对应MSS中的网络任务节点)，知识块和产生式规则设计为数据对象，ACT-R的函数被移植为MSS的函数，可以被相关的服务器调用，全局变量保持与ACT-R中一致的缺省值。ACTR-QN中设计了解析函数可以直接读取ACT-R模型文件中定义的知识块、产生式规则和参数码，这样，ACTR-QN中用到的任务知识保持和ACT-R中的一致，可以直接使用。外部任务环境模型通过交会对接模拟器的仿真数据获得，模拟器仿真运行交会对接过程，包括飞船和目标飞行器的运动模型［11］，并可以接收外部的虚拟操作信息而改变飞行状态。模拟器仿真系统实时输出运行环境参数数据，通过网络数据通讯插件，保持手控交会对接认知仿真模型与交会对接模拟器的数据通讯，实现人在回路外的仿真过程。认知软件实现手控交会对接认知仿真的界面如图3所示。图3认知仿真软件界面Fig．3Softwareinterfaceofcognitivesimulation

3．2脑力负荷预测在ACTR-QN认知仿真软件运行时，通过对认知仿真过程中各服务器资源时间占有率的计算，实现对感知、认知和动作各个子网的负荷评测。另外，通过任务完成时间、燃料消耗、操作过程中的误差累计等指标实现任务绩效预测，通过对比负荷与绩效指标，实现操作人员的个性化评价。

3．3认知过程可视化仿真太空操作认知过程中，通过观察各认知模块的运行状态，实现认知过程的可视化。AC-TR-QN在网络中每个服务器模块边设计了模块细节窗口，例如，视觉服务器边设置视觉细节窗口，打开可以看到视觉模块和缓冲的细节信息，包括系统运行时的实时视觉信息和知识块。认知过程可视化还支持当信息处理进程运行到某个服务器模块时，该模块表现为变色、闪烁的显示模式，指示认知过程的进展情况。另外，系统集成了三维图形化显示界面，构建并加载虚拟航天员和虚拟工作场景模型，实现航天员手控交会对接作业过程的三维图形可视化表现，其中航天员操作动作与ACT-QN中动作模块的输出同步，更加形象地表现人的认知仿真过程。脑力负荷可视化通过系统实时统计网络中各个服务器的利用率，以曲线图模式实时显示感知、认知和动作三个子网的负荷。另外，仿真系统以柱状图、折线图、表格及动画等多种形式实现了绩效分析结果的可视化。

4结论

认知过程仿真研究、脑力负荷与绩效分析评价是开展未来空间任务航天员作业能力研究的重要工具。建立认知体系模型可以实现人在回路外的仿真，对航天员完成特定空间操作任务的认知负荷与绩效进行预测及可视化显示，为进一步分析航天员在太空失重环境下认知能力的变化奠定技术基础。ACTR-QN认知体系结构可以模拟复杂任务的认知过程，实现认知仿真的可视化和脑力负荷的定量评价，对于人的认知过程研究，具有重要的应用意义。后续研究中，认知仿真模型的建模精度还需要进一步细化，脑力负荷评价的准确性需要与其它评价方法的数值进行比较，提高预测结果的可信度。长期在轨、微重力环境以及生物节律等影响因素也需要在未来的模型细化中综合考虑。

作者：朱秀庆陈善广刘玉庆周伯河单位：中国航天员科研训练中心人因工程重点实验室