排序方式: 共有3条查询结果,搜索用时 78 毫秒
1
1.
目的 研究晃动环境下人机交互设备的操作绩效和上肢肌肉活动。方法 采用两因子组内设计的人因学实验,测试了15名受试者在三种晃动条件下(静止,轻度晃动,中度晃动)使用多种交互设备完成基础人机界面交互任务的操作绩效和上肢肌肉活动,采用重复测量的方差分析处理实验数据。结果 随着晃动程度的增加,操作绩效显著降低,三角肌和上斜方肌的肌肉活动水平更高。交互设备对任务操作绩效和主观感知疲劳度有显著影响,晃动环境和交互设备有显著交互作用。结论 交互设备的使用和配置应尽可能控制设备的晃动程度。 相似文献
2.
3.
准确评估驾驶人脑力负荷状态对降低因驾驶人脑力负荷过载导致的交通事故具有重要意义.基于典型驾驶场景,结合N-back认知负荷次任务,设计不同难度的驾驶任务实验,研究驾驶人脑力负荷.实验收集驾驶人在任务完成过程中的多种模态生理信号(脑电、心电和皮电信号)及美国航空航天局任务负荷指数量表主观脑力负荷数据,提出基于多模态生理信号特征分析和模式识别的驾驶人脑力负荷分类模型,并比较不同模态生理信号及其组合在3种典型机器学习算法(随机森林、决策树和k最近邻模型)中的脑力负荷分类识别效果.研究表明,基于不同模态生理信号组合的脑力负荷分类模型具有不同的分类准确率.单一模态生理信号的分类模型中,基于皮电、心电和脑电信号的分类模型准确率依次增加;基于多模态生理信号的分类模型准确率普遍优于单一模态分类模型;基于脑电、心电及皮电3模态生理信号的随机森林分类模型具有最高的分类准确率. 相似文献
1