手控交會對接任務(wù)認(rèn)知行為建模

陳　為，李世其，付　艷，王春慧，田　雨，田志強(qiáng)

(1. 華中科技大學(xué)機(jī)械科學(xué)與工程學(xué)院，武漢 430074;2. 中國航天員科研訓(xùn)練中心人因工程國防科技重點實驗室，北京 100094 )

?

手控交會對接任務(wù)認(rèn)知行為建模

陳為1，李世其1，付艷1，王春慧2，田雨2，田志強(qiáng)2

(1. 華中科技大學(xué)機(jī)械科學(xué)與工程學(xué)院，武漢 430074;2. 中國航天員科研訓(xùn)練中心人因工程國防科技重點實驗室，北京 100094 )

摘要:載人航天器的手控交會對接因為有航天員的參與而顯得十分復(fù)雜，須開展交會對接過程中人的認(rèn)知行為建模，以確保任務(wù)的成功率和控制的靈活性。通過對手控交會對接任務(wù)認(rèn)知行為和操作績效的分析，基于一種QN-ACTR認(rèn)知體系框架，提出了將認(rèn)知行為融入于人機(jī)交互的建模方法；建立了符合手控交會對接操作的認(rèn)知行為模型；進(jìn)行了模型進(jìn)行有效性仿真驗證；表明了此建模方法可以將人的行為績效視為人機(jī)系統(tǒng)績效的補(bǔ)充并進(jìn)行交互的整體分析。

關(guān)鍵詞:交會對接；QN-ACTR；認(rèn)知建模；行為績效

1引言

載人天地往返、航天員出艙活動和交會對接是載人航天工程的關(guān)鍵技術(shù)，是我國載人航天工程“三步走”戰(zhàn)略的組成部分[1]，其中航天器交會對接作為承上啟下的關(guān)鍵環(huán)節(jié)，更是今后建造空間站、展開更大規(guī)?？臻g探索的基礎(chǔ)。

交會對接的控制方式主要分為兩種，一種是以人監(jiān)控為主的自動控制方式，一種是以人操作為主的人工控制方式。目前在國際上，美國較多的采用后者，而俄羅斯則是更偏重于前者。兩種方式相比較而言，手控交會對接的成功率更高[2-3]。這是因為自動對接雖然是智能程序控制，響應(yīng)迅速、控制精準(zhǔn)，但是一旦出現(xiàn)意外狀況，自動系統(tǒng)就會失去作用。手動控制因為航天員完全參與到人機(jī)環(huán)中，特別是在自動控制模式出現(xiàn)意外狀況時，能靈活及時地應(yīng)變解決緊急問題，提高了系統(tǒng)的可靠性和任務(wù)成功的概率。但是在此控制方式下，航天員僅依靠顯示屏的圖像觀察目標(biāo)飛行器的位置，判斷追蹤飛行器與目標(biāo)飛行器的相對運動速度、方向和姿態(tài)，并通過平移和姿態(tài)控制手柄進(jìn)行控制，加重了自身的體力和腦力負(fù)荷。

手控交會對接中航天員面臨的信息量雜而多，反應(yīng)與決策行為集中且要求的可靠性和精確性高，其中涉及大量的認(rèn)知問題。認(rèn)知研究人類感知和思維信息處理過程，研究“在認(rèn)識過程中信息是如何傳遞的”，包括從感覺的輸入到復(fù)雜問題求解，從人類個體到人類社會的智能活動，以及人類智能和機(jī)器智能的性質(zhì)[4-5]。認(rèn)知行為模型是描述人類認(rèn)知結(jié)構(gòu)和行為過程的模型。認(rèn)知行為建模目的是利用諸如邏輯分析和計算機(jī)模擬解釋“在認(rèn)識過程中信息是如何傳遞的”，即通過建立類似于信息加工系統(tǒng)的模型進(jìn)而探索和研究人的信息處理機(jī)制?，F(xiàn)在比較典型的認(rèn)知符號建模體系有ACT-R、EPIC、MHP/GOMS和SOAR，四者的研究方向、適用范圍以及學(xué)習(xí)難易程度不盡相同，各有特點[6]。其中ACT-R認(rèn)知體系已在心理學(xué)領(lǐng)域和其領(lǐng)域均(如教育、人機(jī)交互等)得到成功應(yīng)用，且已有的大量實驗結(jié)果被證明可以直接被研究工作使用[7]。ACT-R具有較為成熟的基于組塊激活度的陳述性知識(任務(wù)和環(huán)境陳述性信息)和基于產(chǎn)生式規(guī)則的程序性知識(跟任務(wù)有關(guān)的技能性知識)系統(tǒng)，通過在感知、學(xué)習(xí)、記憶、決策等認(rèn)知過程中使用這些知識描述對信息處理過程進(jìn)行模擬仿真，其應(yīng)用領(lǐng)域已涵蓋了主要的人機(jī)交互領(lǐng)域，實例包括語言學(xué)習(xí)、航空管制、汽車駕駛[8]以及飛機(jī)駕駛[9]等。

因此，通過建立合適的認(rèn)知模型實現(xiàn)對航天員的認(rèn)知過程和負(fù)荷狀況進(jìn)行實時分析仿真和動態(tài)預(yù)測，可以對即將出現(xiàn)的認(rèn)知超負(fù)荷提前采取對策，防止超負(fù)荷的發(fā)生和減少操作錯誤的可能性，能為手控交會對接任務(wù)的操作流程設(shè)計、認(rèn)知負(fù)荷異常預(yù)警及控制方案提供定量的分析和測試手段。本文分析和討論了手動控制模式下交會對接的認(rèn)知過程，并建立相關(guān)的認(rèn)知模型模擬人的決策輸出及任務(wù)績效。

2認(rèn)知建模方法

Queueing network(QN)排隊網(wǎng)絡(luò)是一個關(guān)于離散時間排隊系統(tǒng)的數(shù)學(xué)理論，適合于模擬復(fù)雜框架或結(jié)構(gòu)的并行活動，以達(dá)到某些指標(biāo)最優(yōu)的目的。Michigan大學(xué)的Yili Liu在1996年提出了使用QN模擬人的加工信息反應(yīng)時的方法，提供了一種對認(rèn)知腦力負(fù)荷的客觀模擬的定量方法[10]。2007年，Liu、Feyen 和Tsimhoni提出的QN-MHP(Queue Network-Model Human Processor)作為一種認(rèn)知建模工具，融合了工程數(shù)學(xué)理論和符號主義理論，通過功能模擬方法實現(xiàn)認(rèn)知過程的模擬，適用于實時行為的數(shù)學(xué)建模及仿真模擬[11]。

Liu在2009年首先研究了QN和ACT-R的整合構(gòu)架在多任務(wù)績效建模理論上的價值[12]。Cao和 Liu在2011年提出了兩者結(jié)合的認(rèn)知框架，希望整合認(rèn)知符號模型(ACT-R)與數(shù)學(xué)模型(QN)系統(tǒng)[13]，結(jié)構(gòu)示意圖如圖1右圖所示。圖中左圖代表ACT-R認(rèn)知計算框架。它由一系列模塊組成，每一個模塊專門處理一種信息。首先視覺模塊在視覺區(qū)識別外部信息，通過視覺緩沖把收集信息送入中央產(chǎn)生系統(tǒng)；中央產(chǎn)生系統(tǒng)實現(xiàn)各個模塊間的調(diào)節(jié)和信息處理，且不被其他活動模塊感知，而只對存放在這些模塊的緩存信息做出反應(yīng)，將各模塊中信息調(diào)入緩沖區(qū)；陳述性知識模塊從記憶中檢索信息，查詢對應(yīng)的陳述性知識進(jìn)行匹配，未能匹配信息則不被激活；匹配的信息則通過目標(biāo)緩沖區(qū)進(jìn)入目標(biāo)模塊，跟蹤當(dāng)前的目標(biāo)和意圖，同時觸發(fā)一條或多條產(chǎn)生式，將執(zhí)行結(jié)果送入手動模塊緩沖并執(zhí)行。圖中右圖的QN-ACTR框架則通過流程網(wǎng)絡(luò)圖的方式表現(xiàn)人腦信息處理的結(jié)構(gòu)，不僅符合認(rèn)知科學(xué)中的信息加工理論，也能夠?qū)崟r顯示認(rèn)知行為的編譯過程。ACT-R中各模塊和它們的緩沖區(qū)可以被視為網(wǎng)絡(luò)圖中的服務(wù)器，服務(wù)器之間的路徑即信息流，包含信息的實體在服務(wù)器中流動，緩沖請求，產(chǎn)生式規(guī)則，以及條件結(jié)束的通知，這些因素的設(shè)置都會觸發(fā)下一個服務(wù)器的工作。

綜上所述，該框架不僅繼承了ACT-R認(rèn)知體系結(jié)構(gòu)，可以使用ACT-R認(rèn)知編程語言或已有的實驗結(jié)果，同時也整合了QN的數(shù)學(xué)建模優(yōu)勢，能夠全面地模擬人腦認(rèn)知過程；其次傳統(tǒng)認(rèn)知心理學(xué)理論大多使用定性分析的方法，而認(rèn)知模型使用的都是定量的、可計算的算式和方程，因此能夠數(shù)量化地模擬和預(yù)測人的績效，如反應(yīng)時、正確率、決策結(jié)果等等，有助于找到提高人的績效和發(fā)現(xiàn)降低腦力負(fù)荷的方法。鑒于以上的優(yōu)勢，本文通過實現(xiàn)此認(rèn)知框架作為面向手控交會對接認(rèn)知行為的建模方法。

圖1　ACT-R和QN-ACTR結(jié)構(gòu)框架Fig.1　ACT-R and QN-ACT-R cognitive architecture

3手控交會對接認(rèn)知行為描述

手控交會對接認(rèn)知描述主要有三類組成部分：一是認(rèn)知決策，手控交會對接的策略構(gòu)思過程，即思維決策。二是手控交會對接任務(wù)特點，目標(biāo)飛行器與追蹤飛行器以及空間環(huán)境下的互動，即觀測；三是完成手控交會對接任務(wù)所需的操作，即操作控制；這三類過程交替出現(xiàn)、共同作用使人的認(rèn)知過程處在一個穩(wěn)定的狀態(tài)。

1)手控交會對接認(rèn)知決策是感知(觀察)、信息加工決策與控制追蹤飛行器完成與目標(biāo)飛行器交互對接任務(wù)的過程，如圖2所示。在此任務(wù)中涉及平移偏差與姿態(tài)偏差調(diào)節(jié)控制中的基本認(rèn)知過程包括：視覺搜索過程、距離/速度知覺過程、判斷情景過程等。在實際的手控交會對接任務(wù)中，由于操作者同時要考慮多個參數(shù)的狀態(tài)變化，任務(wù)中還涉及視覺注意分配的過程，或與他人溝通交流的注意轉(zhuǎn)移過程，這都會增加人腦的認(rèn)知負(fù)荷[14]。

本文主要針對認(rèn)知行為中最重要的決策過程進(jìn)行模擬，即感知追蹤飛行器與目標(biāo)飛行器兩者的信息，并將這種信息進(jìn)行加工作為輸出控制的決策依據(jù)。感知具體為依靠視覺通過觀察顯示屏上實時輸出的目標(biāo)飛行器或?qū)訖C(jī)構(gòu)的位置及其速度，對追蹤飛行器狀態(tài)做出判斷，同時提取相關(guān)符合控制飛行器狀態(tài)的知識作出控制，當(dāng)觀察飛行器之間有新的狀態(tài)出現(xiàn)即重復(fù)以上過程作出新的決策，最終實現(xiàn)兩飛行器的成功對接。

2)手控交會對接特定的任務(wù)和環(huán)境也對人的認(rèn)知過程有直接影響。分析任務(wù)特點能在交互時更好地實現(xiàn)二個認(rèn)知系統(tǒng)的兼容性，使人的作業(yè)性質(zhì)在人機(jī)系統(tǒng)中更加明顯。手控交會對接任務(wù)的最終目標(biāo)是通過改變追蹤飛行器的位置和飛行狀態(tài)，實現(xiàn)目標(biāo)飛行器與追蹤飛行器的對接。此外，手控交會對接也包括一些其他附帶的任務(wù)，這些附帶任務(wù)可能和手控交會對接任務(wù)有關(guān)(如切換寬窄視場、和地面控制室對話等)，它們可能影響正常對接過程，這些附帶任務(wù)的認(rèn)知行為在完善模型時也需考慮。

3)手控交會對接中的操作包括人機(jī)交互部件及提取相關(guān)操作知識。人機(jī)系統(tǒng)涉及的交互設(shè)備主要包括綜合電子顯示屏、控制手柄等。在任務(wù)進(jìn)行中，主要是通過對三自由度手柄的控制來操作位置和姿態(tài)，先由自動控制或地面控制室控制到達(dá)指定的對接入口點位置，再通過人控操作姿態(tài)手柄和移動手柄控制[15]。

圖2　手控交會對接認(rèn)知決策過程Fig.2　Cognitive process of manual RVD task

4手控交會對接認(rèn)知建模

4.1模型組成

手控交會對接任務(wù)認(rèn)知建模，即對任務(wù)特性和與任務(wù)交互的過程進(jìn)行甄別和歸納，將認(rèn)知特征融合于認(rèn)知行為過程的三類主要組成部分，如圖3所示。認(rèn)知行為模型中關(guān)鍵性的目標(biāo)：觀測、決策和控制的認(rèn)知過程，分別是由圖1右圖中的感知子網(wǎng)絡(luò)、認(rèn)知子網(wǎng)絡(luò)和動作子網(wǎng)絡(luò)進(jìn)行編譯和實現(xiàn)。首先，觀測過程通過感知子網(wǎng)絡(luò)中的視覺模塊或聽覺模塊感知目標(biāo)飛行器的狀態(tài)信息，如果由視覺獲得有價值的信息，使用視覺緩沖區(qū)查詢，同時通過視覺緩沖把收集信息送入認(rèn)知子網(wǎng)絡(luò)中；由程序性模塊和產(chǎn)生式模塊分別處理信息的存儲和加工，決策過程即將經(jīng)過查詢與陳述性知識(陳述性記憶中定義任務(wù)或環(huán)境下的影響變量或變量值)匹配的信息通過目標(biāo)模塊進(jìn)入目標(biāo)緩沖的目標(biāo)內(nèi)容，觸發(fā)一條產(chǎn)生式或多條產(chǎn)生式，未能匹配信息則被丟棄，匹配則將結(jié)果送入運動緩沖；執(zhí)行過程最后通過動作子網(wǎng)絡(luò)中的操作模塊完成，并將控制的結(jié)果反饋給外部環(huán)境。包括觀察、決策和控制子目標(biāo)的整個認(rèn)知過程即外部信息的獲取、儲存、判斷由一條或多條產(chǎn)生式規(guī)則觸發(fā)產(chǎn)生決策，并將決策輸出的結(jié)果反饋給任務(wù)仿真器，驅(qū)動飛行器運動，在上述過程中完成人機(jī)系統(tǒng)下人的認(rèn)知行為過程的模擬。

圖3　手控交會對接的認(rèn)知行為模型Fig.3　Cognitive behavior model in manual RVD

在建模概念層面上，認(rèn)知建模就是將人的認(rèn)知行為在人腦區(qū)及視覺、操作功能的響應(yīng)過程映射到模型中的各個功能模塊，實現(xiàn)人的行為發(fā)生機(jī)理的仿真以完成整個認(rèn)知行為[16]，進(jìn)而解釋人腦感知和思維信息處理的過程。為了完成每個圖子目標(biāo)或過程，需要將認(rèn)知行為在人腦區(qū)加工及視覺、操作功能的響應(yīng)映射到基于網(wǎng)絡(luò)圖的各個功能模塊中以實現(xiàn)模擬人腦加工的過程。例如目標(biāo)飛行器船體出現(xiàn)在顯示屏中對應(yīng)視覺定位模塊(visual-location)，顯示屏的十字靶標(biāo)和對接機(jī)構(gòu)的背景圓盤信息對應(yīng)視覺模塊(visual module)；偏差狀態(tài)的信息在視神經(jīng)中的傳導(dǎo)以及加工過程對應(yīng)視覺緩沖(visual buffer)和陳述信息塊(declarative chunks)；記憶知識在人腦中的提取以及決策過程對應(yīng)程序性知識(procedure knowledge)和模式匹配(pattern match)；控制操作對應(yīng)操作模塊(manual module)。

認(rèn)知正是依靠知識對外部信息進(jìn)行加工和解釋，在建模中提取知識的表達(dá)是需要重點考慮的問題。在認(rèn)知行為模型中，認(rèn)知能力體現(xiàn)為一種程序性知識，是按某種規(guī)則或操作流程順利完成過程的能力，它是經(jīng)過多種條件下的訓(xùn)練和積累學(xué)習(xí)得到的。模型的產(chǎn)生式規(guī)則(程序性知識)：目前交互的感知主要依靠視覺[15]，如果在遠(yuǎn)視場觀測發(fā)現(xiàn)目標(biāo)飛行器始終在顯示屏的十字標(biāo)尺中心中間，即處于指向?qū)R目標(biāo)飛行器，則作出始終保持追蹤飛行器此時狀態(tài)的決策；如果繼續(xù)觀測目標(biāo)飛行器和追蹤飛行器兩者的相對位置和姿態(tài)，發(fā)現(xiàn)存在六個維度上的偏差信息，則判斷在某個維度上的誤差是否是最大偏差或最大偏轉(zhuǎn)，若是模型則把視覺轉(zhuǎn)移到這個維度，并在陳述知識記憶中查看當(dāng)前這個維度需要選擇的操作策略。如果在近視場觀測發(fā)現(xiàn)目標(biāo)飛行器有相對移動和姿態(tài)偏差(此時的場景為顯示屏上的十字標(biāo)尺中心與目標(biāo)飛行器突出十字和靶標(biāo)底盤中心偏離的情況)，則作出控制飛行器平移或姿態(tài)的決策，并調(diào)用知識記憶中單維度下應(yīng)對這種趨勢的操作。如果繼續(xù)觀測到單維度下目標(biāo)飛行器保持平穩(wěn)的飛行狀態(tài)(體現(xiàn)在無偏差或偏差在某個允許的誤差范圍內(nèi))，則作出觀測其他維度的決策，并重新回到判斷最大偏差的規(guī)則上直到所有維度的偏差消除。

圖4為手控交會對接的認(rèn)知行為模型產(chǎn)生式規(guī)則示意圖，由中央處理模塊(產(chǎn)生式模塊)協(xié)調(diào)各模塊之間的序列加工過程，包括頂層任務(wù)(Manual Tracking Operation)和每個子任務(wù)(Tracking-Monitor-Display; Decide-Dimension-Correction; Tracking-Control; Check-Dimension)。每個任務(wù)名稱下面表示此目標(biāo)所包含的產(chǎn)生式規(guī)則，箭頭則表示這些子任務(wù)目標(biāo)之間的主要控制流。

圖4　產(chǎn)生式規(guī)則Fig.4　Production rules in RVD

在實際控制追蹤飛行器的平移或姿態(tài)手柄時，假設(shè)在手柄控制中，需要對某一單維度的偏差量進(jìn)行連續(xù)控制量糾正，以避免同時多維度融合的偏差糾正(因為航天器的平移控制和姿態(tài)控制耦合，多維度上控制量的同時輸出會增加飛行器的不穩(wěn)定狀態(tài)；其次可以較準(zhǔn)確地描述認(rèn)知行為反映的知識調(diào)用)；模型中的陳述性知識則是與手控交會對接任務(wù)相關(guān)的知識與事實，指的是操作兩飛行器追蹤所必需的相關(guān)技能。主要包含對環(huán)境的描述，目標(biāo)飛行器識別的描述，記憶知識中在單維度下對姿態(tài)或平移偏差進(jìn)行速度控制的策略描述，如表1所示。

表1單維度下控制-偏差/速度的關(guān)系

Table 1The relationship between deviation and velocity for error correction in a single dimension

速度大偏差中偏差小偏差快(偏差呈減少趨勢)中或小無或反方向小反方向大或中中(偏差呈減少趨勢)大或中中或小反方向中或小慢(偏差呈減少趨勢)大中或小反方向小負(fù)(偏差呈增大趨勢)大大中或小

4.2模型實現(xiàn)

模型的框架由離散仿真建模工具M(jìn)icro Saint Sharp進(jìn)行構(gòu)建。Micro Saint Sharp[17]軟件是一款面向各種離散事件流程模擬的仿真軟件，具有良好的用戶界面和編程擴(kuò)展性，可以通過網(wǎng)絡(luò)流程圖快速地開發(fā)和建立相關(guān)模型的原型，很好地將流程進(jìn)行可視化仿真，并對其中的一些關(guān)鍵參數(shù)進(jìn)行設(shè)置。

模型仿真實現(xiàn)分為定性和定量兩個層面，使用軟件中的離散網(wǎng)絡(luò)圖功能和C#語言編寫邏輯關(guān)系實現(xiàn)QN-ACTR認(rèn)知框架和與手控對接任務(wù)環(huán)境相關(guān)因素的定量化結(jié)合(例如表1所體現(xiàn)的關(guān)系)。在描述認(rèn)知過程時，通過已有的知識表達(dá)編寫包含任務(wù)特性的陳述性知識，從而使這些知識對應(yīng)框架中的各個功能模塊進(jìn)而實現(xiàn)具體環(huán)境特性與決策的融合；同時使用ACT-R語言定性地編寫人認(rèn)知過程的產(chǎn)生式，實現(xiàn)對組塊的運行特性以及各組塊間關(guān)系的模擬，即實現(xiàn)網(wǎng)絡(luò)圖中的每一個網(wǎng)絡(luò)服務(wù)器以及服務(wù)器間的邏輯調(diào)用關(guān)系，并在軟件中實現(xiàn)可視化的過程。圖5表示模型模擬時認(rèn)知模塊的可視化，顯亮模塊表示在某時刻認(rèn)知模型中正在運行的模塊，由滿足當(dāng)前認(rèn)知條件下的產(chǎn)生式規(guī)則決定。

圖5　認(rèn)知模塊的可視化Fig.5　Visualization of cognitive module simulation

為滿足手控交會對接任務(wù)的陳述性知識以及產(chǎn)生式規(guī)則與實際認(rèn)知行為一致，需要進(jìn)行相關(guān)的人因?qū)W實驗確定彼此的邏輯關(guān)系。在任務(wù)部分，通過開發(fā)C#通信模塊使用UDP傳輸實現(xiàn)認(rèn)知結(jié)果與交會對接任務(wù)仿真器的實時連接，即通過實時更新的任務(wù)場景進(jìn)行上述認(rèn)知決策，同時將認(rèn)知決策輸出結(jié)果反饋給任務(wù)仿真器進(jìn)行實時模擬任務(wù)過程，最后將模型績效與人的實際操作績效進(jìn)行對比，根據(jù)對比結(jié)果進(jìn)行模型參數(shù)調(diào)整，并對模型進(jìn)行修正。流程圖如圖6所示。

圖6　認(rèn)知建模流程圖Fig.6　Flowchart of cognitive modeling

4.3模型驗證

模型仿真平臺如圖7所示，左邊的計算機(jī)運行認(rèn)知模型，右邊的計算機(jī)運行交會對接任務(wù)模擬器。通過模型模擬的績效結(jié)果和被試者的實際行為績效結(jié)果進(jìn)行比較，來驗證模型的有效性。

圖7　模型仿真圖Fig.7　Snapshot of computer simulation

選取典型的手控交會對接任務(wù)進(jìn)行驗證。選擇一組常用的交會對接任務(wù)起始位置[120,10,10,0,0,0]T作為任務(wù)的起始數(shù)據(jù)，表示兩航天器起始相對距離為120 m，相對起始位置的水平方向和垂直方向偏差均為10 m，暫不考慮起始相對角度偏差，因為姿態(tài)偏差在真實對接任務(wù)時的起始值相比平移偏差小的多且姿態(tài)偏差消除易操作，所以姿態(tài)偏差起始值暫忽略不計。同時選擇四名平均年齡為28.5(±4.0)歲，具有良好視力和心理承受能力，且至少具有學(xué)士學(xué)位的被試模擬相應(yīng)的實驗場景，每個被試都具有豐富的手控交會對接任務(wù)訓(xùn)練的背景和經(jīng)驗，曾經(jīng)或現(xiàn)在能夠獨立地完成手控交會對接任務(wù)。由于手控交會對接任務(wù)的特殊性，被試樣本針對一定范圍內(nèi)的特殊人群，故不突出性別的差異，選擇的被試均為男性。

任務(wù)模擬器由計算機(jī)、模擬軟件(場景顯示)和操作手柄組成。被試通過顯示器觀察模擬場景，依據(jù)目標(biāo)飛行器相應(yīng)的狀態(tài)變化操控手柄完成手控交會對接任務(wù)。實驗從初始視景呈現(xiàn)開始，被試控制追蹤飛行器進(jìn)行水平和垂直方向的追蹤對齊過程，姿態(tài)由自動控制系統(tǒng)完成，在距離前進(jìn)和后退方向上，追蹤飛行器以不超過0.25 m/s的速度向目標(biāo)飛行器運動，一方面保證實驗環(huán)境模擬真實條件；另一方面被試需要在相對距離不斷減小的影響下，作出在平移方向是加速、減速還是保持此速度的決策，并操作平移手柄消除對應(yīng)自由度上的偏移量，懸停并保持在偏移量約為零的位置直至實驗結(jié)束，同時獲取每位操作者行為的數(shù)據(jù)。

圖8　實驗與模型數(shù)據(jù)比較Fig.8　Comparison of the human performance and model data

本實驗中的操作者行為數(shù)據(jù)均建立在人的準(zhǔn)確操作基礎(chǔ)上，暫忽略人的誤操作行為。由于被試數(shù)據(jù)的隨機(jī)性、離散性，相同的任務(wù)每一個偏差指標(biāo)都會有所不同，因此選擇模擬真實任務(wù)中被試者平均績效曲線最穩(wěn)定的一次實驗進(jìn)行數(shù)據(jù)的對比。統(tǒng)計圖比較能夠直觀地判斷兩組數(shù)據(jù)吻合程度，如果兩組數(shù)據(jù)吻合得好，行為趨勢一致，從定量程度上說明模型是有效的。圖8表示基于追蹤飛行器的三個維度上對接過程指標(biāo)參數(shù)的變化曲線，實線表示被試的偏差操作變化曲線，虛線表示認(rèn)知模型驅(qū)動的偏差操作變化曲線。即通過水平Y(jié)方向和垂直Z方向偏移維度和X方向距離維度的運動軌跡來說明手控操作和模型操作在認(rèn)知行為上的差異，統(tǒng)計圖結(jié)果顯示人決策驅(qū)動和認(rèn)知模型驅(qū)動對接飛行器的飛行軌跡趨勢基本一致。 在統(tǒng)計對比指標(biāo)時，首先通過統(tǒng)計圖形直觀地比較被試數(shù)據(jù)與模型數(shù)據(jù)的差異，然后計算二者之間的Pearson相關(guān)系數(shù)和均方根誤差，進(jìn)一步補(bǔ)充結(jié)論。相關(guān)系數(shù)越大，說明認(rèn)知模型的績效指標(biāo)隨時間的變化趨勢與被試越相似；均方根誤差越小，說明認(rèn)知模型的績效指標(biāo)跟被試之間的偏離程度越??；相關(guān)系數(shù)越大，同時均方根越小，說明兩者的相似程度越高，認(rèn)知模型的模擬效果越好。

經(jīng)過計算認(rèn)知模型與被試對于平移方向上績效指標(biāo)的相關(guān)系數(shù)是ry=0.9921，rz=0.9964；均方根誤差結(jié)果為RMSEy=0.1506，RMSEz=0.7115。結(jié)果發(fā)現(xiàn)相關(guān)系數(shù)大，誤差小，說明被試數(shù)據(jù)與模型的在水平Y(jié)方向和垂直Z方向上的離散程度小，且相似程度高；而X方向距離維度則發(fā)現(xiàn)被試數(shù)據(jù)與模型的離散程度一般，且相似程度一般。這主要可能是前進(jìn)和平移偏差的兩類操作對彼此造成耦合影響，人在決策時往往會綜合考慮，兩類操作會交替進(jìn)行，而模型現(xiàn)在只能單獨模擬兩類操作的認(rèn)知過程，優(yōu)先進(jìn)行平移偏差的操作，缺乏綜合的動態(tài)融合決策，導(dǎo)致距離方向的調(diào)整滯后于人的真實操作。

5結(jié)論

1) 融入手控交會對接任務(wù)認(rèn)知特征的感知、決策和操作過程的認(rèn)知行為模型較符合手控交會對接任務(wù)操作者的思維決策認(rèn)知過程，說明此模型對于模擬手控交會對接中人的認(rèn)知過程的合理性和實用性。

2) 模型任務(wù)完成總時間比人操作總時間要長約35 s，主要因為人有時候在選擇維度調(diào)整決策時會同時思考二個維度，節(jié)省了決策時間；但模型暫時只能在某一時刻對單一維度的決策去模擬認(rèn)知過程。

3) 如何在認(rèn)知實驗時能更完善地獲取操作者的認(rèn)知過程，避免多維度思考(任務(wù)可靠性要求)，以及通過模型績效與真實績效的對比去修改模型中的參數(shù)，修正模型使之達(dá)到更擬人化的目的，這也是未來模型的研究重點。

參考文獻(xiàn)(References)

[1]周建平. 載人航天交會對接技術(shù)[J]. 載人航天, 2011, 17(2):1-8.

Zhou J P. Rendezvous and docking technology of manned space flight[J]. Manned Spaceflight, 2011, 17(2): 1-8.(in Chinese)

[2]Fehse W. Automated Rendezvous and Docking of Spacecraft[M]. NewYork: Cambridge University Press, 2003：1-6.

[3]楊進(jìn), 姜國華, 晁建剛. 基于靶標(biāo)圖像的航天員手控交會對接方法[J]. 宇航學(xué)報, 2010, 31(5): 1398-1404.

Yang J, Jiang G H, Chao J G. A cross drone image-based manual control rendezvous and docking method[J]. Journal of Astronautics, 2010, 31(5): 1398-1404.(in Chinese)

[4]周昊天, 傅小蘭. 認(rèn)知科學(xué)——新千年的前沿領(lǐng)域[J]. 心理科學(xué)進(jìn)展, 2005, 13(4): 388-397.

Zhou H T, FU X L. Cognitive science——the scientific frontier of new millennium[J]. Advances in Psychological Science, 2005, 13(4):388-397.(in Chinese)

[5]王新鵬. 認(rèn)知模型的研究和應(yīng)用[D]. 蘭州: 蘭州理工大學(xué), 2007.

Wang X P. The Research and Application on Cognitive Model[D]. Lanzhou: Lanzhou University of Technology, 2007.(in Chinese)

[6]Jones R M. An introduction to cognitive architectures for modeling and simulation[C]//Proceedings of the Interservice/Industry Training, Simulation and Education Conference. I/ITSEC, Orlando, FL. 2004.

[7]Anderson J R, Bothell D, Byrne M D, et al. An integrated theory of the mind[J]. Psychological Review, 2004, 111 (4): 1036-1060.

[8]Salvucci D D. Modeling driver behavior in a cognitive architecture[J]. Human Factors, 2006, 48(2): 362-380.

[9]Zemla J C, Ustun V, Byrne M D, et al. An ACT-R model of commercial jetliner taxiing[C]//Proceedings of the Human Factors and Ergonomics Society Annual Meeting. Sage Publications, 2011, 55(1): 831-835.

[10]Liu Y. Queueing network modeling of elementary mental processes[J]. Psychological Review, 1996, 103(1): 116-136..

[11]Liu Y, Feyen R, Tsimhoni O. Queueing Network-Model Human Processor (QN-MHP): A computational architecture for multitask performance in human-machine systems[J]. ACM Transactions on Computer-Human Interaction (TOCHI), 2006, 13(1): 37-70.

[12]Liu Y. QN-ACES: Integrating queueing network and ACT-R, CAPS, EPIC, and Soar architectures for multitask cognitive modeling[J]. International Journal of Human-Computer Interaction, 2009, 25(6): 554-581.

[13]Cao S, Liu Y. Integrating queueing network and ACT-R cognitive architectures[C]//Proceedings of the Human Factors and Ergonomics Society Annual Meeting. SAGE Publications, 2011, 55(1): 836-840.

[14]王萌, 張宜靜, 杜曉平,等. 手控交會對接中操作者的情境意識和腦力負(fù)荷研究[J]. 載人航天, 2014, 20(4):378-385.

Wang M, Zhang J Y, Du X P, et al. Investigation on operator’s situation awareness and mental workload during manually controlled rendezvous and docking[J]. Manned Spaceflight, 2014, 20(4):378-385.(in Chinese)

[15]王春慧, 蔣婷. 手控交會對接任務(wù)中顯示-控制系統(tǒng)的工效學(xué)研究[J]. 載人航天, 2011, 17(2): 50-54.

Wang C H, Jiang T. Study on ergonomic design of display-control system in manual-control rendezvous and docking[J]. Manned Spaceflight, 2011, 17(2):50-54.(in Chinese)

[16]陳為, 李世其, 付艷, 等. 精細(xì)追蹤類監(jiān)控作業(yè)行為認(rèn)知建模研究[J]. 工業(yè)工程, 2013, 16(6): 1-7.

Chen W, Li S Q, Fu Y, et al. A research on cognitive modeling for precise tracking and monitoring task behavior[J]. Industrial Engineering Journal, 2013, 16(6): 1-7.(in Chinese)

[17]Bloechle W K, Schunk D. Micro saint sharp simulation software: micro saint sharp simulation software[C]//Proceedings of the 35th conference on Winter simulation: driving innovation. Winter Simulation Conference, 2003: 182-187.

Modeling of Cognitive Behavior in Manual Rendezvous and Docking

CHEN Wei1, LI Shiqi1, FU Yan1, WANG Chunhui2, TIAN Yu2, TIAN Zhiqiang2

(1. School of Mechanical Science and Engineering，Huazhong University of Science and Technology, Wuhan 430074, China;2. National Key Laboratory of Human Factors Engineering, China Astronaut Research and Training Center, Beijing 100094, China)

Abstract:Manual Rendezvous and docking (RVD) of manned spacecraft is very complex due to the involvement of astronauts. To ensure the mission success and the control flexibility, the modeling of the human cognition and behavior in RVD is necessary. According to the analysis of the cognition behavior and performance in manual RVD, a computational modeling method that could integrate cognitive behavior into the man-machine interaction system was proposed based on the QN-ACTR cognitive architecture. Then the effectiveness of the model was verified by simulation. It is demonstrated that this modeling method can be used to carry out the integrated analysis of the interaction performance with the human performance as the supplement to the man-machine system performance.

Key words:rendezvous and docking; QN-ACTR; cognitive modelling; human performance

收稿日期：2015-06-15；修回日期：2016-02-25

基金項目：國家重點基礎(chǔ)研究發(fā)展計劃資助(2011CB711000)

作者簡介：陳為(1983-)，男，博士研究生，研究方向為人因工程、認(rèn)知工效學(xué)。E-mail：Mileschan@hust.edu.cn

中圖分類號：V526；V527

文獻(xiàn)標(biāo)識碼：A

文章編號：1674-5825(2016)03-0386-08