摘要：对于航空训练中飞行员工作负荷状态的识别，可以有效的确保航空安全。通过飞行数据来对飞行员工作负荷识别，需要对飞行数据进行提取，根据飞行数据特点，建立飞行特征集，完成对负荷状态的识别。传统方法通过建立人体工作负荷状态评估模型对工作状态进行识别，但无法得到飞行特征集，导致识别精度低。提出了基于Treelets降维的飞行员工作负荷状态智能识别方法。首先引人时域信号特征均值、方差与均方根对飞行数据进行提取，根据飞行数据特点，建立飞行特征集，利用飞行特征集组建Treelets降维算法模型；然后根据布谷鸟算法优化的高斯分类模型，评估飞行员工作负荷状态；最后将结果与NASA—TLX的飞行员工作负荷结果对比，利用比对结果完成对航空训练中飞行员工作负荷状态的智能识别。实验结果表明，所提方法能够实现对飞行员的工作状态负荷状态的有效识别，且识别精度较高。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社