手控交會對接任務認知行為建模

陳　為，李世其，付　艷，王春慧，田　雨，田志強

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

?

手控交會對接任務認知行為建模

陳為1，李世其1，付艷1，王春慧2，田雨2，田志強2

(1. 華中科技大學機械科學與工程學院，武漢 430074;2. 中國航天員科研訓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雜，須開展交會對接過程中人的認知行為建模，以確保任務的成功率和控制的靈活性。通過對手控交會對接任務認知行為和操作績效的分析，基于一種QN-ACTR認知體系框架，提出了將認知行為融入于人機交互的建模方法；建立了符合手控交會對接操作的認知行為模型；進行了模型進行有效性仿真驗證；表明了此建模方法可以將人的行為績效視為人機系統(tǒng)績效的補充并進行交互的整體分析。

關鍵詞:交會對接；QN-ACTR；認知建模；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鍵技術，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鍵環(huán)節(jié)，更是今后建造空間站、展開更大規(guī)模空間探索的基礎。

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，響應迅速、控制精準，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，能靈活及時地應變解決緊急問題，提高了系統(tǒng)的可靠性和任務成功的概率。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飛行器的位置，判斷追蹤飛行器與目標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)控制手柄進行控制，加重了自身的體力和腦力負荷。

手控交會對接中航天員面臨的信息量雜而多，反應與決策行為集中且要求的可靠性和精確性高，其中涉及大量的認知問題。認知研究人類感知和思維信息處理過程，研究“在認識過程中信息是如何傳遞的”，包括從感覺的輸入到復雜問題求解，從人類個體到人類社會的智能活動，以及人類智能和機器智能的性質(zhì)[4-5]。認知行為模型是描述人類認知結構和行為過程的模型。認知行為建模目的是利用諸如邏輯分析和計算機模擬解釋“在認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)的模型進而探索和研究人的信息處理機制。現(xiàn)在比較典型的認知符號建模體系有ACT-R、EPIC、MHP/GOMS和SOAR，四者的研究方向、適用范圍以及學習難易程度不盡相同，各有特點[6]。其中ACT-R認知體系已在心理學領域和其領域均(如教育、人機交互等)得到成功應用，且已有的大量實驗結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(跟任務有關的技能性知識)系統(tǒng)，通過在感知、學習、記憶、決策等認知過程中使用這些知識描述對信息處理過程進行模擬仿真，其應用領域已涵蓋了主要的人機交互領域，實例包括語言學習、航空管制、汽車駕駛[8]以及飛機駕駛[9]等。

因此，通過建立合適的認知模型實現(xiàn)對航天員的認知過程和負荷狀況進行實時分析仿真和動態(tài)預測，可以對即將出現(xiàn)的認知超負荷提前采取對策，防止超負荷的發(fā)生和減少操作錯誤的可能性，能為手控交會對接任務的操作流程設計、認知負荷異常預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知過程，并建立相關的認知模型模擬人的決策輸出及任務績效。

2認知建模方法

Queueing network(QN)排隊網(wǎng)絡是一個關于離散時間排隊系統(tǒng)的數(shù)學理論，適合于模擬復雜框架或結構的并行活動，以達到某些指標最優(yōu)的目的。Michigan大學的Yili Liu在1996年提出了使用QN模擬人的加工信息反應時的方法，提供了一種對認知腦力負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)作為一種認知建模工具，融合了工程數(shù)學理論和符號主義理論，通過功能模擬方法實現(xiàn)認知過程的模擬，適用于實時行為的數(shù)學建模及仿真模擬[11]。

Liu在2009年首先研究了QN和ACT-R的整合構架在多任務績效建模理論上的價值[12]。Cao和 Liu在2011年提出了兩者結合的認知框架，希望整合認知符號模型(ACT-R)與數(shù)學模型(QN)系統(tǒng)[13]，結構示意圖如圖1右圖所示。圖中左圖代表ACT-R認知計算框架。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，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，查詢對應的陳述性知識進行匹配，未能匹配信息則不被激活；匹配的信息則通過目標緩沖區(qū)進入目標模塊，跟蹤當前的目標和意圖，同時觸發(fā)一條或多條產(chǎn)生式，將執(zhí)行結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)絡圖的方式表現(xiàn)人腦信息處理的結構，不僅符合認知科學中的信息加工理論，也能夠?qū)崟r顯示認知行為的編譯過程。ACT-R中各模塊和它們的緩沖區(qū)可以被視為網(wǎng)絡圖中的服務器，服務器之間的路徑即信息流，包含信息的實體在服務器中流動，緩沖請求，產(chǎn)生式規(guī)則，以及條件結束的通知，這些因素的設置都會觸發(fā)下一個服務器的工作。

綜上所述，該框架不僅繼承了ACT-R認知體系結構，可以使用ACT-R認知編程語言或已有的實驗結果，同時也整合了QN的數(shù)學建模優(yōu)勢，能夠全面地模擬人腦認知過程；其次傳統(tǒng)認知心理學理論大多使用定性分析的方法，而認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)量化地模擬和預測人的績效，如反應時、正確率、決策結果等等，有助于找到提高人的績效和發(fā)現(xiàn)降低腦力負荷的方法。鑒于以上的優(yōu)勢，本文通過實現(xiàn)此認知框架作為面向手控交會對接認知行為的建模方法。

圖1　ACT-R和QN-ACTR結構框架Fig.1　ACT-R and QN-ACT-R cognitive architecture

3手控交會對接認知行為描述

手控交會對接認知描述主要有三類組成部分：一是認知決策，手控交會對接的策略構思過程，即思維決策。二是手控交會對接任務特點，目標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)、共同作用使人的認知過程處在一個穩(wěn)定的狀態(tài)。

1)手控交會對接認知決策是感知(觀察)、信息加工決策與控制追蹤飛行器完成與目標飛行器交互對接任務的過程，如圖2所示。在此任務中涉及平移偏差與姿態(tài)偏差調(diào)節(jié)控制中的基本認知過程包括：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中，由于操作者同時要考慮多個參數(shù)的狀態(tài)變化，任務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移過程，這都會增加人腦的認知負荷[14]。

本文主要針對認知行為中最重要的決策過程進行模擬，即感知追蹤飛行器與目標飛行器兩者的信息，并將這種信息進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飛行器或?qū)訖C構的位置及其速度，對追蹤飛行器狀態(tài)做出判斷，同時提取相關符合控制飛行器狀態(tài)的知識作出控制，當觀察飛行器之間有新的狀態(tài)出現(xiàn)即重復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和環(huán)境也對人的認知過程有直接影響。分析任務特點能在交互時更好地實現(xiàn)二個認知系統(tǒng)的兼容性，使人的作業(yè)性質(zhì)在人機系統(tǒng)中更加明顯。手控交會對接任務的最終目標是通過改變追蹤飛行器的位置和飛行狀態(tài)，實現(xiàn)目標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，這些附帶任務可能和手控交會對接任務有關(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，這些附帶任務的認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交互部件及提取相關操作知識。人機系統(tǒng)涉及的交互設備主要包括綜合電子顯示屏、控制手柄等。在任務進行中，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　手控交會對接認知決策過程Fig.2　Cognitive process of manual RVD task

4手控交會對接認知建模

4.1模型組成

手控交會對接任務認知建模，即對任務特性和與任務交互的過程進行甄別和歸納，將認知特征融合于認知行為過程的三類主要組成部分，如圖3所示。認知行為模型中關鍵性的目標：觀測、決策和控制的認知過程，分別是由圖1右圖中的感知子網(wǎng)絡、認知子網(wǎng)絡和動作子網(wǎng)絡進行編譯和實現(xiàn)。首先，觀測過程通過感知子網(wǎng)絡中的視覺模塊或聽覺模塊感知目標飛行器的狀態(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知子網(wǎng)絡中；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或環(huán)境下的影響變量或變量值)匹配的信息通過目標模塊進入目標緩沖的目標內(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，匹配則將結果送入運動緩沖；執(zhí)行過程最后通過動作子網(wǎng)絡中的操作模塊完成，并將控制的結果反饋給外部環(huán)境。包括觀察、決策和控制子目標的整個認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，并將決策輸出的結果反饋給任務仿真器，驅(qū)動飛行器運動，在上述過程中完成人機系統(tǒng)下人的認知行為過程的模擬。

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

在建模概念層面上，認知建模就是將人的認知行為在人腦區(qū)及視覺、操作功能的響應過程映射到模型中的各個功能模塊，實現(xiàn)人的行為發(fā)生機理的仿真以完成整個認知行為[16]，進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或過程，需要將認知行為在人腦區(qū)加工及視覺、操作功能的響應映射到基于網(wǎng)絡圖的各個功能模塊中以實現(xiàn)模擬人腦加工的過程。例如目標飛行器船體出現(xiàn)在顯示屏中對應視覺定位模塊(visual-location)，顯示屏的十字靶標和對接機構的背景圓盤信息對應視覺模塊(visual module)；偏差狀態(tài)的信息在視神經(jīng)中的傳導以及加工過程對應視覺緩沖(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程序性知識(procedure knowledge)和模式匹配(pattern match)；控制操作對應操作模塊(manual module)。

認知正是依靠知識對外部信息進行加工和解釋，在建模中提取知識的表達是需要重點考慮的問題。在認知行為模型中，認知能力體現(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)過多種條件下的訓練和積累學習得到的。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]，如果在遠視場觀測發(fā)現(xiàn)目標飛行器始終在顯示屏的十字標尺中心中間，即處于指向?qū)R目標飛行器，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，若是模型則把視覺轉移到這個維度，并在陳述知識記憶中查看當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尺中心與目標飛行器突出十字和靶標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對這種趨勢的操作。如果繼續(xù)觀測到單維度下目標飛行器保持平穩(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(Manual Tracking Operation)和每個子任務(Tracking-Monitor-Display; Decide-Dimension-Correction; Tracking-Control; Check-Dimension)。每個任務名稱下面表示此目標所包含的產(chǎn)生式規(guī)則，箭頭則表示這些子任務目標之間的主要控制流。

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，假設在手柄控制中，需要對某一單維度的偏差量進行連續(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)；其次可以較準確地描述認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相關的知識與事實，指的是操作兩飛行器追蹤所必需的相關技能。主要包含對環(huán)境的描述，目標飛行器識別的描述，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(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Micro Saint Sharp進行構建。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展性，可以通過網(wǎng)絡流程圖快速地開發(fā)和建立相關模型的原型，很好地將流程進行可視化仿真，并對其中的一些關鍵參數(shù)進行設置。

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)絡圖功能和C#語言編寫邏輯關系實現(xiàn)QN-ACTR認知框架和與手控對接任務環(huán)境相關因素的定量化結合(例如表1所體現(xiàn)的關系)。在描述認知過程時，通過已有的知識表達編寫包含任務特性的陳述性知識，從而使這些知識對應框架中的各個功能模塊進而實現(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系的模擬，即實現(xiàn)網(wǎng)絡圖中的每一個網(wǎng)絡服務器以及服務器間的邏輯調(diào)用關系，并在軟件中實現(xiàn)可視化的過程。圖5表示模型模擬時認知模塊的可視化，顯亮模塊表示在某時刻認知模型中正在運行的模塊，由滿足當前認知條件下的產(chǎn)生式規(guī)則決定。

圖5　認知模塊的可視化Fig.5　Visualization of cognitive module simulation

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

圖6　認知建模流程圖Fig.6　Flowchart of cognitive modeling

4.3模型驗證

模型仿真平臺如圖7所示，左邊的計算機運行認知模型，右邊的計算機運行交會對接任務模擬器。通過模型模擬的績效結果和被試者的實際行為績效結果進行比較，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進行驗證。選擇一組常用的交會對接任務起始位置[120,10,10,0,0,0]T作為任務的起始數(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，且至少具有學士學位的被試模擬相應的實驗場景，每個被試都具有豐富的手控交會對接任務訓練的背景和經(jīng)驗，曾經(jīng)或現(xiàn)在能夠獨立地完成手控交會對接任務。由于手控交會對接任務的特殊性，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。

任務模擬器由計算機、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)目標飛行器相應的狀態(tài)變化操控手柄完成手控交會對接任務。實驗從初始視景呈現(xiàn)開始，被試控制追蹤飛行器進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)均建立在人的準確操作基礎上，暫忽略人的誤操作行為。由于被試數(shù)據(jù)的隨機性、離散性，相同的任務每一個偏差指標都會有所不同，因此選擇模擬真實任務中被試者平均績效曲線最穩(wěn)定的一次實驗進行數(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，虛線表示認知模型驅(qū)動的偏差操作變化曲線。即通過水平Y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知行為上的差異，統(tǒng)計圖結果顯示人決策驅(qū)動和認知模型驅(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相關系數(shù)和均方根誤差，進一步補充結論。相關系數(shù)越大，說明認知模型的績效指標隨時間的變化趨勢與被試越相似；均方根誤差越小，說明認知模型的績效指標跟被試之間的偏離程度越小；相關系數(shù)越大，同時均方根越小，說明兩者的相似程度越高，認知模型的模擬效果越好。

經(jīng)過計算認知模型與被試對于平移方向上績效指標的相關系數(shù)是ry=0.9921，rz=0.9964；均方根誤差結果為RMSEy=0.1506，RMSEz=0.7115。結果發(fā)現(xiàn)相關系數(shù)大，誤差小，說明被試數(shù)據(jù)與模型的在水平Y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，兩類操作會交替進行，而模型現(xiàn)在只能單獨模擬兩類操作的認知過程，優(yōu)先進行平移偏差的操作，缺乏綜合的動態(tài)融合決策，導致距離方向的調(diào)整滯后于人的真實操作。

5結論

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

2) 模型任務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知過程。

3) 如何在認知實驗時能更完善地獲取操作者的認知過程，避免多維度思考(任務可靠性要求)，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)，修正模型使之達到更擬人化的目的，這也是未來模型的研究重點。

參考文獻(References)

[1]周建平. 載人航天交會對接技術[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, 姜國華, 晁建剛. 基于靶標圖像的航天員手控交會對接方法[J]. 宇航學報, 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. 認知科學——新千年的前沿領域[J]. 心理科學進展, 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. 認知模型的研究和應用[D]. 蘭州: 蘭州理工大學, 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. 手控交會對接任務中顯示-控制系統(tǒng)的工效學研究[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. 精細追蹤類監(jiān)控作業(yè)行為認知建模研究[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、認知工效學。E-mail：Mileschan@hust.edu.cn

中圖分類號：V526；V527

文獻標識碼：A

文章編號：1674-5825(2016)03-0386-08