装配与拆卸任务中多模态心理负荷测量的创新研究及其工业安全意义

本研究针对工业维护任务中因心理负荷(Mental Workload)超载引发人为错误的关键问题，由研究团队开展了装配/拆卸任务下的多模态心理负荷测量研究。通过结合NASA-TLX主观量表、操作错误数及心血管指标(心率/心率变异性/呼吸频率)，发现高心理负荷状态下错误数量和NASA-TLX评分显著升高，心血管时域指标呈现潜在变化趋势。该多模态测量法为工业场景中操作员认知状态诊断提供了新范式，对提升安全生产效能具有重要实践价值。

　　

心理负荷超载已成为工业维护等领域人为错误的主要诱因，这类错误不仅危及系统安全，更可能引发高昂的社会经济成本、降低设备生产率，甚至导致严重事故。为更有效设计维护流程，亟需对心理负荷进行精准评估。

本研究创新性地采用多模态测量方法，通过实验室环境下的装配与拆卸任务，系统评估了36名参与者在两种不同心理负荷状态下的表现。研究人员综合运用主观测评工具（NASA任务负荷指数量表NASA-TLX）、客观绩效指标（错误数量）以及生理参数（心率HR、心率变异性HRV、呼吸率BR）进行综合分析。

实验结果显示，在高心理负荷条件下，受试者的操作错误数量明显增多，NASA-TLX主观负荷评分也显著升高。尽管心血管数据的大部分指标未达到统计学显著性水平，但时域分析揭示了值得关注的变化趋势。这项在受控环境中验证的多模态心理负荷测量策略，为深入理解操作人员的认知行为特征开辟了新途径，其应用潜力亟待在未来真实工业维护场景中进一步验证。