航空人为因素是提高飞行安全的重要研究内容。飞行员工作负荷研究是航空人为因素重要研究方向之一,可以帮助改善驾驶舱人机界面设计,从而提高飞行品质、降低人为事故比例。本课题从中国民航规章最小飞行机组的机组职能出发,构建了在不同机组职能分布情况下飞行员工作负荷评价方法,从而能够为提高飞行安全提供理论依据和技术指导。本文分别选取了正常情况和紧急情况下典型飞行任务,被试均为经验丰富的飞行机组,建立了典型飞行科目的实验数据集和特征提取集。本文提出了基于EEMD小波奇异熵的能量特征和基于统计学的一般特征提取方法,本方法适用于真实情况下飞行员多生理参数和飞行数据处理,并以飞行绩效工程算例验证了特征提取算法的有效性和优越性。进而,本文建立了基于PSO优化的Wavelet-SVM机组职能分类模型,通过与真实情况下机组职能分布结果对比,表明了所提出机组职能分类模型的可行性。同时,实验结果也给出了正常情况和紧急情况下机组职能分类的最优特征组合方案。最后,在不同机组职能分布情况下,本文对努力程度工作负荷和时间压力工作负荷进行相关性分析,从而建立了飞行员工作负荷评价方法,实现了海量航空数据驱动下的飞行机组职能识别和监督。