【摘要】复杂装配作业脑力负荷过高会降低装配绩效和质量，甚至引发安全事故。因此，对装配任务脑力负荷进行准确测量与评估，确定作业人员的脑力负荷水平，是生产系统优化的重要依据。本文针对复杂装配任务的脑力负荷评估问题，设计了基于Lego积木模拟的装配任务实验，使用主观测量法、绩效测量法和生理测量法采集了27项指标数据，分析了各项数据对脑力负荷变化的敏感性，发现绩效测量指标、主观测量指标、注视次数、总注视时间、扫视次数、总扫视时间和平均瞳孔直径这7项指标是复杂装配任务脑力负荷的有效测量指标。基于有效测量指标，采用BP (back propagation)神经网络和贝叶斯线性判别两种建模方法，构建了装配任务脑力负荷综合评估模型。研究结果表明，使用因子分析将7维指标转化为二维综合指标作为主成分输入，使用归一化共轭梯度法为训练算法的BP神经网络模型是装配作业脑力负荷的最佳综合评估模型，其判别准确率达到84.80%。本文提出的脑力负荷测量与评估方法可为装配作业脑力负荷评定和优化提供参考依据。