在复杂人机系统中,操作员功能状态(Operator Functional States, OFS)是影响系统安全性的一个重要因素。本文基于aCAMS仿真系统实验中采集到的一系列操作员电生理信号及性能数据,采用协同进化模糊(Fuzzy Cooperative Coevolutionary, FCC)建模方法建立OFS模型,实现对OFS的评估及预测。该方法将模糊模型的主要因素,如模糊规则的前件/后件、隶属函数参数编码为不同的种群,同时优化模糊模型的结构与参数,算法中种群个体适应度函数同时考虑模型的精确性和解释性,采用分量加权求和法将多目标优化转化为单目标优化。首先将该方法用于几个UCI标准分类数据集的的建模仿真,验证该建模方法的通用有效性。然后针对于OFS建模中5个EEG和ECG指标对不同被试OFS的敏感度不同,通过Simba算法计算这些指标的重要性来进行变量选择,确定OFS模型的初始结构,再用协同进化算法对其进行结构和参数上的优化。最后的建模结果表明,协同进化模糊建模方法用于OFS的建模是有效的,优化后的模型精度在可接受范围内,所涉及的模糊规则和模糊子集总数较之优化前均有较大幅度的减少,模型结构得到了简化,模型兼具良好的精确性和可解释性。与基于GA的建模方法相比,FCC用于OFS建模展现了更加优越的性能,所建立的模型基本能反应OFS的实际变化趋势,具有一定的预测能力,可用于自适应系统中,根据模型预测结果,适时调整系统控制策略,从而实现智能化人机交互系统。