当前位置:首页-文章-MBSE-正文

基于MBSAP方法论的无人机集群搜救体系MBSE实践

在本文中介绍了一种新的MBSE方法论——基于模型的系统架构流程(MBSAP)方法。该方法主要应用于技术密集型系统,以及由多个节点及系统组合的复杂组织体给复杂组织体提供一种框架和方法。架构模型明确表达了实体的结构、行为和约束,为利益相关方在规范、开发、生产和支持系统方面的需求提供了平衡而有效的解决方案。

一、概述

在矿井灾害、火灾、地震等复杂地形救援时,传统营救方式是救援人员进入受灾区域展开救援。但发生灾害时,环境复杂多变,若贸然进入,危险性大,容易造成二次伤害,给灾区救援带来众多困难。而无人机体积较小、无人员伤亡风险、灵活性强,且无人机集群具有覆盖范围广、适应性高、协同能力强等显著优势,可以快速、精准确定被困人员位置,实施救援。

在本案例中,基于国产MBSE工具Modelook,采用基于模型的系统架构流程(MBSAP)方法论,对无人集群搜救体系进行分析和建模设计。除此之外,还借助Simulink工具对无人机系统架构进行基于模型的物理视角仿真验证。

二、建模方法论

JohnM.Borky博士是科罗拉多州立大学系统工程系的教授,在航空航天和防务领域拥有近50年的系统研究、技术开发及运行的工程经验,并面向硕士生开发了系统架构的核心课程并开展在线授课。作为专注于信息、软件密集型系统和复杂组织体方面的系统架构和工程领域的专家,他将MBSE方法论应用到更为广泛的系统,并且开发了基于模型的系统架构流程(MBSAP)方法。

MBSAP方法论适用于复杂的技术密集型和信息密集型实体,包括由多个节点及系统组合的复杂组织体。图1为MBSAP的顶层概述。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第1张

图 1 MBSSAP的顶层概述

MBSAP的基础是将架构元素视为功能实体,并到最后的实现阶段选择实际组件;进行系统层级的权衡研究,并考虑整体优化系统时出现的约束;使用SysML在架构模型中记录和传达设计的重要细节;利用SysML本身的进步改进建模与仿真的工具和方法,增强面向对象的能力来应对复杂的高技术系统。

MBSAP的主要动机是为MBSE能广泛应用于技术密集型系统和给复杂组织体提供一种框架和方法论。架构模型明确表达了实体的结构、行为和约束,为利益相关方在规范、开发、生产和支持系统方面的需求提供了平衡而有效的解决方案。

三、系统建模

搜救无人机集群模型按照产品分解结构的层级嵌套方式进行组织,在开发过程中分为无人机集群搜救体系级、无人机集群系统级、无人机系统级三个层级,这三个层级与开发框架中的运行视角OV、逻辑视角LV和物理视角PV相对应。

1、运行视角OV

MBSAP的第一步就是将客户需求转换为架构背景环境,并由OV的制品来表达。为了将需求转换为架构背景环境,需要进行需求建模,将客户的需求转换为需求图,这样才具有了启动实际架构建模的背景。下一步是将这些需求转换为OV,将OV依次组织成结构特征视图(建立块定义图)、行为特征视图(建立用例图、活动图以及用户角色)、数据特征视图(建立概念数据模型(CDM))和背景特征视图(建立约束)等。架构师应期望:在这些特征视图的发现和细化的迭代过程中,考虑到了所有需求并满足基本架构原则。

一般情况下,这种背景环境超出了系统及其所属组织的控制范围,因此,架构必须能够灵活地响应更改并评估更改影响。无人机集群搜救的运行视角OV用于描述集群搜救任务的背景环境,主要包含以下内容:

  • ①通过需求图建立任务需求,完成对无人机集群搜救体系需求的准确分析。
  • ②通过块定义图和内部块图定义任务背景。
  • ③通过用例图和活动图,分析集群搜救过程和任务流程。
  • ④通过状态机图,使任务状态变化可视。
  • ⑤通过参数图定义面向无人集群搜救体系任务的效能指标(MOE),通过MOE建立系统内部以及系统与环境之间的约束关系,从而进一步验证了需求。

无人机集群搜救体系需求如下图所示,能力主要指实时通信、地理定位、地形感知和环境风险定位等。效能主要表现在救援时间不超过15min等。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第2张

图 2 无人机集群搜救体系需求图

我们将无人机搜救体系按照不同的功能划分为无人机集群系统、地震环境、通信网络和任务指挥中心,给出了与其相关的参与者,并在无人机搜救体系的内部块图中展现了各个部分之间的交互关系、任务背景及交联关系如图3所示:

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第3张

图 3无人机搜救体系块定义图和内部块图

通过用例图定义无人机集群搜救的能力,即“执行救援任务活动”和“执行搜寻任务活动”。在用例图定义过程中,需要引用结构中定义的参与者,即任务管理人员、飞行操作人员、救援人员、自然环境和遇险人员。使用活动图定义无人机集群搜救体系的两个任务流程,即“执行救援任务活动”和“执行搜寻任务活动”。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第4张
基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第5张

图 4无人机集群搜救体系用例图和活动图

使用状态机图定义无人机集群搜救体系的总状态机及其子状态机。图5表明了整个无人机集群搜救体系在任务中的状态变化。图6作为无人机集群系统状态图表明无人机集群系统的组合状态。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第6张

图 5无人机集群搜救体系状态机

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第7张

图 6 无人机集群系统状态机

通过参数图定义约束来表达无人机集群搜救体系的效能指标。如图7、8所示,我们用平均响应时间来衡量响应时间,平均响应时间为平均营救时间、平均搜寻时间、信号响应时间三者之和。平均营救时间涉及到的约束参数为搜救面积、侦察无人机速度以及地震状况,平均搜寻时间的约束方程涉及到的约束参数为搜救面积、地震点宽度和侦查无人机速度。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第8张

图 7 平均响应时间块定义图

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第9张

图 8 平均响应时间约束方程

2、逻辑视角LV

在OV中架构保持抽象,不依赖任何特定设计,关注的是总体的结构、行为以及信息内容。而LV开启了解决方案设计流程来满足客户需求,这涉及对OV中建立的结构、行为、信息实体(基础类)进行分解,得到独立的功能块或若干块的组合。

LV继承了OV的全部特征视图,其中结构特征视图定义了系统元素的功能分配以及接口的I/O分配,建立了块图;行为特征视图定义了单个块或多组块实施的活动序列,建立了状态机图和活动图;数据特征视图将CDM转换为逻辑数据模型(LDM)中实际的数据设计,建立了LDM;背景特征视图则和OV一样收集了LV的其余架构制品,建立了约束。

LV表达系统或复杂组织体的功能定义,并且独立于任何特定技术或产品。这样有助于确保MBSAP与MDA保持一致,并为技术更新提供有效的基础,以应对产品过时淘汰的问题。

LV建模分为无人机集群系统级(SLV)、无人机系统级(SSLV),建模过程与运行视角一致,区别在于建模的层级不一样。

2.1无人机集群系统

无人机集群系统需求来自于运行视角的进一步输出,如图9所示。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第10张

图 9 无人机集群系统需求图

将无人机集群系统需求向下进行分配,可以定义包含无人机系统、地面指挥中心、保障系统的无人机集群系统以及相互之间的关联关系,且无人机系统又可以泛化出急救无人机和侦查无人机。同时进一步细化无人机集群系统的参与者,并表达参与者与各模块之间的关联关系,如图10、11所示。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第11张

图 10 无人机集群系统块定义图

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第12张

图 11 无人机集群系统内部块图

我们定义无人机集群系统中各子系统、参与者相互作用所具备的系统能力,以及无人机集群系统的系统状态。

通过用例图来表达无人机集群系统的能力,具体内容如下图所示。使用活动图定义无人机集群系统功能的表达,即“执行协同飞行活动”、“执行探测任务活动”、“执行任务保障活动”和“执行实时救援活动”。活动图是对用例图的细化描述,把动作分配给各结构中的子系统和参与者,从而实现整个活动流程,如图12所示。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第13张
基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第14张

图 12 无人机集群系统用例图和活动图示意

使用状态机图定义系统状态的表达。图13是对OV架构下无人机集群系统状态机的进一步细化,图14是侦查无人机状态机的细化。我们将整个无人机集群系统划分为活动图中活动分区代表的子系统,并结合子状态机图说明了子系统的状态变化。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第15张

图 13 无人机集群系统状态机

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第16张

图 14 侦查无人机状态机

通过参数图定义约束来表达无人机集群系统的系统性能和效能指标。我们分析了搜寻完成度、探测范围和信号响应时间的约束参数并定义它们的值属性。信号响应时间如图15、16分析所示。信号响应时间包括决策响应时间和其他信号响应时间,表达式涉及到的约束参数包括距离、载荷、动力、侦查无人机速度和急救无人机速度。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第17张

图 15 信号响应时间块定义图

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第18张

图 16 信号响应时间约束方程

2.2无人机系统

在无人机系统级对无人机集群中的无人机进一步细化建模,将完成任务对无人机系统提出的功能需求进一步细化,并且将无人机分解为飞行平台、控制、通信、有效载荷、人因和保障设备等,完成无人机系统方案的设计。无人机系统的建模过程在此不在赘述,建模结果如图17所示。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第19张

图 17 无人机系统建模图示

3、物理视角PV

物理视角PV与LV对应,将LV的块实例化为可交付系统的实际组件,通过将LV映射到PV来完成架构建模,这是完整系统或原型中系统能力增量实际实现的基础。可以理解为LV定义要构建什么,PV定义将如何实现。在MBSAP中,PV建模的设计是在原型中构建的,并通过集成和测试来评估其是否适合正在解决的所需能力的问题,无论工程项目方式是一个回合的还是增量的,这种原型评估的结果都有助于识别实现中令人不满之处,从而形成问题报告或其他设计更改。

这里使用可视化仿真工具Simulink采用基于模型的设计方法进行物理建模,实现系统执行的可视化,以及对需求等概念的细化和确认,以确保有足够的冗余来满足需求,最终实现对该无人机集群搜救体系功能的全面验证。

图18是使用simulink搭建的无人机系统仿真模型,该模型主要由控制子系统模块(Quadrotor controller)和多旋翼无人机飞行平台模块(Quadrotor model)组成。从而实现了对SSLV无人机系统层级的部分验证。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第20张

图 18 无人机系统simulink仿真模型

通过在simulink中仿真PV视角的模型,最终实现了搜寻无人机和急救无人机在地震环境中搜救过程的模拟,如图19所示。图中两架四旋翼无人机在地面相距20m的位置同时起飞,达到指定高度后开始协同巡航并展开搜寻活动。

基于MBSAP方法论的无人机集群搜救体系MBSE实践 - 第21张

图 19 运行场景仿真结果

四、总结

在本案例中,从无人机集群搜救体系到无人机集群系统再到无人机系统,作者在系统设计的过程中从顶层自上而下递归建模,定义系统的架构模型、功能模型等,从而完成完整的无人机集群搜救体系模型的表达。另外,将系统架构设计和物理仿真实现结合起来,从而完成了无人机集群搜救体系的需求分析、系统设计、指标定义、仿真验证的闭环过程。

人工智能、大数据等相关前沿技术的发展以及国家相关部门的迫切需求让我们的无人机集群搜救体系有很多的应用前景,采用MBSE也能让我们的这个体系能够实现快速迭代,但是由于作者知识水平有限,很多东西还有待我们后续进一步完善,才能应用到实际工程中。

本文来源: 系统工程公众号,作者:张晨珑 张小蔓等。

相关文章

换一批