项目背景

飞管系统是航空飞行器上的核心机载系统之一，其架构设计与数字化模型开发是飞行器整机研发流程中重要的一环。现阶段，国内大多数飞管系统模型的开发仍以传统的人工设计模式为主，工作高度依赖设计人员的专业经验，往往导致出现建模耗时长、设计环节分散、业务流程割裂等问题，无法满足当下机载系统敏捷设计、快速迭代的研发需求。针对上述行业现存的痛点，本项目结合人工智能技术，对SysML建模仿真工具进行功能升级与集成，补齐飞管系统专项设计建模能力的短板，并基于典型场景开展功能的仿真验证。

解决方案

以华望自主开发的SysML建模仿真软件M-Design作为基础载体，结合飞管系统专属研发场景，针对性内嵌AI自然语言解析、智能化测试用例生成、多核并行仿真以及多格式数据交互等核心功能，赋予软件AI辅助建模的全新能力。

整套业务流程依托M-Design实现闭环落地，设计人员将原始的自然语言需求以附件或对话形式依次录入软件，由AI逐段完成需求解析并生成对应的架构与逻辑模型，设计人员后续可直接在同一软件内完成模型优化核验、批量仿真测试、可释文档生成。同时，AI也能辅助支持按需导出FMU标准格式的模型，一站式完成全部的研发作业（如图1所示）。

图1  基于AI的数字模型生成与仿真整体流程的界面图

在大模型驱动建模的具体实现层面，​AI辅助的M-Design可通过精细化的Prompt工程与上下文管理，确保完成从非结构化文本到结构化模型的精准转换。

首先，AI读取用户输入的提示词，梳理出本次任务的总体目标；随后，解析上传的文本附件，提取出飞管系统的业务逻辑与上下文环境，补充专业知识库。为保障建模的规范性，软件引入了专业术语表，AI据此可梳理出SysML模型中各元素的语义定义及上下级关系，有效规避了概念歧义。在模型正式生成前， AI将同步展示推理链条供设计人员审核，并将过程记录为日志文件；经用户确认后，AI不直接输出图形代码，而是优先生成具有严格结构顺序的JSON格式的数据包，利用AI对代码的天然亲和力来抑制其“幻觉”的产生；最后，M-Design软件通过开放接口来接收该数据包，依据固定的映射规则将JSON格式的数据包自动转化为可视化、可交互的标准SysML模型（如图2所示）。

图2  大模型驱动的SysML智能建模机制的示意图

在模型验证环节，​本方案引入了基于参数遍历与AI优化的敏捷验证机制。生成的SysML行为模型（含活动图、参数图等）具有标准化的输入输出参数接口，支持通过改变参数取值对模型内部逻辑分支进行控制。

在此基础上，AI辅助的M-Design软件可提供两种测试用例生成策略：1、全量遍历模式：AI在约定的参数取值范围内，自动穷举所有取值组合，确保逻辑路径100%被覆盖；2、配对测试模式：利用AI算法智能筛选出最具代表性的参数组合，在保证覆盖率的前提下大幅削减冗余用例，显著提升测试效率。此外，M-Design支持多用例并行仿真，通过充分调动设备的多核计算性能，同时对批量生成的测试用例进行并发执行，极大缩短了仿真验证的周期（如图3所示）。

图3   敏捷验证策略与流程的示意图

案例成效

目前，AI辅助的M-Design建模仿真软件已集成了智能需求解析建模、自动化测试校验、多核并行仿真、多格式数据交互以及标准化模型导出等能力，成功打通了飞管系统从需求解读、数字模型搭建、模型仿真测试、可释文档生成到模型成果导出的完整业务链路，大幅提升了机载飞管系统的正向设计能力，降低了SysML建模的专业技术门槛，优化了建模与仿真的整体作业流程。该软件既可满足某型号飞管系统的设计工作，也能广泛适配各类不同机载控制系统的研发数字化场景。