CN110348070A - 一种基于模型系统工程和超网络理论的体系建模方法 - Google Patents

Abstract

本发明提出了一种基于模型系统工程和超网络理论的体系建模方法，步骤A：分析建模对象；步骤B：建立基于MBSE的体系模型组；步骤C：转化体系模型为超网络模型。本发明结合MBSE和多层超网络的优点，运用MBSE规范化、完整化地建立体系模型组，在此基础上形成一个超网络模型，便于体系架构设计与优化人员对体系实施定量评估、统计分析、预测推理、动态管理，对体系能力提升提供了良好的支持。

Description

一种基于模型系统工程和超网络理论的体系建模方法

技术领域

本发明提出了一种基于模型系统工程和超网络理论的体系建模方法，它涉及一种基于模型系统工程和超网络理论的体系建模方法，属于系统工程领域。

背景技术

20世纪以来，随着应用需求的日益复杂，仅通过对系统重复叠加功能的设计方式使得系统结构日益臃肿，系统的可靠性与效率皆无法有效保证，基于体系工程的设计思维应运而生。体系工程是由多个系统或复杂系统组合而成的大规模的系统组合，通过对一组系统进行合理组合配置实现宏观维度上的能力涌现，以完成通过机械地堆叠系统无法实现的能力。体系工程的应用场景也覆盖军事、政府和商业各个领域，如指挥、控制、通信、计算机、情报及监视与侦察(C4ISR)体系、物流运输体系、市政基础设施体系等。由于体系中各子系统拓扑结构复杂、能力涌现、宏观层面存在功能进化等问题，为了更好地理解、分析、设计体系，如何有效建立可以从多个视角下全面描述体系内部交互机理的模型是亟待解决的问题。

针对以上问题，现有的方法主要为运用体系结构框架对体系进行建模。体系结构框架是体系的基本组织和结构，为规范、全面、准确地从多个视角、多个层次对体系进行描述提供了指导原则和程序，而基于模型系统工程(MBSE)为实例化体系结构框架的有效工具。MBSE以易于理解的格式来组织和显示数据，其核心为MBSE建模语言、MBSE建模方法和MBSE建模工具，针对体系结构描述需求对原有的统一建模语言(UML)进行扩展与重用，形成MBSE在系统工程应用背景下的标准建模语言sysML，综合了面向对象方法和面向过程方法的体系描述的优点，解决了体系的结构描述、行为描述、属性描述等多重需求。sysML建模语言包含行为模型、结构模型和需求模型，对行为模型细分还包含活动图、序列图、状态图和用例图，对结构模型细分还包含块定义图、内部块图、包图等，具有模块化、层次化等特性，具有较强的可视性，便于相关研究人员对体系架构进行规范化开发，但对于定量分析计算具有大量子部件、部件间拓扑结构交联耦合的体系结构的性能指标，MBSE没有提供有效的建模语言。

复杂网络理论作为一种抽象描述具有巨大规模的复杂系统结构与交互规律的模型方法，对于解决这个问题提供了一种新的解决思路。超网络模型是复杂网络理论中的一种模型，相比于MBSE建模语言具有较多的数学工具对其进行量化统计分析。通过对MBSE建模后的多视角下的体系进行抽象转化为超网络模型，具有多层多级网络嵌套的特征，可以如实反映体系结构的实际拓扑结构和逻辑关系。

本发明主要对如何对体系建立更易进行量化计算的模型提出了一套解决方案，首先遵循体系结构框架运用MBSE，建立基于MBSE的多视角下的体系模型组，然后针对每个视角下的体系模型，理解抽象体系模型中的节点连边关系，实现每个体系的超网络模型转化，最后分析各个视角间的体系模型映射关系，对已生成的体系超网络模型组进行组合，最终生成体系结构的多层超网络模型。本发明采用的MBSE和多层超网络的体系结构建模方法，结合MBSE和多层超网络的优点，运用MBSE规范化、完整化地建立体系模型，再结合多层超网络转化建立的体系模型，最终形成体系结构的多层超网络模型，便于运用数学工具量化分析体系结构的指标。

发明内容

本发明主要提供一种基于模型系统工程和超网络理论的体系建模方法。现有的体系建模方法主要单一地在体系结构框架的指导下运用MBSE进行构建，虽满足了规范化、全面化和准确度，但MBSE建模语言和工具较难提供定量分析能力，特别是针对具有大量部件、部件间交互复杂的体系模型。于是我们提出一种基于模型系统工程和超网络理论的体系建模方法。

针对以上的技术问题以及本发明的目的，本文提出了一种基于模型系统工程和超网络理论的体系建模方法，方案包括如下部分：

(一)发明目的

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于模型系统工程和超网络理论的体系建模方法，在考虑到体系结构复杂，现有基于MBSE建立的体系模型较难支持定量评估、统计分析、预测推理、动态管理等体系管理需求，采用本发明提出的基于模型系统工程和超网络理论的体系建模方法，结合MBSE和多层超网络的优点，运用MBSE规范化、完整化地建立体系模型组，在此基础上形成一个超网络模型，便于体系架构设计与优化人员对体系实施定量评估、统计分析、预测推理、动态管理，对体系能力提升提供了良好的支持。

(二)技术方案

为了实现上述目的，本发明的方法所采用的技术方案是：一种基于模型系统工程和超网络理论的体系建模方法。

本发明一种基于模型系统工程和超网络理论的体系建模方法，其步骤如下：

步骤A：分析建模对象；

步骤B：建立基于MBSE的体系模型组；

步骤C：转化体系模型为超网络模型。

其中，步骤A中所述的“建模对象”，其具体含义为：需要建立超网络模型进行后续分析的体系结构；在步骤A中所述的“分析建模对象”，包括以下步骤：

步骤A1：选取适宜的体系结构框架；

步骤A2：明确体系结构框架下建模对象待分析的视角；

步骤A3：确定待分析视角下建模对象的模型；

其中，在步骤A1中所述的“体系结构框架”，其具体含义为：体系结构框架是体系结构开发的顶层、全面、通用的规范性描述，为构建、分类和组织体系结构提供了指南和规则，本质上来说，是规范化设计体系结构的工具，常见的体系结构框架有美国国防部体系结构框架(DoDAF)、英国国防部体系结构框架(MODAF)、北约体系结构框架等，各体系结构框架的侧重点各有不同；

其中，在步骤A1中所述的“选取适宜的体系结构框架”，其具体做法如下：根据体系的应用场景，选取合适的体系结构框架用来指导体系结构的构建及后续体系结构与功能的性能指标优化；

其中，在步骤A2中所述的“视角”，其具体含义为：观察、描述、分析体系结构的观点和角度，为了全方位、标准化、系统化描述体系结构，体系结构框架提供了多种观测分析体系结构的视角，如DoDAF提供了8个视角，分别为全景、能力、数据和信息、作战、计划、服务、标准和系统，不同视角间存在分层，各层之间相互支撑的关系；

其中，在步骤A2中所述的“明确体系结构框架下建模对象待分析的视角”，其具体做法如下：根据实际工程应用的需求，探究需要对建模对象进行分析的视角；体系结构框架提供了全面的视角，可以从多层次、多维度地分析体系结构，但全面的视角存在着部分模型交叠重复，且完全按照体系结构框架分析体系结构的所有方面工程浩大，故在实际工程应用中，分析体系结构的性能时常见的方法是关注主要矛盾，从体系结构框架的全部视角下抽取与需求最相关的几个视角进行重点分析；

其中，在步骤A3中所述的“模型”，其具体含义为：将描述模型与体系结构数据相结合，用于规范化组织和描述体系结构框架的某个视角下体系结构最值得关注和分析的特征量；每个模型所描述的侧重点各有不同，常见的模型如DoDAF中作战视角下高级作战概念图即OV-1用于宏观描述作战概念、作战活动分解树即OV-5a用于按照层次结构描述组织的活动等；

其中，在步骤A3中所述的“确定待分析视角下建模对象的模型”，其具体做法如下：根据实际工程应用的需求，探究待分析视角下建模对象进行所需要的模型；体系结构框架的每个视角下都提供了多种模型，这些模型所关注的侧重点皆不相同，故在实际工程应用中，需从中挑选实际所需的模型进行建模分析。

其中，步骤B中所述的“建立基于MBSE的体系模型组”，其具体含义为：运用MBSE对步骤A2明确的视角及步骤A3确定的模型建立体系模型；包括以下步骤：

步骤B1：利用MBSE建模方法分析体系结构机理；

步骤B2：建立MBSE建模语言与步骤A3所确定模型的映射关系；

步骤B3：运用MBSE建模工具生成体系模型组；

其中，在步骤B1中所述的“利用MBSE建模方法分析体系结构机理”，其具体做法如下：在步骤A2所明确的视角下运用MBSE建模方法分解分析体系结构，获取构建步骤A3所确定的模型所需的体系结构间组成关系、动态运行原理等，为后续构建体系模型提供原理层支撑；

其中，在步骤B2中所述的“建立MBSE建模语言与步骤A3所确定模型的映射关系”，其具体做法如下：确定步骤A3所确定模型运用MBSE建模语言中的何种模型进行构建，映射关系的确定因素主要有体系结构框架中所规定或推荐指南及步骤B1所分析的体系结构机理；如对于DoDAF中作战视角下的作战活动模型即OV-5b常采用sysML建模语言中的活动图进行描述，故OV-5b与sysML建模语言中的活动图建立了一个映射关系；

其中，在步骤B3中所述的“运用MBSE建模工具生成体系模型组”，其具体做法如下：根据步骤B2所建立的映射关系，结合步骤B1利用MBSE建模方法分析的体系结构机理，根据业务需求等选取合适的MBSE建模工具依次实施体系模型的构建，并最终生成一组体系模型，将生成结果保存以供接下来的步骤C转化体系模型组为超网络模型。

其中，步骤C中所述的“转化体系模型为超网络模型”，其具体含义为：通过对步骤B3保存的基于MBSE的体系模型组依次进行提取分析，分别构建每个体系模型的单层网络模型，最终合并构建好的单层网络模型组，形成一个多层超网络模型，便于系统设计人员完善系统结构，评估和分析构建的复杂系统；包括以下步骤：

步骤C1：依次定义单层网络模型的节点；

步骤C2：依次定义单层网络模型的连边；

步骤C3：依次转化体系模型组形成单层网络模型组；

步骤C4：定义各单层网络模型间的耦合连边，形成多层超网络模型；

其中，在步骤C1中所述的“节点”，其具体含义为：在步骤B3体系模型组中某个模型的构成单元；例如，体系模型组中某个模型的节点是该模型下值得关注和分析的子模块、子任务和子装备等；

其中，在步骤C1中所述的“依次定义单层网络模型的节点”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中不同的模型的属性与特征，确认该模型下对应的节点，并生成该模型的点集V_i；由于各个模型属性各不相同，故需要对模型组中的每个模型的节点逐一进行定义；

其中，在步骤C2中所述的“连边”其具体含义为：在步骤B3体系模型组中某个模型的节点之间的交互关系，根据交互关系的特点，连边可为有向边或无向边；例如，体系模型组中某个模型的连边为该模型下值得关注和分析的子模块之间的交互关系；

其中，在步骤C2中所述的“依次定义单层网络模型的连边”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中的模型内节点间的交互关系，确认该模型下对应的连边，并生成该模型的边集E_i；由于各个模型属性各不相同，故需要对模型组中的每个模型的连边逐一进行定义；

其中，在步骤C3中所述的“单层网络模型”其具体含义为：为一个点集V_i和一个边集E_i组成的图G_i，即：G_i＝(V_i,E_i)；抽象后的网络模型可以清晰体现各个节点之间的调用关系；根据系统的调用关系的不同，该图可以为有向图或无向图，图的存储形式可以为矩阵或者链表的形式；

其中，在步骤C3中所述的“依次转化体系模型组形成单层网络模型组”其具体做法如下：依次将执行步骤C1、C2后提取的点集与边集进行组合，转化形成单层网络模型G_i；对体系模型组的所有模型进行转换，最终形成单层网络模型组；

其中，在步骤C4中所述的“定义各单层网络模型间的耦合连边，形成多层超网络模型”其具体做法如下：分析建模对象的体系模型组内各模型间的耦合关系，建立步骤C3生成的单层网络模型组内不同层网络节点间的耦合连边，并结合单层网络模型组，形成最终的多层超网络模型；设单层网络模型组共有n层单层网络，耦合连边集最多有n*(n-1)组；如集群机器人体系中，体系的任务层、能力层、系统层和装备层之间皆存在着映射关系。

通过以上步骤，本方法提出了一种基于模型系统工程和超网络理论的体系建模方法，解决了单一运用MBSE的体系结构建模无法快捷地实现体系结构性能指标的定量计算等问题，且本方法所提出的模型不止衡量单一视角下的体系结构，更是建立可供定量分析体系结构不同视点下不同模型间耦合关系的模型，具有良好的实际应用价值。

(三)优点创新

本发明具有如下的创新点：

1.量化评估：本发明中所采用的基于模型系统工程和多层超网络的体系结构建模方法，结合MBSE与复杂网络各自的优势，首先运用MBSE规范化、全面化地从多视角建立体系模型组，在此基础上转化建立的体系模型形成一个多层超网络模型用以分析各个模型内部的交互以及模型间跨层耦合交互，综合考虑不同视角下的体系复杂性，支持对体系的定量评估、统计分析、预测推理、动态管理；

2.移植方便：本发明所提出的基于模型系统工程和多层超网络的体系结构建模方法亦可基于已有的MBSE模型进行建模分析，只需对已有的MBSE模型重点进行步骤C转化体系模型为超网络模型，即可实现便于定量分析的多层超网络模型的建立；

3.计算便捷：依据本发明所提出的基于模型系统工程和多层超网络的体系结构建模方法所生成的多层超网络模型相比于现有体系结构建模方法可采用较为成熟的复杂网络统计分析方法解决体系模型的定量计算问题，具有较强的工程实用性。

综上，这种基于模型系统工程和多层超网络的体系结构建模方法为工程应用中的体系结构建模提供一种很好的解决方案。

附图说明

图1是本发明所述方法流程图。

具体实施方式

为使本发明要解决的技术问题、技术方案更加清楚，下面将结合附图及具体实施案例进行详细描述。应当理解，此处所描述的实施实例仅用于说明和解释本发明，并不用于限定本发明。

本发明的目的在于提供一种基于模型系统工程和超网络理论的体系建模方法，在考虑到现有基于MBSE建立的体系模型不能有效反映体系结构多视角间的耦合特征，不便于实现体系结构性能指标的定量计算，这里我们提出了一种基于模型系统工程和超网络理论的体系建模方法，结合MBSE和多层超网络的优点，运用MBSE规范化、完整化地建立体系模型组，再转化建立的体系模型形成一个多层超网络模型，具有分析全面、移植方便、计算便捷等特点，便于体系架构设计与优化人员定量计算体系结构的统计指标，量化体系结构的性能。具有良好的实际应用价值。

下面结合附图说明及具体实施方式对本发明进一步说明。

本发明实施例以对某集群搜救机器人体系为例，阐述本发明方法。具体地说，该集群搜救机器人体系共有各类机器人50个，在装备层拥有侦查、搬运、通讯、指挥4种机器人装备平台，在系统层具有人体传感器模块、机械臂模块、机器人底盘模块等20种子系统，在能力层具有实施搜索、规避障碍、装载搬运、传递信息等25种能力，在任务层有搜救、搬运、通讯等5种核心任务，现需要对该集群搜救机器人体系实施体系结构建模。

为了实现上述目的，本发明的方法所采用的技术方案是：

本发明一种基于模型系统工程和超网络理论的体系建模方法，其流程如图1所示，其步骤如下：

步骤A：分析建模对象；

步骤B：建立基于MBSE的体系模型组；

步骤C：转化体系模型为超网络模型。

通过以上步骤，本方法解决了单一运用MBSE的体系结构建模无法快捷地实现体系结构性能指标的定量计算等问题，且本方法所提出的模型不止衡量单一视角下的体系结构，更是建立可供定量分析体系结构不同视点下不同模型间耦合关系的模型，具有良好的实际应用价值。

其中，步骤A中所述的“建模对象”，其具体含义为：需要建立超网络模型进行后续分析的体系结构，这里指集群搜救机器人体系；在步骤A中所述的“分析建模对象”，包括以下步骤：

步骤A1：选取适宜的体系结构框架；

步骤A2：明确体系结构框架下建模对象待分析的视角；

步骤A3：确定待分析视角下建模对象的模型；

其中，在步骤A1中所述的“体系结构框架”，其具体含义为：体系结构框架是体系结构开发的顶层、全面、通用的规范性文件，为构建、分类和组织体系结构提供了指南和规则，本质上来说，是规范化设计体系结构的工具，常见的体系结构框架有美国国防部体系结构框架(DoDAF)、英国国防部体系结构框架(MODAF)、北约体系结构框架等，各体系结构框架的侧重点各有不同。这里采用美国国防部体系结构框架2.0(DoDAF 2.0)；

其中，在步骤A1中所述的“选取适宜的体系结构框架”，其具体做法如下：根据体系的应用场景，选取合适的体系结构框架用来指导体系结构的构建及后续体系结构与功能的性能指标优化；

其中，在步骤A2中所述的“视角”，其具体含义为：观察、描述、分析体系结构的观点和角度，为了全方位、标准化、系统化描述体系结构，体系结构框架提供了多种观测分析体系结构的视角；

其中，在步骤A2中所述的“明确体系结构框架下建模对象待分析的视角”，其具体做法如下：根据实际工程应用的需求，探究需要对建模对象进行分析的视角。这里选取系统和作战2个视角进行分析；

其中，在步骤A3中所述的“模型”，其具体含义为：将描述模型与体系结构数据相结合，用于规范化组织和描述体系结构框架的某个视角下体系结构最值得关注和分析的特征量；

其中，在步骤A3中所述的“确定待分析视角下建模对象的模型”，其具体做法如下：根据实际工程应用的需求，探究待分析视角下建模对象进行所需要的模型。这里选取OV-1、OV-5a\5b、OV-6c、SV-4、SV-10b这6个模型。

其中，步骤B中所述的“建立基于MBSE的体系模型组”，其具体含义为：运用MBSE对步骤A2明确的视角及步骤A3确定的模型建立体系模型；包括以下步骤：

步骤B1：利用MBSE建模方法分析体系结构机理；

步骤B2：建立MBSE建模语言与步骤A3所确定模型的映射关系；

步骤B3：运用MBSE建模工具生成体系模型组；

其中，在步骤B1中所述的“利用MBSE建模方法分析体系结构机理”，其具体做法如下：在步骤A2所明确的视角下运用MBSE建模方法分解分析体系结构，获取构建步骤A3所确定的模型所需的体系结构间组成关系、动态运行原理等，为后续构建体系模型提供原理层支撑。这里借助Rational Harmony架构进行分析；

其中，在步骤B2中所述的“建立MBSE建模语言与步骤A3所确定模型的映射关系”，其具体做法如下：确定步骤A3所确定模型运用MBSE建模语言中的何种模型进行构建，映射关系的确定因素主要有体系结构框架中所规定或推荐指南及步骤B1所分析的体系结构机理。MBSE建模语言选取sysML语言；

其中，在步骤B3中所述的“运用MBSE建模工具生成体系模型组”，其具体做法如下：根据步骤B2所建立的映射关系，结合步骤B1利用MBSE建模方法分析的体系结构机理，根据业务需求等选取合适的MBSE建模工具依次实施体系模型的构建，并最终生成一组体系模型，将生成结果保存以供接下来的步骤C转化体系模型组为超网络模型。MBSE建模工具选取Enterprise Architect。

其中，步骤C中所述的“转化体系模型为超网络模型”，其具体含义为：通过对步骤B3保存的基于MBSE的体系模型组依次进行提取分析，分别构建每个体系模型的单层网络模型，最终合并构建好的单层网络模型组，形成一个多层超网络模型，便于系统设计人员完善系统结构，提升复杂系统可靠性；包括以下步骤：

步骤C1：依次定义单层网络模型的节点；

步骤C2：依次定义单层网络模型的连边；

步骤C3：依次转化体系模型组形成单层网络模型组；

步骤C4：定义各单层网络模型间的耦合连边，形成多层超网络模型；

其中，在步骤C1中所述的“节点”，其具体含义为：在步骤B3体系模型组中某个模型的构成单元。例如，体系模型组中某个模型的节点是该模型下值得关注和分析的子模块、子任务等；

其中，在步骤C1中所述的“依次定义单层网络模型的节点”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中不同的模型的属性与特征，确认该模型下对应的节点，并生成该模型的点集V_i。由于各个模型属性各不相同，故需要对模型组中的每个模型的节点逐一进行定义，如任务层的节点为集群搜救机器人体系的核心任务，能力层的节点为集群搜救机器人体系的能力，系统层的节点为集群搜救机器人体系的子系统，装备层的节点为集群搜救机器人体系的机器人装备平台；

其中，在步骤C2中所述的“连边”其具体含义为：在步骤B3体系模型组中某个模型的节点之间的交互关系，根据交互关系的特点，连边可为有向边或无向边。例如，体系模型组中某个模型的节点是该模型下值得关注和分析的子模块、子任务之间的交互关系或交互流程；

其中，在步骤C2中所述的“依次定义单层网络模型的连边”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中的模型内节点间的交互关系，确认该模型下对应的连边，并生成该模型的边集E_i。由于各个模型属性各不相同，故需要对模型组中的每个模型的连边逐一进行定义，如任务层的连边为集群搜救机器人体系的核心任务间的逻辑及时序关系，能力层的连边为集群搜救机器人体系的能力间依赖关系，系统层的连边为集群搜救机器人体系的子系统间协作关系，装备层的连边为集群搜救机器人体系的机器人装备平台的从属关系；

其中，在步骤C3中所述的“单层网络模型”其具体含义为：为一个点集V_i和一个边集E_i组成的图G_i，即：G_i＝(V_i,E_i)；抽象后的网络模型可以清晰体现各个节点之间的调用关系。根据系统的调用关系的不同，该图可以为有向图或无向图，图的存储形式可以为链表的形式；

其中，在步骤C3中所述的“依次转化体系模型组形成单层网络模型组”其具体做法如下：依次将执行步骤C1、C2后提取的点集与边集进行组合，转化形成单层网络模型G_i。对体系模型组的所有模型进行转换，最终形成单层网络模型组；

其中，在步骤C4中所述的“定义各单层网络模型间的耦合连边，形成多层超网络模型”其具体做法如下：分析建模对象的体系模型组内各模型间的耦合关系，建立步骤C3生成的单层网络模型组内不同层网络节点间的耦合连边，并结合单层网络模型组，形成最终的多层超网络模型。设单层网络模型组共有4层单层网络，耦合连边集最多有12组。集群搜救机器人体系中，体系的任务层、能力层、系统层和装备层之间皆存在着映射关系。

本发明未详细阐述部分属于本领域公知技术。

以上所述，仅为本发明部分具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种基于模型系统工程和超网络理论的体系建模方法，其特征在于：其步骤如下：

步骤A：分析建模对象；

步骤B：建立基于MBSE的体系模型组；

步骤C：转化体系模型为超网络模型。

2.根据权利要求1所述的一种基于模型系统工程和超网络理论的体系建模方法，其特征在于：

在步骤A中所述的“建模对象”，其具体含义为：需要建立超网络模型进行后续分析的体系结构；所述的“分析建模对象”，包括以下步骤：

步骤A1：选取适宜的体系结构框架；

步骤A2：明确体系结构框架下建模对象待分析的视角；

步骤A3：确定待分析视角下建模对象的模型；

其中，在步骤A1中所述的“体系结构框架”，其具体含义为：体系结构框架是体系结构开发的顶层、全面、通用的规范性描述，为构建、分类和组织体系结构提供了指南和规则，本质上来说，是规范化设计体系结构的工具，常见的体系结构框架有美国国防部体系结构框架即DoDAF、英国国防部体系结构框架即MODAF和北约体系结构框架，各体系结构框架的侧重点各有不同；

其中，在步骤A1中所述的“选取适宜的体系结构框架”，其具体做法如下：根据体系的应用场景，选取合适的体系结构框架用来指导体系结构的构建及后续体系结构与功能的性能指标优化；

其中，在步骤A2中所述的“视角”，其具体含义为：观察、描述、分析体系结构的观点和角度，为了全方位、标准化、系统化描述体系结构，体系结构框架提供了多种观测分析体系结构的视角，如DoDAF提供了8个视角，分别为全景、能力、数据和信息、作战、计划、服务、标准和系统，不同视角间存在分层，各层之间相互支撑的关系；

其中，在步骤A2中所述的“明确体系结构框架下建模对象待分析的视角”，其具体做法如下：根据实际工程应用的需求，探究需要对建模对象进行分析的视角；体系结构框架提供了全面的视角，能从多层次、多维度地分析体系结构，但全面的视角存在着部分模型交叠重复，且完全按照体系结构框架分析体系结构的所有方面工程浩大，故在实际工程应用中，分析体系结构的性能时常见的方法是关注主要矛盾，从体系结构框架的全部视角下抽取与需求最相关的几个视角进行重点分析；

其中，在步骤A3中所述的“模型”，其具体含义为：将描述模型与体系结构数据相结合，用于规范化组织和描述体系结构框架的一个视角下体系结构最值得关注和分析的特征量；每个模型所描述的侧重点各有不同，常见的模型如DoDAF中作战视角下高级作战概念图即OV-1用于宏观描述作战概念、作战活动分解树即OV-5a用于按照层次结构描述组织的活动；其中，在步骤A3中所述的“确定待分析视角下建模对象的模型”，其具体做法如下：根据实际工程应用的需求，探究待分析视角下建模对象进行所需要的模型；体系结构框架的每个视角下都提供了多种模型，这些模型所关注的侧重点皆不相同，故在实际工程应用中，需从中挑选实际所需的模型进行建模分析。

3.根据权利要求1所述的一种基于模型系统工程和超网络理论的体系建模方法，其特征在于：

在步骤B中所述的“建立基于MBSE的体系模型组”，其具体含义为：运用MBSE对步骤A2明确的视角及步骤A3确定的模型建立体系模型；包括以下步骤：

步骤B1：利用MBSE建模方法分析体系结构机理；

步骤B2：建立MBSE建模语言与步骤A3所确定模型的映射关系；

步骤B3：运用MBSE建模工具生成体系模型组；

其中，在步骤B1中所述的“利用MBSE建模方法分析体系结构机理”，其具体做法如下：在步骤A2所明确的视角下运用MBSE建模方法分解分析体系结构，获取构建步骤A3所确定的模型所需的体系结构间组成关系和动态运行原理，为后续构建体系模型提供原理层支撑；

其中，在步骤B2中所述的“建立MBSE建模语言与步骤A3所确定模型的映射关系”，其具体做法如下：确定步骤A3所确定模型运用MBSE建模语言中的何种模型进行构建，映射关系的确定因素主要有体系结构框架中所规定及推荐指南以及步骤B1所分析的体系结构机理；如对于DoDAF中作战视角下的作战活动模型即OV-5b常采用sysML建模语言中的活动图进行描述，故OV-5b与sysML建模语言中的活动图建立了一个映射关系；

其中，在步骤B3中所述的“运用MBSE建模工具生成体系模型组”，其具体做法如下：根据步骤B2所建立的映射关系，结合步骤B1利用MBSE建模方法分析的体系结构机理，根据业务需求选取合适的MBSE建模工具依次实施体系模型的构建，并最终生成一组体系模型，将生成结果保存以供接下来的步骤C转化体系模型组为超网络模型。

4.根据权利要求1所述的一种基于模型系统工程和超网络理论的体系建模方法，其特征在于：

在步骤C中所述的“转化体系模型为超网络模型”，其具体含义为：通过对步骤B3保存的基于MBSE的体系模型组依次进行提取分析，分别构建每个体系模型的单层网络模型，最终合并构建好的单层网络模型组，形成一个多层超网络模型，便于系统设计人员完善系统结构，评估和分析构建的复杂系统；包括以下步骤：

步骤C1：依次定义单层网络模型的节点；

步骤C2：依次定义单层网络模型的连边；

步骤C3：依次转化体系模型组形成单层网络模型组；

步骤C4：定义各单层网络模型间的耦合连边，形成多层超网络模型；

其中，在步骤C1中所述的“节点”，其具体含义为：在步骤B3体系模型组中一个模型的构成单元；例如，体系模型组中一个模型的节点是该模型下值得关注和分析的子模块、子任务和子装备；

其中，在步骤C1中所述的“依次定义单层网络模型的节点”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中不同的模型的属性与特征，确认该模型下对应的节点，并生成该模型的点集V_i；由于各个模型属性各不相同，故需要对模型组中的每个模型的节点逐一进行定义；

其中，在步骤C2中所述的“连边”其具体含义为：在步骤B3体系模型组中一个模型的节点之间的交互关系，根据交互关系的特点，连边能为有向边及无向边；例如，体系模型组中一个模型的连边为该模型下值得关注和分析的子模块之间的交互关系；

其中，在步骤C2中所述的“依次定义单层网络模型的连边”其具体做法如下：依次分析建模对象的步骤B3生成的模型组中的模型内节点间的交互关系，确认该模型下对应的连边，并生成该模型的边集E_i；由于各个模型属性各不相同，故需要对模型组中的每个模型的连边逐一进行定义；

其中，在步骤C3中所述的“单层网络模型”其具体含义为：为一个点集V_i和一个边集E_i组成的图G_i，即：G_i＝(V_i,E_i)；抽象后的网络模型能清晰体现各个节点之间的调用关系；根据系统的调用关系的不同，该图能为有向图及无向图，图的存储形式能为矩阵及链表的形式；

其中，在步骤C3中所述的“依次转化体系模型组形成单层网络模型组”其具体做法如下：依次将执行步骤C1、C2后提取的点集与边集进行组合，转化形成单层网络模型G_i；对体系模型组的所有模型进行转换，最终形成单层网络模型组；

其中，在步骤C4中所述的“定义各单层网络模型间的耦合连边，形成多层超网络模型”其具体做法如下：分析建模对象的体系模型组内各模型间的耦合关系，建立步骤C3生成的单层网络模型组内不同层网络节点间的耦合连边，并结合单层网络模型组，形成最终的多层超网络模型；设单层网络模型组共有n层单层网络，耦合连边集最多有n*(n-1)组；如集群机器人体系中，体系的任务层、能力层、系统层和装备层之间皆存在着映射关系。