美国防部正显著转向在系统工程全生命周期各阶段采用数字工程。此转型的一个关键方面是在试验与评估流程中采纳基于模型的测试方法论。本论文研究一种灰盒模型驱动测试设计方法,该方法利用基于模型的系统工程成果物来创建飞行试验场景与计划,并将此新方法与传统的以文档为中心的方法进行比较。研究采用系统建模语言来表示成果物,从而实现对传统流程与模型驱动测试设计流程的比较分析。通过一个涉及空军作战试验与评估中心所用训练系统的案例研究,本论文评估了模型驱动测试设计流程在生成与既定方法相符的已验证试验场景与计划方面的有效性。另外两个案例研究展示了系统建模语言元素在不同被测系统间的重用性,突显了该方法在作战飞行试验中的优势、成本及实际应用。研究结果包括模型重用百分比、重用增值与系统可用性调查得分等度量指标,这些指标用于衡量模型成果物的可重用性以及“空军作战试验与评估中心方法论”模型方法在生成飞行试验计划方面的可用性与有效性。本研究强调了基于模型的测试在作战飞行试验中的重要性,并支持国防部试验与评估界持续迈向完全集成的数字工程生态系统。

美国防部领导层持续需要及时的信息与对“真实世界”威胁的准确评估以做出关键决策。此需求的紧迫性不容低估。国防部需要能迅速执行这些决策的武器系统。作为五大军种总部的五角大楼,通过制定采办项目来开发满足国防部需求的系统,以应对这些“真实世界”威胁所需的精密多用途武器。因此,国防部领导层需要系统性能与经验证的能力来界定和评估决策所需参数。作战试验与评估局局长通过报告当前处于采办流程中的武器系统所需性能与展示能力,为国防部领导层提供建议。

美国防部采办策略已产出世界领先的军事系统,这些系统已被证明能执行其设计使命。技术进步及精密网络物理与软件赋能功能的集成已成为这些武器系统的核心,使其在设计、制造、试验与维持方面更为复杂。更精密的武器系统需要更长的建造时间与更高的成本才能交付作战人员使用。当前采办流程已达到不可持续的水平,现代武器系统的生产需耗时数十年,且深受成本超支、进度延误与未达预期等问题困扰。“当前采办流程采用称为‘瀑布法’的线性采办策略,该策略让军事规划者产生稳定性的错觉,因为固化的最终需求会在开发流程早期确定。其结果是,关键开发决策将在获得足够知识以进行准确评估之前做出”[1]。这种默认的串行方法导致长周期,使得融入作战人员经验与反馈变得困难,缺乏及时插入新兴技术的灵活性,并在漫长的采购时间线中因进度变更、成本增加与新需求而备受预算不稳定的困扰。

本研究旨在支持位于加利福尼亚州爱德华兹空军基地的空军作战试验与评估中心第五分遣队的工作,由国防采办发展基金计划资助。该资金由空军部文职科学家与工程师职业领域管理,允许通过竞争流程选出的获批政府文职人员利用由位于得克萨斯州伦道夫空军基地的空军文职中心职业领域团队维护的科学、技术、工程、数学加管理计划,在选定时段内作为全职任务攻读第二个硕士或博士学位。

本研究旨在开发一种基于模型的流程,以利用和提取来自给定被测系统模型的文档与成果物。其目标是设计、开发并生成可执行的飞行试验计划,以收集必要数据用于分析与评估被测系统的性能。

文献结构

本文结构如下:第二章提供背景讨论,概述国防部采办流程及用于验证与确认被测系统性能的飞行试验流程。本章重点介绍国防部的数字工程战略,并简要讨论基于模型的系统工程在本论文中的应用。第三章回顾与本论文相关的研究问题与任务,而第四章讨论所进行并用作本论文基础的文献研究。第五章聚焦研究问题一,探讨在文献回顾中发现的可应用于飞行试验的软件测试技术。本章介绍首个用作测试案例的基于模型的系统工程模型,以应用和评估所识别的软件测试技术。第六章围绕研究问题二,引入另外两个用作测试案例的基于模型的系统工程模型,以讨论模型成果物及与衡量成果物可重用性相关的度量指标。第七章聚焦并呈现用于分析和评估从测试案例模型所含信息与成果物生成的试验计划的有用性、有效性与可用性的调查结果。最后,第八章总结各后续章节的讨论与研究贡献,并提供结论性意见及进一步探索的前瞻性途径。本论文包含已在期刊发表或在会议展示的成果。在此类情况下,成果在本文中重现,并已重新格式化以满足论文样式指南。内容未作更改。

图 5. 某作战基地系统体系示例

成为VIP会员查看完整内容
0

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《用于空军作战的能源韧性技术研究》最新321页
《无人水面舰艇行动中的 AI 摄像机功能研究》最新93页
专知会员服务
28+阅读 · 2024年10月15日
《多飞行器协同操纵与编队控制》最新292页
专知会员服务
76+阅读 · 2024年8月5日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
60+阅读 · 2014年12月31日
Arxiv
171+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
482+阅读 · 2023年3月31日
Arxiv
79+阅读 · 2023年3月26日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
60+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员