前言
在 AI 技术加速发展的背景下，杭州华望系统科技有限公司在⼤语⾔模型与 SysML 标准进行深度结合的基础上，强力推出AI建模功能。该功能⽀持⽤户通过上传⽂档或对话交互等⽅式完成需求智能增强、模型动态构建与细节补充、实时获取结构化反馈等业务。⽬前该功能已深度集成⾄华望M-Design软件平台，覆盖需求优化、SysML模型⽣成、多学科仿真验证的全链路流程，助⼒实现复杂系统设计过程在效率与精度上的双重跃升。该功能将于近期开放⾏业内邀请测试。
一、需求智能增强
——让⾏业知识库成为设计加速器
⽀持⽤户将已有的技术⽂档、历史案例等⾏业知识资产与建模流程相结合，通过语义分析与知识关联，从而辅助设计师更⾼效地从⽂档中提取关键参数、发现潜在约束条件、减少重复性的⽂档⼈⼯梳理。
1.1 应⽤示例
▍输入示例（用户原始需求）：
“根据附件文档：Performance and Functionality Based Design Methods for Improved and Novel Aircraft Engine Components for Additive Manufacturing，对航空发动机的低压涡轮导向叶片进行轻量化设计，确保其在高温高压环境下的稳定性和经济性。”
▍输出示例（需求增强后）：
“低压涡轮导向叶片材料密度 ≤ 6.5 g/cm³，最大工作温度 ≥ 1700 K；疲劳寿命 ≥ 10^6 次循环，结构优化以实现质量减轻 19%。”
1.2 与非 AI辅助模式的对⽐
| 维度 | 传统人工分析 | AI 辅助模式 |
| 文档利用 | 依赖人工的检索与记忆 | 自动提取文档关键参数 |
| 约束发现 | 易受设计师经验的限制，耗时较⻓ | 易于识别⽂本中的隐含条件 |
| 知识沉淀 | 分散在设计师的个⼈经验中 | 形成可复⽤的⽤户参数库 |
1.3 适⽤场景说明
◆帮助⽤户更系统性地利⽤现有技术⽂档、历史案例中的参数数据
◆辅助新手设计师快速理解领域专业术语与设计规则
◆在迭代设计过程中提供历史数据参考，减少重复性分析的⼯作量
1.4 注意事项
◆AI ⽣成结果需结合设计师的专业判断进⾏验证
◆系统的识别精度受⽂档完整性与规范性的影响
◆建议优先上传使用结构清晰的 PDF/Word 格式的技术⽂档
二、需求规范化
——从碎⽚化描述到结构化表达
支持将⾃然语⾔描述的需求层次关系转为条⽬化的层次结构，并⽣成结构化的需求⽂档：
2.1 应⽤示例
▍输入示例（用户原始需求）：
“设计一个可折叠翼的滑翔炸弹，其最大工作压强为 9.8MPa，翼展角度为 30°，最大推力为 1000N。”
▍输出示例（需求规范化后）：
1 滑翔炸弹系统需求规范
1.1 可折叠翼设计 滑翔炸弹应具备可折叠翼设计，翼展角度为 30°
1.2 工作压强要求 滑翔炸弹的最大工作压强应达到 9.8MPa
1.3 推力要求 滑翔炸弹的最大推力应达到 1000N
2.2 操作演示
三、SysML 模型快速⽣成
——自动化构建与多视图联动
支持将增强或规范化后的需求⽂档快速映射为 SysML 模型元素（如Requirement、Part、Action 等），并⽣成多视图模型：
◆需求视图：追溯需求与设计参数的关联性；
◆结构视图：自动分解系统层级（如弹体、导引头、折叠翼）；
◆行为视图：定义状态机与活动流（如滑翔炸弹的制导逻辑）。
3.1 应⽤示例
▍输入示例（用户原始需求）：
无人机系统需求规范：
1. 无人机由飞行控制器、导航模块、传感器组和动力系统组成。
2. 飞行控制器包含姿态调整和通信处理功能。
3. 导航模块需要支持航点规划和路径跟踪。
4. 传感器组包括 GPS 和 IMU，GPS 的精度为 1.5 米。
5. 动力系统包含电机和电池，电池容量为 5200mAh。
6. 用例包括自主飞行、手动控制和数据回传，由飞行员和地面站操作。
7. 自主飞行流程：开始 -> 检查传感器 -> 计算路径 -> 执行飞行 -> 结束。
8. 飞行控制器与导航模块通过数据总线连接。
▍输出示例（生成的模型效果图）
3.2 提效小能手
区别于经典的 Γ⼿动拖拽+属性填写」的建模⽅式，AI 引擎通过深度理解需求⽂档中的功能分解、接⼝定义、⾏为逻辑等要素，可⾃动⽣成包含需求视图、结构视图、⾏为视图的完整模型框架，有助于设计师将精⼒集中于关键架构的决策⽽⾮基础模型的搭建，实现设计效率快速提升的目的。
四、智能问答
——模型数据即时溯源
支持针对已构建的模型，通过提问的方式快速获取设计的关键信息：
4.1 应⽤示例
▍用户提问：
"某固体发动机燃烧室壳体的最小壁厚是多少？如何计算的？其质量是否符合设计要求？"
▍系统响应：
4.2 功能亮点
该功能⾸次实现 Γ模型数据-物理公式-验证结论」的智能联动。当设计师提出 Γ壁厚计算依据」时，系统不仅可展示公式参数，还能⾃动关联材料库中的应⼒曲线、历史案例中的安全系数选择逻辑等，形成可追溯的决策证据链，强化复杂系统设计的可信度。
◆动态参数绑定：
⾃动关联模型中的参数定义、计算公式及约束条件，确保数据—致性。
◆单位智能转换：
⽀持毫⽶（mm）、兆帕（MPa）等单位⾃动适配，避免⼈⼯换算错误。
◆多层级溯源：
点击参数可穿透查看其在需求⽂档、结构视图、仿真模型中的全链路引⽤。
◆异常预警：若计算结果超出约束范围（如质量 ≥1900 kg），系统将⾼亮提示并推荐优化⽅案。
五、结语
随着复杂系统设计向智能化、多学科融合⽅向的加速演进，传统依赖⼈⼯建模与验证的模式将很快面临效率与知识积累方面的难题。华望M-Design 建模软件平台通过将 SysML 标准与 AI ⼤语⾔模型进行深度的结合，以语义理解重构需求分析流程、以对话交互⾰新建模⽅式、以知识图谱贯通数据溯源链路，构建了 Γ需求-模型-验证」的智能闭环流程，为MBSE领域提供更⾼效的国产化解决⽅案。
未来，随着 AI 建模能⼒的持续进化，M-Design 将在核能、兵器、航空、航天、船舶、电子通讯等国家战略⾏业开展深入应⽤，推动复杂系统设计从依赖经验转向数据与智能驱动的转型升级，为大国重器的⾃主研发提供创新性的技术⽀撑。
*本文为原创，最终解释权归杭州华望系统科技所有。未经授权，严禁复制或转载。
*关注【杭州华望MBSE】将推送更多精彩有趣的文章，期待与你同行！
