0 引　言

21世纪海洋战略地位日益凸显，海洋权益争端日趋频繁，海上安全环境正从近海向远洋、从静态向动态、从线性向多维复杂快速演化^[1]。未来海洋活动将更广泛地涵盖深远海区域、多域协同与高密度任务交汇场景，装备平台的生存与自救能力直接影响整体任务的持续性与平台效能^[2]。其中，受损船舶的快速搜救能力作为任务保障与人员安全控制的关键环节，受到高度关注。

与国外已构建的多平台^[3]、多维度协同搜救体系^[4]相比，我国在无人搜救任务的组织方式、平台协同机制与系统建模方法方面仍存在差距。目前常规搜救方式多依赖有人平台，不仅响应速度受限，在复杂水文环境和高风险海域还存在显著安全隐患。因此，亟需建立具备自主感知、协同规划与智能决策能力的无人化搜救体系。

UUV凭借低可探测性、高机动性和良好的环境适应能力，成为水下搜索、定位与打捞等任务的理想平台^[5]。随着通信技术、自主控制与集群协同技术的发展^[6]，UUV集群作业逐渐成为提升海上搜救能力的关键方向。相比单一平台，UUV集群能够实现多点协同搜索、区域覆盖规划与任务并发执行，显著提升任务效率与环境适应能力。然而，UUV集群任务在建模层面仍面临流程复杂、结构耦合强与动态变化快等挑战，亟需构建可支撑系统级设计、流程映射与性能评估的建模框架。

MBSE作为复杂系统建模与设计的重要方法论，强调以一致性、可追踪的模型替代传统文档驱动流程。借助SysML，MBSE方法能够对系统结构、行为逻辑、信息交互等核心要素进行统一建模。DoDAF作为典型体系结构建模框架，提供全景视图、任务视图与能力视图等多层级建模方法。Magic Grid方法论以SysML为核心，为任务模型构建提供明确的问题导向流程。OODA环理论能够刻画UUV任务执行过程中的闭环反馈过程，有效支撑性能分析与指标设计。

基于MBSE的体系架构建模方法主要有以下实践：李文屏等^[7]结合MBSE与DoDAF框架实现卫星通信系统一致性设计；朱景璐等^[8]运用SysML建模卫星能源系统的多学科耦合关系；Zhang等^[9]将MBSE方法应用于重复发射运载器任务设计，验证其在流程优化中的可行性；王雨农等^[10]提出基于DoDAF的民用航空研发体系结构，展现从需求到架构的精确建模路径。在性能评估研究方面，王瑛等^[11]构建了多维评估指标体系，涵盖任务能力、执行流程与平台资源等要素；吕卫民等^[12]指出复杂任务评估需考虑系统动态性与环境适应性；隋先辉等^[13]借助ADC模型分析UUV系统的协同响应效果，展现了模型驱动评估的技术潜力。

本文面向UUV集群搜救任务场景，提出一种融合MBSE建模思想、DoDAF架构视图与OODA环理论的UUV集群搜救任务建模框架，旨在构建具备一致性、结构化与可评估特征的搜救任务模型体系，包括全视角模型、任务视角模型、能力视角模型，以及效能评估指标体系。

1 UUV集群搜救任务体系架构建模流程 1.1 MBSE建模方法

MBSE作为一种形式化的方法，其核心是用数字化的模型代替传统文档，通过可视化建模、仿真验证，提升复杂系统开发的一致性、可复用性和协作效率。

本文体系架构建模方案中，如图1所示，方法论采用DoDAF结合MagicGrid的方法，建模语言选择SysML，建模工具选择Enterprise Architect（EA）。

采用SysML对UUV集群搜救任务体系架构进行设计，其组成元素如图2所示。

SysML组成元素基本视图总结如表1所示。

Magic Grid方法论是一种以SysML为核心建模语言的结构化MBSE框架。如图3所示，Magic Grid将框架分为2个维度，纵向层级（问题域-方案域-实施域）代表系统开发的抽象层次，体现从高层概念到技术实现的逐步细化；横向层级（需求-架构-行为-参数）代表模型内容的属性类型，覆盖设计的全维度。

1.2 典型任务场景

货轮远海失事后，海上搜救指挥中心立即启动黄金救援响应机制，在72 h关键窗口期内，派遣UUV集群组成搜救队，前往目标海域开展搜救任务，最大程度减少损失。

如图4所示，将某岛链间200 km×200 km海域作为搜救区域。如图5所示，在UUV集群搜救任务中，采用OODA环（观察阶段-判断阶段-决策阶段-行动阶段）进行任务流程展开。观察阶段，海上指挥中心下达搜索命令，指挥UUV分配探测UUV对指定海域进行栅格扫描，采集环境参数，构建任务环境数据集，并将数据回传。判断阶段，海上指挥中心融合声呐数据、卫星遥感信息等，构建综合任务态势图。决策阶段，海上指挥中心审定行动方案，指挥UUV分配救援任务给救援UUV，结合环境数据和目标信息，计算最优救援路径，并下发任务信息。行动阶段，救援UUV根据规划路径，前往目标点位执行救援任务。整个流程强调了任务的快速响应和高效执行，确保了搜救行动的及时性和有效性。

对上述流程进行总结，得到如表2所示的任务流程分析表。

1.3 任务建模流程设计

海上环境复杂性导致UUV集群在协同搜救中面临体系结构和响应机制的挑战。为提升建模一致性和评估效率，本文采用DoDAF 2.0框架，结合SysML和OODA环理论，构建了全景、任务流程和能力视角的系统模型，并设计了三级评估框架，以系统化支持无人集群搜救任务建模（见图6）。

2 UUV集群搜救任务建模

DoDAF 2.0多视角建模框架包括全视角、任务视角、能力视角，以下从这3个方面对UUV集群搜救任务场景进行建模。

2.1 全视角模型构建

在全视角模型构建中，本文选取AV-1（综述和概要信息模型）进行构建。AV-1（综述和概要信息模型）是DoDAF中的顶层概述视图，用于提供体系结构描述的高层级摘要，包括背景、目标、范围等核心信息，AV-1作为整个体系结构设计的“总纲”，帮助决策者快速理解体系结构的目的、边界和关联关系。

通过搜救任务场景构建，完成场景想定和任务分析，将信息进行整合、概括，可以得到AV-1模型，如表3所示。

2.2 任务视角模型构建

1）顶层概念模型（OV-1）

如图7所示，顶层概念模型（OV-1）通过图形或文本形式描述高层概念，概括一个任务、任务类别或场景的核心要素，包括主要任务节点、关键交互以及体系结构与外部环境的关系。

在全景视角下，UUV集群被组织为“中心-指挥-执行”三级架构，海上指挥中心负责全局态势判断与任务决策，指挥UUV承担中继与调度职能，而探测UUV与救援UUV则执行搜索与救援任务。如图8所示，该结构清晰体现了任务的层级分工与信息流动路径。

2）组织关系模型（OV-4）

如图9所示，组织关系模型（OV-4）主要用于描述参与活动的组织实体及其相互关系。组织关系模型通过图形化方式展示组织间的指挥、协作、隶属关系，例如各单位间的协作机制。其核心目标是明确责任分工与权限边界，支持资源调配和决策流程分析。

3）任务资源流描述模型（OV-2）

如图10所示，任务资源流描述模型（OV-2）主要用于描述任务中资源的流动路径与依赖关系。模型以节点为核心，通过箭头表示资源流向，并标注资源类型。

4）任务活动模型（OV-5b）

如图11所示，任务活动模型（OV-5b）以流程图形式描述任务活动的执行顺序、输入/输出及触发条件，任务活动模型区别于OV-5a的静态分解，OV-5b动态展示活动间的时序、并行或反馈关系。针对水下环境的特殊性，本模型构建了系统与环境的交互机制，具体体现于观察、判断与决策3个核心阶段。在观察阶段，采集环境数据被设为并发活动，用于持续感知水声信道状态及海洋物理场参数；在判断阶段，模型新增评估环境约束活动，重点分析水动力阻力对系统机动性的影响及声呐通信质量对数据回传过程的制约；在决策阶段，路径规划与任务分配的决策逻辑需纳入海洋物理场预测信息，以此生成具备环境适应性的行动方案。

5）任务活动分解模型（OV-5a）

如图12所示，任务活动分解模型（OV-5a）主要明确活动的父子关系与粒度层级。任务活动分解模型将任务分解为可执行的子活动，并通过树状图形式进行展示。

2.3 能力视角模型构建

1）能力构想模型（CV-1）

如图13所示，能力构想模型（CV-1）主要用于展示任务或系统的整体能力构想，包括对任务执行过程中所需关键能力的阐述。

2）能力分类模型（CV-2）

如图14所示，能力分解模型（CV-2）主要用于描述系统中各项能力的分解与层次结构。该模型从顶层能力出发，逐级细化至具体的能力属性：水下搜索发现能力涵盖发现概率、机动能力、探测范围等关键指标；识别确认能力包括目标特征匹配、识别准确率等要素；通信能力在不同应用场景中分别体现为搜索数据、分析数据和任务指令的传输，并关注传输速率、时延及抗中断性能；信息处理能力聚焦数据融合、态势生成与信息准确率；同时还包括对水下环境风浪流、声速剖面等要素的分析能力，UUV搜索与数据分析等专项能力，任务指挥规划中的任务分配与指令准确性，异常情况下的成员失效与目标丢失应对，以及施救任务中的控制精度、搜救范围与时间等关键属性。

3）能力依赖模型（CV-4）

如图15所示，能力依赖模型（CV-4）主要用于揭示能力间的支撑或协同关系，通过有向图表示依赖方向（如“数据分析能力”依赖“搜索能力”）。

3 UUV集群搜救任务评估指标体系构建

本文采用DoDAF 2.0全景视图的系统化建模方法，对UUV集群搜救任务进行建模，形成了“中心-指挥-执行”的三级架构。在这个架构中，海上指挥中心、指挥UUV、探测UUV和救援UUV各自承担明确职能，并通过有效的信息交互机制协同工作。为全面衡量UUV集群在搜救任务中的系统表现，构建了一套综合评估体系，涵盖系统结构、执行能力与任务效能。

评估维度分为系统能力和任务效能两大类。系统能力关注UUV集群完成任务所需的支撑能力，如目标探测、数据处理、路径规划与动态调度等；任务效能则反映系统在任务情境下的实际执行效果，包括搜索覆盖率、救援响应时间、资源配置效率等，体现任务的完整性、准确性和时效性。

UUV集群作为复杂协同系统，其评估体系不仅关注子平台的单项能力指标，还强调平台间的协同关系、任务分工与整体作业流程的动态适应性。评估指标体系的构建需体现系统整体性、任务阶段性与行为闭环性，以支持从建模逻辑到任务执行过程的全流程可追溯分析。

3.1 节点评估指标体系构建

UUV集群搜救体系能够通过智能化、分布式的任务分配，提升海洋搜救任务的效能和响应速度，该体系的核心架构主要由3个任务节点组成。

1）指挥控制节点：作为体系的核心，负责任务规划和资源调度。由海上指挥中心和指挥UUV组成，海上指挥中心负责下发任务指令和态势分析，而指挥UUV则对探测UUV和救援UUV进行任务规划和控制。

2）搜索节点：作为体系的感知核心，执行目标探测和识别。由探测UUV集群构成，通过预设的搜索模式对目标区域进行系统性扫描。

3）救援节点：作为体系的执行部分，具备救援人员和物资的能力。由救援UUV组成，配备机械臂、应急物资投放装置等救援设备以及大容量运载空间，能够快速到达目标位置实施救援。

任务节点是UUV集群搜救体系中的基本元素，基于OODA环，有以下功能，如表4所示。

在建立分层的评估指标体系时，考虑3类节点（搜索节点、指挥控制节点、救援节点）的功能差异。如图16所示，搜索节点关注探测精度和覆盖效率，主要评估识别概率、最大探测距离等；如图17所示，指挥控制节点关注决策质量和响应速度，主要评估任务分配时间、指令正确率等；如图18所示，救援节点关注任务执行效能，主要评估救援范围、救援最小时间等。

由上述节点指标构建，可以得到以下能力指标体系，包括任务节点类型（指挥控制节点、搜索节点、救援节点）、能力类别（信息处理能力、任务能力、通信能力等）、指标名称（响应时间、吞吐量、信息准确率等），如下表5所示。

基于仿真系统模拟10次生成效能指标参数集见表6。

3.2 任务效能指标体系构建

任务效能指标（Measures of Effectiveness，MOE）构建时，参照OV-5a视图，对每个阶段的活动进行任务需求归纳，得出表格形式的任务效能指标构建表，最终形成图19所示的任务效能指标体系。

1）任务需求项归纳（见表7）

2）任务效能指标设计（见表8）

4 基于VV&A的UUV集群搜救任务体系架构模型验证 4.1 VV&A验证框架设计

VV&A（Verification, Validation & Accreditation，验证、确认与认可）是复杂系统建模的核心质量保障手段。针对UUV集群搜救任务体系架构模型的层级化特征与动态协同需求，本文设计“三层递进式”VV&A验证框架，明确各阶段目标、范围与技术路径，形成覆盖模型构建-场景仿真-工程适配的闭环验证体系。

验证阶段聚焦模型内部逻辑正确性，核心任务是校验DoDAF多视角模型间的一致性、SysML建模元素的规范性，以及评估指标体系的完整性与可测性，确保模型无逻辑矛盾、无元素缺失；确认阶段聚焦模型与任务需求的符合性，基于典型搜救场景，通过Matlab/Simulink搭建数值仿真平台，复现UUV集群“探测-判断-决策-救援”全流程，对比仿真结果与预设任务需求指标；认可阶段聚焦模型的工程实用价值，通过领域专家评审与工程场景适配性分析，综合评估模型在不同复杂环境下的鲁棒性，确认其是否可作为UUV集群搜救系统设计、优化与效能评估的工程化依据。

4.2 模型验证（Verification）：一致性与完整性校验

模型验证以“逻辑自洽、元素规范、指标合理”为核心目标，结合DoDAF2.0视图间的关联逻辑与SysML建模标准，分3个维度开展校验。

1）DoDAF多视角模型一致性验证

DoDAF2.0视图间存在强逻辑关联（如全视角AV-1为任务视角OV系列提供边界定义，能力视角CV系列为任务执行提供支撑），需通过“视图映射矩阵”验证各视图元素的一致性，确保无矛盾、无遗漏。验证内容与判定标准如表9所示。

2）SysML模型元素规范性验证

SysML模型（块定义图、活动图、时序图等）的规范性直接影响模型可复用性，需验证元素定义与逻辑关系是否符合SysML1.6标准。以核心模型为例：

①块定义图（BDD）：验证“指挥控制节点”块的属性（如“任务分配时间”）与关联（指挥UUV与探测UUV的“任务调度”关联）是否明确，无模糊定义。

②活动图（OV-5b实现）：验证“判断阶段-数据融合”活动的输入（声呐数据、卫星数据）与输出（综合态势图）是否完整，无孤立活动。

③时序图（通信过程）：验证指挥UUV与救援UUV间的“任务指令传输”时序（指令发送→确认接收→执行反馈）是否符合通信协议（如水声通信时延≤5 s），无时序冲突。

通过EA的SysML语法检查工具与人工评审结合，上述模型元素规范性符合要求，无语法错误或逻辑漏洞。

3）评估指标体系合理性验证

基于“SMART原则”（Specific, Measurable, Achievable, Relevant, Time-bound）验证指标体系的合理性，重点检查：

①可测性：所有指标（如“搜索节点-最大探测距离”“指挥节点-任务分配时间”）均需量化定义，避免模糊描述（如“探测能力强”）。

②关联性：指标需与任务需求直接关联（如“救援最小时间”直接对应“黄金72小时救援窗口”需求）。

③无冗余性：删除重复指标（如“通信时延”在指挥/搜索/救援节点均需监测，但定义一致，无冗余）。

经验证，表5（能力指标体系）与表7（任务效能指标）均满足SMART原则，可支撑后续仿真计算。

4.3 模型确认（Validation）：场景仿真与需求匹配

基于第1.2节典型任务场景（200 km×200 km远海货轮失事，海流速度1.5 m/s，水声通信时延3～5 s），通过Matlab对模型进行数值仿真验证。以“UUV集群搜索路径模型”、“任务分配与救援响应模型”说明仿真分析过程。

1）UUV集群搜索路径模型仿真分析

将200 km×200 km海域划分为100 m×100 m栅格，6艘探测UUV采用“分区扫描与动态补漏”策略，通过A*算法规避海流干扰（海流对UUV航速的影响通过附加速度向量实现），如图20所示。

2）任务分配与救援响应模型仿真分析

当探测UUV发现目标（假设仿真中设置3个失事目标点），指挥UUV通过改进匈牙利算法实现救援UUV与目标点的最优匹配，目标函数为最小化总救援时间，含机动时间与通信时延，如图21所示。

仿真结果表明，4 h内覆盖率均值92.3%，满足“≥90%”需求，总救援时间均值8.5 h，满足“≤24 h”需求，UUV集群搜救模型能够复现典型任务场景的核心流程，且关键指标均满足任务需求，模型与实际任务需求的符合性良好。

4.4 模型认可（Accreditation）：专家评审

邀请5位海洋无人装备领域专家（含2位海军装备研究院高级工程师、3位高校船舶工程专业教授），从“模型实用性”、“指标合理性”、“仿真可信度”3个维度进行10分制评分，结果如表10所示。

4.5 验证结论

1）模型一致性：DoDAF多视角模型间无逻辑矛盾，SysML元素符合规范，评估指标体系满足SMART原则。

2）需求符合性：典型场景仿真中，关键任务效能指标（如搜索覆盖率、救援响应时间）均满足需求，仿真结果可信。

3）实际适配性：专家评审平均分达8.9分，模型可支撑UUV集群搜救任务的工程化设计与效能评估。

本验证结果表明，UUV集群搜救任务体系架构模型通过VV&A校验，具备正确性、有效性、适用性，可作为后续系统开发与优化的核心依据。

5 结　语

本文围绕UUV集群搜救任务，构建了一套相对完整的体系架构建模方法与评估体系。在建模框架方面，基于DoDAF体系架构和MBSE理论，设计了包含全视角、任务视角和能力视角的多维建模框架，为系统分析提供了模型基础。在评估体系方面，引入OODA环理论，建立了指挥控制、搜索和救援节点的三级评估指标体系。通过典型任务场景的初步构建与模型验证分析，实现了从体系建模到指标落地的应用实践，所构建的三类任务节点量化评估指标，为海洋环境下多无人平台协同救援提供了评估参考。