[答疑]无人机集群作战,OPM还是SysML

无人机安全管理体系(SMS)实战指南:四大支柱、5×5 风险评估与法规合规落地全解析 安全管理体系(SMS,Safety Management System)是一套以风险为核心、可持续运行的管理机制,不是一堆制度文件。支柱一句话产出物① 安全政策与目标老板签字承诺,定方向安全政策书、安全目标、组织与职责② 风险管理提前找出危险源并压住它危险源台账、风险评估表、控制措施③ 安全保证用数据证明「真的安全」安全绩效指标、监控报告、变更管理记录④ 安全促进让所有人愿意报问题培训记录、安全文化、自愿报四大支柱不是四个并列的模块,而是一个首尾相接的闭环:fill:#333。 阅读详情

DDD领域驱动设计批评文集

做强化自测题获得“软件方法建模师”称号

《软件方法》各章合集


(匿) 2026-4-20 14:42

潘老师好啊,想请您指点系统工程建模的选型。

我现在的工作和这篇文章有点像,文章里是基于OPM建立模型。印象里您一直在推广SysML,想听听您关于两者的看法,期盼您能在百忙之中拨冗指点!

基于OPM的无人机集群智能化指挥控制概念模型

另:咱的课有装备研发、作战体系方面的例子吗?

UMLChina潘加宇

省流版:

(1)从利用AI以及工具生态等角度考虑,建议用SysML v2。我没有在实际项目中用过OPM。

(2)我们的课程目前没有装备研发、作战体系方面的例子,但可以触类旁通。

=====以下是展开版=====

从道理上看,选择OPM和SysML都可以。

OPM和SysML都是国际标准

老的OPM 2015标准,目前已废止:

图片

新的OPM 2024标准,https://www.iso.org/standard/84612.html

图片

SysML v1标准(https://www.iso.org/standard/65231.html):

图片

SysML v2现在还是在OMG框架下完善的阶段。经过一定时期的成熟应用后,大概率也会被提交给ISO,替代现有的19514标准。

工具和生态上,SysML强很多

SysML一开始是UML的扩展,而UML的工具是很多的(最多时达178款)。SysML推出之后,一部分UML工具选择同时支持SysML,像MagicDraw更是转向以SysML建模为主。

随着SysML v2的到来,新的SysML v2建模工具就更多了。国产的声称自己是SysML v2工具的就有好些,例如**、**、**、**……读者感兴趣自己搜。

OPM的工具,目前主要是OPCloud(https://www.opcloud.tech/)

在可扩展性和工程下游的仿真和集成上,SysML工具也要比OPM工具强很多。

利用AI上,还是看好SysML v2

OPM的OPL文本和SysML v2的文本都可以作为AI输入和输出的表示形式,但目前可用于训练AI的SysML素材更多。

**********

就拿你所给文章的“无人机集群作战”,搜一下公开的论文,研究时用得更多的应该还是SysML。

例如这个论文:

图片

图片

图片

图片

下面是刚才文章里OPM的“朴素”表达,我觉得还是SysML好一些。

以上仅是我现在的看法,我没有在任何实际项目中真正用过OPM,所以对比很可能是不正确的。

把OPM和SysML结合起来的书也有,例如OPM创始人Dov Dori写的这本:

图片

我们的课程目前没有装备研发、作战体系方面的例子,主要的原因是这些主题不太好展开讨论。

UMLChina上有一些文章,例如:

电磁轨道炮设计-基于模型的系统工程(20190819更新)

实际上,UML/SysML得到较大重视的一个领域就是国防工业。国防工业也是国产SysML v2工具的稳固客户群。

各种敏捷、DDD伪创新可以在“互联网”横行霸道、“无脑试错”,幸运的是,国防工业目前还没有,毕竟出问题会涉及很多人的生命。

虽然没有装备研发、作战体系方面的例子,我们的公开课经常也有军队的同学来上的。通过在课堂上讨论别的同学、别的领域的项目,回去应用在自己的项目上,也是可以的。

民用的飞行器和军用的飞行器,道理是共通的。就拿刚才你说的那个文章,大规模洪水或大规模森林火灾时无人机集群救灾和无人机集群作战,道理也是共通的。

【MATLAB代码,多无人机路径规划6】基于RRT与动态窗口法(RRT+DWA)的多无人机二维动态路径规划与避障。订阅专栏后可查看完整代码 本文基于MATLAB实现四架无人机在二维动态障碍环境中的协同路径规划,采用RRT+DWA算法,支持参数自定义。通过对比RRT+APF与RRT+DWA的避障效果,可视化轨迹、净间隙、速度加速度及航程等,输出任务完成率与碰撞统计。代码可直接运行,订阅专栏后获取完整源码,支持定制与讲解。 阅读详情

相关推荐

【MATLAB代码】基于RRT与人工势场法(RRT+APF)的多无人机二维动态路径规划与避障。订阅专栏后可查看完整代码

本文基于RRT+APF算法实现多无人机动态路径规划与避障仿真,通过MATLAB完整代码可直接运行。对比传统APF方法,该方案在轨迹平滑性、安全净间隙及到达效率上表现更优。支持参数自定义,订阅专栏后可获取源码与定制服务,适用于科研与工程实践。

985工科博士毕业,专攻定位、导航和滤波等算法研究。从业10年,主要使用MATLAB 197

《系统架构:复杂系统的产品设计与开发》——第3章,第3.6节架构展示工具:SysML与OPM...

本节书摘来自华章出版社《系统架构:复杂系统的产品设计与开发》一书中的第3章,第3.6节架构展示工具:SysML与OPM,作者[美]布鲁斯·卡梅隆,更多章节内容可以访问云栖社区“华章计算机”公众号查看 3.6架构展示工具:SysML与OPM3.6.1视图与投射对复杂系统的架构所做的描述,包含着巨量的信息,其信息量远远超过了人的理解能力。那么,这些信息应该如...

weixin_33735077的博客 876

【MATLAB代码,无人机避障7】基于RRT*与人工势场法(RRT*+APF)的多无人机二维动态路径规划与避障。订阅专栏后可查看完整代码

本文基于RRT与人工势场法(APF)实现四架无人机在二维动态障碍环境中的协同路径规划与避障。通过RRT优化全局路径,结合APF进行局部避碰,支持参数自定义,提供完整MATLAB代码,可直接运行并生成轨迹、安全净间隙、速度加速度及航程等可视化结果,对比RRT+APF与RRT*+APF性能,适用于科研与教学。

985工科博士毕业,专攻定位、导航和滤波等算法研究。从业10年,主要使用MATLAB 241

无人机航拍垃圾检测数据集深度学习 目标检测 无人机航拍 垃圾检测 环境卫生 YOLO格式 数据集发布9029期

无人机航拍垃圾检测数据集深度学习 目标检测 无人机航拍 垃圾检测 环境卫生 YOLO格式 数据集发布9029期

qq_2529413168的博客 211

告别Keil?在Mac上配置STM32CubeIDE + CMSIS-DAP调试器全攻略(含常见报错解决)

本文详细介绍了在Mac平台上配置STM32CubeIDE与CMSIS-DAP调试器的全流程,包括硬件准备、软件安装、工程创建及调试优化。通过实战指南,帮助开发者高效完成STM32开发,解决常见报错问题,提升开发效率。

weixin_30485379的博客 433

医学图像中的小目标病灶检测难题:我的硕士研究总结与思考

医学图像中的小目标检测和分割,主要指在CT、MRI、超声等医学影像中识别和分割微小病灶或细小结构。这些小目标通常体积小、边界模糊、特征不明显,却往往是关键病灶,例如肺部小结节、脑微出血、乳腺微钙化等。

weixin_45638136的博客 2370

LeCun团队世界模型JEPA首登无人机:9K参数模型,零样本Sim-to-Real飞入100Hz闭环

SkyJEPA提出一种极小参数(9K)的潜空间动力学模型,通过JEPA架构在抽象表征中预测未来,避免自回归递归误差累积。结合物理探针解码与MPPI控制,实现零样本实机飞行,在60步预测中位置误差仅1.43m(基线8.80m),姿态误差4.71°(基线53.4°)。关键创新在于:潜空间提升时间直线化以抑制误差增长;物理骨架确保状态传播几何正确;数据管线通过域随机化覆盖真实分布;MPPI对模型误差具有天然鲁棒性。实验验证其在变载、换桨等未见场景下仍保持稳定性能,证明“预测-解码-控制”接口设计优于单一模块优化。

编程爱好者 277

百度api爬虫(1)从百度api中爬取地点数据

几句废话———— 百度api就是基于百度地图的开发接口,这么大的地图公司居然给开发接口真的很感激哎! 所以,言归正传。现在项目需求要把乌鲁木齐市内的所有清真寺都用矢量圈出来,然后做点统计啥的,最后做个专题图产品。 怎么把清真寺找出来? 领导的意思是你一个一个上网搜吧,这就是你的工作量。那我当然要想办法啊,边工作边学习工作才有意义嘛! 然后就发现百度api可以实现我的需求。其实可以通过py...

weixin_43105618的博客 8901

无人机如何监测黑臭水体:从指数筛查到边缘推理的递进式技术链路

黑臭水体监测的真实挑战,在于如何从水体光谱信号中稳定反演出COD、溶解氧、氨氮等非光学活性参数,并将反演数据直接转化为可派单的治理事件。受限于空间与光谱分辨率,卫星遥感独立完成参数反演的精度不足;单一可见光只能捕捉表象,无法量化水质等级。工程上的可行路径是一条递进链路:利用指数模型锁定疑似水段,依靠高分辨率多光谱数据建立机器学习反演模型,将模型压缩至边缘端实现实时推理,最后通过低空中枢系统接入工单流转。本文按此链路拆解各环节的技术取舍与物理边界。

THJS优快云的博客 381

信息奥赛课课通(C++)p154-1近似排序

试题描述 读入一对正整数,将这两个数之间(包括这两个数本身)的所有数按下述特别规则排序后输出,该特别规则是按两数倒过来的值进行比较决定其大小,如30倒过来为3,29倒过来为92,则29大于30. 输入要求 1行,包含两个用空格隔开的自然数,这两个自然数给出了待排序数的范围,其中1≤第一个数≤第二个数≤999999999,两个数之差不超过100. 输出要求 输出排序后的数据,每行输出...

mengdicfm的博客 7285

手把手教你用FPGA驱动DAC8830:一个Verilog SPI驱动模块的完整实现与调试

本文详细介绍了如何使用FPGA通过Verilog实现DAC8830的SPI驱动模块,包括SPI通信机制解析、Verilog模块设计、代码优化及调试技巧。重点解决时钟同步、状态机设计等工程实践问题,适用于音频处理、仪器仪表等高精度数模转换场景。

weixin_26886855的博客 230

【深度学习实战】无人机影像地物要素语义分割实战:EfficientNetB4 + UNet

本文基于UAVid数据集,复现了EfficientNetB4作为编码器的UNet语义分割模型,全流程涵盖数据处理、可视化、模型构建、训练与推理。针对无人机影像高分辨率、小目标多、类别不均衡等挑战,采用彩色标签转类别索引、256×256随机裁剪与Albumentations增强策略,并结合加权交叉熵与Dice损失缓解长尾问题。实验在双RTX 6000 GPU上完成,代码开箱即用,适用于智慧城市与自动驾驶高精地图应用。

向上生长的程序媛的博客 337

GEE 案例:基于陆地卫星8号(大气层顶反射率数据)LANDSAT/LC08/C02/T1_TOA的生态遥感指数RSEI计算、可视化和下载

摘要:基于GEE的遥感生态指数(RSEI)计算方法 本文介绍了利用Google Earth Engine(GEE)平台计算遥感生态指数(RSEI)的全流程方法。主要内容包括:研究区域定义、Landsat8数据获取与去云预处理、关键生态指标计算(地表温度LST、植被指数NDVI、湿度指数WET和建筑指数NDBSI)、主成分分析(PCA)降维处理,以及结果可视化与数据导出。通过结合多源遥感指标并采用归一化处理,构建了综合反映区域生态环境质量的RSEI指数。该方法为生态环境监测提供了高效的技术方案,所有计算过程均

此星光明博客 460

无人机的射频干扰、导航欺骗等反制技术

它的优势是灵活,位置、速度、时间都可以在软件层面随意设定,想把它骗到东边就设东边的坐标。对导航频段进行噪声压制,无人机不会立刻掉落,而是进入“姿态模式”——它还能维持平衡和基本飞行,但失去了位置感知能力,无法自主返航或定点悬停。两者的共同点在于都不直接摧毁无人机机体,但作用机理和处置后果差异明显:一个靠“压住信号”逼无人机进入失控保护状态,另一个靠“伪造信号”让无人机自己飞向错误的地方。它不压制真实信号,而是发射一套伪造的卫星导航信号,让无人机接收机误以为这就是真实的定位数据,从而计算出错误的自身位置。

zzlyx99的专栏 357

DeepSeek 赋能太空探索:从轨道优化到星际开拓的 AI 革命

随着人工智能技术蓬勃发展,DeepSeek 在太空探索领域展现出巨大应用潜力。本文深入剖析 DeepSeek 技术核心,包括低功耗运算、开源生态等优势,阐述其与传统航天技术的差异。从航天器自主控制、深空探测、载人航天等关键环节,结合实时轨道调整、故障诊断修复等实例,揭示 DeepSeek 对航天任务效率与安全性的提升作用。同时探讨其应用面临的太空环境适应、伦理安全等挑战,展望技术演进方向及与前沿技术融合前景,展现 DeepSeek 为人类太空探索带来的变革与深远意义。

邓邓子的博客 2259

RK3568下GPIO模拟串口

在嵌入式开发中,硬件 UART 资源可能被其他外设占用。此时,通过 GPIO 模拟 UART(软串口)成为一种灵活的解决方案。本文基于 RK3568 平台,结合 Linux 内核模块,实现高精度软串口通信,并深入分析关键技术细节。可以看到已经接收到数据了,可以自己创建自定义的设备文件到/dev下,也可以按照串口设备的标准创建一个设备,后面有时间我写一篇和标准串口设备结合的gpio模拟串口文章。RK3568 GPIO 模拟串口(软串口)实现详解。将编译好的驱动放到板子上运行。再写个Makefile。

文石_2009的博客 366

无人机数据链抗干扰怎么做?基于Python的链路健康度监控与分级告警实现

无人机数据链的稳定性,不应该只用信号强度来衡量。第一,能够监测。实时掌握链路质量,及时发现信号衰减和通信异常。第二,能够响应。根据异常等级,执行经过验证的飞行安全预案。第三,能够追溯。将链路状态、飞行轨迹和任务画面关联存档,为后续分析提供依据。对于城市巡检、智慧林业、应急救援等低空应用场景而言,通信链路不仅关系到无人机能否持续飞行,也关系到现场信息能否稳定回传、任务能否顺利完成。

荆棘鸟智能的博客 275

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

无人机点云导出 DEM 全是空洞?用 PDAL 滤波 + GDAL 填洞一次做对

外业点云转 DEM 常卡在地面滤波、栅格分辨率与空洞。本文用 PDAL 管道 + gdal_fillnodata 给出可复现最小流程与抽检清单。

llhllq2015的博客 416

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

无人机电调PCB越做越小,MCU和电流检测芯片怎么选?(EFM8BB21/EFM8BB51/AT32F421/INA139 应用选型)

我们来以Silicon Labs 的 EFM8 Busy Bee 系列产品为例,根据官方的资料,EFM8BB21F16G是一款8位MCU,它的最高工作频率为50MHz,具有16KB Flash、约 2.25KB RAM,并提供 12 位 ADC、5 个 16 位定时器、3 个 PCA 通道,以及 UART、SPI、I²C 等接口。所以,本质上EFM8BB21这类MCU的价值,我们可以说,它不是用更低的位数去换取更高性能,而是在功能足够的情况下,尽量去控制芯片成本和PCB的空间。

Cheryl13824368625 557

32阵元CRPA天线:俄罗斯无人机卫导抗干扰能力正在如何升级-V2?

俄罗斯Shahed/Geran类无人机或已装备32阵元CRPA抗干扰天线,实为L1、L2各16阵元的双频结构,非单频32通道。该设计提升双频空间抑制能力,每频段可形成最多15个零陷,增强对多源压制干扰的应对。但性能受限于独立通道数、阵列校准精度、射频前端动态范围及真实战场多干扰环境。阵元数≠抗干扰力,关键在系统工程实现与实战适应性。

chen2jiang3的博客 228

无人机影像落叶松林健康评估检测数据集 | 落叶松健康评估 林业病害监测 无人机航拍 密集目标检测9320期

本数据集聚焦于无人机航拍视角下的落叶松林健康状态评估与受损程度检测。 主要服务于林业病害监测、森林资源评估、火灾及风灾后的灾情定损。

qq_2529413168的博客 255

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

无人机巡检道路路面异常检测数据集 深度学习 目标检测 无人机巡检 道路病害 路面异常 YOLO格式 数据集发布9028期

qq_2529413168的博客 195

[黎阳之光] 油田输油管线无人机巡检实战教程:航线规划、缺陷识别与工单闭环一次讲透

输油管线无人机巡检的核心不是飞得多快,而是“航线—识别—工单”闭环能不能每周稳定跑通、缺陷能不能精确到桩号。按本文参数,一条 20 公里管线的巡检闭环一个月内可以上线。本文是简化版框架,完整落地的项目级方案请联系黎阳之光结合现场定制。

m0_75019831的博客 262

智慧警务无人机重点人员预警

智慧警务无人机图像识别分析系统,包括数据中心、重点人员预警、重点车辆预警、系统管理。通过智能分析模块,对视频画面进行识别、检测、分析,对异常情况进行目标和轨迹标记。重点人员预警,实现对图片人脸识别、比对重点人脸库信息,比对成功则生成重点人员预警信息并推送至智慧警务无人机图像识别分析系统。重点人员预警,包括预警列表、预警处置、解除预警、预警反馈。#智慧警务#无人机#人脸识别#重点人员预警#视频分析#ai视频分析#视频图像处理#视频图像识别#视频监控#安防系统。智慧警务无人机重点人员预警。

m0_49367516的博客 310

桥梁检测三维数据采集技术方案:无人机航测与 RayZoom G200 手持 SLAM 协同

针对桥梁检测中“覆盖全”与“看得细”的矛盾,提出无人机航测与手持SLAM(RayZoomG200)组合采集方案。无人机高效获取桥面、桥侧三维表面,手持SLAM补扫桥底、箱梁等遮挡区域,两套数据在统一控制基准下配准,实现厘米级精度的完整三维建模。方案按部位分工,兼顾效率与精度,成果可用于病害评定、维修设计与数字孪生,有效突破传统检测局限。

Jmyd0123的博客 294

无人机应急通信的链路困局与可靠性方案

W3拥有自己的传输链路,不干扰遥控手柄的飞控信号——加装之后,飞手既可使用手柄自有链路,也可使用三家运营商的聚合链路,双通道冗余,解决了单链路图传设备“二选一”的尴尬。卫星通信解决的是“覆盖有无”的问题,聚合路由器解决的是“质量好坏”的问题——二者不在同一个层级上竞争,而是在不同层面各司其职。方为W3在无人机侧做的事情,可以概括为一句话:让空中节点采集到的信息,在公网不可靠的时候,仍然以可用的质量和安全等级到达需要它的人手中。应急场景中的灾情画面、人员位置、指挥指令,在公网链路上传输时,这一层不是可选项。

GoGoAction 97
上一篇: [幻灯片]分析设计高阶-02结构(3)-202604更新
下一篇: [答疑]美国国防部的这份SysML v1转v2指南可以参考吗
rolt
博客等级 码龄26年 8025粉丝 2006原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值