La ingeniería de sistemas basada en modelos (MBSE) ha demostrado su importancia en el campo aeroespacial. Sin embargo, el proceso de modelado de MBSE a menudo es tedioso y depende en gran medida del conocimiento y la experiencia especializados; por lo tanto, se requiere urgentemente un nuevo método de modelado para mejorar la eficiencia del modelado. Este artículo se centra en el modelado de MBSE en la fase 0 de la misión de ciencia espacial, durante la cual se recopilan los requisitos de la misión y se construye el conjunto de datos correspondiente. El conjunto de datos se utiliza para ajustar el modelo de preentrenamiento BERT para la clasificación de requisitos relacionados con misiones de ciencia espacial. Este proceso apoya la creación automatizada posterior del modelo de requisitos de MBSE, que tiene como objetivo facilitar el análisis de objetivos científicos y mejorar la eficiencia general del proceso de diseño de misiones de ciencia espacial. Basado en las características de las misiones de ciencia espacial, este documento categorizó los requisitos en cuatro categorías: objetivos científicos, rendimiento, carga útil y requisitos de ingeniería, y construyó un conjunto de datos de requisitos para misiones de ciencia espacial. Luego, utilizando este conjunto de datos, se ajusta el modelo BERT para obtener un modelo de clasificación de requisitos de misión de ciencia espacial (SSMBERT). Finalmente, SSMBERT se compara con otros modelos, incluidos TextCNN, TextRNN y GPT-2, en el contexto de la tarea de clasificación de requisitos de misión de ciencia espacial. Los resultados indican que SSMBERT funciona de manera efectiva en condiciones de Few-Shot, logrando una precisión del 95%, que es al menos un 10% más alta que otros modelos, demostrando un rendimiento y capacidades de generalización superiores.