上海大學劉麗蘭教授團隊：工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制方法體系丨JME文章推薦

引用論文

許鴻偉, 劉麗蘭, 張潔, 秦威, 邢宏文, 汪瑋, 劉思仁, 呂佑龍. 工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制方法體系[J]. 機械工程學報, 2026, 62(5): 61-73.

XU Hongwei, LIU Lilan, ZHANG Jie, QIN Wei, XING Hongwen, WANG Wei, LIU Siren, Lü Youlong. AI Twin Control Method System for Aeronautical Intelligent Manufacturing Driven by Industrial Large Models[J]. Journal of Mechanical Engineering, 2026, 62(5): 61-73.

(戳鏈接，下載全文)

針對航空智能制造中數(shù)據(jù)-知識協(xié)同效率低、裝配偏差溯源困難、工藝參數(shù)優(yōu)化滯后及虛實交互驗證不足等關(guān)鍵問題。上海大學劉麗蘭教授團隊提出一種以工業(yè)大模型為認知引擎的AI孿生控制方法體系，構(gòu)建覆蓋“感知-診斷-決策-驗證”的數(shù)字孿生閉環(huán)控制框架。通過知識圖譜網(wǎng)絡(luò)化關(guān)聯(lián)建模，實現(xiàn)多源異構(gòu)數(shù)據(jù)的語義融合與動態(tài)推理，打造航空制造工業(yè)大模型語料庫，形成具備自主演化能力的專業(yè)知識底座；開發(fā)面向多場景智能決策閉環(huán)的工業(yè)大模型算法庫，利用貝葉斯因果推斷解析裝配偏差的多層級耦合誘因，結(jié)合增量集成學習實現(xiàn)多源耦合偏差的動態(tài)演化預(yù)測，基于遷移強化學習突破跨場景參數(shù)優(yōu)化瓶頸；最終通過數(shù)字孿生技術(shù)構(gòu)建虛實雙向驅(qū)動的驗證閉環(huán)。以某型號民用客機機身壁板裝配為驗證對象的結(jié)果表明，所提方法能夠顯著提升長桁自動裝配精度，長桁一次裝調(diào)成功率較傳統(tǒng)方法提升24%；實現(xiàn)鉆鉚質(zhì)量實時檢測，連續(xù)鉆鉚缺陷識別準確率達98%。該研究通過構(gòu)建與演化領(lǐng)域知識底座，深度驅(qū)動了從偏差因果溯源到孿生驗證的全流程閉環(huán)，實現(xiàn)了制造決策從經(jīng)驗驅(qū)動到模型認知驅(qū)動的范式躍遷 。該團隊的研究成果以題為《工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制方法體系》發(fā)表在《機械工程學報》2026年第5期。

1

研究背景及目的

針對航空智能制造中數(shù)據(jù)-知識協(xié)同效率低、裝配偏差溯源困難、工藝參數(shù)優(yōu)化滯后及虛實交互驗證不足等關(guān)鍵問題，本研究提出一種以工業(yè)大模型為認知引擎的AI孿生控制方法體系，構(gòu)建覆蓋“感知-診斷-決策-驗證”的數(shù)字孿生閉環(huán)控制框架。通過知識圖譜網(wǎng)絡(luò)化關(guān)聯(lián)建模，實現(xiàn)多源異構(gòu)數(shù)據(jù)的語義融合與動態(tài)推理，打造航空制造工業(yè)大模型語料庫，形成具備自主演化能力的專業(yè)知識底座；開發(fā)面向多場景智能決策閉環(huán)的工業(yè)大模型算法庫，利用貝葉斯因果推斷解析裝配偏差的多層級耦合誘因，結(jié)合增量集成學習實現(xiàn)多源耦合偏差的動態(tài)演化預(yù)測，基于遷移強化學習突破跨場景參數(shù)優(yōu)化瓶頸；最終通過數(shù)字孿生技術(shù)構(gòu)建虛實雙向驅(qū)動的驗證閉環(huán)。

2

論文亮點

(1) 提出并構(gòu)建了一套工業(yè)大模型與數(shù)字孿生深度融合的“AI孿生控制”方法體系，實現(xiàn)航空精密裝配從“經(jīng)驗驅(qū)動”到“認知驅(qū)動”的范式躍遷；

(2) 建立了“知識中樞?因果引擎?決策網(wǎng)絡(luò)?驗證閉環(huán)”四維協(xié)同架構(gòu)，通過知識圖譜網(wǎng)絡(luò)化關(guān)聯(lián)建模實現(xiàn)多源異構(gòu)數(shù)據(jù)與工藝知識的語義融合，形成具備自主演化能力的領(lǐng)域知識底座；

(3) 分析了貝葉斯因果推斷與增量遷移學習聯(lián)合驅(qū)動的智能決策機制，實現(xiàn)裝配偏差多層級耦合傳遞的精準溯源與工藝參數(shù)的跨場景自適應(yīng)優(yōu)化；

(4) 構(gòu)建了虛實雙向驅(qū)動的動態(tài)孿生驗證閉環(huán)，通過高保真仿真與在線反饋校準，將工藝決策驗證周期從小時級縮短至分鐘級，為高端裝備制造提供了可量化、可復(fù)用的認知決策新范式。

3

試驗方法/結(jié)果

（1）闡述工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制新模式：AI 孿生控制新模式是一種面向航空智能制造高精度、多耦合、動態(tài)化需求，以工業(yè)大模型為認知核心，以數(shù)字孿生為虛實交互載體，融合知識圖譜、因果推斷、強化學習等技術(shù)，構(gòu)建“感知-診斷-決策-驗證”全流程閉環(huán)，實現(xiàn)從“經(jīng)驗補償”到“預(yù)測預(yù)控”、從“局部優(yōu)化”到“全局尋優(yōu)” 的先進控制范式，其核心是通過工業(yè)大模型賦予孿生體“數(shù)據(jù)-知識-模型”協(xié)同進化能力。以飛機裝配車間為例，在智能制造背景下的飛機裝配車間AI孿生控制新模式如圖1所示。

圖1 AI孿生控制新模式

（2）提出工業(yè)大模型驅(qū)動AI孿生控制方法論體系：圍繞數(shù)據(jù)與知識融合處理、因果溯源、質(zhì)量預(yù)測、參數(shù)優(yōu)化及孿生驗證五大核心方法，構(gòu)建航空智能制造場景下“感知-診斷-決策-驗證”閉環(huán)控制范式。該方法體系通過多源異構(gòu)數(shù)據(jù)的知識化表達、偏差傳遞機理的可解釋建模、動態(tài)工藝參數(shù)的自主優(yōu)化與虛實空間的協(xié)同演化，推動航空智能制造從經(jīng)驗驅(qū)動到認知驅(qū)動的范式躍遷，并為后續(xù)技術(shù)體系建立提供理論支撐依據(jù)，該方法論體系如圖2所示。

圖2 AI孿生控制方法論體系

（3）建立工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制技術(shù)體系：所提出的技術(shù)體系是方法論體系的實現(xiàn)技術(shù)路徑，針對航空智能制造中多源異構(gòu)數(shù)據(jù)融合效率低、裝配偏差因果關(guān)系表征模糊、質(zhì)量預(yù)測動態(tài)適應(yīng)性不足、跨場景參數(shù)優(yōu)化成本高及虛實交互驗證滯后等核心挑戰(zhàn)，本研究通過構(gòu)建五層遞進式AI孿生控制技術(shù)體系，形成“數(shù)據(jù)建模-因果溯源-動態(tài)預(yù)測-遷移優(yōu)化-孿生驗證”的閉環(huán)控制架構(gòu)，如圖3所示。工業(yè)大模型驅(qū)動的航空智能制造 AI 孿生控制技術(shù)體系，以航空制造領(lǐng)域知識底座為基石，通過基于知識圖譜的網(wǎng)絡(luò)化關(guān)聯(lián)建模技術(shù)實現(xiàn)數(shù)據(jù)融合與知識構(gòu)建，為后續(xù)工藝優(yōu)化迭代與智能決策閉環(huán)提供多模態(tài)融合語料庫；以構(gòu)建面向多場景智能決策閉環(huán)的工業(yè)大模型算法庫為核心，設(shè)計基于貝葉斯因果推斷的根因溯源、基于增量集成學習的偏差預(yù)測、基于遷移強化學習的參數(shù)優(yōu)化等模型算法，圍繞關(guān)鍵工藝參數(shù)、決策變量與目標進行診斷決策；以系統(tǒng)研發(fā)為載體，借助基于數(shù)字孿生的虛實協(xié)同控制技術(shù)達成孿生驗證，多層面協(xié)同保障航空智能制造的高效精準與優(yōu)化控制。最終形成集“語料庫-算法庫-模型庫”于一體的航空制造工業(yè)大模型，為航空機身壁板等復(fù)雜結(jié)構(gòu)件的精密裝配與過程控制提供理論支撐與技術(shù)路徑。

圖3 工業(yè)大模型驅(qū)動的航空智能制造AI孿生控制技術(shù)體系

4

結(jié)論

為驗證所提AI孿生控制方法在航空精密裝配中的閉環(huán)控制效能，本研究以機身壁板裝配為對象，聚焦“長桁一次裝調(diào)精準控制”與“鉆鉚質(zhì)量實時檢測控制”兩類典型場景，開展系統(tǒng)化應(yīng)用驗證。在長桁裝調(diào)中，控制目標為實現(xiàn)毫米級水平位置度精度，控制變量包括機械臂關(guān)節(jié)軌跡與末端定位參數(shù)，控制策略融合增量集成學習的偏差預(yù)測與遷移強化學習的實時參數(shù)優(yōu)化，驗證路徑如圖4所示。在鉆鉚質(zhì)量管控中，以鉚接缺陷識別率與工藝參數(shù)動態(tài)調(diào)整為控制目標，通過多模態(tài)視覺感知與貝葉斯因果診斷生成工藝參數(shù)調(diào)整指令，并結(jié)合數(shù)字孿生實現(xiàn)控制策略的在線驗證與反饋校準，驗證路徑如圖5所示。兩項驗證通過“感知-診斷-決策-執(zhí)行”的閉環(huán)架構(gòu)，系統(tǒng)展示了所提方法在偏差抑制與質(zhì)量優(yōu)化方面的控制性能，為航空復(fù)雜裝配過程提供了可工程實施的智能控制范式。

圖4 長桁一次裝調(diào)精準控制驗證路徑圖

圖5 鉆鉚質(zhì)量實時檢測與控制驗證路徑圖

作者及團隊介紹

劉麗蘭，上海大學機電工程與自動化學院教授、博導(dǎo)，上海大學黨委常委、組織人事部常務(wù)副部長兼組織處處長、黨校常務(wù)副校長，上海市特種人形機器人融合創(chuàng)新中心主任，上海市領(lǐng)軍人才、上海市優(yōu)秀技術(shù)帶頭人，上海市機械工程學會副理事長、工業(yè)智能制造技術(shù)專委會主任，上海市工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟副理事長，教育部首批“智能制造工程”專業(yè)負責人，上海大學“機械工程”一流學科方向帶頭人。主要研究方向為智能制造技術(shù)與系統(tǒng)，解決制造過程中的感知-決策-執(zhí)行問題，重點研究工業(yè)數(shù)字孿生技術(shù)，并在航空、航天、海洋、汽車、鋼鐵冶金等行業(yè)應(yīng)用，先后主持國家、省部級等科研項目30余項，出版專著4部，發(fā)表學術(shù)論文300余篇，獲得專利與軟件著作權(quán)50余項，作為負責人獲得上海市科技進步一等獎1項、二等獎1項、中國產(chǎn)學研合作創(chuàng)新獎1項、上海市教學成果一等獎1項，作為骨干人員獲得上海市科技進步三等獎1項、上海市教學成果一等獎2項。

許鴻偉（本文第一作者），上海大學機電工程與自動化學院助理研究員、博士后。長期致力于復(fù)雜系統(tǒng)制造過程質(zhì)量控制、工業(yè)大數(shù)據(jù)分析與智能人機協(xié)作等研究方向，成果應(yīng)用于半導(dǎo)體晶圓良率管理與提升、空天裝備裝配質(zhì)量偏差分析與優(yōu)化、民機脈動混線智能人機協(xié)作裝配。獲批國家資助博士后研究人員計劃B檔、上海市“超級博士后”等科研獎勵支持，主持國家自然科學基金青年科學基金（C類）、中國博士后科學基金面上資助等項目，參與國家自然科學基金重點項目、國家重點研發(fā)計劃、國防科工、上海市科委、上海市經(jīng)信委等國家、省部級項目10余項。曾獲上海大學“方姚自強獎（教師）”、上海交通大學優(yōu)秀畢業(yè)生、上海交通大學三好學生、中國光谷獎學金（光電子信息獎）、國家核電上海核工院獎學金。在《IEEE Transactions on Industrial Informatics》、《Journal of Manufacturing Systems》、《Advanced Engineering Informatics》、《International Journal of Production Research》、《Computers & Industrial Engineering 》、《Journal of Intelligent Manufacturing》、《機械工程學報》、《計算機集成制造系統(tǒng)》等國際權(quán)威SCI/EI期刊發(fā)表學術(shù)論文20余篇，并擔任審稿人。兼任中國機械工程學會工業(yè)大數(shù)據(jù)與智能系統(tǒng)分會委員，人本智造青年委員暨IEEE數(shù)字制造與人本自動化專委會委員等。

邢宏文（本文通信作者），博士，研究員，中國商飛上海飛機制造有限公司航空制造技術(shù)研究所副所長，先進裝配技術(shù)部長，先進專用設(shè)備專業(yè)總師。長期從事民機先進裝配裝備/產(chǎn)線規(guī)劃和數(shù)字化集成工作。入選上海市東方英才計劃。主持和參與工信部、科技部、上海市課題10余項。曾榮獲上海市科技進步一等獎，江蘇省科技進步一等獎各一項，中國商飛科技進步一等獎2項，C919首飛三等功等榮譽。

5

近兩年團隊發(fā)表文章

[1]Xu, H. W., Zhao, S. X., Liu, L. L., Qin, W., Lv, Y. L., Zhang, J., & Zhang, Q. H. (2025). Digital twin key technology in semiconductor manufacturing: multi-batch wafer PCD-IVM based on mixed multi-scale entropy and density clustering. International Journal of Production Research, 1–18.

[2]Xu H W, Zhang Q H, Qin W, et al. A Fast Ramp-up Framework for Wafer Yield Improvement in Semiconductor Manufacturing Systems[J]. Journal of Manufacturing Systems, 76 (2024): 222-233.

[3]Xu H W, Qin W, Hu J H, et al. A Copula Network Deconvolution-Based Direct Correlation Disentangling Framework for Explainable Fault Detection in Semiconductor Wafer Fabrication[J]. Advanced Engineering Informatics, 2024(23): 102272-102286.

[4]Xu H W, Qin W, Sun Y N, et al. An Adaptive Copula Function-Based Framework for Fault Detection in Semiconductor Wafer Fabrication[J]. Computers & Industrial Engineering, 2024(188): 109905-109919.

[5]Xu H W, Qin W, Lv Y L, et al. Data-Driven Adaptive Virtual Metrology for Yield Prediction in Multibatch Wafers[J]. IEEE Transactions on Industrial Informatics, 2022, 18(12): 9008-9016.

作 者：許鴻偉

責任編輯：杜蔚杰

責任校對：張 強

審 核：張 彤

JME學院簡介

JME學院是由《機械工程學報》編輯部2018年創(chuàng)建，以關(guān)注、陪伴青年學者成長為宗旨，努力探索學術(shù)傳播服務(wù)新模式。首任院長是中國機械工程學會監(jiān)事會監(jiān)事長、《機械工程學報》中英文兩刊主編宋天虎。

歡迎各位老師掃碼添加小助理-暖暖為好友，由小助理拉入JME學院官方群！

歡迎關(guān)注JME學院視頻號~

尋覓合作伙伴

有一種合作叫做真誠，有一種發(fā)展可以無限，有一種伙伴可以互利共贏，愿我們合作起來流連忘返，發(fā)展起來前景可觀。關(guān)于論文推薦、團隊介紹、圖書出版、學術(shù)直播、招聘信息、會議推廣等，請與我們聯(lián)系。

感謝關(guān)注我們！《機械工程學報》編輯部將努力為您打造一個有態(tài)度、有深度、有溫度的學術(shù)媒體！

版權(quán)聲明：

本文為《機械工程學報》編輯部原創(chuàng)內(nèi)容，歡迎轉(zhuǎn)載，請聯(lián)系授權(quán)！

在公眾號后臺留言需要轉(zhuǎn)載的文章題目及要轉(zhuǎn)載的公眾號ID以獲取授權(quán)!

聯(lián)系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

網(wǎng) 址：http://www.cjmenet.com.cn

官方微信號：jmewechat