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. 工業大模型驅動的航空智能制造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據-知識協同效率低、裝配偏差溯源困難、工藝參數優化滯后及虛實交互驗證不足等關鍵問題。上海大學劉麗蘭教授團隊提出一種以工業大模型為認知引擎的AI孿生控制方法體系，構建覆蓋“感知-診斷-決策-驗證”的數字孿生閉環控制框架。通過知識圖譜網絡化關聯建模，實現多源異構數據的語義融合與動態推理，打造航空制造工業大模型語料庫，形成具備自主演化能力的專業知識底座；開發面向多場景智能決策閉環的工業大模型算法庫，利用貝葉斯因果推斷解析裝配偏差的多層級耦合誘因，結合增量集成學習實現多源耦合偏差的動態演化預測，基于遷移強化學習突破跨場景參數優化瓶頸；最終通過數字孿生技術構建虛實雙向驅動的驗證閉環。以某型號民用客機機身壁板裝配為驗證對象的結果表明，所提方法能夠顯著提升長桁自動裝配精度，長桁一次裝調成功率較傳統方法提升24%；實現鉆鉚質量實時檢測，連續鉆鉚缺陷識別準確率達98%。該研究通過構建與演化領域知識底座，深度驅動了從偏差因果溯源到孿生驗證的全流程閉環，實現了制造決策從經驗驅動到模型認知驅動的范式躍遷 。該團隊的研究成果以題為《工業大模型驅動的航空智能制造AI孿生控制方法體系》發表在《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據-知識協同效率低、裝配偏差溯源困難、工藝參數優化滯后及虛實交互驗證不足等關鍵問題，本研究提出一種以工業大模型為認知引擎的AI孿生控制方法體系，構建覆蓋“感知-診斷-決策-驗證”的數字孿生閉環控制框架。通過知識圖譜網絡化關聯建模，實現多源異構數據的語義融合與動態推理，打造航空制造工業大模型語料庫，形成具備自主演化能力的專業知識底座；開發面向多場景智能決策閉環的工業大模型算法庫，利用貝葉斯因果推斷解析裝配偏差的多層級耦合誘因，結合增量集成學習實現多源耦合偏差的動態演化預測，基于遷移強化學習突破跨場景參數優化瓶頸；最終通過數字孿生技術構建虛實雙向驅動的驗證閉環。

2

論文亮點

(1) 提出并構建了一套工業大模型與數字孿生深度融合的“AI孿生控制”方法體系，實現航空精密裝配從“經驗驅動”到“認知驅動”的范式躍遷；

(2) 建立了“知識中樞?因果引擎?決策網絡?驗證閉環”四維協同架構，通過知識圖譜網絡化關聯建模實現多源異構數據與工藝知識的語義融合，形成具備自主演化能力的領域知識底座；

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

(4) 構建了虛實雙向驅動的動態孿生驗證閉環，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、可復用的認知決策新范式。

3

試驗方法/結果

（1）闡述工業大模型驅動的航空智能制造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、動態化需求，以工業大模型為認知核心，以數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，構建“感知-診斷-決策-驗證”全流程閉環，實現從“經驗補償”到“預測預控”、從“局部優化”到“全局尋優” 的先進控制范式，其核心是通過工業大模型賦予孿生體“數據-知識-模型”協同進化能力。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）提出工業大模型驅動AI孿生控制方法論體系：圍繞數據與知識融合處理、因果溯源、質量預測、參數優化及孿生驗證五大核心方法，構建航空智能制造場景下“感知-診斷-決策-驗證”閉環控制范式。該方法體系通過多源異構數據的知識化表達、偏差傳遞機理的可解釋建模、動態工藝參數的自主優化與虛實空間的協同演化，推動航空智能制造從經驗驅動到認知驅動的范式躍遷，并為后續技術體系建立提供理論支撐依據，該方法論體系如圖2所示。

圖2 AI孿生控制方法論體系

（3）建立工業大模型驅動的航空智能制造AI孿生控制技術體系：所提出的技術體系是方法論體系的實現技術路徑，針對航空智能制造中多源異構數據融合效率低、裝配偏差因果關系表征模糊、質量預測動態適應性不足、跨場景參數優化成本高及虛實交互驗證滯后等核心挑戰，本研究通過構建五層遞進式AI孿生控制技術體系，形成“數據建模-因果溯源-動態預測-遷移優化-孿生驗證”的閉環控制架構，如圖3所示。工業大模型驅動的航空智能制造 AI 孿生控制技術體系，以航空制造領域知識底座為基石，通過基于知識圖譜的網絡化關聯建模技術實現數據融合與知識構建，為后續工藝優化迭代與智能決策閉環提供多模態融合語料庫；以構建面向多場景智能決策閉環的工業大模型算法庫為核心，設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測、基于遷移強化學習的參數優化等模型算法，圍繞關鍵工藝參數、決策變量與目標進行診斷決策；以系統研發為載體，借助基于數字孿生的虛實協同控制技術達成孿生驗證，多層面協同保障航空智能制造的高效精準與優化控制。最終形成集“語料庫-算法庫-模型庫”于一體的航空制造工業大模型，為航空機身壁板等復雜結構件的精密裝配與過程控制提供理論支撐與技術路徑。

圖3 工業大模型驅動的航空智能制造AI孿生控制技術體系

4

結論

為驗證所提AI孿生控制方法在航空精密裝配中的閉環控制效能，本研究以機身壁板裝配為對象，聚焦“長桁一次裝調精準控制”與“鉆鉚質量實時檢測控制”兩類典型場景，開展系統化應用驗證。在長桁裝調中，控制目標為實現毫米級水平位置度精度，控制變量包括機械臂關節軌跡與末端定位參數，控制策略融合增量集成學習的偏差預測與遷移強化學習的實時參數優化，驗證路徑如圖4所示。在鉆鉚質量管控中，以鉚接缺陷識別率與工藝參數動態調整為控制目標，通過多模態視覺感知與貝葉斯因果診斷生成工藝參數調整指令，并結合數字孿生實現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-執行”的閉環架構，系統展示了所提方法在偏差抑制與質量優化方面的控制性能，為航空復雜裝配過程提供了可工程實施的智能控制范式。

圖4 長桁一次裝調精準控制驗證路徑圖

圖5 鉆鉚質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，上海大學黨委常委、組織人事部常務副部長兼組織處處長、黨校常務副校長，上海市特種人形機器人融合創新中心主任，上海市領軍人才、上海市優秀技術帶頭人，上海市機械工程學會副理事長、工業智能制造技術專委會主任，上海市工業互聯網產業聯盟副理事長，教育部首批“智能制造工程”專業負責人，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與系統，解決制造過程中的感知-決策-執行問題，重點研究工業數字孿生技術，并在航空、航天、海洋、汽車、鋼鐵冶金等行業應用，先后主持國家、省部級等科研項目30余項，出版專著4部，發表學術論文300余篇，獲得專利與軟件著作權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、中國產學研合作創新獎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。長期致力于復雜系統制造過程質量控制、工業大數據分析與智能人機協作等研究方向，成果應用于半導體晶圓良率管理與提升、空天裝備裝配質量偏差分析與優化、民機脈動混線智能人機協作裝配。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、國家重點研發計劃、國防科工、上海市科委、上海市經信委等國家、省部級項目10余項。曾獲上海大學“方姚自強獎（教師）”、上海交通大學優秀畢業生、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》等國際權威SCI/EI期刊發表學術論文20余篇，并擔任審稿人。兼任中國機械工程學會工業大數據與智能系統分會委員，人本智造青年委員暨IEEE數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研究所副所長，先進裝配技術部長，先進專用設備專業總師。長期從事民機先進裝配裝備/產線規劃和數字化集成工作。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年創建，以關注、陪伴青年學者成長為宗旨，努力探索學術傳播服務新模式。首任院長是中國機械工程學會監事會監事長、《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，發展起來前景可觀。關于論文推薦、團隊介紹、圖書出版、學術直播、招聘信息、會議推廣等，請與我們聯系。

感謝關注我們！《機械工程學報》編輯部將努力為您打造一個有態度、有深度、有溫度的學術媒體！

版權聲明：

本文為《機械工程學報》編輯部原創內容，歡迎轉載，請聯系授權！

在公眾號后臺留言需要轉載的文章題目及要轉載的公眾號ID以獲取授權!

聯系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

網 址：http://www.cjmenet.com.cn

官方微信號：jmewechat