上海大学刘丽兰教授团队：工业大模型驱动的航空智能制造AI孪生控制方法体系丨JME文章推荐

引用论文

许鸿伟, 刘丽兰, 张洁, 秦威, 邢宏文, 汪玮, 刘思仁, 吕佑龙. 工业大模型驱动的航空智能制造AI孪生控制方法体系[J]. 机械工程学报, 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.

(戳链接，下载全文)

针对航空智能制造中数据-知识协同效率低、装配偏差溯源困难、工艺参数优化滞后及虚实交互验证不足等关键问题。上海大学刘丽兰教授团队提出一种以工业大模型为认知引擎的AI孪生控制方法体系，构建覆盖“感知-诊断-决策-验证”的数字孪生闭环控制框架。通过知识图谱网络化关联建模，实现多源异构数据的语义融合与动态推理，打造航空制造工业大模型语料库，形成具备自主演化能力的专业知识底座；开发面向多场景智能决策闭环的工业大模型算法库，利用贝叶斯因果推断解析装配偏差的多层级耦合诱因，结合增量集成学习实现多源耦合偏差的动态演化预测，基于迁移强化学习突破跨场景参数优化瓶颈；最终通过数字孪生技术构建虚实双向驱动的验证闭环。以某型号民用客机机身壁板装配为验证对象的结果表明，所提方法能够显著提升长桁自动装配精度，长桁一次装调成功率较传统方法提升24%；实现钻铆质量实时检测，连续钻铆缺陷识别准确率达98%。该研究通过构建与演化领域知识底座，深度驱动了从偏差因果溯源到孪生验证的全流程闭环，实现了制造决策从经验驱动到模型认知驱动的范式跃迁 。该团队的研究成果以题为《工业大模型驱动的航空智能制造AI孪生控制方法体系》发表在《机械工程学报》2026年第5期。

1

研究背景及目的

针对航空智能制造中数据-知识协同效率低、装配偏差溯源困难、工艺参数优化滞后及虚实交互验证不足等关键问题，本研究提出一种以工业大模型为认知引擎的AI孪生控制方法体系，构建覆盖“感知-诊断-决策-验证”的数字孪生闭环控制框架。通过知识图谱网络化关联建模，实现多源异构数据的语义融合与动态推理，打造航空制造工业大模型语料库，形成具备自主演化能力的专业知识底座；开发面向多场景智能决策闭环的工业大模型算法库，利用贝叶斯因果推断解析装配偏差的多层级耦合诱因，结合增量集成学习实现多源耦合偏差的动态演化预测，基于迁移强化学习突破跨场景参数优化瓶颈；最终通过数字孪生技术构建虚实双向驱动的验证闭环。

2

论文亮点

(1) 提出并构建了一套工业大模型与数字孪生深度融合的“AI孪生控制”方法体系，实现航空精密装配从“经验驱动”到“认知驱动”的范式跃迁；

(2) 建立了“知识中枢‑因果引擎‑决策网络‑验证闭环”四维协同架构，通过知识图谱网络化关联建模实现多源异构数据与工艺知识的语义融合，形成具备自主演化能力的领域知识底座；

(3) 分析了贝叶斯因果推断与增量迁移学习联合驱动的智能决策机制，实现装配偏差多层级耦合传递的精准溯源与工艺参数的跨场景自适应优化；

(4) 构建了虚实双向驱动的动态孪生验证闭环，通过高保真仿真与在线反馈校准，将工艺决策验证周期从小时级缩短至分钟级，为高端装备制造提供了可量化、可复用的认知决策新范式。

3

试验方法/结果

（1）阐述工业大模型驱动的航空智能制造AI孪生控制新模式：AI 孪生控制新模式是一种面向航空智能制造高精度、多耦合、动态化需求，以工业大模型为认知核心，以数字孪生为虚实交互载体，融合知识图谱、因果推断、强化学习等技术，构建“感知-诊断-决策-验证”全流程闭环，实现从“经验补偿”到“预测预控”、从“局部优化”到“全局寻优” 的先进控制范式，其核心是通过工业大模型赋予孪生体“数据-知识-模型”协同进化能力。以飞机装配车间为例，在智能制造背景下的飞机装配车间AI孪生控制新模式如图1所示。

图1 AI孪生控制新模式

（2）提出工业大模型驱动AI孪生控制方法论体系：围绕数据与知识融合处理、因果溯源、质量预测、参数优化及孪生验证五大核心方法，构建航空智能制造场景下“感知-诊断-决策-验证”闭环控制范式。该方法体系通过多源异构数据的知识化表达、偏差传递机理的可解释建模、动态工艺参数的自主优化与虚实空间的协同演化，推动航空智能制造从经验驱动到认知驱动的范式跃迁，并为后续技术体系建立提供理论支撑依据，该方法论体系如图2所示。

图2 AI孪生控制方法论体系

（3）建立工业大模型驱动的航空智能制造AI孪生控制技术体系：所提出的技术体系是方法论体系的实现技术路径，针对航空智能制造中多源异构数据融合效率低、装配偏差因果关系表征模糊、质量预测动态适应性不足、跨场景参数优化成本高及虚实交互验证滞后等核心挑战，本研究通过构建五层递进式AI孪生控制技术体系，形成“数据建模-因果溯源-动态预测-迁移优化-孪生验证”的闭环控制架构，如图3所示。工业大模型驱动的航空智能制造 AI 孪生控制技术体系，以航空制造领域知识底座为基石，通过基于知识图谱的网络化关联建模技术实现数据融合与知识构建，为后续工艺优化迭代与智能决策闭环提供多模态融合语料库；以构建面向多场景智能决策闭环的工业大模型算法库为核心，设计基于贝叶斯因果推断的根因溯源、基于增量集成学习的偏差预测、基于迁移强化学习的参数优化等模型算法，围绕关键工艺参数、决策变量与目标进行诊断决策；以系统研发为载体，借助基于数字孪生的虚实协同控制技术达成孪生验证，多层面协同保障航空智能制造的高效精准与优化控制。最终形成集“语料库-算法库-模型库”于一体的航空制造工业大模型，为航空机身壁板等复杂结构件的精密装配与过程控制提供理论支撑与技术路径。

图3 工业大模型驱动的航空智能制造AI孪生控制技术体系

4

结论

为验证所提AI孪生控制方法在航空精密装配中的闭环控制效能，本研究以机身壁板装配为对象，聚焦“长桁一次装调精准控制”与“钻铆质量实时检测控制”两类典型场景，开展系统化应用验证。在长桁装调中，控制目标为实现毫米级水平位置度精度，控制变量包括机械臂关节轨迹与末端定位参数，控制策略融合增量集成学习的偏差预测与迁移强化学习的实时参数优化，验证路径如图4所示。在钻铆质量管控中，以铆接缺陷识别率与工艺参数动态调整为控制目标，通过多模态视觉感知与贝叶斯因果诊断生成工艺参数调整指令，并结合数字孪生实现控制策略的在线验证与反馈校准，验证路径如图5所示。两项验证通过“感知-诊断-决策-执行”的闭环架构，系统展示了所提方法在偏差抑制与质量优化方面的控制性能，为航空复杂装配过程提供了可工程实施的智能控制范式。

图4 长桁一次装调精准控制验证路径图

图5 钻铆质量实时检测与控制验证路径图

作者及团队介绍

刘丽兰，上海大学机电工程与自动化学院教授、博导，上海大学党委常委、组织人事部常务副部长兼组织处处长、党校常务副校长，上海市特种人形机器人融合创新中心主任，上海市领军人才、上海市优秀技术带头人，上海市机械工程学会副理事长、工业智能制造技术专委会主任，上海市工业互联网产业联盟副理事长，教育部首批“智能制造工程”专业负责人，上海大学“机械工程”一流学科方向带头人。主要研究方向为智能制造技术与系统，解决制造过程中的感知-决策-执行问题，重点研究工业数字孪生技术，并在航空、航天、海洋、汽车、钢铁冶金等行业应用，先后主持国家、省部级等科研项目30余项，出版专著4部，发表学术论文300余篇，获得专利与软件著作权50余项，作为负责人获得上海市科技进步一等奖1项、二等奖1项、中国产学研合作创新奖1项、上海市教学成果一等奖1项，作为骨干人员获得上海市科技进步三等奖1项、上海市教学成果一等奖2项。

许鸿伟（本文第一作者），上海大学机电工程与自动化学院助理研究员、博士后。长期致力于复杂系统制造过程质量控制、工业大数据分析与智能人机协作等研究方向，成果应用于半导体晶圆良率管理与提升、空天装备装配质量偏差分析与优化、民机脉动混线智能人机协作装配。获批国家资助博士后研究人员计划B档、上海市“超级博士后”等科研奖励支持，主持国家自然科学基金青年科学基金（C类）、中国博士后科学基金面上资助等项目，参与国家自然科学基金重点项目、国家重点研发计划、国防科工、上海市科委、上海市经信委等国家、省部级项目10余项。曾获上海大学“方姚自强奖（教师）”、上海交通大学优秀毕业生、上海交通大学三好学生、中国光谷奖学金（光电子信息奖）、国家核电上海核工院奖学金。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》、《机械工程学报》、《计算机集成制造系统》等国际权威SCI/EI期刊发表学术论文20余篇，并担任审稿人。兼任中国机械工程学会工业大数据与智能系统分会委员，人本智造青年委员暨IEEE数字制造与人本自动化专委会委员等。

邢宏文（本文通信作者），博士，研究员，中国商飞上海飞机制造有限公司航空制造技术研究所副所长，先进装配技术部长，先进专用设备专业总师。长期从事民机先进装配装备/产线规划和数字化集成工作。入选上海市东方英才计划。主持和参与工信部、科技部、上海市课题10余项。曾荣获上海市科技进步一等奖，江苏省科技进步一等奖各一项，中国商飞科技进步一等奖2项，C919首飞三等功等荣誉。

5

近两年团队发表文章

[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：许鸿伟

责任编辑：杜蔚杰

责任校对：张 强

审 核：张 彤

JME学院简介

JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。

欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！

欢迎关注JME学院视频号~

寻觅合作伙伴

有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。

感谢关注我们！《机械工程学报》编辑部将努力为您打造一个有态度、有深度、有温度的学术媒体！

版权声明：

本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！

在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!

联系人：暖暖

微信小助手：jmenuannuan

E-mail：jme@cmes.org

网 址：http://www.cjmenet.com.cn

官方微信号：jmewechat