人工智能驱动的新一代工业数字孪生系统特征、模式与关键技术

人工智能驱动的新一代工业数字孪生系统特征、模式与关键技术

李浩¹、吴勇磊¹、李琳利*¹、王昊琪¹、刘根¹、张玉彦¹、贺飞²、文笑雨¹、王志强³、苏万山⁴、刘俊⁵、张幸福⁶

摘要

新一代人工智能（AI）正在重构工业数字孪生系统（iDTS）的技术架构与实施路径，AI驱动的新一代iDTS由物理实体系统、数字孪生系统与AI计算系统构成，以多智能体协同网络为核心，通过物理实体系统、数字孪生系统与AI计算系统的三元动态耦合，形成虚实双向映射的闭环优化体系。首先，分析了AI驱动的新一代iDTS典型特征，阐明了系统的虚实同步、自主进化和智能执行等核心机制，提出了六个核心能力特征，构建了系统基本参考架构。其次，提出了AI驱动的新一代iDTS的三种典型运行模式，包括生成式孪生建模模式、多智能体协同优化模式和嵌入式AI终端执行模式。然后，提出了六项系统关键技术，主要包括“人-机-环境”多数字孪生体动态融合建模、AI自动生成数字孪生模型、多智能体的智能感知与交互、数字孪生体的自学习智能决策等。最后，给出了系统运行模式的典型案例。AI驱动的新一代iDTS的研究探索或将促进智能制造认知决策与生产模式的变革。

关键词

智能制造；人工智能；工业数字孪生系统；自主进化；多智能体

内容简介

一、研究背景

当前，产品个性化设计、高精度建模、车间生产调度、人机协作装配、装备作业调控等过程中，在应对复杂动态环境、多变生产任务、实时反馈控制和精准操作执行等场景需求时，工业数字孪生系统（industrial Digital Twin System，iDTS）主要面临三大挑战：数据稀缺瓶颈、学习能力缺失和智能执行不足。上述挑战限制了iDTS从一个高级的透明化监控工具，向一个能够自主优化的智能系统演进。为此，本文提出了AI驱动的新一代iDTS的概念、核心机制和核心能力特征，构建了系统架构、典型模式和关键技术。与传统iDTS不同的是，在新一代iDTS中，每个实体单元（设备/人员/环境）或功能模块（仿真/计算系统）均可抽象为具有自主决策能力的智能体，通过分布式智能协同机制实现复杂设计/制造/作业环境的高保真动态模拟与闭环优化管理。同时，新一代iDTS通过融合大模型和专用模型构建AI模型学习机制，实现作业任务的自学习与智能执行。最终，新一代iDTS通过物理实体系统、数字孪生系统与AI计算系统的深度融合，以多智能体协同网络为核心，形成虚实双向映射的闭环优化体系。

二、研究内容

AI驱动的新一代 iDTS由物理实体系统（人-机-环境耦合）、数字孪生系统与AI计算系统构成，以多智能体协同网络为核心，通过物理实体系统、数字孪生系统与AI计算系统的三元动态耦合，形成虚实双向映射的闭环优化体系。首先，分析了AI驱动的新一代iDTS的核心能力特征，包括智能感知、智能建模、智能交互、智能仿真、智能决策和智能执行这六个方面。然后，建立了AI驱动的新一代的系统基本架构，包括物理实体系统、数字孪生系统、AI计算系统。这三部分通过三种典型的运行模式相互协作：①生成式孪生建模模式、②多智能体协同优化模式、③嵌入式AI终端执行模式。最后，提出了AI驱动的新一代iDTS的关键技术，包括“人-机-环境”多数字孪生体动态融合建模方法、AI自动生成数字孪生模型方法、多智能体的智能感知与交互方法、数字孪生体的自学习智能决策方法、iDTS快速计算与动态仿真方法和嵌入式AI驱动的iDTS智能执行方法。

三、典型案例

根据研究内容，提供了三个典型案例，分别是AI-DT融合驱动的工业机器人智能作业、生成式AI驱动的车间不安全状态检测、嵌入式AI驱动的产品智能筛检。

四、结论与展望

AI 驱动的新一代 iDTS 以多智能体协同网络为核心，通过物理实体系统、数字孪生系统与AI计算系统的三元动态耦合，形成虚实双向映射的闭环优化体系。基于团队前期研究基础，本文提出了 AI 驱动的新一代 iDTS 的概念、核心机制和核心能力特征，构建了系统架构、典型模式和关键技术，提供了三个典型案例。AI 驱动的新一代 iDTS研究探索或将促进智能制造认知决策与生产模式的变革，本文对此方向的研究仍处于初期阶段，所提理论和关键技术还需要在更多工业场景应用实践中不断完善与改进。