超強團隊領銜策劃——信息驅動的總裝拉動生產模式、技術及應用丨JME特邀專欄

專欄導讀

在新一輪產業變革的大背景下，智能制造已成為各國搶占科技發展制高點和提升制造業核心競爭力的戰略選擇，以期推進制造業高端化、智能化轉型升級。當前，我國正在大力發展新質生產力，以航天為典型代表的高端裝備更新迭代加快、研制周期縮短，“多型號并舉、研制與批產并存”是典型的任務模式，具有任務分布不均、制造資源周期性緊張等特點，傳統的“推動式”生產往往會導致庫存成本高企、生產效率低下、任務無法按期保質保量完成等問題，如何利用高端裝備總裝任務“拉動”各個環節精準生產來實現降本、增效、提質、按時是重要亟需。“拉動式”生產源自大規模定制生產階段，新一代信息技術的快速發展賦予了“拉動式”生產新動能、新特點，為高端裝備總裝拉動生產模式探索提供了重要抓手。因此，研究總裝拉動智能生產線構建、多級協同生產管控、混線生產動態重構、聯合計劃與調度等關鍵技術，探索信息驅動的總裝拉動生產新模式、關鍵技術和典型行業應用，能夠極大地提升高端裝備制造企業效益和競爭力，具有重要的理論價值和現實意義。

為此，《機械工程學報》編輯部與客座編輯團隊聯合策劃出版“信息驅動的總裝拉動生產模式、技術及應用”專欄。探討新一代信息技術驅動的總裝拉動生產新模式、新理論、新方法、關鍵技術及應用方向，推動我國制造業向高端化、智能化轉型升級。專欄共收錄論文9篇，已于《機械工程學報》2026年5期正式出版。

客座主編：

王國慶，中國工程院院士，中國航天科技集團有限公司首席信息官（CIO），長期致力于火箭裝備金屬結構制造技術研究與工程應用工作，在運載火箭及氫氧發動機制造等方面取得了系統性、開創性成果，為我國多型火箭裝備研制及批產做出重要貢獻。獲國家科技進步特等獎2項、二等獎2項。出版專著1部，發表論文71篇，獲發明專利59項。入選國家“萬人計劃”科技創新領軍人才，獲何梁何利科技進步獎、英國ＴＷＩ布魯克獎。

李培根，華中科技大學教授，中國工程院院士。

楊華勇，中國工程院院士，國際智能制造聯盟主席，浙江大學工學部主任，流體動力基礎件與機電系統全國重點實驗室主任。

客座編輯：

高亮，華中科技大學副校長，機械科學與工程學院教授、博士生導師，2018年獲得國家杰出青年基金資助，首屆“科學探索獎”獲得者，IET Fellow，國家智能設計與數控技術創新中心主任，國務院學位委員會智能科學與技術學科評議組成員，教育部工業工程類教指委委員，國家智能制造專家委員會委員，中國機械工程學會工業大數據與智能系統分會主任委員。長期致力于智能優化與機器學習方法在設計制造中的應用等研究，出版專著或教材22部（其中英文7部），以第一作者或通訊作者在Nature Communications等期刊上共發表SCI論文340余篇，Web of Science被引46000次，H-index 104；Google Scholar引用48000 余次，H-index 113。2020-2023和2025年入選科睿唯安“全球高被引科學家”，2020年起連續五年入選愛思唯爾“中國高被引學者”。授權發明專利90項，登記軟件著作權28項。獲國家科技進步二等獎1項（2015年度，排名第2）、教育部自然科學一等獎2項（2013年度和2022年度，均排名第1）、湖北省自然科學一等獎1項（2023年度，排名第1），其它省部級一等獎2項。擔任Engineering子刊Intelligent Manufacturing、IET Collaborative Intelligent Manufacturing、Light: Advanced Manufacturing期刊主編，以及Chinese Journal of Mechanical Engineering、Machine Learning with Applications、Swarm Evolutionary Computation等期刊副主編等。

閻艷，北京理工大學校長助理、黨委常委，機械與車輛學院教授、博導，教育部新世紀優秀人才，教育部工業工程類專業教學指導委員會副主任委員，工業知識與數據融合應用工信部重點實驗室主任，航天智能制造與工業軟件（工信部）協同育人基地負責人。長期從事數字化設計制造技術的基礎及應用研究，主持或參與基礎科研、預先研究、民用航天、國家自然基金、國家重點研發計劃、973項目等十余項；獲省部級科技進步獎8項；獲省部級教學成果獎2項；獲授權發明專利20余項，作為主編、副主編出版教材3本，參編出版專著2本；在國內外重要學術刊物上發表學術論文200余篇，其中被SCI/EI收錄150余篇。

劉繼紅，北京航空航天大學機械工程及自動化學院教授、博導、中國圖學學會理事、國家重點研發計劃網絡協同制造和智能工廠重點專項總體專家組成員等。主要從事復雜產品數字化設計制造、現代設計理論與方法、知識管理與知識工程、智能制造與工業互聯網等方向的研究與教學工作。完成國家自然科學基金、863計劃、科技支撐計劃、重點研發計劃以及國防基礎科研等國家級科研項目30余項。發表學術論文130余篇，出版專著3部和譯著8部，制訂國家技術標準5項，獲得省部級獎勵3項。

敬石開，北京理工大學機械與車輛學院研究員，博士生導師，工業與智能系統工程研究所副所長。長期從事產品創新設計與優化、數字孿生方向的研究，主持國家自然基金面上項目1項、國家重點研發計劃“增材制造與激光制造”項目課題2項、軍委科技委基礎加強1項、國防科工局基礎科研1項，參與國家863計劃、國家科技支撐計劃及企業橫向等課題20余項，獲省部級科技進步二等獎1項。發表學術論文60余篇，發明專利7項，出版英文專著2部，中文專著2部。

黃思翰，北京理工大學機械與車輛學院長聘副教授/研究員，博士生導師，入選2020年度國家博士后創新人才支持計劃，獲省部級科技進步一等獎。主要研究方向是具身智能制造，涵蓋機器人智能調控、制造系統重構調度、數字孿生管控等，主持國家重點研發計劃課題、國家自然科學基金青年項目等縱向項目，以第一作者/通訊作者發表SCI期刊論文20余篇（其中影響因子大于10的11篇）、ESI高被引論文1篇、封面文章2篇，授權發明專利17項，主編專著2部，成功籌辦第三屆人本智造學術會議，多次受邀在學術會議上做主旨報告/主題報告，擔任多個期刊Associate Editor/青年編委、多個全國性學會分會/專委會委員等。

01

總裝拉動：航天制造邁向規模化定制生產時代

引用格式:王國慶, 陳金存, 袁維佳, 劉琦, 胡潤芝, 王國棟, 黃思翰. 總裝拉動：航天制造邁向規模化定制生產時代[J]. 機械工程學報, 2026, 62(5): 1-11.

論文摘要：

我國航天制造歷經研制生產主導、研制與批產并重的發展階段，正在進入常態化高密度發射主導的規模化定制階段，迫切需要探索出一種既能滿足國家重大戰略需求，又符合我國航天產業特點的制造模式。對航天制造轉型發展方向進行分析，提出了航天總裝拉動制造模式，并闡述其基本內涵和主要特征，研究提出包括制造總體抓總、高效柔性總裝、全鏈條供應鏈管控、網絡協同制造四方面的實施框架，致力于打造新型航天產品制造體系，實現多層級、多法人制造企業的跨地域、跨網絡、跨系統的高效協同，提升航天產品高質量、高效率、低成本交付能力，培育航天制造新質生產力。航天總裝拉動制造模式的提出，將會為航天重大任務完成以及航天制造業轉型升級提供重要支撐。

閱讀全文：

02

基于數字孿生和強化學習的智能生產線實時調度仿真優化方法

引用格式:楊澤浩, 董威, 黃思翰, 陰艷超, 董李揚, 鄭祖杰. 基于數字孿生和強化學習的智能生產線實時調度仿真優化方法[J]. 機械工程學報, 2026, 62(5): 12-25.

論文摘要：

生產調度一直是制造領域的研究熱點，是生產線高效運行的節拍器。當前，隨著智能制造的深入發展，生產調度智能化逐漸成為領域前沿。智能生產線動態生產過程中面臨著生產任務變更、制造資源耦合等多源不確定擾動，如何兼顧生產調度效率和準確性是核心挑戰。因此，提出了基于數字孿生和強化學習的智能生產線實時調度仿真優化方法。利用數字孿生技術構建生產要素的幾何-功能-狀態高保真模型，組裝形成層次化、高保真虛擬生產仿真環境；設計改進Q-Learning算法建立生產調度優化智能體，通過三元組狀態空間重構、多維度獎勵函數及雙重探索策略，突破傳統算法維數災難與魯棒性不足難題；建立分層式執行控制架構實現數字孿生和智能體的深度融合，保障生產仿真過程感知-決策-執行閉環協同。某航天產品總裝生產線驗證結果表明，其他五種經典調度規則執行距離較本文方法增加6.38%到16.50%，顯著提升制造資源協同效率。

閱讀全文：

03

總裝拉動生產模式下的分布式裝配作業車間多目標調度方法

引用格式:田詩晨, 張春江, 高亮, 李新宇. 總裝拉動生產模式下的分布式裝配作業車間多目標調度方法[J]. 機械工程學報, 2026, 62(5): 26-36.

論文摘要：

在實際生產中，由于裝配工藝復雜、配置需求多樣，大型復雜產品的交付往往采用訂單驅動的總裝拉動生產模式，通過分布式加工和集中裝配的模式完成生產；同時，隨著全球對可持續發展的日益關注，綠色節能的生產模式成為了企業和學術界關注的焦點。因此，對機器速度可調的分布式裝配作業車間調度問題進行了研究，以最小化最大完工時間和總能耗為優化目標，提出一種帶變鄰域搜索的非支配排序遺傳算法對問題進行求解。在算法的局部搜索階段，分別面向最大完工時間和總能耗兩個優化目標設計不同的機器速度調整策略，并采用基于關鍵路徑的局部搜索方法對工序排序子問題進行優化。為驗證所提算法的有效性，在四組不同規模的算例上進行大量試驗，試驗結果表明所提算法框架和局部搜索方法均能有效改善調度方案。

閱讀全文：

04

復雜產品總裝拉動式多車間協同調度的集成式遺傳規劃算法

引用格式: 李繼偉, 張劍, 任曉羽, 陳浩杰. 復雜產品總裝拉動式多車間協同調度的集成式遺傳規劃算法[J]. 機械工程學報, 2026, 62(5): 37-48.

論文摘要：

復雜產品制造當前面臨生產規模增加、定制化程度上升與生產周期縮短等發展趨勢，亟需探索更高效的調度方法以提升生產效率與支撐發展需求。然而，復雜產品制造常見的總裝拉動式生產模式需要多個車間協同生產，具有規模大、資源多、邏輯復雜等特征，現有多車間調度模型與方法難以滿足算法優化與響應能力要求。為此，通過考慮車間內部約束與耦合約束，構建一種復雜產品總裝拉動式多車間協同調度模型。在此基礎上，通過考慮不同車間特性，提出一種基于小生境的多優先級規則集合協同集成式遺傳規劃算法，以通過生成多個調度規則集合構成更有效的調度策略。此外，構建一種基于互補性的規則集合更新機制來提升生成規則集合有效性，并設計一種多車間次序解碼策略以獲取完整的多車間調度方案。基于實際場景分析，采用PSPLIB標準數據集構建該問題的數據集，通過與當前最新的遺傳規劃算法和現有優先級規則對比，并結合消融試驗，驗證所提算法的優越性。

閱讀全文：

05

集成雙重注意力機制CNN-LSTM時空網絡的離散車間生產瓶頸預測

引用格式:石逸涵, 張旭, 莊存波, 劉金山, 王家修, 孫連勝. 集成雙重注意力機制CNN-LSTM時空網絡的離散車間生產瓶頸預測[J]. 機械工程學報, 2026, 62(5): 49-60.

論文摘要：

在總裝拉動生產模式下，離散制造車間作為多廠(車間)生產模式的核心載體，其生產任務分散、設備布局靈活、生產過程復雜。然而，瓶頸單元在時間和空間維度上的動態漂移，成為制約生產效率與資源利用率提升的關鍵挑戰。因此，研究離散車間的瓶頸預測問題，對于提升多廠生產模式下的整體生產效率具有重要意義。為了準確預測瓶頸單元并監測瓶頸漂移趨勢，提出了一種集成雙重注意力機制的時空網絡預測模型(Convolutional neural network-long short term memory-dual attention mechanism，CNN-LSTM-DAM)。首先，針對瓶頸單元的多屬性耦合特性，構建了復合定義的瓶頸識別模型；其次，將識別出的歷史疑似瓶頸數據作為輔助數據，輸入融合CNN與空間注意力機制的空間特征感知器以及融合LSTM與狀態注意力機制的時序特征感知器，進一步強化模型對生產序列數據中空間和時間維度信息的捕捉能力；最后，通過與門控循環單元(Gated recurrent unit，GRU)、雙向長短期記憶網絡(Bidirectional long short term memory，BiLSTM)等LSTM變體的消融試驗對比，驗證了所提模型在預測給定時延內瓶頸單元及瓶頸漂移趨勢方面的準確性和有效性。

閱讀全文：

06

工業大模型驅動的航空智能制造AI孿生控制方法體系

引用格式: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.

論文摘要：

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。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。

閱讀全文：

07

基于多目標深度強化學習的不確定擾動下島式裝配線動態調度優化

引用格式: 黃銘, 黃思翰, 陳建鵬, 董威, 王柏村, 阮兵, 高云鵬, 王國新, 閻艷. 基于多目標深度強化學習的不確定擾動下島式裝配線動態調度優化[J]. 機械工程學報, 2026, 62(5): 74-87.

論文摘要：

隨著新能源汽車產業的快速發展以及市場需求多樣化、定制化趨勢的興起，一種新興的島式裝配模式應運而生，用于解決傳統汽車裝配流水線柔性不足的問題。此外，在實際裝配環境中以緊急插單為典型代表的不確定事件頻發，嚴重制約著汽車總裝的穩定性和生產效率。 因此，結合實際需要，開展不確定擾動下島式裝配線動態調度優化。首先，構建形成以最小化最大完工時間和插單變更指數為雙優化目標的混合整數非線性規劃模型。其次，設計了一種多目標對決雙層深度Q網絡(MO-D3QN)求解該模型。其中針對島式裝配場景中裝配島、裝配工藝、裝配產品以及生產運輸環節的特征設計了狀態指標和動作調度規則。面向雙優化目標分別構建了連續型即時獎勵函數組件，并采用加權和標量化方法實現獎勵聚合。然后，通過對MO-D3QN算法模型的學習訓練，實現在不同環境狀態下最佳調度規則的選擇。最后，在3種規模的實例上開展計算試驗，結果表明MO-D3QN優于單一調度規則、隨機選擇策略和經典DQN，從而驗證了MO-D3QN的有效性和競爭力。

閱讀全文：

08

基于知識圖譜的航天產品總裝質量追溯方法研究

引用格式:鄭小虎, 曹立俊, 劉驍佳, 杜思淇, 武文強, 張潔, 丁司懿. 基于知識圖譜的航天產品總裝質量追溯方法研究[J]. 機械工程學報, 2026, 62(5): 88-99.

論文摘要：

針對航天產品總裝過程多源異構數據整合困難、質量問題關聯追溯效率低的問題，提出一種基于知識圖譜的質量追溯方法。通過構建涵蓋物流吊裝、電纜網導通和綜合測試關鍵場景的知識圖譜，整合結構化與非結構化數據，實現跨環節數據的語義關聯與深度推理。結合YOLOv8與DeepSORT算法實現物流吊裝場景的實時目標檢測與行為分析，利用K近鄰算法對電纜網導通及綜合測試場景的異常數據進行異常判斷，基于知識圖譜構建“異常-原因-解決方案”聯動推理機制，突破傳統質量追溯方法的數據孤島限制，為總裝質量問題定位與根因分析提供可解釋性支持。案例驗證表明，該方法可有效解決航天產品總裝過程中的數據孤島問題，提升異常定位與質量追溯的準確性與效率，為復雜總裝場景的智能化質量管控提供技術支撐。

閱讀全文：

09

基于齊套BOM的協同平臺在航天拉式生產中的研究與實踐

引用格式: 王國棟, 劉京濤, 趙欽, 王宏君. 基于齊套BOM的協同平臺在航天拉式生產中的研究與實踐[J]. 機械工程學報, 2026, 62(5): 100-116.

論文摘要：

航天大型復雜裝備產品類型多樣復雜度高，現有的科研生產模式側重縱向一體化、試制與批產混線生產，導致橫向協同困難、批產能力不足等問題。通過分析航天裝備產品的混線生產與總裝特點，基于航天總裝拉動的制造模式，統一數據模型、協同機制、標準規范，構建總裝廠、部裝廠、零部件廠，以及原材料工廠的跨企業、橫向穿透式統一協同平臺。各級總裝廠依托協同平臺發布總裝齊套KBOM(Kitting bom)，配套廠基于協同平臺關聯交付實物、產品合格證、二維碼等多維數據，利用數字拉動看板實時展示配套廠全鏈條全景齊套數據。探索基于跨異構網絡的航天裝備科研生產協同平臺技術架構與安全防護、基于異構協同場景的數據標準與路由傳輸機制、基于模型的齊套協同環境輕量化傳輸與解析機制等關鍵技術，形成以多級總裝廠為產業鏈支點的航天“主制造商-分系統承包商-供應商”模式。在航天典型總裝廠、部裝廠和零部件廠開展應用實踐，理順以精益化、數字化、網絡化、智能化為特征的開放、協同的航天制造產業鏈，提升供應鏈整體管理水平，推動拉式生產產業鏈協同創新和生態化發展。

閱讀全文：

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！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!

微信投稿、轉載等：

聯系人：暖暖

電話：010-88379909

E-mail：jme@cmes.org

網 址：http://www.cjmenet.com.cn

官方微信號：jmewechat