北京航空航天大學陶飛教授等：高端數控機床數智孿生工程丨JME封面文章

引用論文

陶飛,安奕達,李奕霖,等.高端數控機床數智孿生工程[J/OL].機械工程學報,1-29[2026-05-21]..

(戳鏈接，下載全文)

高端數控機床是制造業“工業母機”，面向新一代智能制造發展需求，亟需突破高性能智能機床關鍵技術，全面增強高端數控機床研發制造、高效運行與智能維護能力。為此，基于作者團隊前期提出的數字孿生五維模型和數字孿生“理論-技術-工具-標準”體系，

①分析并提出了高端數控機床數智化未來發展的16個需求；

②針對高端數控機床全生命周期及其在“三航一車一機”五大典型制造場景中的應用，系統梳理數字孿生在高端數控機床中的研用現狀，并深入剖析當前研究與應用存在的不足與局限；

③研究提出了高端數控機床數智孿生工程的體系架構，包括生命周期工程、模型工程、數據工程、智能工程、軟件工程、數實交互融合工程；

④提出了高端數控機床數智孿生工程的八類關鍵技術；

⑤結合作者團隊前期在數字孿生和數字工程等方面的實踐工作與經驗，針對高端數控機床數智孿生工程的發展與實施提出了若干思考與建議。

期望該工作為高端數控機床數智化升級提供參考，助力我國從制造大國成長為智造強國。

1

高端數控機床未來發展需求

高端數控機床作為制造業核心裝備，其技術水平代表著國家的綜合制造實力與核心競爭力。實現自主可控的高端數控機床數智化升級，全面提升高端數控機床設計、制造、運維全生命周期能力，已成為我國搶占高端制造戰略高地的核心目標。為此，本文基于作者團隊前期在數字工程[1]、數字孿生[2-5]、數字孿生工程[6]、數字試驗測試驗證[7]等方面的理論研究與應用實踐，結合國內外高端數控機床的數智化探索工作，從設計、制造、試驗測試驗證（Experiment, Testing and Verification, ETV）、運維和基礎共性五個方面提出高端數控機床未來數智化發展的16個需求，如圖1所示。

圖1 高端數控機床數智化發展16個需求

高端數控機床在設計、制造、試驗測試驗證、運維等方面的需求與制造業數智化發展趨勢高度一致。數字孿生作為一種借助模型和數據在信息世界中觀測物理事物、分析物理事物、優化物理事物的技術[2]，可為高端數控機床的數字化提供有效途徑。此外，人工智能通過模擬人類思考模式與智能行為，能夠為高端數控機床賦予學習、推理與決策等能力。通過在高端數控機床全生命周期中集成融合數字孿生與人工智能技術，實現高端數控機床的數智孿生工程，賦能高端數控機床設計、制造、試驗測試驗證、運維全生命周期各環節，能夠為未來高端數控機床數智化升級提供系統性解決方案與技術支撐。

2

數字孿生在高端數控機床中的研用現狀

數字孿生作為制造業數字化轉型升級的引擎，已逐步開始應用于高端數控機床的研制、運行和維護等全生命周期各階段，為航空、航天、航海、汽車及發動機（三航一車一機）等重大領域關鍵裝備的制造注入新動能。因此，本文針對高端數控機床研發、運行、維護三大階段，及其在“三航一車一機”五大典型制造場景中的應用，系統梳理數字孿生在高端數控機床中的研用現狀，并深入剖析當前研究與應用存在的不足與局限，如圖2所示。

圖2 數字孿生在高端數控機床中的研用現狀

1.1 數字孿生在高端數控機床生命周期中的研用現狀

研發階段：數字孿生已開始應用于高端數控機床的研發設計中，推動數控機床的研發模式由基于物理原型驗證的傳統研發模式向知識-數據-模型融合驅動的數字化研發模式轉變。然而，當前面向多目標的一體化智能設計方法仍存在領域知識融合深度不足與工程適用性局限等問題。因此，面向多目標多約束設計需求的高端數控機床智能研發，需：①構建面向自主研發設計的多維數字化方案生成空間，助力高端數控機床多層級、多尺度生成式設計；②打造面向多機型、覆蓋多場景、貫穿多領域的數實融合試驗測試驗證體系，實現整機設計性能的全域耦合分析，為高端數控機床研發設計方案的快速驗證與迭代優化提供支撐；③研究人機協同的設計方案推演與優化機制，探索融合精度、可靠性及穩定性等多目標的協同優化方法，推動實現高端數控機床全流程、全自動的智能化研發新范式。

表1 數字孿生在高端數控機床研發階段的研用現狀

運行階段：數字孿生已開始應用于高端數控機床的運行狀態監測與工藝參數優化，以保障高端數控機床的加工精度和運行可靠性。其中，針對高端數控機床服役性能的研究開始引起關注，但由于現有數據模型在跨場景下的泛化能力不足，且缺乏對多物理場耦合機理的深度解析，導致制造精度與服役性能難以在長周期內保持穩定，需：①研究全生命周期質量數據與制造精度的深度關聯機制，突破核心部件加工瓶頸，構建基于精準追溯的高精度制造體系；②研究多維組件的高可靠集成機制與數字孿生模型主動修正方法，突破復雜結構功能耦合導致的性能漂移瓶頸，構建面向高可靠性的多元集成理論與方法體系；③研究虛實融合驅動的裝配過程智能引導與動態校準機制，解決人工經驗依賴導致的裝調效率低下與精度波動問題，形成裝配與校準一體化的智能制造模式。

表2 數字孿生在高端數控機床運行階段的研用現狀

維護階段：數字孿生正加速融入高端數控機床的故障診斷與維護過程，推動其維護模式由視情維護向預測性維護轉變。然而，由于高端數控機床的故障樣本少、異常根因深、協作維護難，當前技術仍難以滿足高端數控機床的智能自主維護需求，需要：① 構建面向復雜系統全生命周期的狀態表征與映射體系，突破單一維度感知的局限，探索多源異構信息在高維空間的深度融合方法，實現機床健康狀態的全息透視與動態重構；② 建立物理機理與運維經驗深度融合的智能診斷框架，解析故障在復雜耦合系統中的深層演化規律，實現異常根因的可解釋性溯源；③ 研究生產調度與維護資源的深度協同與主動決策機制，突破傳統單一目標決策的局限，構建面向全局效益最大化的動態運維體系，驅動維修決策從“輔助參考”向“自主智能”進化。

表3 數字孿生在高端數控機床維護階段的研用現狀

1.2 數字孿生賦能的高端數控機床在三航一車一機典型場景的研用現狀

在航空領域，國內外學者已圍繞數字孿生在高端數控機床的加工表面形貌預測、加工路徑修正、加工過程質量調控等方面開展了初步探索，以期降低航天產品輪廓誤差與報廢率。然而，當前方法缺乏對數控機床加工過程多源誤差的全局分析與智能推演，導致航天結構件在變工況與長周期制造中的精度保持性與質量一致性難以保障，無法充分滿足航天結構件對高可靠裝配與高密封性等工程約束要求，亟需突破①面向多源誤差鏈的全局建模與超前感知技術；②復雜工程約束下的質量一致性閉環管控技術；③針對航天小樣本數據的機理-數據深度融合與精度保持技術，支撐我國航天結構件的高性能制造。

在航天領域，國內外學者已圍繞數字孿生在高端數控機床的加工表面形貌預測、加工路徑修正、加工過程質量調控等方面開展了初步探索，以期降低航天產品輪廓誤差與報廢率。然而，當前方法缺乏對數控機床加工過程多源誤差的全局分析與智能推演，導致航天結構件在變工況與長周期制造中的精度保持性與質量一致性難以保障，無法充分滿足航天結構件對高可靠裝配與高密封性等工程約束要求，亟需突破①面向多源誤差鏈的全局建模與超前感知技術；②復雜工程約束下的質量一致性閉環管控技術；③針對航天小樣本數據的機理-數據深度融合與精度保持技術，支撐我國航天結構件的高性能制造。

在航海領域，已有研究嘗試將數字孿生應用于高端數控機床的加工變形補償、銑削顫振抑制、刀具全生命周期監測等方面，有助于航海裝備零部件的穩定加工。然而，針對復雜工件表面特征與刀具、工件聯動調控之間的內在關聯，目前仍缺乏有效的機理貫通與全局刻畫方法，導致高端數控機床難以針對多向曲率變化顯著、尺寸大且載荷重的航海裝備零部件，在復雜變工況下實現可持續的自適應加工。為應對航海裝備的特殊加工需求，發展具備更高智能化水平的機床數字孿生體系架構，亟需突破：①大尺寸復雜構件加工特性的精準表征與質量預測技術；②面向工件-刀具-機床多層級系統的動態加工行為協同與閉環優化技術；③面向復雜工藝鏈的知識化表達與全局優化技術，支撐航海裝備大尺寸重型構件的一體化高質量加工。

在汽車領域，數字孿生已被逐步應用于高端數控機床加工過程狀態可視化監測、加工工藝虛擬調試與優化等方面，以期提升汽車零部件加工工藝調優效率與加工質量。然而，當前方法對數控機床服役性能長短期變化的分析不足，尚未實現變品種長時間加工需求下加工方案的靈活調整，難以保障汽車零部件的大批量高效穩定加工，亟需突破：①多品種大批量制造環境下的工藝自適應調優技術；②全生命周期服役性能的穩定保障與主動維護技術，在汽車生產過程中尋求兼顧多樣化功能需求與多維度約束條件的解決方案，實現汽車零部件的多品種大批量制造。

在發動機領域，國內外學者已圍繞數字孿生在機床加工精度提升與產品質量溯源等方面開展了初步探索，能夠基本滿足渦輪盤、機匣等常規結構零件的加工精度需求。然而，針對結構特征更復雜的發動機核心部件，如葉片微細冷卻通道、整體葉盤的封閉區域等，數控機床仍面臨狹小空間刀具可達性不足、高溫合金切削控制誤差大等加工問題，為突破上述瓶頸，亟需研究：①極端加工約束下的精度全鏈路演化溯源技術；②受限空間與復雜工況下的高效閉環執行技術，通過AI與數字孿生深度融合，提升對各類多維度、高精度核心零部件的穩定、高效加工能力，完成機床核心加工效能的關鍵性躍升。

1.3 高端數控機床其它領域的數字孿生研究現狀

在數字孿生標準建設方面，作者團隊構建了數字孿生標準體系框架[163]，為數字孿生的基礎共性標準、關鍵技術標準、工具/平臺標準、測評標準及行業應用標準的研制提供了體系化參考。在此基礎上，進一步聚焦高端數控機床全生命周期管理的共性需求，構建了高端數控機床數字孿生的標準體系框架[164]。在此框架下，國內外研究學者和機構已開展初步探索：信息物理控制智能機床系統的通用要求國際標準提出了面向信息物理融合的高端數控機床參考架構，涵蓋數據處理、數字孿生、監測分析決策、外部接口四個核心模塊，規范了各模塊的定義、功能和縮寫[165]；數控機床及高端裝備數字孿生技術團體標準提出了數控機床及智能裝備數字孿生的體系架構及技術路線，從同步性、一致性、可靠性、可維護性及可擴展性五方面總結了數控機床數字孿生的基本需求，以期指導數控機床等高端裝備數字孿生模型的設計與搭建[166]。綜上所述，當前高端數控機床的數字孿生標準尚未形成完整體系，亟需完善高端數控機床的數字孿生基礎共性標準與關鍵技術標準，推動數字孿生在高端數控機床領域內的規范化、大規模應用。

在數字孿生軟件工具方面，作者團隊結合近十年在數字孿生理論研究與工業實踐方面的工作，研發了makeTwin數字孿生軟件平臺，實現了數字孿生模型構建、數據處理、算法設計和配置等核心功能，為工業界的開發者與企業用戶提供了參考[4]。數控機床是機加制造車間的核心裝備，現有針對加工精度、加工效率與可靠性等核心需求的高端數控機床數字孿生軟件系統。同時，國內外研究學者已開始面向特定需求的高端數控機床數字孿生軟件的研制。然而，在高端數控機床研發、使用、維護的全生命周期中，現有數字孿生軟件普遍存在功能單一、二次開發門檻高、交互不兼容等問題，難以支持高端數控機床數字孿生服務在跨平臺與跨場景下的柔性適配。因此，面向高端數控機床全生命周期管理的多方面需求，亟需支持多學科仿真、多系統兼容、模塊化配置、功能可拓展的數字孿生工業軟件平臺，提升高端數控機床數字孿生系統的開發與部署效率，推動形成共享、易用、協作的數字孿生軟件生態。

1.4 數字孿生在高端數控機床中的研用現狀小結

通過分析數字孿生在高端數控機床中的研用現狀，從數字化、智能化、應用、標準、軟件五個方面總結了現有研用工作的局限與不足。

（1）單點建模：機床整機全生命周期數字化不足

（2）局部智能：機床全域全業務流程智能化不完善

（3）場景局限：高精高可靠典型場景數字孿生應用不突出

（4）標準缺失：機床全生命周期數字孿生標準體系未建立

（5）功能零散：數控機床一體化專用軟件平臺與工具缺位

2

高端數控機床數智孿生工程體系架構

為進一步闡述高端數控機床數智孿生工程內涵，厘清高端數控機床數智孿生工程各要素組成、作用與協作關系，參考作者團隊前期提出的數字工程“數智眼”架構[1]與數字孿生五維模型[3]，以及由生命周期工程、模型工程、數據工程、軟件與應用服務工程、數實迭代交互融合工程組成的航空發動機數字孿生工程體系[6]，結合高端數控機床特征與應用需求，進一步探討提出高端數控機床數智孿生工程體系架構，如圖3所示。

圖3 高端數控機床數智孿生工程體系架構圖

2.1 高端數控機床生命周期工程：“設計-制造-試驗測試驗證-交付-運維-回收”[6]

高端數控機床生命周期工程是指高端數控機床設計、制造、試驗測試驗證、交付、運維、回收的實現過程[6]。在AI的學習與推理能力的支持下，高端數控機床生命周期工程利用生命線程將不同型號、控制系統、加工精度的物理機床進行智能整合，積累研發數據、操作經驗、性能演化規律及維護知識，形成具備知識配套與迭代演化能力的高端數控機床物理產品體系，最終實現高端數控機床造好、用好、養好的理想目標。

2.2 高端數控機床模型工程：“建-組-融-驗-校-管”[3,6]

高端數控機床數字孿生模型工程是指高端數控機床數字孿生模型構建、組裝、融合、驗證、校正、管理的實現過程[6,175,176]。高端數控機床數字孿生模型工程融合人工智能的生成和判別能力，通過模型線程構建研發、運行、維護等多階段的幾何、物理、行為、規則模型并將其融合，利用從物理高端數控機床獲取到的數據和機理實現模型的動態演化更新，實現對全生命周期內高端數控機床的結構、狀態、性能進行精準動態刻畫，為各階段提供精準模型支撐。

2.3 高端數控機床數據工程：“采-傳-處-融-用”[6,177]

高端數控機床數據工程是指高端數控機床全生命周期數據采集、傳輸、處理、融合和使用的實現過程[177,178]。高端數控機床數據工程利用數據線程匯聚高端數控機床數控系統、機床本體、場景和工件的物理數據和虛擬數據，實現數據的實時采集、同步傳輸、高效處理、多維融合和全面使用。數據工程能夠實現機床狀態的全域精準感知，為高端數控機床的設計優化、智能管控、預測性維護等各階段智能服務提供“數力”支撐[1]。

2.4 高端數控機床智能工程：“感知-認知-決策-學習-涌現”

高端數控機床智能工程指基于“數力”培育通用“智力”，進而在高端數控機床全是生命周期中實現并提升感知、認知、決策、學習的專用能力，并進一步實現新能力涌現的過程。高端數控機床智能工程通過實時獲取全生命周期多模態數據，基于大數據、大模型等技術，實現高端數控機床運行過程態勢感知和異常故障診斷。在此基礎上，深入融合應用機器學習技術和運籌學理論，實現高端數控機床的自主決策、結果分析、經驗學習、知識積累，實現高端數控機床“智力”升級與能力提升，并通過遷移學習、大模型等技術實現新能力的涌現，為高端數控機床生命周期工程提供智能支撐。

2.5 高端數控機床軟件工程：“設計-開發-維護-集成-調用”[6]

高端數控機床軟件工程是指在高端數控機床全生命周期內開展軟件的設計、開發、維護、集成、調用，進而實現應用服務的過程[179]。借助軟件服務線程，構建物理高端數控機床、數字孿生模型、孿生數據以及智能算法等功能模塊并封裝組合，形成面向不同階段、不同層級、不同用戶多樣化需求的綜合軟件庫。在此基礎上，利用人工智能技術感知并識別需求，智能推薦相應的軟件服務，實現靈活高效的服務調用。

2.6 高端數控機床數實交互融合工程：“感知-通信-映射-交互-融合”[6]

高端數控機床數實交互融合工程是指通過信息接口與通信鏈路，實現高端數控機床在全生命周期內的感知、通信、映射、交互、融合的過程[180]。高端數控機床數實交互融合工程依靠新一代智能感知與網絡技術，構建適配不同階段、不同場景、不同應用模式的連接交互體系，實現高端數控機床生命周期內穩定、可靠、實時的數據共通和信息共享，進而支持高端數控機床生命周期工程、高端數控機床模型工程、高端數控機床數據工程、高端數控機床智能工程、高端數控機床軟件工程間的交互與協作。

3

高端數控機床數智孿生工程關鍵技術

基于作者團隊前期在數字孿生模型[175,176]、數字孿生數據[177]、連接交互[180]、數字孿生應用服務[179]等方面的理論研究，在設計[10]、制造[31]、運維[116]等全生命周期各階段的關鍵技術研究，以及針對航空發動機的數字孿生工程探索實踐[6]，本節圍繞高端數控機床“造好、用好、養好”的現實需求，提出高端數控機床數智孿生工程八類關鍵技術。

3.1 基于數字孿生和AI的高端數控機床生成式設計與正向設計技術

高端數控機床研發階段的生成式設計與正向設計是探索多維度設計方案和加速設計進程的重要途徑。基于作者團隊前期提出的數字孿生驅動產品設計框架[9,10]，嘗試探索提出基于數字孿生和AI的高端數控機床生成式設計和正向設計技術，包括：

（1）需求與任務驅動的正向設計技術

（2）數據與知識驅動的生成式設計技術

（3）多學科一體化設計技術

圖4 基于數字孿生和AI的高端數控機床生成式設計與正向設計技術

3.2 高端數控機床高性能智造技術

高性能制造[8]是將理想設計性能轉化為實際工作能力的核心環節，是確保高端數控機床綜合性能實現的關鍵支撐。基于作者團隊前期在數字孿生智能制造理論與方法的研究工作[31]，提出高端數控機床高性能智造技術。包括：

（1）高精度制造與產品質量追溯技術；

（2）極端服役條件下的機床加工過程自修正技術

（3）智能總裝與精度校準技術

3.3 高端數控機床數實融合試驗測試驗證技術

試驗測試驗證能夠為高端數控機床的研制運維和迭代優化提供科學依據，是確保高端數控機床性能的重要手段。基于作者團隊前期提出的數字試驗測試驗證理論[7]，以及由“析-定-建-測-評-融”6部分組成的數字試驗測試驗證標準體系[181]，面向高端數控機床數實融合試驗測試驗證全流程，以“析-定-建-測-評-用”為主線，以試驗測試驗證對象融合、場景融合、過程融合、結果融合為共性支撐技術，提出高端數控機床數實融合試驗測試驗證關鍵技術，包括：

（1）析：數實融合試驗測試驗證需求分析技術

（2）定：數實融合試驗測試驗證方案制定技術

（3）建：數實融合試驗測試驗證對象和場景構建技術

（4）測：數實融合試驗測試驗證執行與動態測控技術

（5）評：基于數實融合試驗測試驗證結果的綜合評價技術

（6）用：AI驅動的數實融合試驗測試驗證結果應用技術

圖5 高端數控機床數實融合試驗測試驗證技術[7]

3.4 AI與數模融合驅動的高端數控機床智能運維技術

高端數控機床智能運維是保障工件精密制造和機床長期服役的重要手段。基于作者團隊前期提出的“監測-診斷-決策”的數字孿生復雜裝備運維管控理論與方法[182,183]，提出AI與數模融合驅動的高端數控機床智能運維技術，包括：

（1）面向加工全流程的全局狀態感知與自主監測技術

（2）大模型驅動的智能診斷與全生命周期壽命預測技術

（3）基于產修協同的多目標智能維修與決策優化技術

（4）加工過程實時調控與全域閉環優化技術

圖6 AI與數模融合驅動的高端數控機床智能運維技術

3.5 高端數控機床全生命周期模型構建技術

數字孿生模型是高端數控機床數智孿生工程的基石，基于作者團隊前期提出的“建-組-融-驗-校-管”數字孿生模型構建理論體系[176]，探索提出高端數控機床全生命周期模型構建技術，包括：

（1）高端數控機床的數字孿生模型構建、組裝與融合技術

（2）高端數控機床的數字孿生模型全面驗證技術

（3）高端數控機床的數字孿生模型校正與管理技術

圖7 高端數控機床全生命周期模型構建技術

3.6 高端數控機床全生命周期數據融合技術

機床全生命周期數據是實現高端數控機床數智孿生工程的核心驅動力。基于作者團隊前期提出的“采-傳-處-融-用”數字孿生數據理論與方法[6,177,178]，探索提出高端數控機床全生命周期數據融合技術，包括：

（1）高端數控機床的多源異構數據全面采集技術

（2）高端數控機床虛實數據同步傳輸技術

（3）高端數控機床的全生命周期虛實數據處理技術

（4）高端數控機床全生命周期孿生數據深度融合應用技術

圖8 高端數控機床全生命周期數據融合技術

3.7 高端數控機床專用軟件平臺開發技術

高端數控機床專用軟件平臺是實現數智孿生工程全生命周期協同與虛實融合的核心支撐，基于作者團隊前期在makeTwin數字孿生軟件平臺的研究工作[4]，提出高端數控機床專用軟件平臺關鍵技術，包括：

（1）設計建模與虛擬驗證軟件開發技術

（2）生產分析與智能決策軟件開發技術

（3）運行管控與加工執行軟件開發技術

（4）健康監測與智能維護軟件開發技術

3.8 高端數控機床數智孿生工程基礎支撐技術

基礎支撐技術是實現高端數控機床數智孿生工程規范化與系統化應用的前提，為全生命周期各環節提供統一規范與多維數字資源支撐。基于作者團隊前期在數字工程[1]、標準體系[163,181]的研究工作，提出高端數控機床數智孿生工程的基礎支撐技術，包括：

（1）高端數控機床的數智孿生工程標準體系

（2）通用基礎庫構建與運維技術

（3）高端數控機床公共通用大模型構建技術

4

高端數控機床數智孿生工程若干思考

4.1 組建頭部，打造機床數智孿生工程國家戰略力量

實現高端數控機床數智孿生工程，達成“造好、用好、養好”高端數控機床的理想目標，需多學科交叉人才聚力突破技術瓶頸，需多領域經驗互通補齊認知短板，需多部門協同調集所需數實資源，僅靠個別企業、團隊和學者進行分散研究和實踐難以有效破局。因此，亟需整合高校科研院所、機床龍頭企業和有關部門等核心主體，組建一支思維活躍、技術先進、資源統籌、優勢互補的高端數控機床數智孿生工程國家隊，系統性解決高端數控機床全生命周期中的技術痛點和工程難點，打造世界一流的高端數控機床。

4.2 厚積薄發，夯實自主可控的機床數據模型基座

數據和模型是實現高端數控機床數智孿生工程的兩大核心支柱，是推動高端數控機床數智化升級的重要前提。因此，亟需打通高端數控機床研制、運行、維護跨階段數據和模型的交互共享與更新迭代鏈路，建立易接入、可兼容、語義化的高端數控機床數據模型基座，有效積累圍繞高端數控機床單型號、單階段、單業務構建的各種定制模型，高質量匯聚從不同機床、不同系統、不同階段、不同業務中采集到的多模態異構數據，沉淀固化機床全生命周期相關經驗與碎片化知識，形成自主可控的高端數控機床數字資產與知識支撐體系，為實現高端數控機床的數智孿生深度應用與可持續高質量發展奠定堅實基礎。

4.3 數智賦能，擁抱AI發展機床領域新質生產力

AI技術是推動高端數控機床制造從自動化向智能化躍遷的引擎，是進一步解放生產力、提高產品質量、探索未知性能邊界的關鍵抓手。因此，亟需在高端數控機床全生命周期中融合應用先進的AI技術，依托機床數據模型基座并借力國家算力樞紐，將持續積累的數字資產和經驗知識進行有效轉化利用，賦能高端數控機床全生命周期，突破傳統機床在研制、運行、維護等階段存在的技術和應用局限。在此基礎上，通過優先孵化一批“AI+數字孿生機床”的原生應用，帶動產業鏈上下游實現數智化協同升級，形成數據飛輪與知識迭代的正向閉環，助力我國機床產業從規模領向“質能”引領邁進。

4.4 建制增效，健全數智機床全生命周期標準體系

標準規范是高端數控機床數智孿生工程在全生命周期各階段順利實施并高效對接的基礎保障，是推動數智機床產業規模化發展的關鍵支撐。因此，亟需借鑒并融合現有數字孿生標準、機床標準和AI應用標準，圍繞基礎共性、關鍵技術、通用支撐、安全等方面，建立高端數控機床數智孿生工程標準體系，為跨主體和跨階段的高端數控機床技術創新與集成應用提供指導。通過標準牽引，支持機床相關模型、數據、知識經驗和軟件功能的即插即用，提升高端數控機床全產業鏈協同效率；加速高質量數據、模型、知識和經驗的有序積累和潛力挖掘，助力高端數控機床和專用軟件的智能進化。最終形成標準引領技術、技術反哺標準的良性循環。

4.5 聚沙成塔，建立機床專用的數智孿生軟件生態

工業軟件是實現高端數控機床實現數智化的重要支撐，是串聯高端數控機床全生命周期應用功能、連接技術突破與產業價值的核心紐帶。因此，亟需基于統一架構和開放接口開發可支持各類模型、數據、算法和功能模塊即插即用的高端數控機床專用數智孿生軟件，將零散的算法、模型、數據、知識封裝成可持續迭代、可共享遷移、可高效協同的軟件組件，最終形成自主可控、功能完備、協同高效的機床專用數智孿生軟件生態，為高端數控機床的研制、使用和運維提供高質量服務，為打造世界一流的高端數控機床創造環境。

4.6 以用促強，基于“用評改”閉環打造好用的國產機床

實踐是衡量機床性能品質的最終標準，用戶反饋是驅動機床持續優化升級的核心動力。當前國產機床的發展瓶頸不僅限于技術痛點，更在于缺乏一個能夠精準收集需求、充分暴露問題、快速優化升級的閉環迭代大環境。要實現國產機床從能用到好用的蛻變，需鼓勵以“三航一車一機”用戶為代表的高端用戶使用國產機床，將一線生產中積累的數據和意見反饋轉化為機床研制和軟件升級的精準輸入，形成以用戶為中心、以問題為導向、以數據為驅動的“用評改”高端數控機床迭代升級閉環，最終打造出不僅性能指標領先，更是用戶真心認可的好用、耐用、實用的高端數控機床。

5

結束語

高端數控機床作為現代制造的中流砥柱，其設計、制造、運維能力直接影響國家工業綜合實力。為實現高端數控機床造好、用好、養好的理想目標，助力實現新一代智能制造，本文首先從全生命周期出發提出了高端數控機床未來數智化發展的16個需求。通過系統性回顧數字孿生在高端數控機床中的研用現狀，從數字化、智能化、應用、標準、軟件等方面總結了現有研用工作的局限與不足。本文基于作者團隊前期提出的數字工程“數智眼”體系架構[1]、數字孿生五維模型[3]、航空發動機數字孿生工程體系架構[6]，結合高端數控機床應用需求和特性，研究提出了由高端數控機床生命周期工程、模型工程、數據工程、智能工程、軟件工程、數實交互融合工程組成的高端數控機床數智孿生工程體系架構，并進一步圍繞高端數控機床生命周期，從模型、數據、軟件平臺、基礎支撐等角度提出了高端數控機床數智孿生工程的8類關鍵技術。為更好地促進高端數控機床數智孿生工程的發展與實施，結合作者團隊前期在數字孿生和數字工程等方面的實踐經驗提出了若干思考與建議。

本文工作是針對高端數控機床特征及行業需求，對數字孿生和數字工程理論的進一步探索，期望能夠為高端數控機床的數字化轉型與智能化升級提供參考，為實現新一代智能制造提供理論技術方法支撐，為我國智造能力的跨越式提升提供助力。未來將進一步研究完善高端數控機床數智孿生工程理論體系，逐一攻克關鍵技術，并結合具體場景進行應用實踐。

本文研究工作得到國家自然科學基金企業創新發展聯合基金重點項目（U24B2064）的支持，本文作者是該項目主要參與者。感謝郭東明、王國慶、郇極、劉炳業、李東茹、蔡文沁、劉強、唐寧等院士和專家對本文相關研究工作的指導！

主創作者團隊主要研究方向

北京航空航天大學數字孿生智能制造團隊長期致力于智能制造、數字孿生與數字工程、制造工業軟件方向研究。

作者團隊相關文章

[1]TAO F, QI Q. Make more digital twins[J]. Nature, 2019, 573(7775): 490-491.

[2]TAO, F, ZHANG H, ZHANG C Y. Advancements and challenges of digital twins in industry[J]. Nature Computational Science, 2024, 4(3): 169-177.

[3]TAO F, SUN X, CHENG J, et al. MakeTwin: A reference architecture for digital twin software platform[J]. Chinese Journal of Aeronautics, 2023.

[4]TAO F, CHENG J, QI Q, et al. Digital twin-driven product design, manufacturing and service with big data[J]. The International Journal of Advanced Manufacturing Technology, 2018, 94(9): 3563-3576.

[5]TAO F, SUI F, LIU A, et al. Digital twin-driven product design framework[J]. International Journal of Production Research, 2019, 57(12): 3935-3953.

[6]TAO F, ZAHNG M, LIU Y, et al. Digital twin driven prognostics and health management for complex equipment[J]. CIRP Annals, 2018, 67(1): 169-172.

[7]TAO F, QI Q, LIU A, et al. Data-driven smart manufacturing[J]. Journal of Manufacturing Systems, 2018, 48: 157-169.

[8]TAO F, MA X, LIU W, et al. Digital Engineering: State-of-the-art and perspectives[J]. Digital Engineering, 2024, 1: 100007.

[9]陶飛, 劉蔚然, 張萌, 等. 數字孿生五維模型及十大領域應用[J]. 計算機集成制造系統, 2019, 25(1): 1-18.

[10]陶飛, 張辰源, 戚慶林, 等. 數字孿生成熟度模型[J]. 計算機集成制造系統, 2022, 28(5): 1267-1281.

[11]陶飛, 張萌, 程江峰, 等. 數字孿生車間——一種未來車間運行新模式[J]. 計算機集成制造系統, 2017, 23(1): 1-9.

[12]陶飛, 張辰源, 張賀, 等. 未來裝備探索：數字孿生裝備[J]. 計算機集成制造系統, 2022, 28(1): 1-16.

[13]陶飛, 程穎, 程江峰, 等. 數字孿生車間信息物理融合理論與技術[J]. 計算機集成制造系統, 2017, 23(8): 1603-1611.

[14]陶飛, 劉蔚然, 劉檢華, 等. 數字孿生及其應用探索[J]. 計算機集成制造系統, 2018, 24(1): 1-18.

[15]陶飛,張賀,戚慶林,等.數字孿生模型構建理論及應用[J].計算機集成制造系統,2021,27(01):1-15.

[16]陶飛,馬昕,胡天亮,等.數字孿生標準體系[J].計算機集成制造系統,2019,25(10):2405-2418.

[17]陶飛,張辰源,劉蔚然,等.數字工程及十個領域應用展望[J].機械工程學報,2023,59(13):193-215.

[18]陶飛,高鵬飛,張辰源,等.數字試驗測試驗證：理論、關鍵技術及應用探索[J].機械工程學報,2024,60(15):227-254.

[19]陶飛,馬昕,張辰源,等.數字試驗測試驗證標準體系[J].計算機集成制造系統,2025,31(01):1-19.

[20]陶飛,孫清超,孫惠斌,等.航空發動機數字孿生工程：內涵與關鍵技術[J].航空學報,2024,45(21):7-31+2.

[21]陶飛*, 張賀, 劉蔚然, 張辰源, 魏宇鵬, 易黎, 鄒孝付. 空天裝備數字試驗驗證理論與關鍵技術[J]. 航空學報, 2025, 46(24): 432516.

[22]陶飛,張賀,張辰源,馬昕.從數字孿生到數智孿生:回顧與展望[J].計算機集成制造系統,2026,32(1):1- 17.

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