关键词数字孪生大语言模型多智能体柔性产线知识图谱一、文章简要介绍数字孪生是给真实产线建一个会实时同步的虚拟副本但传统数字孪生模型建好就基本固定了遇到产线频繁换型、设备故障、工艺调整跟不上节奏。这篇论文把大语言模型和多智能体系统结合起来提出一套能自己进化的数字孪生建模框架让模型跟着产线变化自动更新。中心思路是把数字孪生拆成三个维度知识、行为、几何。知识维度用图智能体从CAD图纸、设备手册、传感器数据里自动抽实体和关系建动态知识图谱行为维度靠分层智能体把生产任务一步步拆解、分配、执行几何维度用层次任务树驱动三维模型自动重构。实验在零件缺陷监测分拣线上做结果显示换型和故障恢复时间比传统方法降低47%误报率也明显下降。论文发表在Digital Engineering 2026年第10卷100099篇DOI10.1016/j.dte.2026.100099。图1 任务驱动的LLM-MAS动态建模框架分层智能体协同构建数字孪生图1是整套框架的总览。生产线级智能体接到任务后拆成模块级子任务模块智能体再往下分给单元智能体单元智能体直接控制机械臂、AGV、传感器这些物理设备。执行完的状态再自下而上反馈回来形成一个完整的闭环。二、仿真步骤步骤一搭多智能体框架。框架分三层线级智能体负责全局任务分解和规划模块级智能体管模块内的资源调度和异常处理单元级智能体绑定具体设备把指令转成设备能执行的控制命令。每个智能体都有感知、记忆、规划、行动四个模块用大语言模型做主要推理。图2 传统建模方法与本文方法对比从静态配置到自主进化图2是传统方法和本文方法的对比。传统方法靠固定流程和人工干预改一次模型要重写逻辑本文方法由大语言模型驱动的智能体自动感知、推理、决策模型跟着任务走。步骤二建动态知识图谱。图智能体按预定义的三层本体从静态数据CAD模型、设备手册、半动态数据工艺文件、BOM清单和动态数据传感器读数、MES工单里自动抽取三元组。先建基线图谱产线状态一变新知识自动融合进来图谱自己长。图3 智能体感知与决策过程感知、记忆、规划、行动四模块循环图3是智能体的运行逻辑。四个模块循环工作感知模块接收环境信息大语言模型做规划推理把复杂目标拆成可执行步骤行动模块调工具执行记忆模块存上下文。图4 生产线三层知识图谱生产线层、模块层、单元层图4是知识图谱的三层结构。生产线层描述宏观生产流程模块层定义各功能模块的组成和工艺单元层细化到每台设备每个传感器的参数状态。实验里建成的图谱有625个实体节点、867条关系边。步骤三闭环决策。任务自上而下拆解状态自下而上反馈智能体之间用JSON格式异步传消息。单元智能体实时上传数据模块智能体核对后往上汇总线级智能体确认全局闭环后再启动下一轮任务。图5 智能体协同决策过程自上而下任务分解加自下而上状态反馈图5是智能体协同决策的完整闭环。每一步任务执行都会驱动虚拟实体的状态更新、行为模拟和关系演化保证数字孪生模型和真实产线实时对齐。步骤四几何模型动态更新。时间尺度上机械臂关节、AGV位移、传送带工件流这些高频动态实时同步只改位置姿态不改变拓扑空间尺度上换型等任务变化触发层次任务树重构增删节点、重定向边几何模型跟着改。系统还加了事务一致性协议重构前先加锁模拟验证通过才真正执行防止大模型幻觉导致的错误更新。图6 HTT驱动的多尺度仿真任务树驱动几何模型时空重构图6是HTT驱动的多尺度仿真框架。层次任务树是几何模型更新的唯一驱动源任务节点携带执行参数叶子节点绑定单元智能体任务流转带动模型状态逐级更新。三、关键结果与发现第一个结果换型和恢复时间大幅下降。分拣1000个零件时换型时间从传统方法的28.5分钟降到15.2分钟恢复时间从27.3分钟降到11.1分钟工艺调整时间从30.5分钟降到15.6分钟。摘要口径下换型和恢复时间整体降低47%。图7 三维生产线模型动态构建虚拟产线与真实产线实时联动图7是三维产线模型的动态构建效果。左侧虚拟产线随智能体决策实时变化右侧对话框显示智能体之间的协商内容虚拟产线和真实产线实时联动。第二个结果误报率明显下降。100、500、1000件三种任务量下多智能体方案的误报率分别是8.6%、9.4%、9.8%几乎不随负载增加传统柔性生产从15.1%恶化到18.1%单智能体方案到1000件时也有17.7%。第三个结果代价是吞吐量下降。1000件时多智能体吞吐34.6件每分钟低于传统方案的52.3件因为智能体频繁协商通信有时间开销。小批量任务优势不明显任务越大灵活性优势越突出。第四个结果贡献主要在行为层。行为协调贡献了换型和恢复时间的大部分下降知识图谱提供实时语义上下文支撑决策几何更新负责保真同步时间节省主要发生在上游认知和规划层。四、我们提供的服务我们可提供以下仿真服务①数字孪生产线建模与动态仿真②基于大语言模型的多智能体系统开发③知识图谱构建与智能问答④柔性产线换型优化与故障恢复方案设计。如果你的产线也想试试数字孪生欢迎私信聊聊。