人工智能增强的数字孪生在维护中的应用：系统综述、工业挑战与研究实践差距
Journal of Manufacturing Systems
本文结合系统综述与企业访谈，研究 AI 增强数字孪生在维护中的应用。文章梳理研究与工业实践之间的差距，并提出五层实施框架。
Siyuan Chen / 研究成果
论文与研究解读
围绕维护决策、工业 AI 与机器人编程的研究。每项成果均提供摘要或文章解读、研究要点，以及可直接使用的引用信息。
下载全部引用 ↗用于钣金胶线的无监督图像异常检测模型比较
Engineering Applications of Artificial Intelligence
胶线检测的误报会带来不必要的干预与停机。本文比较 17 种无监督模型和 28 种骨干网络，分析有限工业图像下的检测精度、鲁棒性与推理时间。
面向机械设备剩余寿命预测与故障诊断的 Transformer 方法
IOP Conference Series: Materials Science and Engineering
设备剩余寿命预测与故障诊断通常分别建模。本文使用共享传感器数据编码器的 Transformer 联合完成两项任务，并在 100 台工业设备的数据上评估。
检索增强机器人程序生成与基于模型上下文协议的仿真纠错
arXiv:2608.21417 · Accepted for CIE53 2026
本文通过 MCP，将检索增强的 ABB RAPID 代码生成连接到 RobotStudio。仿真反馈能发现静态代码检查遗漏的执行错误，并支持迭代纠错。
利用深度强化学习增强数字孪生：维护优先级排序用例
Proceedings - Winter Simulation Conference
维护优先级会随生产系统状态而变化。本文将数字孪生与近端策略优化算法结合，在实验室无人机工厂中研究动态维护优先级排序。
面向以人为本的制造规范性维护的 LLM 增强多智能体强化学习
SSRN 6681288
维护日志中包含仅使用数值数据的智能体难以直接利用的诊断知识。这篇预印本结合本地大语言模型、分层多智能体强化学习与生产成本奖励，在实验室无人机装配线场景中评估。
迈向基于数字孪生和人工智能的规范性维护
Licentiate thesis · Chalmers University of Technology
这篇副博士论文研究如何从故障预测走向可执行的维护决策。论文整合五项研究，连接工业需求、数字孪生、强化学习与异常检测。
理解制造维护中利益相关者对数字孪生的需求
Proceedings - Winter Simulation Conference
本文通过访谈和研讨会，梳理工业用户对维护数字孪生的实际需求。研究涵盖实施要求、决策支持场景与采用障碍。
面向机器人代码生成的 RAG 开发
IOP Conference Series: Materials Science and Engineering
机器人代码生成需要可靠的领域工程知识。本文探索使用可控资料支撑大语言模型的 RAG 架构，同时保留人工监督与来源追溯。
数据驱动的智能维护决策分析：结合数字孪生与改进 AHP 的无人机工厂演示
Proceedings - Winter Simulation Conference
无人机工厂数字孪生可在不中断真实生产的情况下比较维护策略。演示系统评估假设场景，并结合绩效指标与结构化决策分析。
迈向认知增强：人形社交机器人指令的个性化与标准化
IOP Conference Series: Materials Science and Engineering
自适应机器人指令会改变工业培训中的学习与操作负担。本文比较标准化与个性化的人形机器人指导，研究认知负荷和任务表现。
离散制造系统的综合仿真环境：基于计算建模的演示
Proceedings - Winter Simulation Conference
本文基于 PyTorch 构建离散制造系统仿真，生成可用于研究的合成数据。定时 Petri 网与有向图共同描述生产流，为制造 AI 实验提供可扩展环境。
利用生成式人工智能进行智能维护：制造业技术转折点的机遇与挑战
World Manufacturing Report 2024
这篇获奖文章讨论生成式 AI 在工业维护中的机遇与落地障碍。内容涵盖合成数据、员工学习、实施成本、数据质量与治理。