一月的寒流席卷了大半个中国。沈阳飞机工业集团有限公司（简称沈飞）的某个核心机加车间里，气氛比室外的冰天雪地还要冷上几分。
巨大的厂房中央，矗立着那台由研究院牵头研制的“面向航空复杂构件的智能制造单元”首台工程样机。此刻，它静默着，像一个被缴了械的巨人。周围围着十几个人：张海洋和他的两名团队成员，沈飞工艺处的领导、车间主任、调度员，还有几名脸色铁青的操作工人和维修技师。
地面上，散落着一些金属碎屑和一个断裂的专用拉刀刀柄。空气中弥漫着冷却液和金属摩擦后的焦糊味。
“张总工，不是我们不支持国产装备。”车间主任老杨，一个五十多岁、脸上刻满风霜的八级钳工出身干部，声音压抑着怒火，“可这机器，它不听使唤啊！加工第一个大型钛合金框段，工艺参数都是按你们给的、在高原试验优化过的来设的。结果呢？智能监控系统倒是报警了，说是振动异常，可它自动调整参数后，振动更大了！直接导致拉刀崩断，工件表面拉伤，深度超过0.1毫米！这框段废了！知道这材料多贵吗？知道耽误多少工期吗？”
张海洋蹲下身，仔细查看断裂的刀柄和工件上的伤痕。刀柄是齐根断裂，断口呈现脆性特征。工件表面的拉伤痕迹深且不规则，显然是在异常振动和刀具失效共同作用下造成的。
“杨主任，各位师傅，实在抱歉。”张海洋站起身，语气诚恳，“问题出在我们身上，我们一定负责到底，彻底查清原因，修复设备，补偿损失。”
“损失先不说。”工艺处的刘处长推了推眼镜，语气严肃但还算克制，“张工，关键是原因。高原试验不是挺成功吗？怎么一到实际生产就出这么大问题？是试验工况和实际生产工况差别太大，还是你们这套智能系统本身就不稳定？”
这也是张海洋心中的疑问。高原试验模拟了低温和低气压，也进行了带负载连续运行。但也许，模拟终究和实际千差万别。尤其是航空大型构件的加工，材料批次、装夹方式、车间地基微振动、甚至电网波动，都可能带来微妙影响。
“我们需要时间详细分析数据。”张海洋说，“故障前后的所有监控数据、工艺参数记录、车间的环境数据，都需要调取。另外，这个断裂的刀柄和废掉的工件，我们要带回去做失效分析。”
沈飞方面虽然不满，但还是同意了。毕竟，这台设备是部里重点协调引进的国产化示范项目，直接退货的政治影响太大。但车间的信任，已经出现了深深的裂纹。
接下来的三天，张海洋团队住在沈飞简陋的招待所里，夜以继日地工作。他们反复回放智能监控系统记录的海量数据：振动频谱、声音信号、主轴功率、各轴负载、甚至是冷却液压力和流量。他们对比高原试验的数据，一帧一帧地寻找差异。
问题逐渐聚焦。故障发生前约五分钟，监控系统确实捕捉到振动能量在某个特定频段缓慢上升，系统按照预设算法，试图通过微调主轴转速和进给速度来抑制。然而，调整后，振动能量不仅没降，反而在另一个频段出现了新的峰值，且迅速放大，最终导致灾难性后果。
“我们的抑振算法，是基于一个简化的机床-刀具-工件动力学模型。”团队成员小陈指着屏幕上的数据曲线，脸色发白，“这个模型在高原试验中，针对那个特定的试验工件和装夹方式是有效的。但沈飞这个实际工件，尺寸更大，结构更复杂，装夹点也不同，导致整个加工系统的动力学特性变了！我们的模型没有准确预测到调整参数后，会激发系统另一个更危险的模态！这不是传感器问题，也不是执行机构问题，是大脑的‘认知模型’错了！”
换句话说，智能系统自以为在“治病”，实际上却开错了药，加重了病情。
“自适应性不足。”张海洋沉声道。他们之前关注了环境适应性（温压），却忽略了加工对象变化带来的系统动力学适应性。而这，恰恰是智能制造要解决的核心难题之一——如何让机器具备应对“未知”工况的能力。
“怎么办？重新建模？那得针对每一种工件、每一种装夹都做动力学测试和建模，根本不可能！”小陈有些绝望。
“也许不需要完全精确的模型。”张海洋盯着那些混乱的数据曲线，若有所思，“能不能让系统变得更‘谨慎’一些？当它检测到振动上升，进行参数调整时，不要一次调整到位，而是小步试探，实时观察振动响应，如果响应恶化，立刻回退，并尝试其他调整策略？就像人用手摸烫的东西，会一点点试探，而不是一巴掌按上去。”
“强化学习？在线学习？”小陈眼睛一亮，“但需要大量的试错数据，而且在真实机床上试错，成本太高了……”
“能不能用数字孪生？”一直没怎么说话的另一个团队成员小李开口，“我们不是在搭建这台机床的数字孪生体吗？虽然还不完善，但基本的动力学仿真应该可以跑。能不能在每次实际加工前，或者系统想要调整参数时，先在数字孪生体里快速仿真一下调整后的效果？用仿真的结果来指导现实的决策？”
本小章还未完，请点击下一页继续阅读后面精彩内容！