本研究旨在解决当前信息物理系统 (CPS) 与数字孪生 (DT) 技术集成在关键任务工业应用中实现实时性能的关键限制。我们的目标是克服现有 5G 系统的局限性，这些系统的延迟超过 10 毫秒，这使得它们不适用于需要亚毫秒级响应时间的应用，例如自主工业控制和预测性维护。本研究开发并验证了一个支持 6G 的数字孪生框架，以实现物理和数字工业资产之间的超低延迟通信和实时同步，重点关注轴承故障检测这一关键工业用例。该框架在一个五层架构中集成了太赫兹通信 (0.1-1 THz)、智能反射表面和边缘人工智能。实验验证使用凯斯西储大学 (CWRU) 轴承数据集进行，并实现了全面的特征提取（15 个时域和频域特征）和随机森林分类算法。该系统实现了97.7%的故障分类准确率，端到端延迟仅为0.8毫秒，相比WiFi-6网络（12.5毫秒）提升了15.6倍，相比5G网络（4.2毫秒）提升了5.25倍。此外，该系统还展现出卓越的可扩展性，在四种轴承故障类别（正常、内滚道、外滚道和滚珠故障）中保持了一致的性能，处理时间呈亚线性增长，宏观平均F1得分超过97%。
