数字孪生技术在产线设计运维领域已被广泛应用,极大的缩短了产线开发周期、降低了成本,同时提升了运维效率。在数字孪生产线场景下,为了实现虚拟模型和现场实物设备的虚实联动,其对虚拟设备三维模型静态、动态以及全生命周期数据的可靠性、真实性和实时性提出更高的要求。然而数字孪生产线主要是由机械CAD组合体模型来描述的,这些模型均具有复杂的拓扑结构和丰富的几何细节。同时由于机械CAD模型具有离散折角平面、三角形分布不均匀以及存在不可见接触面等特征,使得主流轻量化方法在处理模型时难以取得理想的简化效果。并且随着数字孪生产线的场景复杂度越来越高,亟需对场景进行动态且低开销的划分管理,以减少不可见模型剔除过程中的查询量。针对上述问题,本文提出了一种面向数字孪生产线模型场景的轻量化方法,实现在减小模型数据量并提升场景运行帧率的同时,有效保持了模型的显著几何特征,而且还通过并行化计算加速手段实现了动态实时多尺度轻量化。首先,通过分析得出常见机械CAD组合体模型所具备的独有特征,同时根据数字孪生产线轻量化的设计运维需求,构建了针对数字孪生产线模型场景的轻量化方法框架,阐明了其技术实现方案。其次,提出了针对数字孪生模型特征优化的QEM网格简化算法,实现了保持模型的显著几何特征。对冗余的模型数据进行去重预处理操作,引入针对离散折角平面特征的约束以及其他常见约束,设计最佳候选折叠顶点计算策略,结合三角形正则度构建惩罚函数,最终建立一种优化的QEM网格简化算法。然后,提出了一种交互标记式的接触面识别和剔除方法,支持对组合体模型中存在的不可见接触面进行识别剔除。对简化后的模型进行均匀化预处理,并构建层次结构队列堆栈进行数据流管理,执行改良分水岭网格分割算法,利用邻接层次连通图合并过分割区域,最后结合接触面筛选规则和用户交互式标记,对不可见接触面进行识别和简化。再次,提出了场景划分优化和局部自适应剔除方法,识别不在摄像机屏幕空间上产生干涉的冗余模型数据,并对其进行剔除。通过构建KD-Tree和BVH混合数据结构,从而对数字孪生场景进行高效划分,在场景划分后的重点局部节点中,根据模型的空间遮挡和视锥干涉关系,实现对冗余模型数据自适应剔除操作。最终,本文搭建了数字孪生实验环境,构建了CPU-GPU异构并行化计算加速平台。数字孪生实验场景下,本文使用常见的机械CAD组合体模型行了网格分割和接触面识别简化实验、并行轻量化规模划分性能比较实验、并行轻量化加速性能比较实验以及模型轻量化结果实验。最后搭建了一个某智能手机装配生产线整线数字孪生场景,展示了进行本文轻量化技术方法处理后实际应用效果,其中轻量化处理前该场景的平均帧率为23.48帧/秒,而轻量化处理后的平均帧率为65.73帧/秒。实验结果和展示效果表明,本文轻量化方法可以极大地提升数字孪生场景的运行帧率,同时保持了产线模型的显著几何特征以及三角面片的完整性,因此具有较高的应用价值和研究价值。