让PLC听懂人话：大语言模型进军工业控制必读论文清单（收藏版）！

Hello工控

发布于 2026-04-28 21:23:08

文章被收录于专栏：Hello工控Hello工控

我们在做整个RealPLC产品时，需要引用的相关论文在这里分享给在研究LLM和PLC结合的朋友。

在AI时代，开源分享才能让更加有想法和强执行力的朋友发挥更大价值。所以我们把这些总结下来，大家可以到arXiv.org官网找到相关论文进行下载和研究。

以下是上述研究中提到的所有关键论文及相关资源的汇总列表，已整理为 Markdown 表格形式：

📚 PLC 与 LLM 安全性研究论文汇总

论文标题	核心研究方向	资源链接
LLM4PLC: Harnessing Large Language Models for Verifiable Programming of PLCs	形式化验证、nuXmv 模型检测、端到端验证流水线	arXiv:2401.05443
Agents4PLC: Automating Closed-loop PLC Code Generation and Verification	多智能体协作、闭环自动修复、RAG 增强生成	arXiv:2410.14209
AutoPLC: Generating Vendor-Aware Structured Text for Programmable Logic Controllers	厂商特定方言（如西门子 SCL）、知识库增强、语法检查器	arXiv:2412.02410
Training LLMs for Generating IEC 61131-3 Structured Text with Online Feedback	在线反馈强化学习、西门子技术、结构化文本（ST）微调	arXiv:2410.22159
ChatGPT for PLC/DCS Control Logic Generation	早期探索、控制逻辑生成的可行性研究 (ABB Research)	arXiv:2305.15809
MCCoder: Streamlining Motion Control with LLM-Assisted Code Generation	运动控制（Motion Control）专用代码生成与严谨验证	arXiv:2410.15154
Converting IEC 61131-3 LD into SFC Using Large Language Model	梯形图（LD）到顺序功能图（SFC）的自动转换与测试	arXiv:2509.12593
Automated Control Logic Test Case Generation using Large Language Models	自动化测试用例生成、工业自动化逻辑测试 (ABB Research)	arXiv:2405.01874
K-ST: A Formal Executable Semantics of the Structured Text Language for PLCs	ST 语言的形式化语义定义，为验证提供理论基础	arXiv:2202.04076

🛠️ 关键技术组件参考

•

形式化验证器 (Model Checkers):nuXmv, PLCverif

•

标准规范:IEC 61131-3 (工业控制器编程标准)

•

代码检查工具:iec2c (MatIEC 编译器)

这份研究清单涵盖了利用大语言模型（LLM）实现工业自动化和可编程逻辑控制器（PLC）代码生成的最新进展。以下是这些论文的详细摘要与核心主题整理。

工业自动化与 LLM 代码生成研究综述

论文标题	核心主题	主要贡献与摘要
Vendor-Aware Industrial Agents2511.09122	供应商感知与检索增强 (RAG)	针对不同厂商 PLC 语法差异，提出一种 RAG 增强框架，利用本地知识库实现安全、且具备厂商意识的 ST 代码生成。
Automating Code Generation for Semiconductor Equipment2509.13055	半导体设备控制	专注于将开发者的自然语言描述转换为半导体控制逻辑，探索 LLM 在高度专业化制造设备中的应用潜力。
Converting IEC 61131-3 LD into SFC2509.12593	逻辑转换 (LD 转 SFC)	发布了一个专用数据集，测试 LLM 将梯形图（LD）转换为顺序功能图（SFC）的能力，旨在提升工业逻辑的可读性。
A Multi-Agent Framework for PLC ST Generation2412.02410	多智能体协作	提出一种可扩展的多智能体框架，通过不同角色的智能体协作，生成结构化文本（ST），解决复杂逻辑的生成问题。
Autonomous Control Leveraging LLMs2507.07115	自主控制与代理框架	探讨下一代工业自动化中的代理（Agentic）框架，利用 LLM 实现更高层级的自主决策与控制逻辑生成。
MCCoder: Streamlining Motion Control2410.15154	运动控制与形式验证	专注于运动控制领域的代码生成，结合了 LLM 辅助生成与严谨的代码验证流程，确保工业运动控制的安全性。
Agents4PLC: Closed-loop Generation2410.14209	闭环自动化与验证	引入 AutoPLC 框架，通过构建知识库（Rq2ST 和指令库）并配合迭代自我改进机制，实现闭环的 PLC 代码生成与语法/语义校验。
Training LLMs for IEC 61131-3 ST2410.22159	在线反馈强化学习	探讨如何利用在线反馈机制对 LLM 进行微调，以提高其生成符合 IEC 61131-3 标准的结构化文本的准确度。
Automated Control Logic Test Case Generation2405.01874	自动化测试用例生成	研究如何使用 LLM 为现有的控制逻辑自动生成测试用例，从而提升工业软件的质量保证效率。
LLM-based Control Code Generation using Image Recognition [2023 IEEE/ACM]	多模态生成 (图像识别)	探索通过识别工程图纸或逻辑图（Image Recognition）来辅助 LLM 生成对应的控制代码。
K-ST: A Formal Executable Semantics2202.04076	形式化语义与验证	为 PLC 的 ST 语言定义了名为 K-ST 的形式化执行语义，为后续 LLM 生成代码的自动化验证提供了理论基础。
ChatGPT for PLC/DCS Control Logic Generation [2023 ETFA]	可行性初步探索	早期研究项目，评估了 ChatGPT 在生成 PLC 和 DCS（分布式控制系统）逻辑方面的基础能力。
Industrial Engineering with LLMs: Oil & Gas2304.14354	垂直行业应用 (油气)	以石油和天然气行业为例，研究 ChatGPT 在处理该领域特定工程问题时的性能表现。