2025年(工业互联网技术)智能制造与工业互联网试卷及答案

2025年(工业互联网技术)智能制造与工业互联网试卷及答案一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填在括号内。）1.在工业互联网体系架构中，负责现场设备连接、数据采集与边缘计算的层级是（）。A.网络层B.平台层C.边缘层D.应用层2.以下哪种协议最适合用于工业现场设备与控制系统之间实时、高可靠性的数据交换，且是基于以太网技术的？（）A.MQTTB.HTTPC.PROFINETD.CoAP3.数字孪生技术在智能制造中的核心价值在于（）。A.仅用于3D可视化展示B.物理实体与虚拟模型的实时双向映射与交互C.替代物理实体进行生产D.存储历史生产数据4.在工业5.0的愿景中，除了强调效率与柔性外，更加重视（）。A.机器完全取代人工B.人工智能的绝对控制权C.人机协作与以人为本的制造D.降低设备成本5.时间敏感网络（TSN）是为了解决工业以太网中的什么问题而提出的？（）A.网络安全性不足B.数据传输的确定性、低延迟和抖动控制C.无线传输距离限制D.IP地址资源枯竭6.OPCUAoverTSN架构中，OPCUA主要负责解决（）。A.实时数据传输的底层调度B.网络安全加密C.语义互操作性和信息模型建模D.物理链路连接7.边缘计算节点在智能制造车间中的典型部署位置通常是（）。A.集中式云端服务器B.靠近数据源的网关或工控机C.员工个人移动终端D.企业核心交换机8.下列关于工业大数据特征的描述，错误的是（）。A.数据量大B.产生速度快C.数据价值密度极高，无需清洗即可使用D.数据类型多样9.在工业互联网安全架构中，IT（信息技术）与OT（运营技术）融合带来的主要安全挑战是（）。A.IT系统更容易感染病毒B.OT系统原本封闭的环境被打破，攻击面扩大C.网络带宽不足D.数据存储成本增加10.预测性维护通常基于哪种数据分析方法来评估设备健康状态？（）A.描述性分析B.诊断性分析C.预测性分析D.规范性分析11.5G技术在工业互联网应用中，eMBB场景主要对应的需求是（）。A.超高可靠低时延通信B.增强移动宽带C.海量机器类通信D.低功耗广域网12.软件定义网络（SDN）在工业互联网中的主要作用是（）。将网络控制权与转发权分离，实现网络流量的灵活调度与管理A.增强硬件防火墙性能B.替代PLC进行逻辑控制C.自动生成生产排程D.将网络控制权与转发权分离，实现网络流量的灵活调度与管理13.信息物理系统（CPS）的3C核心要素不包括（）。A.Computation（计算）B.Communication（通信）C.Control（控制）D.Cloud（云）14.工业互联网平台的数据采集层，常用的南向协议是（）。A.RESTAPIB.ModbusTCPC.WebSocketD.AMQP15.在智能制造参考模型（如RAMI4.0）中，用于描述全生命周期维度的标准是（）。A.IEC62264B.IEC62890C.IEC62443D.ISO900116.利用工业人工智能进行表面缺陷检测时，目前最主流的技术路径是（）。A.基于规则的图像处理B.基于深度学习的卷积神经网络（CNN）C.基于频域分析D.基于颜色直方图统计17.工业区块链技术主要解决制造过程中的什么痛点？（）A.数据处理速度慢B.多方协作下的信任与数据溯源C.图形渲染能力不足D.存储空间有限18.下列哪种架构模式最适合处理跨地域、多工厂的协同制造任务调度？（）A.集中式单体架构B.分布式云边端协同架构C.纯P2P架构D.客户端/服务器两层架构19.在工业控制系统中，DCS（分布式控制系统）通常用于（）。A.连续过程的控制（如化工、电力）B.离散制造的控制（如电子组装）C.混合制造的控制D.物流仓储控制20.IEC62443标准主要关注工业自动化与控制系统的（）。A.功能安全B.信息安全C.电磁兼容性D.机械结构安全二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题列出的五个备选项中至少有两个是符合题目要求的，请将其代码填在括号内。多选、少选、错选均不得分。）21.工业互联网平台通常包含的核心功能模块有（）。A.边缘计算B.IaaS基础设施C.工业PaaS（数据建模与微服务）D.工业SaaS应用E.办公自动化软件22.实现智能制造的关键技术包括（）。A.增材制造（3D打印）B.工业机器人C.人工智能与机器学习D.物联网E.传统手工工具23.相于传统工业总线，工业以太网的优势在于（）。A.更高的传输带宽B.更远的传输距离C.基于统一的TCP/IP协议，易于集成D.本质安全性（无需额外措施）E.更好的抗干扰能力（在特定物理层下）24.工业互联网中，数据治理的主要任务包括（）。A.数据清洗B.数据标准化C.数据安全分级D.数据血缘分析E.数据销毁25.面向工业场景的5G网络切片技术可以提供的服务保障有（）。A.隔离性（资源独占）B.定制化的网络带宽C.差异化的时延要求D.动态的切片生命周期管理E.自动修复物理光缆断裂26.常见的工业互联网安全防护策略“深度防御”包含的层面有（）。A.物理安全B.网络安全C.计算机安全D.应用安全E.数据安全27.在MES（制造执行系统）与ERP（企业资源计划）的集成中，MES通常向ERP提供的数据包括（）。A.生产订单状态B.实时设备OEEC.物料消耗情况D.员工考勤记录E.市场营销预测28.边缘智能在工业视觉检测中的应用优势在于（）。A.降低视频数据上传云端的带宽消耗B.实现毫秒级的实时缺陷剔除C.保护数据隐私，敏感数据不出厂区D.利用云端无限算力进行训练E.完全替代人工质检29.工业APP的开发模式相比传统工业软件的特点是（）。A.微服务架构B.低代码/无代码开发C.高度复用与解耦D.依赖于特定操作系统E.灵活的订阅制付费模式30.数字孪生在产品设计阶段的应用包括（）。A.物理样机试制B.仿真验证与性能优化C.可制造性分析（DFM）D.虚拟装配E.销售渠道拓展三、判断题（本大题共15小题，每小题1分，共15分。请判断下列说法的正误，正确的打“√”，错误的打“×”。）31.工业互联网仅仅是工业领域的物联网应用，两者概念完全等同。（）32.MQTT协议是一种基于发布/订阅模式的轻量级消息协议，非常适合网络带宽受限的工业环境。（）33.在工业控制系统中，为了确保实时性，所有的控制指令都必须通过云端服务器下发。（）34.工业大数据的采样频率越高，数据的价值一定越大，因此应尽可能提高采样频率。（）35.零信任安全架构的核心原则是“从不信任，始终验证”，即使在内网中也需进行身份认证。（）36.Modbus协议是一种应用层协议，既可以运行在串口（RS-485）上，也可以运行在TCP/IP网络上。（）37.智能制造的目标是实现全流程的无人化。（）38.边缘计算将取代云计算，成为未来工业数据处理的唯一中心。（）39.工业互联网平台PaaS层的主要作用是提供数据存储、数据分析和数据建模服务。（）40.时间敏感网络（TSN）通过时间感知调度机制，可以实现以太网帧的无碰撞传输。（）41.设备的OEE（设备综合效率）指标由可用率、表现性、质量指数三个要素构成。（）42.工业人工智能模型的训练数据必须包含所有可能的工况，否则模型无法上线使用。（）43.云边协同架构中，模型训练通常在云端完成，而模型推理通常在边缘端执行。（）44.工业软件定义的本质是将控制逻辑、业务流程等通过软件形式固化下来，实现灵活配置。（）45.所有工业设备都支持OPCUA协议，因此无需进行协议转换即可直接联网。（）四、填空题（本大题共15小题，每小题2分，共30分。请在横线上填写恰当的词语或数值。）46.工业互联网的三大核心体系是网络、平台和______。47.在工业4.0参考架构RAMI4.0中，三个维度分别是功能层级、生命周期和______。48.常见的工业现场总线______（填写协议名）因其物理层简单、抗干扰能力强，在传感器层仍有广泛应用。49.5G技术中，面向工业控制场景的特性是______（填写英文缩写），其空口时延目标可达1ms。50.工业数据中，描述设备运行状态随时间变化的数据称为______数据。51.在工业控制系统中，PLC的中文全称是______。52.数字孪生体与物理实体之间的数据交互接口应保证______性，以确保虚拟模型反映真实状态。53.边缘计算节点通常采用______架构，以实现容器化应用的快速部署和扩展。54.工业互联网安全中，______（填写技术名）技术常用于保护关键数据在传输过程中的机密性，防止被窃听。55.预测性维护算法中，______（填写方法名）常用于从设备振动信号中提取早期故障特征。56.CIM（计算机集成制造）系统的集成的核心是______集成。57.工业APP运行在工业互联网PaaS层之上，利用PaaS层提供的______能力实现特定业务功能。58.为解决工业设备IP地址短缺问题，IPv6的推广使用是必然趋势，IPv6地址长度为______位。59.在工业大数据分析流程中，在模型训练之前，通常需要进行特征工程，包括特征提取、特征选择和______。60.智能工厂中，AGV（自动导引车）的调度系统属于______（填写系统层级）层软件。五、简答题（本大题共5小题，每小题8分，共40分。）61.简述信息物理系统（CPS）的内涵，并说明其在智能制造中的核心作用。62.对比分析边缘计算与云计算在工业互联网应用中的优势与局限性。63.简述时间敏感网络（TSN）的关键技术机制，并说明它如何满足工业实时控制的需求。64.工业互联网平台的数据治理面临哪些主要挑战？请列举至少四点并简要说明。65.简述数字孪生在产品全生命周期管理（PLM）中的应用价值。六、综合应用与分析题（本大题共3小题，每小题15分，共45分。）66.某汽车零部件智能制造车间引入了基于5G+边缘计算的视觉检测系统。该系统包含20个高清工业相机，每秒产生20MB的图像数据。系统要求检测延迟（从图像采集到输出结果）低于50ms，且允许1%的丢包率。请结合5G与边缘计算架构，分析如何满足该系统的低延迟、高带宽需求，并计算如果所有数据都上传到距离车间50km的云端数据中心进行处理，理论上光速传播产生的单向物理延迟是多少？（光速取3×67.某工厂的精密数控机床需要进行预测性维护。采集了设备主轴的振动加速度信号（时域）和温度数据。数据集包含正常状态样本和轴承内圈故障、外圈故障样本。(1)请设计一个基于机器学习的故障诊断流程框架。(2)在特征提取阶段，针对振动信号，通常提取哪些时域和频域特征？（列举至少4个）(3)假设使用随机森林算法进行分类，模型在测试集上的混淆矩阵如下：预测正常（40），预测内圈故障（5），预测外圈故障（0）；实际正常样本40，实际内圈故障样本45，实际外圈故障样本35。请计算该模型对于“内圈故障”的精确率和召回率。68.某大型流程工业企业（如化工厂）计划建设工业互联网安全防护体系。根据IEC62443标准，该系统划分为安全等级4（最高级）。请设计一个符合“深度防御”理念的安全架构方案，要求涵盖网络边界、内部网络分区、终端接入和数据安全四个方面，并说明具体的技术措施。试卷答案及详细解析一、单项选择题1.C[解析]边缘层位于网络层与设备层之间，负责就近处理现场设备的数据，提供边缘计算和协议转换功能。2.C[解析]PROFINET是基于工业以太网的实时以太网协议，广泛用于工厂自动化现场控制；MQTT和HTTP是应用层协议，CoAP多为受限设备应用，实时性不如PROFINET。3.B[解析]数字孪生的核心在于物理世界与虚拟世界的实时映射、数据交互与全生命周期融合，不仅仅是可视化。4.C[解析]工业5.0强调以人为本，回归人类价值，重视人机协作，而非单纯追求机器换人。5.B[解析]TSN通过时间调度、流量整形等机制，解决标准以太网的不确定性问题，提供确定性低延迟。6.C[解析]OPCUA重点解决语义互操作性，提供统一的信息模型；TSN解决底层的实时传输。7.B[解析]边缘计算部署在靠近数据源（如设备、产线）的位置，以减少延迟和带宽压力。8.C[解析]工业大数据价值密度低，大量数据可能是重复或无意义的，需要通过清洗和挖掘才能发现高价值信息。9.B[解析]IT/OT融合打破了OT系统的物理隔离“气隙”，使得IT层面的威胁（如勒索病毒）能够渗透到OT环境。10.C[解析]预测性维护旨在通过分析历史数据预测未来状态，属于预测性分析范畴。11.B[解析]eMBB（EnhancedMobileBroadband）对应高带宽；uRLLC对应低时延高可靠；mMTC对应大连接。12.D[解析]SDN将控制平面与数据转发平面分离，实现集中化的网络管控和灵活调度。13.D[解析]CPS的3C要素是计算、通信、控制。Cloud不是核心要素，尽管云平台常作为支撑。14.B[解析]南向连接现场设备，ModbusTCP是常见的工业设备传输协议；RESTAPI、WebSocket、AMQP多用于上层IT系统交互。15.B[解析]IEC62890是生命周期管理的标准；IEC62264是ERP与MES接口标准；IEC62443是安全标准。16.B[解析]深度学习（CNN）在图像特征提取和分类方面表现优异，是目前工业视觉检测的主流技术。17.B[解析]区块链具有去中心化、不可篡改、可追溯的特性，解决了多方协作中的信任和溯源问题。18.B[解析]分布式云边端协同架构能兼顾全局优化（云）和实时响应（边），适合跨地域协同制造。19.A[解析]DCS主要用于连续过程控制（模拟量为主）；PLC主要用于离散制造和逻辑控制。20.B[解析]IEC62443是工业通信网络网络与系统信息安全标准。二、多项选择题21.ABCD[解析]工业互联网平台架构通常包含边缘层、IaaS、PaaS、SaaS。办公自动化不属于核心工业功能。22.ABCD[解析]智能制造涉及增材制造、机器人、AI、IoT等关键技术，传统手工工具不属于智能制造技术范畴。23.ABC[解析]工业以太网具有高带宽、远距离、易集成优势。D错误，工业以太网需特定机制（如TSN或专用物理层）才能保证实时性和抗干扰，并非“本质安全”。24.ABCD[解析]数据治理涵盖清洗、标准化、安全、血缘分析等全流程管理。25.ABCD[解析]网络切片提供隔离性、定制化QoS（带宽、时延）和生命周期管理。E错误，切片是逻辑资源，无法自动修复物理光缆。26.ABCDE[解析]深度防御涵盖物理、网络、主机、应用、数据等多个层面。27.ABC[解析]MES向ERP反馈生产实绩，包括订单状态、OEE、物料消耗。考勤和营销预测通常不属于MES向ERP的核心反馈数据。28.ABC[解析]边缘智能节省带宽、保证实时性、保护隐私。D错误，训练通常在云端；E错误，目前无法完全替代人工，多为辅助。29.ABCE[解析]工业APP具有微服务、低代码、解耦、订阅制等特点。D错误，工业APP应跨平台运行，不依赖特定OS。30.BCD[解析]设计阶段数字孪生用于仿真、DFM、虚拟装配。A错误，数字孪生旨在减少物理样机；E属于销售阶段。三、判断题31.×[解析]工业互联网不仅是物联网，还强调数据智能分析、业务模式创新和全要素连接，内涵更广。32.√[解析]MQTT轻量、包头小，适合低带宽高延迟网络。33.×[解析]控制指令必须保证极低延迟，云端控制通常无法满足硬实时要求，关键控制指令应在边缘或本地控制器执行。34.×[解析]采样频率过高会产生冗余数据，增加存储和计算负担，应根据奈奎斯特采样定理和实际需求选择。35.√[解析]零信任架构不信任内网任何位置，所有访问请求均需验证。36.√[解析]Modbus协议物理层独立，可运行于串口和TCP/IP。37.×[解析]智能制造强调人机协作，而非完全无人化。38.×[解析]边缘计算与云计算是互补关系，不会取代云计算，云负责长周期大数据处理和模型训练。39.√[解析]PaaS层提供数据建模、存储和微服务运行环境。40.√[解析]TSN基于时间感知调度，通过门控列表消除队列竞争，实现无碰撞。41.√[解析]OEE=可用率×表现性×质量指数。42.×[解析]模型无法覆盖所有工况，对于未知工况应有异常检测机制或具备泛化能力。43.√[解析]云边协同中，云端算力强适合训练，边缘端延迟低适合推理。44.√[解析]软件定义将硬件资源虚拟化，通过软件定义业务逻辑，提高灵活性。45.×[解析]大量存量老旧设备不支持OPCUA，需要通过网关进行协议转换。四、填空题46.安全[解析]网络是基础，平台是核心，安全是保障。47.层级/架构等级[解析]RAMI4.0包含功能层级、生命周期、层级/架构等级三个维度。48.CANbus/RS-485/Profibus[解析]填RS-485或CAN等常见现场总线均可。49.uRLLC[解析]Ultra-ReliableLowLatencyCommunications。50.时序/时间序列[解析]反映随时间变化的趋势数据。51.可编程逻辑控制器[解析]ProgrammableLogicController。52.实时[解析]数据交互必须是实时的才能保证孪生体的同步。53.微服务[解析]边缘计算常采用容器化微服务架构。54.加密[解析]如SSL/TLS或专用加密算法。55.快速傅里叶变换（FFT）[解析]FFT用于将时域信号转换为频域信号分析故障特征。56.信息[解析]CIM的核心是信息集成，实现数据共享。57.数据建模/微服务调用[解析]工业APP调用PaaS层提供的数据模型和微服务组件。58.128[解析]IPv6地址长度为128位。59.特征构造[解析]特征工程包括提取、选择、构造等。60.执行/车间监控[解析]AGV调度属于MES或WMS系统功能，位于执行层。五、简答题61.答：(1)内涵：信息物理系统（CPS）是一个综合计算、网络和物理环境的多维复杂系统。通过3C（Computation,Communication,Control）技术的有机融合与深度协作，实现大型工程系统的实时感知、动态控制和信息服务。(2)核心作用：感知与互联：将物理世界的设备、环境等信息数字化，实现人、机、物的全面互联。计算与决策：利用计算单元对海量数据进行实时分析，支持智能决策。精准控制：将计算结果反馈到物理实体，实现对物理过程的精确、闭环控制。深度融合：它是连接虚拟世界（IT）与物理世界（OT）的桥梁，是智能制造实现“状态感知-实时分析-自主决策-精准执行”闭环的基础。62.答：边缘计算优势：低延迟：数据就近处理，无需上传云端，满足工业实时控制需求。节省带宽：过滤无效数据，仅上传高价值信息，降低网络传输成本。数据隐私与安全：敏感数据不出厂区，降低泄露风险。高可靠性：即使云端断连，边缘节点可维持本地业务基本运行。边缘计算局限性：计算资源受限：算力和存储不如云端强大，难以运行复杂的大规模模型训练。维护成本高：分布式部署导致运维管理复杂度增加。软件生态不如云端丰富。云计算优势：海量算力：适合处理长周期、大规模的历史数据分析和AI模型训练。资源弹性调度：易于扩展和管理。全局协同：便于跨地域、多工厂的数据集中管理和协同优化。云计算局限性：延迟较高：无法满足毫秒级实时控制要求。依赖网络：对网络带宽和稳定性要求极高。63.答：TSN关键技术机制：1.时间感知调度：基于IEEE802.1Qbv，通过门控列表控制队列流量的发送时间窗口，确保关键流量在特定时间发送，消除队列竞争。2.时间同步：基于IEEE802.1AS，实现网络中所有设备纳秒级甚至亚微秒级的时钟同步，确保调度基准一致。3.流量整形与预留：如IEEE802.1Qci（准入控制）和Credit-BasedShaper（CBS），限制突发流量，保证带宽和延迟边界。4.流过滤与监管：基于IEEE802.1Qci，监控流量是否符合约定，剔除违规流量，保护网络资源。满足工业实时控制需求的方式：TSN在标准以太网之上增加了时间确定性和资源隔离机制。通过精确的时间同步和门控调度，TSN可以像“时刻表”一样管理数据包，保证关键控制数据在确定的时间内无阻塞传输，从而将标准以太网的“尽力而为”转变为“确定性传输”，满足工业控制对低抖动、低延迟的严苛要求。64.答：工业互联网平台数据治理面临的主要挑战包括：1.多源异构数据集成难：工业数据来源于PLC、传感器、MES、ERP等，协议多样（Modbus,OPCUA等），格式不统一，集成难度大。2.数据质量参差不齐：现场环境恶劣导致数据缺失、噪声大、异常值多，清洗和标注成本高。3.语义互通性差：不同厂商设备对同一物理量的定义（单位、命名）不同，缺乏统一的信息模型标准，导致数据“看不懂”。4.实时性与吞吐量平衡：既要处理海量高频流数据，又要保证低延迟处理，对数据治理架构性能要求极高。5.数据安全与分级分类：涉及企业核心生产数据，需要在共享利用（如大数据分析）与商业秘密保护之间找到平衡，实施精细化的权限管控。65.答：数字孪生在PLM中的应用价值：1.设计阶段：建立虚拟样机，进行多物理场仿真（力学、热学等），验证设计性能，提前发现缺陷，减少物理样机试制次数，降低成本，缩短研发周期。2.工艺规划阶段：模拟生产线布局和加工工艺，进行虚拟装配，验证可制造性（DFM）和可装配性（DFA），优化工艺参数。3.制造阶段：实时映射产品制造过程，监控质量数据，实现质量追溯和工艺参数的动态调整。4.运维服务阶段：产品交付后，数字孪生体随产品运行，结合实际工况数据，提供预测性维护服务，优化备件库存，提升客户满意度。5.全生命周期闭环优化：将运维阶段的数据反馈给设计部门，用于改进下一代产品设计，形成“设计-制造-使用-反馈-设计”的闭环。六、综合应用与分析题66.解：(1)需求分析与架构设计：高带宽需求：20个相机×20MB/s=400MB/s的总数据吞吐量（约3.2Gbps）。普通Wi-Fi或4G/5G非切片网络难以稳定支撑。低延迟需求：<50ms的端到端延迟。若全部上传云端，物理传播+排队+处理时间极易超时。解决方案：采用5GMEC（多接入边缘计算）架构。1.部署MEC服务器：将边缘计算服务器（MEC节点）部署在车间本地或靠近车间的汇聚机房。2.本地分流：配置5GUPF（用户面功能），将相机的视频流量通过本地分流直接卸载到本地MEC服务器，不经过核心网和公网。3.边缘推理：在MEC服务器上部署AI视觉推理算法。图像数据在本地完成采集、推理和结果输出。4.结果上传：仅将检测结果（缺陷类型、位置等文本数据，极小流量）上传至云端进行全厂统计和分析。5.网络保障：开启5G网络切片，配置uRLLC切片特性，保障检测流的优先级和带宽。(2)云端传输延迟计算：距离d=光速c=单向传播延迟=。=结论：仅光速传播延迟约0.167ms，看似很小。但实际网络中还需计入传输延迟（400MB数据量大）、排队延迟、云端处理延迟等。若上传云端，传输延迟67.解：(1)故障诊断流程框架：1.数据采集：通过传感器采集振动信号和温度数据。2.数据预处理：去噪、滤波、异常值剔除、归一化。3.特征提取：从时域和频域提取敏感特征（如均值、峭度、频谱峰值等）。4.特征选择：利用PCA或相关性分析筛选出最具区分度的特征向量。5.模型训练：使用标注数据训练随机森林分类器。6.模型评估：使用测试集验证模型准确率、召回率等指标。7.在线诊断：将新数据输入模型，输出故障类别。(2)特征提取示例：时域特征：均值、均方根（RMS）、峰值因子、峭度、偏度。频域特征：频谱均值、主频频率、频谱能量、特定频段能量比。(3)混淆矩阵计算：混淆矩阵行表示实际类别，列表示预测类别。预测正常预测内圈预测外圈实际正常4050实际内圈???实际外圈???注：题目描述略显模糊，通常混淆矩阵是完整的。根据题目文字描述：“预测正常（40），预测内圈故障（5），预测外圈（0）；实际正常样本40，实际内圈故障样本45，实际外圈故障样本35”。这里假设给出的预测数据是对应“实际正常”这一行的预测分布（即40个正常样本中，40个被预测为正常，5个被预测为内圈...这显然不对，因为样本总数对不上）。注：题目描述略显模糊，通常混淆矩阵是完整的。根据题目文字描述：“预测正常（40），预测内圈故障（5），预测外圈（0）；实际正常样本40，实际内圈故障样本45，实际外圈故障样本35”。这里假设给出的预测数据是对应“实际正常”这一行的预测分布（即40个正常样本中，40个被预测为正常，5个被预测为内圈...这显然不对，因为样本总数对不上）。重新理解题目意图：通常题目会给完整矩阵。这里假设题目给出的预测分布是针对“实际内圈故障”样本的预测结果，或者补全矩阵逻辑。让我们根据常见出题逻辑修正理解：重新理解题目意图：通常题目会给完整矩阵。这里假设题目给出的预测分布是针对“实际内圈故障”样本的预测结果，或者补全矩阵逻辑。让我们根据常见出题逻辑修正理解：假设题目意思是：对于“实际内圈故障”的样本，预测结果分布为：预测正常(?)，预测内圈(40)，预测外圈(5)。但这与文本顺序不符。假设题目意思是：对于“实际内圈故障”的样本，预测结果分布为：预测正常(?)，预测内圈(40)，预测外圈(5)。但这与文本顺序不符。严格按照文本字面逻辑构建矩阵（假设这是针对“内圈故障”类的统计，或者矩阵的一部分）：严格按照文本字面逻辑构建矩阵（假设这是针对“内圈故障”类的统计，或者矩阵的一部分）：“预测正常（40），预测内圈故障（5），预测外圈（0）”->这看起来是某一行或某一列。“预测正常（40），预测内圈故障（5），预测外圈（0）”->这看起来是某一行或某一列。“实际正常样本40，实际内圈故障样本45，实际外圈故障样本35”->这是各类别的真实总数。“实际正常样本40，实际内圈故障样本45，实际外圈故障样本35”->这是各类别的真实总数。为了计算，我们需要知道TP(真阳性),FP(假阳性),FN(假阴性)。为了计算，我们需要知道TP(真阳性),假设题目描述的是模型在“内圈故障”这一类上的表现混淆：即，在所有被预测为“内圈故障”的样本中，有40个是真的（TP），5个是假的（FP，来自正常类）；在所有实际为“内圈故障”的样本中，有35个被预测为其他（FN），剩下的被预测为内圈。假设题目描述的是模型在“内圈故障”这一类上的表现混淆：即，在所有被预测为“内圈故障”的样本中，有40个是真的（TP），5个是假的（FP，来自正常类）；在所