2026年广东教师公需课《人工智能赋能制造业高质量发展》习题及答案

2026年广东教师公需课《人工智能赋能制造业高质量发展》习题及答案一、单项选择题（每题1分，共20分。每题只有一个正确答案，请将正确选项的字母填入括号内）1.在工业4.0参考架构模型（RAMI4.0）中，将产品全生命周期划分为“开发—生产—维护”三层，其中“生产”层对应的生命周期阶段是（）。A.样机试制B.批量生产C.售后回收D.概念设计答案：B2.下列关于数字孪生（DigitalTwin）与仿真（Simulation）区别的描述，正确的是（）。A.数字孪生必须依赖物理实体实时数据B.仿真模型无法离线运行C.数字孪生不能用于预测性维护D.仿真模型更新频率高于数字孪生答案：A3.在边缘计算节点部署轻量级AI推理时，最适合的模型压缩技术是（）。A.知识蒸馏B.网格搜索C.贝叶斯优化D.遗传算法答案：A4.某汽车零部件工厂采用强化学习优化排产，状态空间为车间在制品数量，动作空间为设备启停，奖励函数为“准时交付率−0.3×能耗”。若采用ε-greedy策略，ε=0.15，则第1000次迭代时随机动作概率为（）。A.0.15B.0.015C.0.85D.0.985答案：A5.根据《广东省制造业数字化转型实施方案（2025—2027年）》，到2027年，广东省将建成国家级“5G+工业互联网”示范工厂不少于（）。A.50家B.100家C.200家D.300家答案：B6.在联邦学习框架下，参与方本地模型参数聚合时常用的安全算法是（）。A.RSAB.SM2C.SecureAggregationD.DES答案：C7.某企业利用卷积神经网络（CNN）进行钢板表面缺陷检测，输入图像分辨率为4096×256，若第一层卷积核尺寸为7×7，步长为2，padding=3，则输出特征图宽度为（）。A.128B.129C.130D.131答案：B8.下列关于工业时序数据异常检测的说法，错误的是（）。A.LSTM-VAE模型可捕捉长程依赖B.孤立森林对超参数不敏感C.Prophet模型适合强季节性数据D.基于ReplicatorNeuralNetwork的检测需要标签数据答案：D9.在工业场景部署AI模型时，ONNXRuntime的主要作用是（）。A.提供可视化界面B.实现跨硬件推理加速C.自动生成训练代码D.管理容器镜像答案：B10.某智能产线采用数字孪生进行瓶颈分析，利用利特尔法则（Little’sLaw）计算在制品数量，若平均生产节拍为45s，产线吞吐量为80件/h，则在制品数量为（）。A.1B.1.5C.2D.2.5答案：A11.在AI赋能质量追溯系统中，采用区块链存储质检哈希，其共识机制若采用PBFT，可容忍的恶意节点最大比例为（）。A.1/4B.1/3C.1/2D.2/3答案：B12.下列关于工业大模型（IndustrialLLM）微调策略的描述，正确的是（）。A.LoRA微调需修改全部参数B.PromptTuning需要反向传播更新EmbeddingC.RLHF阶段采用PPO算法D.预训练语料无需脱敏答案：C13.某工厂利用AI进行刀具剩余寿命预测，采用深度迁移学习，源域为铣刀，目标域为钻头，若采用CORAL损失函数，其优化目标是使（）。A.边缘分布对齐B.条件分布对齐C.特征协方差对齐D.最大均值差异最小答案：C14.在工业5G网络中，uRLLC场景下空口时延可低至（）。A.10msB.5msC.1msD.0.1ms答案：C15.某企业采用AI视觉进行装配防错，检测节拍要求≤200ms，若GPU推理耗时为120ms，图像采集+预处理耗时为90ms，为满足节拍应采用的优化措施是（）。A.提高GPU频率B.引入流水线并行C.降低图像分辨率D.增加batchsize答案：B16.下列关于工业AI伦理的描述，符合《人工智能伦理规范》的是（）。A.算法可解释性等级可低于L2B.训练数据可少量含有人种偏见C.需建立AI事故追溯机制D.模型更新无需再次评估答案：C17.在智能制造能力成熟度模型（GB/T39116—2020）中，三级“集成级”要求企业实现（）。A.单一信息系统覆盖B.跨业务数据共享C.产业链协同优化D.自主学习决策答案：B18.某车间利用强化学习进行动态调度，采用Actor-Critic架构，其中Critic网络损失函数为均方误差，若优势函数估计采用GAE(λ=0.95)，则λ的作用是（）。A.控制熵正则强度B.平衡偏差与方差C.设置学习率衰减D.限制策略更新步长答案：B19.在工业元宇宙场景中，对高精度实时渲染需求，最适合的图形API是（）。A.OpenGLB.DirectX11C.VulkanD.WebGL答案：C20.某企业采用AI进行能源管理，建立LSTM模型预测空压机用电，若采用滑动窗口长度24h，步长1h，则输入张量形状为（样本，时间步，特征）。当特征包括“压力、流量、温度”3维时，时间步长度为（）。A.1B.24C.72D.样本数答案：B二、多项选择题（每题2分，共20分。每题有两个或两个以上正确答案，多选、少选、错选均不得分）21.下列属于工业AI典型应用场景的有（）。A.基于深度学习的缺陷检测B.基于强化学习的排产优化C.基于知识图谱的故障诊断D.基于区块链的供应链金融E.基于数字孪生的能耗优化答案：ABCE22.在工业边缘智能网关中，为实现模型热更新，需支持的技术包括（）。A.OTA差分升级B.容器化部署C.模型版本回滚D.灰度发布E.虚拟机快照答案：ABCD23.关于联邦学习在制造业跨工厂协同中的优势，正确的有（）。A.数据不出域B.通信开销低于集中式C.可解决数据异构D.无需加密机制E.提升模型泛化能力答案：ACE24.下列算法可用于工业时序数据预测的有（）。A.ProphetB.LSTMC.TransformerD.XGBoostE.DBSCAN答案：ABCD25.在工业5G+MEC部署中，可提供的网络服务包括（）。A.网络切片B.边缘QoS保障C.精准定位D.TSN时钟同步E.IPv6多播答案：ABCD26.某企业采用AI进行设备故障预测，需满足的法规要求有（）。A.数据安全法B.个人信息保护法C.网络安全法D.关键信息基础设施保护条例E.专利法答案：ACD27.下列关于工业大模型微调的描述，正确的有（）。A.LoRA可减少显存占用B.PromptTuning需冻结主干C.RLHF需人工排序反馈D.预训练后可零样本推理E.微调后模型尺寸一定增大答案：ABCD28.在AI赋能绿色制造中，可实现的优化目标有（）。A.降低单位产值能耗B.减少碳排放C.提高资源利用率D.降低设备故障率E.增加库存周转答案：ABCD29.下列关于工业AI模型可解释性方法的描述，正确的有（）。A.SHAP可计算特征贡献B.Grad-CAM适用于CNNC.LIME提供局部解释D.Attention权重可解释E.所有黑盒模型都无法解释答案：ABCD30.在数字孪生车间实时同步中，需解决的关键技术问题有（）。A.数据时延B.模型精度C.语义互操作D.安全传输E.三维渲染答案：ABCD三、填空题（每空2分，共20分）31.工业边缘计算参考架构中，边缘节点到云中心往返时延理论值应小于______ms，以满足实时控制需求。答案：2032.若某工厂利用ResNet-50进行零件识别，Top-1准确率为97.5%，误检率为0.8%，则漏检率为______%。答案：1.733.在联邦学习中，模型参数聚合公式为=其中，表示第k个客户端的______。答案：样本数34.某企业采用AI进行刀具寿命预测，若采用均方误差损失，预测值=102，真实值y答案：435.在工业5G网络中，用于TSN时钟同步的协议标准为______。答案：IEEE802.1AS36.根据《广东省智能制造生态发展规划》，到2027年，全省规模以上制造企业数字化研发设计工具普及率将达到______%。答案：9037.若某LSTM模型隐藏层维度为256，输入维度为10，则该层可训练参数个数为______。（忽略偏置）答案：（256×10+256×256）×4=26931238.在工业视觉检测中，若采用F1-score评价，精确率P=0.96，召回率R=0.92，则F1=______。（保留三位小数）答案：0.93939.某工厂利用数字孪生进行瓶颈分析，若产线理论产能为120件/h，实际产出为108件/h，则设备综合效率OEE损失为______%。答案：1040.在工业AI模型部署时，若采用TensorRT进行INT8量化，校准数据集样本数一般不少于______。答案：500四、简答题（每题10分，共30分）41.简述工业场景下AI模型漂移（ModelDrift）产生的主要原因及对应的监测与缓解措施。答案：（1）原因：①数据分布变化（原材料批次、环境温湿度）；②设备老化导致工况偏移；③工艺参数调整；④季节性因素。（2）监测：①在线计算PSI（PopulationStabilityIndex），阈值>0.2报警；②监控模型输出置信度下降比例；③采用滑动窗口计算预测误差（如MAE）突增。（3）缓解：①增量学习，每日凌晨自动重训练；②建立反馈闭环，将人工复检结果回流；③采用集成模型加权，降低单模型风险；④设置沙箱环境，先灰度验证再全量更新；⑤引入领域自适应（DomainAdaptation），对齐新旧分布。42.说明联邦学习在跨工厂协同质量预测中的系统架构，并阐述如何保障数据隐私。答案：系统架构：①边缘层：各工厂部署本地节点，采集质检数据，本地训练；②聚合层：区域边缘服务器定期收集加密的梯度，执行SecureAggregation；③云层：全局模型参数下发，提供模型版本管理。隐私保障：①梯度加密，采用同态加密或Diffie-Hellman密钥交换；②SecureAggregation，确保单节点梯度不可见；③差分隐私，添加噪声ε≤1；④数据不出域，仅传输梯度；⑤审计机制，记录参数指纹，防止投毒。43.概述数字孪生驱动的预测性维护闭环流程，并给出关键性能指标（KPI）。答案：闭环流程：①物理设备实时采集振动、温度、电流数据；②边缘网关预处理并上传；③数字孪生模型同步更新，运行故障预测算法（如LSTM+Attention）；④系统输出剩余寿命预测；⑤维护决策：若RUL<7天，触发工单；⑥执行维护后，将实际更换时间、故障类型回写孪生体，校准模型。KPI：①预测准确率（RUL误差<20%）；②误报警率<2%；③维护成本降低率≥15%；④设备可用度A≥99%；⑤模型更新周期≤24h。五、应用题（共60分）44.（计算题，15分）某家电工厂计划引入AI进行注塑机能耗优化。已知：（1）单台注塑机功率曲线可近似为P其中=20kW，k=0.02（2）AI通过动态调整工艺参数，使实际加热时间从t=20min缩短至（3）工厂共有80台注塑机，每天运行20h，电价0.75元/kWh。求：①单台单次加热能耗减少量ΔE（kWh）；②全年按300天计算，工厂节省电费多少万元？答案：①ΔE=466.67−316.67=150kWh②年节省电费=150×80×20×300×0.75÷10000=540万元45.（分析题，15分）某汽车零部件焊接车间采用AI视觉检测焊缝缺陷，历史数据显示：缺陷类别：气孔（A）、夹渣（B）、未焊透（C）、裂纹（D），样本比例分别为40%、30%、20%、10%。现采用ResNet-34训练，结果如下表：类别精确率召回率A0.960.98B0.940.92C0.900.88D0.850.80（1）计算宏平均F1-score；（2）分析裂纹检测性能不足的可能原因；（3）提出两项改进措施并说明预期效果。答案：（1）F1_A=2×0.96×0.98/(0.96+0.98)=0.969F1_B=0.929F1_C=0.889F1_D=0.824宏平均F1=(0.969+0.929+0.889+0.824)/4=0.903（2）原因：①裂纹样本少，模型欠拟合；②裂纹特征细微，易与划痕混淆；③图像分辨率不足；④标注误差大。（3）措施：①采用过采样+数据增强（CutMix、Mosaic），预计召回率提升至0.88；②引入注意力机制（CBAM），聚焦裂纹区域，预计精确率提升至0.90，F1提升至0.89。46.（综合题，30分）某电子厂计划构建基于工业大模型的智能问答系统，用于指导现场维修。请完成：（1）给出系统总体技术架构图（文字描述即可）；（2）列出三类核心数据及其来源；（3）设计微调流程，包括预训练模型选择、指令数据集构建、微调方法、评估指标；（4）说明如何保障系统输出安全与合规；（