智能基础技术 11

课程教案课程名称人工智能技术及应用学时6授课教师授课班级授课学期课程考核使用教材人工智能技术及应用课程目标课程目标1能够简述智能制造的基本概念与特点，了解德国工业4.0、《中国制造2025》的战略目标与任务，掌握两化融合的本质特征与关键核心技术；理解工业人工智能的核心内涵与九大应用场景（分类、聚类、异常检测、诊断、预诊断、参数优化等），以及人工智能与先进技术（工业物联网、数字孪生、工业机器人等）及工业管理技术（生产调度、质量管理、供应链、设备管理）的融合模式；能够针对智能生产、智能检测、故障诊断等行业应用场景，了解其中涉及的复杂工程问题及所运用的智能技术。课程目标2能在多学科环境下，通过智能制造典型案例（如智能视觉分拣机器人、PCB板智能质量检测、设备预测性维护PHM系统、智能调度系统等）分析，阐述人工智能技术在满足特定需求（如设备故障预警、质量智能检测、生产调度优化等）中的智能设计方法，并考虑感知层、平台层、应用层各模块之间的关联与影响，分析智能制造应用中的实际问题，提升学生的智能技术应用能力和系统化问题解决能力。课程目标3能够在智能制造系统设计中，考虑工业数据安全与生产安全保障等工程伦理问题，理解“以人为本”的人机一体化协同理念；结合我国航空航天、深潜装备等自主创新成果，树立制造强国战略意识与科技自立自强的民族自信，增强服务国家制造业高质量发展的使命感；结合人工智能与管理技术的融合，培养“技术+管理”的复合型思维与工程素养。教案课程内容人工智能技术与应用下篇第十二章智能制造产业的智能化应用第1节，人工智能与智能制造概述授课时间年月日授课学时2课时教学目标知识目标:了解智能制造基本概念和基本特色；了解德国工业4.0基本任务、特征和发展领域了解中国制造2025整体战略目标和任务能力目标：两化融合的本质特征；两化融合的关键核心技术素质目标：家国情怀，拼搏向上知识点（注明重点、难点）课堂教学设计与教学方法时间／分导入提问、讲授课程的地位和作用课程简介教学目标与基本要求5一、智能制造概述智能化制造的概念智能化制造（intelligentManufacture,IM）是指由具有人工智能的机器和人类专家共同组成的人机一体化智能制造系统。智能制造具有以下几个显著特点：（1）状态感知；（2）实时分析；（3）精准执行；（4）自主决策；(5)自我适应等。提出问题：（1）那么智能制造是什么？它主要解决什么问题？（2）与传统的相比有哪些不同？（3）建立一个智能制造系统需要完成哪些主要任务等？首先，智能制造是工业化发展的一个高级阶段，由一种技术取代另一种，推动工业制造不断演变。其次，智能制造是信息化与工业化高度融合的新一代制造系统，信息物理系统CPS、高精度感知控制、虚拟设备集成总线、云计算、大数据和新型人机交互等多项核心技术。第三，智能制造主要解决的问题包括：（1）全面改变设计与制造关系，让设计与制造之间“互认互联”，实现在线设计与在线制造的“无缝对接”；（2）减少制造成本和生产周期；（3）提供快速、有效、批量个性化的产品和服务。智能制造的特征：1.主动适应环境变化，与环境要求适度交互匹配；2.制造过程中数据代替人工而减少直接干预，而多用智能设备替代；3.人员单一管理生产或设备向系统智能管理进化；4.对生产过程进行再设计，智能系统再优化和系统再创造；5.对外部参数及系统的及时反馈与智能响应；6.虚拟制造技术与现实制造有机结合结合；10二、德国工业4.01.根本任务：建立标准化和参考架构、管理复杂系统、建立全面宽频的基础设施、安全和保障、工作的组织和设计、培训和持续的专业发展、监管框架、资源利用效率。2．特征：（1）制造中采用物联网和服务。（2）满足用户个性化需求。（3）智能制造的人机一体化协同创造。（4）实现信息集成的优化决策。（5）资源有效利用，实现绿色可持续发展。（6）通过新的服务创造价值。（7）人与制造系统之间的互动协作。3.工业4.0将重点聚焦的方面：（1）引领智能化机械和设备制造的的市场；（2）全球瞩目的IT集群地；（3）嵌入式系统和自动化工程领域领先的创新者；（4）高度熟练和高素质的劳动者；（5）供应商和用户间距离相近且在某些领域紧密的合作；（6）先进的研究基地和人才培训基地；（7）通过价值网络实现的横向集成；（8）贯穿整个价值链端到端的工程数字化集成；（9）垂直集成和网络化制造系统。4.工业4.0的未来发展领域（1）智能化工厂：智能工厂能够管理复杂的事物，不容易受到干扰，能够更有效地制造产品。在智能工厂里，人、机器和资源如同在一个社交网络里一般自然地相互沟通协作。（2）智能产品：智能产品具有独特的可识别性，可以任何时候被分辨出来。甚至当它们在被制造时，它们就可以知道整个制造过程中的细节。（3）个性化产品：工业4.0将有可能使有特殊产品特性需求的客户直接参与到产品的设计、构造、预订、计划、生产、运作和回收各个阶段。（4）高度人性化：工业4.0的实施将使企业员工可以根据形势和环境敏感的目标来控制、调节和配置智能制造资源网络和生产步骤。（5）基于信息安全下的云平台：工业4.0的实施需要通过系统化的服务水平协议来进一步拓展基于云技术安全的相关的网络基础设施和特定的网络服务质量。这将可以满足那些具有高数据密集型应用要求，同时也可以满足那些提供运行时间保障的服务供应商的要求。新型生产组织系统和运行模式30三、中国制造20251.《中国制造2025》的时代背景：新一轮科技革命和产业变革与我国加快转变经济发展方式形成历史性交汇，国际产业分工格局正在重塑。必须紧紧抓住这一重大历史机遇，实施制造强国战略，加强统筹规划和前瞻部署，力争通过三个十年的努力，到新中国成立一百年时，把我国建设成为引领世界制造业发展的制造强国。2.《中国制造2025》是国家战略：《中国制造2025》是我国实施制造强国战略第一个十年的行动纲领。新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，形成新的生产方式、产业形态、商业模式和经济增长点。3.《中国制造2025》整体战略目标和主要任务（1）整体战略目标：到2025年，制造业整体素质大幅提升，创新能力显著增强，全员劳动生产率明显提高，两化（工业化和信息化）融合迈上新台阶。重点行业单位工业增加值能耗、物耗及污染物排放达到世界先进水平。形成一批具有较强国际竞争力的跨国公司和产业集群，在全球产业分工和价值链中的地位明显提升。到2035年，我国制造业整体达到世界制造强国阵营中等水平。创新能力大幅提升，重点领域发展取得重大突破，整体竞争力明显增强，优势行业形成全球创新引领能力，全面实现工业化。新中国成立一百年时，制造业大国地位更加巩固，综合实力进入世界制造强国前列。制造业主要领域具有创新引领能力和明显竞争优势，建成全球领先的技术体系和产业体系。（2）主要任务：1）提高国家制造业创新能力；2）推进信息化与工业化深度融合；3）强化工业基础能力；4）加强质量品牌建设；5）全面推行绿色制造；6）大力推动重点领域突破发展。主要包括：集成电路及专用装备，信息通信设备，操作系统及工业软件，高档数控机床，机器人，航空航天装备，海洋工程装备及高技术船舶，先进轨道交通装备，节能与新能源汽车，电力装备，农机装备，新材料，生物医药及高性能医疗器械等领域。7）深入推进制造业结构调整；8）积极发展服务型制造和生产性服务业；9）提高制造业国际化发展水平20四、两化融合与企业转型升级1.两化融合是《中国制造2025》的具体体现：2015年5月19日，国务院正式印发了我国实施制造强国战略第一个十年的行动纲领——《中国制造2025》。国务院印发《中国制造2025》部署全面推进实施制造强国战略，明确了9项战略任务和重点，其中第二项就是推进信息化与工业化深度融合，推进信息化与工业化深度融合，是推进实施制造强国的主线和灵魂。专家指出“没有两化深度融合，就没有制造强国”。2.两化融合是工业化与信息化两大发展阶段相融合：生产力变革要引起生产关系和上层建筑变革，所以不仅是生产力(工具、设备、技术等等)要融合发展，生产关系和上层建筑也要融合发展。两化融合的难点不仅仅是在技术方面，而是要改革原有的管理体制、管理理念和相关的利益机制等。因此，我国政府主导开展了一系列的改革，出台了相关的政策，制定了标准全面推行两化融合，帮助企业在两化融合中实现飞跃。3.两化融合的实质就是新一代信息技术与工业技术的结合：信息化和工业化结合是两化深度融合的体现，工业化的数字化即工业IT、与信息IT相互融合，两个IT结合，从而实现制造业数字化、信息化、智能化、社会化和服务化。4.两化融合是建设制造强国的新动力：两化融合实际要解决两个问题。第一是通过新一代信息技术改造和优化传统企业，培育企业新的竞争力和增长点。另一个是用互联网+的理论和思维去创造新的模式和新的方式，使创新创造成为我国建设制造业强国的新动力。5.两化融合必须与国际发展接轨：工业互联网+是以美国GE为首的企业联盟提出的，其核心是发挥数据采集、互联网、大数据、云计算的作用，为工业企业节约至少1%的成本，而工业4.0是德国提出的，已经上升到国家战略。中国的两化深度融合和德国工业4.0如出一辙、异曲同工、殊途同归。特别是德国工业4.0战略推出以后，引起中国产业界的广泛关注，包括美国、德国、日本、韩国等国在内的工业发展政策、策略、技术，纷纷成为学习的对象。6.两化融合推动企业升级转型基本路线图。7.两化融合的关键核心技术：（1）基于CPS系统的业务管理可视化技术.（2）虚拟技术。（3）大数据技术。（4）标准化技术。25课堂提问并做课堂总结讲授1.简述智能制造的特点。2.德国工业4.0，中国制造2025的共同点和不同点。3.企业“两化融合”的基本内容。。5课程思政：天宫一号与神州七号的成功对接2人工智能在国内外航天、深潜的发展作业：思考：人工智能与智能制造的应用在哪些具体实际工程有所体现结合“十五五”规划叙述智能制造有人工智能的重要性教案课程内容第2节人工智能与工业系统的融合授课时间年月日授课学时2课时教学目标知识目标:理解人工智能与工业系统融合的核心内涵，掌握“数据驱动+智能算法+工业系统”的融合本质，明确融合对工业智能化、数字化升级的核心价值。能力目标：能够熟悉人工智能与工业系统融合的典型应用场景，包括智能生产、智能检测、故障诊断、工艺优化、生产调度、智能控制等，能阐述不同场景中人工智能技术的适配与应用方式素质目标：立足国家智能制造、制造强国战略，让学生认识人工智能与工业系统融合是我国制造业转型升级、突破“卡脖子”技术、实现高质量发展的核心路径，增强学生的国家战略意识与产业使命感知识点（注明重点、难点）课堂教学设计与教学方法时间／分前课复习（或导入）提问、讲授人工智能的基本原理5一、工业人工智能的定义与要素（1）工业人工智能的定义工业人工智能是计算机、AI与工业知识深度融合的产物，非通用AI技术的简单移植。其核心是解决传统工业方法难以应对的问题，通过数据驱动构建预测性模型，实现“不可见问题”管理、复杂关系探索，并持续积累知识，形成可传承迭代的智能系统。工业人工智能的第一个目的是使工业系统中隐性问题显性化，进而通过管理隐性问题避免其发生，核心技术包括：（1）测量原本不可测或无法自动测量的过程因素，如设备状态评估与故障预测、机器视觉、模式识别、先进传感等技术。（2）建立过程因素之间及与过程质量间的关系模型，如多变量过程异常检测、虚拟量测、深度学习神经网络、关系挖掘等技术。（3）动态优化过程参数设定，使系统具备自动补偿能力，增强强韧性，涉及优化算法、动态误差补偿、智能控制系统等技术。知识是工业系统中对象、环境、任务的关系和运行方式，是对比较性、相关性和目的性的抽象表达，可用“3个R”概括（1）来源：知识和经验基于从观测到结果、现象到本质的样本数据构建，数据可来自历史、传感器或人的经验，能以逻辑方式形成知识模型，也是比较性的基础。（2）关系：基于比较性和相关性分析挖掘显隐性关系。例如，半导体过程监测中，利用贝叶斯网络从百个传感器数据与历史报警信息中，发现其与5个传感器强相关，可通过这5个传感器组合管理状态；GE航空发动机通过建模气压、空气密度与燃烧温度、转速的关系，优化后降低1%燃油效率。（3）参考：包括比较参考和执行参考，分主动与被动参考，也是记忆的基础。以结果为参考旨在定义根本原因，以过程为参考旨在寻找避免问题的途径。正如“以铜为鉴，可以正衣冠；以古为鉴，可以知兴替；以人为鉴，可以明得失”，涵盖以传感器反映的自身状态、历史数据的相关性和因果性、集群中其他个体为参考的三个维度。252、工业人工智能算法的分类与选择1、工业人工智能算法按训练数据是否包含“标签”（即已知输出结果）可分为两类：有监督学习：训练数据包含输入特征与对应标签（期望输出），核心是学习“输入-输出”的映射关系，适用于预测、分类等任务。无监督学习：训练数据仅包含输入特征，无标签信息，核心是挖掘数据自身的模式与结构，适用于聚类、异常检测等任务。253．工业人工智能的应用场景九大核心应用功能结合工业场景的实际需求，工业AI的应用可归纳为九大类型：1）分类：识别物理对象，如智能分拣系统区分不同规格的零部件，准确率达99.5%以上。2）连续评估：预测序列值，例如半导体生产中通过实时参数预测晶圆良率（虚拟量测），减少实际检测成本。3）聚类：用户画像分析，如根据不同地区的机床故障特征聚类，定制区域化维护方案。4）运筹优化：资源调度决策，如汽车工厂的排产优化，在满足订单交付期的同时，使设备利用率提升15%。5）异常检测：多维度异常识别，例如风电场通过振动、温度、转速等多参数关联分析，提前30天预警齿轮箱故障。6）诊断：故障溯源，如发动机异响时，系统自动检索历史案例，推荐最可能的故障点及排查步骤。7）决策建议：维修策略优化，如根据设备重要度和故障风险，自动生成优先级维修计划。8）预诊断：全生命周期预测，如高铁轮对的剩余寿命预测，结合运行里程、路况等参数，精度可达±5%。9）参数优化：动态工艺调整，如冶金过程中通过AI模型实时优化加热温度、轧制速度等参数，使钢材强度达标率提升20%。10课程总结本节课核心围绕人工智能与工业系统的融合展开，从内涵、技术、场景、现状与趋势四个维度解析了二者融合的核心逻辑：首先明确融合的本质是通过人工智能技术实现工业系统的“数据驱动决策”，打破传统工业系统的经验驱动模式，是智能制造的核心内核；其次梳理了融合所需的关键技术支撑，强调数据是基础、算法是核心、工业物联网与计算平台是保障，各技术环节协同支撑融合落地；再次结合智能生产、智能检测、故障诊断等典型场景，分析了人工智能技术在工业系统中的实际应用方式，让大家理解“算法适配场景”是融合落地的关键；最后探讨了当前融合发展的现状，指出技术落地难、数据孤岛、人才缺口等痛点，同时明确未来融合将朝着算法轻量化、多技术融合化、决策自主化、模型可解释化的方向发展，且跨学科融合、产教融合将成为重要支撑。10课程思政：不同的知识表示方法工程领域的应用，树立正确职业道德规范.2引入相关科学家事迹作业：思考：简述人工智能与工业系统融合的核心内涵，分析数据、算法、工业物联网在融合过程中的各自作用与协同关系。选取一个你感兴趣的工业领域（如新能源汽车制造、装备制造、化工、纺织等），调研该领域中人工智能与工业系统融合的具体应用案例（至少2个），分析案例的技术实现路径、应用效果及存在的不足，形成一份500-800字的案例分析报告。教案课程内容人工智能与先进技术的融合人工智能与管理技术的融合授课时间年月日授课学时2课时教学目标1.知识目标:理解人工智能与先进技术融合的核心内涵，明确融合的本质是人工智能对先进技术的“智能化赋能与优化升级”；掌握人工智能与工业物联网、数字孪生、工业机器人、大数据技术等核心先进技术的融合模式，知晓各融合场景的技术协同逻辑。2.能力目标：能结合具体工业场景，分析人工智能与某类先进技术的融合切入点与实现路径；能通过案例分析，总结人工智能赋能先进技术的核心规律与方法。3.素质目标：结合我国在技术融合领域的创新成果（如数字孪生+AI、工业机器人+AI），激发学生的科技自信与民族自豪感，增强制造强国战略意识。知识点（注明重点、难点）课堂教学设计与教学方法时间／分前课复习（或导入）回顾前置知识：简要回顾人工智能在工业领域的核心应用，以及工业物联网、数字孪生、工业机器人等先进技术的基本功能，提出问题：“单独的先进技术在工业应用中存在哪些局限性？（如工业物联网数据处理效率低、数字孪生建模精度不足、工业机器人自适应能力差）”51、人工智能与先进技术融合的核心内涵·定义：以人工智能技术（算法、模型、数据处理能力）为核心，与工业领域先进技术深度融合，实现先进技术的功能优化、能力升级与场景拓展，形成“1+1>2”的复合型技术体系，为工业系统智能化升级提供核心支撑。·融合本质：解决先进技术“数据处理能力弱、自主决策能力不足、自适应能力差”等痛点，实现从“技术自动化”到“技术智能化”的升级。·融合核心要求：技术协同、数据互通、场景适配。252.人工智能与核心先进技术的融合模式及应用。（1）人工智能与工业物联网（IIoT）的融合融合切入点：工业物联网实现工业数据的全面采集，人工智能解决“数据海量、噪声大、价值密度低”问题，实现数据的智能分析与价值挖掘。技术协同逻辑：工业物联网（数据采集/传输）→人工智能（数据清洗、特征提取、异常检测、趋势预测）→工业决策与控制。典型案例：工厂设备物联网监测系统，通过AI算法对物联网采集的设备振动、电流数据进行分析，实现设备故障的提前预警，相比传统物联网监测，预警准确率提升30%以上。（2）人工智能与数字孪生的融合融合切入点：数字孪生实现工业系统的虚拟映射，人工智能提升数字孪生的建模精度、动态仿真能力与自主决策能力。技术协同逻辑：人工智能（数据驱动建模、实时仿真优化、决策推演）→数字孪生（虚拟映射、虚实交互）→物理工业系统（精准控制、优化升级）。典型案例：新能源汽车电池数字孪生系统，通过AI算法优化电池虚拟建模精度，实现电池充放电过程的实时仿真与寿命预测，指导实际电池的使用与维护。（3）人工智能与工业机器人的融合融合切入点：工业机器人实现机械动作自动化，人工智能赋予机器人视觉感知、自主决策、自适应作业能力，解决传统机器人“示教再现、柔性差、适配性低”问题。技术协同逻辑：人工智能（机器视觉、运动规划、自适应控制）→工业机器人（精准执行、柔性作业）→工业生产作业（分拣、装配、焊接等）。典型案例：智能视觉分拣机器人，通过AI机器视觉算法实现产品的自主识别与定位，无需人工示教即可适配不同规格产品的分拣，作业效率提升50%。（4）人工智能与工业大数据技术的融合融合切入点：工业大数据技术实现数据的存储与管理，人工智能为大数据提供智能分析算法与模型，实现从“数据存储”到“数据价值挖掘”的转变。技术协同逻辑：工业大数据（数据存储/管理）→人工智能（聚类分析、关联规则挖掘、预测分析）→生产工艺优化、生产调度决策。典型案例：钢铁企业生产大数据分析系统，通过AI算法挖掘生产工艺参数与产品质量的关联关系，优化工艺参数，产品合格率提升2%。253.人工智能与先进技术融合的难点与发展趋势现存难点：技术标准不统一（数据互通难度大）、融合技术体系复杂度高（落地成本高）、跨领域技术人才缺口大、融合系统的可靠性与安全性待提升。发展趋势：轻量化融合（适配工业现场硬件条件）、全流程融合（覆盖工业生产全生命周期）、自主化融合（实现融合系统的自学习、自优化）、标准化融合（统一技术接口与数据标准）。254．人工智能与管理技术的融合（一）课程导入（5分钟）情境提问：“传统工业管理中，生产调度依赖经验、质量管理靠人工检测、供应链规划凭历史数据，这些方式存在哪些问题？（如调度效率低、质量检测漏检、供应链抗风险能力差）”引出主题：传统工业管理的“经验驱动”模式已难以适配智能制造的发展需求，人工智能技术为工业管理提供了“数据驱动、智能决策、精准优化”的新路径，进而引出本节课核心——人工智能与管理技术的融合。1.人工智能与工业管理技术融合的核心内涵（5分钟）定义：将人工智能技术（机器学习、智能优化、预测分析、自然语言处理等）融入工业管理的全流程，实现管理数据的智能分析、管理决策的科学推演、管理过程的精准优化，推动工业管理从“经验驱动”向“数据驱动”“智能驱动”转型。融合本质：解决传统工业管理“决策主观性强、效率低、响应慢、抗风险能力弱”等痛点，提升管理的科学性、精准性与高效性。融合核心特征：数据化、智能化、动态化、全局化。融合价值：提质增效（降低生产成本、提升生产效率）、精准决策（减少决策失误）、动态适配（快速响应市场/生产变化）、风险可控（提前预警管理风险）。2.人工智能与核心工业管理领域的融合模式及应用（20分钟）本部分为教学重点，结合企业实际案例，讲解四大核心管理领域的融合模式，突出AI赋能路径与管理价值，每部分穿插简单提问，保持课堂互动。（1）人工智能与生产调度管理的融合传统痛点：依赖人工经验调度，难以兼顾多目标（效率、成本、工期），动态性差，生产任务变化时调度方案调整不及时。AI赋能路径：采用智能优化算法（粒子群、遗传算法、强化学习），结合生产设备状态、生产任务优先级、物料供应情况等数据，构建多目标智能调度模型，实现生产调度方案的自动生成与动态优化。典型案例：某汽车零部件企业智能调度系统，通过AI强化学习算法实现生产线任务的动态调度，相比人工调度，生产效率提升25%，生产周期缩短20%。（2）人工智能与产品质量管理的融合传统痛点：人工检测为主，漏检率高、效率低，难以实现质量问题的提前预防，仅能事后补救。AI赋能路径：结合机器视觉、机器学习算法，实现产品质量的智能检测；通过挖掘生产工艺参数与产品质量的关联关系，实现质量问题的提前预警与工艺优化，形成“检测-预警-优化”的全流程智能质量管理。典型案例：某电子企业PCB板智能质量管理系统，通过AI机器视觉实现PCB板缺陷的全自动检测，检测准确率达99.9%，相比人工检测，效率提升4倍，漏检率降低至0.1%。（3）人工智能与供应链管理的融合传统痛点：供应链需求预测靠历史数据