智能制造背景下面向机械工程专业人才的人工智能课程教学模式探索

张玉彦 李 浩 文笑雨 孙春亚

(郑州轻工业大学机电工程学院，郑州 450002)

随着我国经济进入增速转轨、结构转型的新常态，制造业正加速从低端制造向高端制造、劳动密集型向技术密集型、“制造”向“智造”的模式转变。要以智能制造为主攻方向，推动产业技术变革和优化升级，其核心是创新驱动发展，主线是工业化和信息化两化融合，目标是制造业数字化、网络化与智能化，最终实现智能制造。

机械工业作为制造业的传统领域，行业资产总额、增加值、主营业务收入与利润总额，均在全国工业中占比达25%左右[1]。在智能制造的背景下，对机械工业人才的需求正从专业型人才向具有学科交叉背景的复合型、应用型人才转变[2]。然而，传统机械工程强调机、电、液系统的研究(包括机械本体设计、运动学与动力学分析、液压回路设计、运动控制等项目)，知识结构相对单一，并不能满足制造业对数字化、网络化以及智能化的复合需求。因此，迫切需要考虑智能制造的需求，针对传统机械工程专业人才课程体系，构建融合交叉学科新元素的模块化课程，大力建设“智能制造”与“人工智能”等时代背景下的新技术特色课程[2-3]。随之，在教学模式、教学机制等方面应采取相应的改革举措，形成可复制和推广的经验，探索符合本科生教育发展规律的教学模式，促进机械工程专业人才教育建设以更好适应社会经济的发展[4-5]。

鉴于上述分析，本文以郑州轻工业大学机械工程专业人才培养为依托，结合“人工智能”在智能制造专业人才培养方案中处于学科基础课程的位置，探索符合学校特点的教学模式。通过教学模式的制定与改进，培养学生能够将其所学知识应用于智能制造领域复杂工程问题的分析、设计和评价；能够运用人工智能知识基于特定条件进行智能制造工程问题建模、设计及工艺计算，设计满足特定需求的智能制造系统；能够针对智能制造领域的复杂工程问题，运用人工智能的基本原理和方法，开发与使用适合的软件工具，实现对复杂工程问题的预测与模拟，突破应用边界。总体上，本文以人工智能课程教育模式探索为研究基础，对智能制造背景下的课程建设、实践教学平台搭建、教学质量管控、人才培养目标构建、跨学科知识体系融合等方面进行分析，探索一种符合机械工程专业所需的课程教学模式。

一、人才培养目标构建

针对机械工程专业的特点，培养面向智能制造的应用型人才，需满足如下具体的目标。

第一，培养具有社会责任感、人文精神、职业道德情操、满足国家智能制造需求的专业人才。

第二，培养实际应用能力。在工程知识上，能够将所学的高等数学、矩阵论、人工智能、检测技术等知识运用于问题建模、问题求解、结果分析等方面；在工具手段上，能够熟练使用相关工具，如产线建模工具Plant Simulation，工艺规划工具Process，人工智能工具Pytorch等；在材料搜集上，能够利用所学的数据库检索方法，快速追踪相关技术。

第三，培养具备在独立和团队工作环境下解决智能制造工程及相关复杂工程问题的专业知识和技能。具体为：能够有效分解智能制造领域的复杂问题，能够相互协作或者独立制定合理的技术解决方案或管理解决方案，能够团队协助快速完成每个子任务。

第四，培养了解学科前沿和发展趋势，能够在智能制造及相关领域从事智能制造系统的研发与设计、调试与运行维护等方面工作的人才。培养专业能力强、职业素养高、具有社会责任感和创新精神的应用型工程技术人才，优秀者成为相关技术或管理领域的高级人才。

二、人工智能课程建设

人工智能课程涉及知识面广，如涉及矩阵论、概率论、数字图像处理、最优化方法等知识，且分科知识融合性强，传统的简单被动教学模式难以满足需求，会造成学生“似乎懂”的状态，表现为“知其然不知其所以然”[6-8]。为了使学生真正掌握人工智能的理论及应用，达到“会学、会做、会拓展”的目的，以解决机械行业实际应用问题为驱动，采用理论教学与实践教学相结合的混合方式，并针对机械工程应用案例分析不同人工智能方法的利弊，提升学生的课堂主动与被动学习能力，以及课后的自主动手实践能力，最终形成基于混合教学模式的课程建设。具体建设内容如下。

1.基于混合教学模式的课程建设

如图1所示，以人工智能课程建设为目标，以促使学生主动思考学习实践为宗旨，从“理论教学+案例教学”的角度切入，分别从认知、讲授、实践、自主学习等方面，探索课程建设内容。

图1 基于混合教学模式的课程建设

(1)认知

通过传统的授课方式，介绍人工智能的发展历程，利用讲解关键时间节点(如1956年达特茅斯会议为人工智能元年)、应用范围(如图像分类、图像分割、目标检测等)以及未来的发展趋势，使得学生对人工智能具有基本的认知，激发学生的学习兴趣。

(2)讲授

针对如图像分类中的卷积神经网络、目标检测中的YOLO模型、移动机器人路径规划的A-star算法等典型的人工智能算法，通过讲授的方式介绍算法的特点、算法流程、关键步骤、核心公式以及公式推导，最终达到让学生“知其然并知其所以然”的目标。

(3)实践

鉴于人工智能课程开课地点往往设立于郑州轻工业大学智慧教室，将实践活动搬进课堂，提升学生的实践能力。此外，结合智能制造专业背景，以“标准测试案例(如Kaggle网站上的测试案例)+机械工程应用案例(如设备状态监测)”为教学内容，将所学典型算法在这些案例上验证，以提升学生对知识深层次的理解。

(4)自主学习

学生通过理解，阐述对人工智能概念原理、特征形态的认知程度，逐渐加深对人工智能的理解。进一步将所学的知识迁移到人工智能课程学习的各个环节，运用课堂所学拓展知识边界，逐渐实现自主学习、自主拓展的效果。通过上述环节，学生可以达到从认识知识到理解知识、理解知识到运用知识，运用知识到拓展知识的目标。

2.基于机械工程应用案例的课程建设

选取典型的机械工程应用案例，采用“说讲→讨论→跟着做→自主做”多阶段法进行实践[9]。首先，根据机械工程专业所学内容，从装备、产线、物流、加工质量等角度选取典型的工程应用案例；其次，对如何选取适用的人工智能技术进行讲解，并介绍所选技术如何适配到问题；再次，基于工程实例，对理论及技术的应用进行讲解；最后，采用“自主设计式、开放式”的实验教学方法，针对机械工程问题，让学生自己动手操作。通过四步骤学习，课程教学充分与智能制造行业接轨，同时令学生看到自己所学知识的应用前景，为今后走向工作岗位奠定基础。

表1列出了笔者在课堂上用到的机械工程应用案例以及评价方法，主要包括3个案例。具体为：基于卷积神经网络的机械零件识别，锻炼学生采用人工智能中的图像识别方法，解决机械装配过程中的零件识别问题；基于智能优化算法的产线建模与优化，锻炼学生采用群智能优化算法(如遗传算法、蚁群算法等)，解决生产线的负载均衡问题；基于人工智能的机器人路径规划与搜索，锻炼学生利用强化学习等人工智能技术，解决爆炸空间中机器人路径的搜索及优化问题。各自在案例教学部分课时的占比分别为30%、35%、35%。其中基于卷积神经网络的机械零件识别占比略低于其他2个案例，是考虑到卷积神经网络具有数字图像处理领域的深度知识，机械领域的本科生达到会用即可的目的，所以降低了权重。考虑到郑州轻工业大学智能制造本科阶段的“人工智能”课程是在大二下学期开设，学生已经掌握了完整的数学知识内容体系，完全能够支撑其他2个案例的理论知识学习，所以提高了比重，即增加案例教学的深度。

表1 基于机械工程应用案例的课程内容及评价体系

采用机械工程案例的人工智能课程建设，有两大优势：第一，结合机械工程学生的专业背景，能够最大程度发挥学生的专业优势，解决相关问题时不存在知识障碍；第二，结合工程案例，能够以智能制造的角度为切入点，激发学生对新制造模式的兴趣，同时能够激发学生探索智能制造规律，提升自我价值和专业素养，在新模式下找到符合自己职业发展的方向。

三、实践教学平台搭建

郑州轻工业大学机械工程专业人才培养以应用型人才培养为主，因此在智能制造的背景下，急需建立适用于地方院校的实践教学平台，深入融合教研成果，依托人工智能技术，将复杂的机械工程问题和科学研究成果转化成示范性的虚拟仿真实验项目，为学生的毕业设计、科技创新、各类学科竞赛打下基础。面向机械工程专业，立足智能制造，搭建实践教学平台，支撑人工智能在产品设计、产品制造、生产物流、产品服务等环节的应用。具体思路为：利用主流的人工智能框架如tensorflow、pytorch等搭建模型库；构建机械工程问题集，如设备状态监测、零部件的生成式设计、零件加工尺寸优化、机械臂的运动控制等；建立问题集和模型集的映射关系；立足郑州轻工业大学已有的实验平台，如转子系统故障仿真平台，搭建典型机械工程问题的数据采集实践；撰写实践方案，指导学生动手实践。

四、教学质量管控

教学质量管理需要学生、教师、家庭、社区、学校和政府多方参与实施，通过多维度的教学质量评价机制、监督管理机制、激励机制等，运用高效的决策体系、健全的保障体系、全面的管理体系、灵活的信息系统等实现预期的教学质量管理目标，然后再确定新的教学质量管理目标。通过持续、逐步改进升级，螺旋式上升，才能促使教学质量管理体系日臻完善，管理质量不断提高[10]。

智能制造背景下，结合郑州轻工业大学的教学安排和教学形式，需以学生理论学习与实践学习相结合为重心，培养的机械工程专业人才应该具有综合素质能力。单一的考评方式难以满足需求，不能全面反映教学成效并发现问题所在，因此需建立完善的评价方式，管控教学质量。针对理论学习效果评测，应布置阶段性的任务，如：文献综述调研、算法流程分析报告、实验结果汇总与分析和拓展案例展示等。根据阶段性的任务，对学习过程进行评测，采用平时理论学习考评与期末综合考评相结合的方式，充分调动学习的主观能动性。针对实践教学评测，采用融合多种考核相结合的方法，包括实践过程数据的记录、实践报告与大作业、标准案例的实验结果与分析、拓展案例的展示与分享等，综合评测学生的调研能力、阅读文献能力、语言表达能力以及实操能力等，达到提高学生综合素质能力的目的。

五、跨学科知识体系融合

如图2所示，基于基础理论学习与实践应用相结合的跨学科知识融合，以理论基础和实践应用为驱动，推动学生在知识学习、工程实践等方面的提升，达到掌握多学科知识的融合及应用，具体包括两块内容。

图2 基于“理论学习+实践应用”的跨学科知识融合

1.培养学生具有学科交叉融合的学习能力

人工智能的学习不再只是独立一门学科的理论学习，需要同数学、计算机、机械工程等学科建立紧密联系，使得学生掌握人工智能的数理知识、编程实现、分布式加速计算、机械工程问题应用等，最终培养的学生具备学科交叉融合的意识，达到学科知识的融会贯通，加深对人工智能的深入理解，提高学科间知识融合及多学科间知识迁移能力。

2.培养学生具有理论与实践相融合的能力

面向智能制造发展中解决机械工程问题的需求，以机械工程案例应用为驱动，加强对理论知识的学习，培养学生解决机械工程问题的思维能力和动手能力。树立学科交叉融合、科技创新的理念，学生在课程学习过程中，积极参与到人工智能的技术创新、应用创新，培养学习、实践的积极性和主动性，提高解决工程问题的思维意识。

六、结论

本文以郑州轻工业大学机械工程专业人才培养为例，从人工智能课程内容建设、实践教学平台搭建、教学质量管控、人才培养目标构建、跨学科知识体系融合等方面探讨了人工智能课程的教学模式，着重分析了课程内容安排应考虑机械工程背景，并且提出了“多学科理论知识融合+机械工程实践”的培养模式，旨在建立符合机械工程专业所需的人工智能课程教学模式，以满足社会经济发展对智能制造专业人才的需求。