微项目引导的工业智能方法与应用课程教学实践

王艺玮 刘继红 郑联语 魏巍

摘  要：智能制造工程是教育部2018年首批设置的新工科专业，截止到2020年底，全国已有数十所大学设立此专业并形成自己独有的课程体系。但纵观全国高校，目前工业智能课程在智能制造工程专业的课程体系中还很少开设，而该课是满足智能制造内涵的重要赋能技术，是工业互联网充分释放赋能价值的关键要素。在此背景下，学院创建了工业智能方法与应用本科生智能制造工程专业核心课程。“人工智能方法与工业场景的深入融合”决定了本课程理论与实践深度结合的特点，在通过课堂讲授让学生夯实理论基础的前提下，借鉴国内外大学中课程配套微项目的相关经验，建设一系列与本课程配套的微项目集，以项目驱动学生掌握理论知识。文章围绕工业智能方法与应用课程创建过程，介绍教学内容与教学方法并详细阐述了三个微项目的设计方案。

关键词：智能制造工程专业;工业智能方法与应用;微项目

中图分类号：C961       文献标志码：A          文章编号：2096-000X（2021）36-0153-06

Abstract： Intelligent manufacturing engineering is one of the first new engineering majors set up by the Ministry of education in 2018. By the end of 2020， dozens of universities across the country have set up this major and formed their own unique curriculum system. However， looking at colleges and universities across the country， at present， the industrial intelligence course is rarely offered in the curriculum system of Intelligent Manufacturing Engineering， and this course is an important enabling technology to meet the connotation of intelligent manufacturing and a key element for the industrial Internet to fully release the enabling value. In this context， our college has established the core course of Intelligent Manufacturing Engineering for undergraduates in industrial intelligent methods and applications. "The in-depth integration of artificial intelligence methods and industrial scenes" determines the characteristics of the in-depth combination of theory and practice of this course. On the premise of consolidating the theoretical foundation for students through classroom teaching， and drawing on the relevant experience of micro projects supporting courses in universities at home and abroad， build a series of micro project sets supporting this course to drive students to master theoretical knowledge. This paper introduces the teaching contents and methods around the creation process of industrial intelligence methods and applications， and expounds the design schemes of three micro projects in detail.

Keywords： Intelligent Manufacturing Engineering; methods and applications of industrial intelligence; micro-project

一、現状与背景分析

培养智能制造领域大量理论基础硬、实践能力强、综合素质高的高层次科技创新人才和紧缺专业人才是《中国制造2025》和制造业高质量发展宏伟蓝图的重要支撑，智能制造工程专业在这种背景下应运而生，是教育部2018年首批设置的新工科专业，自2018年以来多所高校陆续开设此专业[1]。根据李培根院士[2]和刘强教授[3]提出的智能制造理论体系框架，智能制造的核心主题包括智能设计、智能生产、智能服务、智能供应链。智能制造系统的层次从下到上依次为智能制造装备、智能车间（工厂）、智能企业、智能供应链、智能制造生态系统。

智能制造工程作为一个系统工程，涉及机械工程、控制科学与工程、计算机科学等多个学科的综合运用与实践，强调智能感知、工业互联网、物联网、云计算、人工智能、数字孪生等关键技术的集成及其与工业场景的深度融合。工业智能（亦称工业人工智能）是满足上述智能制造内涵的重要赋能技术，也是工业互联网充分释放赋能价值的关键要素，但纵观全国高校，目前融合人工智能和工业制造技术的工业智能课程在智能制造工程专业的课程体系中还很少开设，在此背景下，我院创建了工业智能方法与应用课程，该课程是我院智能制造工程专业课程体系的重要组成部分，是高年级本科生专业基础必修课。

工业智能是人工智能技术与工业应用场景深度融合所形成的，贯穿于设计/生产/管理/服务等工业领域的各个环节，实现模仿或超越人類感知、分析、决策等能力的技术、方法、产品及应用系统。工业智能方法与应用课程讲述以推理智能、计算智能和学习智能为代表的人工智能方法的基本原理及其在工业制造领域的应用，让学生了解工业智能的本质，掌握先进的工业智能理论和方法，学会先进的工业智能应用技术和工具，培养学生运用工业智能原理、方法和技术工具，初步解决产品设计、制造和运维中的工程问题的能力。

“人工智能方法与工业场景的深入融合”决定了本课程理论与实践深度结合的特点，在通过课堂讲授让学生夯实理论基础的前提下，借鉴国内外大学中课程配套微项目[4-5]或基础实验类教学实践研究的相关经验[6-8]，本课程设计了由一系列典型工业应用场景案例组成的“工业智能方法应用案例集”，以微项目驱动学生掌握理论知识。这些微项目均来自本课程教学团队和本专业教师课题组的代表性科研成果，使实验室科研成果及时融入本科教学，让本科生尽早接受实际的科研训练，充分体现“科教融合，科研反哺教学”，满足研究型高校一流课程“两性一度”即高阶性、创新性和挑战度的需要。本文围绕该课程的创建过程，首先介绍教学内容与教学方法，随后规划布局并列表给出了本课程拟建的微项目集。围绕产品全生命周期不同阶段，从产品的设计、制造、运维三个阶段各选取一个有代表性的微项目案例详细阐述其设计方案，对微项目在教学中的实践方式进行了分析，最后对全文进行总结与展望。

二、工业智能方法与应用教学内容与方法

本课程内容将通过概论篇、方法篇和应用篇三篇进行组织，主要内容包括三方面：计算智能方法、学习智能方法和推理智能方法。系统地教授智能方法的基本原理以及在工业制造领域中应用的典型案例。具体来说，包括搜索优化算法、神经网络模型、贝叶斯统计理论、数据挖掘与知识发现、工业知识管理、推理智能方法及工业智能方法典型应用。

本课程具有很强的基础性、理论性和学科交叉综合性，既要掌握人工智能的相关理论方法，又要结合工业工程（即产品设计、制造、服务、管理）知识。因此，教师讲授时将以“阐述概念-提出问题-分析建模-举例说明”的思路为主，做到基础理论与案例分析紧密结合，以便学生理解其中较为抽象的理论模型。课程教学分课内教学与课外学习，课内教学包括课堂讲授、讨论等;课外学习包括：阅读补充材料、结合重点内容完成一定量的课程作业（例如小组微项目等方式）、项目报告等环节。“真正善于学习之关键，可能在于课堂之外”[9]，本课程将课外“非正式”学习纳入培养体系考虑之中，通过微项目驱动学生探索、分析、决策、自学到最终解决问题并完成项目报告，使学生在短时间内能够牢固掌握工业智能方法基础理论知识外，还促使本科生尽早触达新的科研成果，培养本科生科研兴趣，并完成初步科研训练，也是实施本研一体化教学模式的重要途径之一。

课堂教学采用启发式和互动式教学方法，强调掌握基本概念、基本理论和基本方法，注重理论联系实际，初步学习和掌握运用工业智能方法和技术解决智能制造实际问题的能力，了解工业智能技术历史与发展，为今后在智能制造领域的深入研究打下基础。

三、工业智能方法与应用微项目集及代表性微项目详细设计方案

微项目作为本课程课外实践学习的重要内容，是对课内理论教学的补充。拟设计与课程体系中“智能感知”“人工智能方法”“智能运维”“工业知识发现与管理”等理论教学内容相配套的微项目，建设与工业智能方法与应用课程配套的微项目集，以微项目驱动的方式，帮助学生理论联系实践、学以致用。正在建设的本课程配套微项目集如表1所示。在项目实施过程中充分利用教学团队课题组现有科研条件，如转子齿轮传动设备故障模拟实验台、振动/温度/压力/电流/润滑脂监测等传感器及数据采集卡、以及PLC/5G等物联网模块等，为学生提供必要的硬件及技术支持。以下从产品的设计、制造、运维三个阶段各选取一个代表性微项目，详述其教学设计。

（一）微项目1——产品数据挖掘与知识发现的研究与应用

微项目1的目标包括以下方面：使学生了解数据挖掘和知识发现的基本概念，学习并掌握自然语言处理、知识图谱的基础技术及工具，掌握文本数据预处理的基本方法和步骤，掌握数据挖掘常用算法并进行文本大数据分析和知识发现，掌握知识图谱构建方法及数据/知识可视化技术，体会通过数据挖掘和知识发现技术将大量数据资源转化为知识运用的过程，助力工业智能。通过开展本项目，学生能够完成产品数据挖掘与知识发现解决案例。具体目标包括：构建机械零件设计、工业机器人、航天推进系统等领域知识图谱;实现产品数据聚类分析;学会构建深度学习模型用于产品数据智能分类;实现对数据和所挖掘知识的可视化并在浏览器中以界面形式展示。

本项目研究与实践内容包括以下方面：（1）基于机器学习的产品数据聚类算法研发。学生使用K-means算法开发聚类模型，实现产品数据的聚类分析;（2）基于深度学习的产品分类算法研发。学生使用预处理后的产品数据集训练分类模型，实现对产品数据的智能分类;（3）基于Echarts的数据/知识可视化。学生了解并掌握Echarts工具使用方法，并将所发现的有价值数据/知识进行管理与可视化展示。学生综合使用NLP、数据挖掘等技术，完成产品数据挖掘与知识发现应用案例，实现产品数据的聚类分析、智能分类、数据与知识可视化分析三大功能。上述三项内容实现效果图如图1所示。本项目所用科研条件如表2所示。

（二）微项目4——基于深度迁移学习的加工表面粗糙度预测研究与实现

微项目4的目标包括以下几个方面：使学生了解深度学习和迁移学习的基本概念，学习并掌握神经网络的基础技术和工具以及常用的数控加工方法和基础知识，掌握深度学习常用算法并能够对加工过程采集的传感器数据预处理和分析，掌握利用传感器数据对表面粗糙度预测的基本方法和步骤，掌握数据分析和可视化展示技术，实现加工中表面粗糙度预测为智能加工过程提供理论基础。通过开展本项目，学生能够完成数控加工中典型的表面粗糙度预测的案例。具体目标包括：学生掌握深度学习和迁移学习的基本原理及使用方法;掌握传感器数据预处理方法;能够构建深度迁移学习模型用于表面粗糙度预测分析;实现对预测分析结果的可视化展示。

微项目4的研究与实践内容包括以下方面：（1）基于时频域的数据预处理。学生使用Python或者MATLAB对传感器数据进行时频域、相关性、单调性等分析;（2）基于深度迁移学习的加工表面粗糙度算法研发。学生研发基于栈式自编码、长短时记忆网络、最大均值差异等深度迁移学习技术的预测模型，并利用预处理后的数据集来训练预测模型，实现加工表面粗糙度的预测;（3）基于Python或者MATLAB的预测结果可视化展示。学生了解并掌握Python或者MATLAB工具使用方法，将深度迁移学习方法预测和分析的数据结果进行可视化展示。学生综合使用数据预处理、深度学习、迁移学习等技术，完成加工过程表面粗糙度预测应用案例，实现表面粗糙度预测中涉及的传感器数据预处理、深度迁移学习模型建立、预测结果的可视化展示等三大功能。上述三项内容实现效果图如图2所示，该项目所需科研条件除了计算机，图形处理器等常规计算设备外，还将提供切削难加工材料实验过程中所收集的数据：（1）离线测量的刀具磨损值与工件粗糙度值;（2）实验过程中实时监测的振动、电流、噪声等传感器数据。该数据为教学团队课题组历时数月制定方案并完成切削实验与数据采集，完全来源于工业应用场景。

（三）微项目10——齿轮传动设备物联网远程智能运维系统设计实现

微项目10的目標包括以下几个方面：使学生了解数字化服务的基本概念，了解工业互联网架构基本概念，并了解工业互联网是如何在工业智能的助力下充分释放其赋能智能服务的价值，通过开展本项目，学生能够参考工业互联网四层架构搭建齿轮传动设备物联网远程智能运维系统。具体目标包括：使学生理解工业常用传感器工作原理及使用方法，能够配合采集卡开发上位机数据采集系统;学会构建深度学习模型用于转子齿轮故障状态的识别;掌握时序数据库的存储原理并使用时序数据库实现对所采集时序数据的管理;了解基于5G/4G通信模块及相关通信协议的云端-边缘端通信技术;使学生了解云计算相关概念，实现自己开发系统的公有云端部署。

微项目10的研究与实践内容包括以下方面：（1）工业数据采集系统实现。学生使用传感器和采集卡开发采集系统，并基于自己所开发的采集系统，采集齿轮传动设备上的振动、力、温度、润滑脂、电机转速转矩等运行数据;（2）基于深度学习的齿轮故障诊断算法研发。学生使用采集到的多源数据开发诊断模型，实现对齿轮典型故障的诊断;（3）基于OpenTSDB的时序数据管理。学生了解并掌握时序数据库存储原理，并将所采集到的工业时序数据用OpenTSDB进行管理与可视化。（4）齿轮传动设备物联网远程智能运维系统实现及云端部署。学生综合使用Java开发、MQTT协议等技术，开发齿轮传动设备物联网远程智能运维系统，实现齿轮传动设备运行数据的实时监测、齿轮故障诊断与报警、基于5G物联网模组的伺服电机远程控制三大功能，并实现系统在公有云上的部署。上述四项内容实现效果如图3所示。本项目所用科研条件如表3所示。

（四）微项目在教学中的实践方法及人才培养的素质目标

可以看出，不同微项目中研究实践内容的数量及难度各不相同，因此微项目的小组人数、时间跨度、项目开展地点等方面应做到“一项目一策”。例如，微项目10，研究内容较多，难度较大，拥有设计软硬件调试等多个环节，小组人数4～5人为宜;在项目实施过程中，需配备研究生给予技术细节上的指导，但大部分时间需本科生自行学习探索。时间跨度方面，在课堂教学中期完成相关理论内容讲授后即召集学生组队开展，要求学生组内分工明确，做到“内容谁负责，功能谁开发，结题谁答辩”。项目开展地点方面，由于该项目以软件系统开发为主，学生以“自选地点软件开发+实验室硬件调试”的方式开展，教学团队开放实验室供本科生使用。微项目4难度适中，建议3～4人一组为宜，教学团队提供相关实验数据，该数据为教学团队课题组历时数月制定方案并完成切削实验与数据采集，完全来源于工业应用场景。学生在获取数据后，便以算法模型研发为主，在项目实施过程中，小组成员需分工明确，分别承担数据处理、信号特征提取、迁移学习、深度学习模型开发等，落实责任到人。微项目1研究内容较少、难度较低，因此2～3人一组为宜。对于难度较低的微项目，同一组学生需要选做两个，以在难度和工作量上每个小组基本保持一致，避免学生避难就易。最终，每小组需要上交微项目结题报告，包括研究目标、内容、方案、结果等，并进行结题答辩。

通过本课程课内教学+课外微项目的方式，驱动学生探索、分析、决策、自学到最终解决问题并完成项目报告，使本科生牢固掌握理论方法并学以致用，完成对本科生的初步科研训练。此外，通过微项目，培养学生具备坚定正确的政治信念、良好的职业道德和科学的创新精神，具备良好的心理素质、探索精神、分析决策与解决问题的能力，此外通过小组合作做项目的方式培养学生与他人合作、沟通和团队工作的能力。

四、结束语

截止到2020年底，全国已有数十所大学设立智能制造工程专业并形成自己独有的课程体系，但纵观全国高校，目前工业智能课程在智能制造工程专业的课程体系中还很少开设，而该课是满足智能制造内涵的重要赋能技术，是工业互联网充分释放赋能价值的关键要素。我们的专业培养方案中开设了工业智能方法与应用课程，并针对该课“人工智能方法与工业场景深度融合”而注重实践的特点，在课内理论教学的同时，教学团队设计了一系列微项目并结合微项目实践形成与该课配套的应用案例集。以微项目驱动学生掌握理论知识，让本科生尽早触达最新科研成果，接受科研训练，为学生日后从事智能制造相关专业工作和研究打下牢固基础，从而为我国培养出高水平专业人才。

参考文献：

[1]苏远平，余秋明，杨蓓.智能制造2025背景下新工科核心课程教学新模式探索[J].教育教学论坛，2019（52）：146-147.

[2]高亮，李培根.智能制造概论[M].北京：清华大学出版社，2021.

[3]刘强.智能制造理论体系架构研究[J].中国机械工程，2020，31（1）：24-36.

[4]皮大伟.基于OBE的智能网联汽车技术课程项目引导式教学设计[J].高教学刊，2021（29）：70-74.

[5]杨京辉.基于数字图像处理课程的多维度教学探索[J].高教学刊，2021（29）：121-123.

[6]刘雅静，史成坤，陈娇娇.基于线上+线下的机械制造基础实验教学研究[J/OL].北京航空航天大学学报（社会科学版）：1-5[2021-11-28].https：//doi.org/10.13766/j.bhsk.1008-2204.2021.0008.

[7]林陵娜，祝连波，张尚，等.项目导向学习（PrBL）的工程项目管理课程教学改革研究[J].产业与科技论坛，2021（20）：116-118.

[8]张袁元，颛孙随意，许丽娇，等.应用型本科的课程项目化教学改革研究[J].教育教学论坛，2021（39）：88-91.

[9]李培根.工科何以而新[J].高等工程教育研究，2017（4）：5.