材料成型及控制工程專業(yè)開展人工智能與大數(shù)據(jù)教學(xué)的思考與實(shí)踐

定巍 董瑞

摘?要：本文主要探討材料成型及控制工程專業(yè)如何開展人工智能與大數(shù)據(jù)教學(xué)的思考與實(shí)踐。首先，介紹了人工智能和大數(shù)據(jù)的一些常用技術(shù)；其次，從教學(xué)方案設(shè)計(jì)、教學(xué)內(nèi)容選擇兩個(gè)方面，對(duì)在材料成型及控制工程專業(yè)開展人工智能與大數(shù)據(jù)教學(xué)進(jìn)行探討；再次，介紹了材料成型中實(shí)驗(yàn)數(shù)據(jù)處理的案例；最后，文章總結(jié)了人工智能與大數(shù)據(jù)教學(xué)的實(shí)踐經(jīng)驗(yàn)和效果。

關(guān)鍵詞：材料成型及控制工程；人工智能；大數(shù)據(jù)

材料成型及控制工程專業(yè)是一個(gè)高度技術(shù)化的學(xué)科領(lǐng)域，對(duì)學(xué)生的專業(yè)素養(yǎng)要求較高［1］。在當(dāng)前人工智能和大數(shù)據(jù)技術(shù)飛速發(fā)展的背景下，這兩者在該領(lǐng)域教育中扮演著越來越重要的角色［2］。

一方面，人工智能和大數(shù)據(jù)技術(shù)可以為材料成型及控制工程的研究和應(yīng)用提供更加準(zhǔn)確、高效、智能的方法和工具。例如，通過數(shù)據(jù)挖掘和分析技術(shù)，可以更好地理解材料成型過程中的物理、化學(xué)和機(jī)械特性，從而優(yōu)化生產(chǎn)過程并提高產(chǎn)品質(zhì)量。此外，利用人工智能和大數(shù)據(jù)技術(shù)還可以實(shí)現(xiàn)生產(chǎn)自動(dòng)化和智能化，降低生產(chǎn)成本，提高生產(chǎn)效率和產(chǎn)能。

另一方面，人工智能和大數(shù)據(jù)技術(shù)的飛速發(fā)展也給材料成型及控制工程專業(yè)的教育帶來了新的挑戰(zhàn)和機(jī)遇。如何將這些新技術(shù)和方法應(yīng)用到課堂教學(xué)中，提高學(xué)生的專業(yè)素養(yǎng)和創(chuàng)新能力，成為該領(lǐng)域教育工作者面臨的重要問題。

因此，開展人工智能和大數(shù)據(jù)教學(xué)已經(jīng)成為材料成型及控制工程專業(yè)教育的必要性和意義所在。通過人工智能和大數(shù)據(jù)教學(xué)，可以增強(qiáng)學(xué)生的數(shù)據(jù)分析和處理能力，提高學(xué)生的解決問題的能力和實(shí)踐操作能力，同時(shí)也為學(xué)生創(chuàng)新和創(chuàng)業(yè)提供更為廣闊的平臺(tái)和機(jī)遇。

1?人工智能和大數(shù)據(jù)常見的技術(shù)

人工智能和大數(shù)據(jù)涉及的知識(shí)點(diǎn)和技術(shù)非常廣泛，其中一些常見的技術(shù)包括［3］：

機(jī)器學(xué)習(xí)：機(jī)器學(xué)習(xí)是利用算法讓計(jì)算機(jī)系統(tǒng)根據(jù)數(shù)據(jù)自動(dòng)學(xué)習(xí)的過程，它可以幫助材料成型及控制工程專業(yè)的學(xué)生通過大量數(shù)據(jù)進(jìn)行模型的訓(xùn)練和預(yù)測(cè)。

深度學(xué)習(xí)：深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一部分，它利用深度神經(jīng)網(wǎng)絡(luò)對(duì)大量復(fù)雜數(shù)據(jù)進(jìn)行建模和學(xué)習(xí)，可以應(yīng)用于識(shí)別、分類、預(yù)測(cè)等領(lǐng)域。

神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ)，通過對(duì)大量數(shù)據(jù)進(jìn)行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)可以自動(dòng)識(shí)別和提取出數(shù)據(jù)中的特征，為后續(xù)的數(shù)據(jù)處理提供基礎(chǔ)。

數(shù)據(jù)挖掘：數(shù)據(jù)挖掘是從大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)規(guī)律、趨勢(shì)和模式的過程，可以幫助材料成型及控制工程專業(yè)的學(xué)生發(fā)現(xiàn)材料成型和控制過程中的規(guī)律和趨勢(shì)。

2?教學(xué)設(shè)計(jì)的思考

2.1?教學(xué)方案設(shè)計(jì)思路

（1）明確教學(xué)目標(biāo)：首先需要明確教學(xué)目標(biāo)，即培養(yǎng)學(xué)生的哪些能力和技能，如數(shù)據(jù)處理、分析和建模等。同時(shí)需要根據(jù)學(xué)生的專業(yè)背景和實(shí)際需求，確定教學(xué)內(nèi)容和教學(xué)方法。

（2）選擇教材和案例：選擇合適的教材和案例是教學(xué)設(shè)計(jì)的重要環(huán)節(jié)，需要根據(jù)教學(xué)目標(biāo)和學(xué)生的實(shí)際需要進(jìn)行選擇?？梢赃x擇一些經(jīng)典的教材和案例，也可以選擇一些與材料成型及控制工程專業(yè)相關(guān)的實(shí)際案例進(jìn)行教學(xué)。

（3）確定教學(xué)方法：在教學(xué)方法方面，可以采用傳統(tǒng)的課堂講授、實(shí)驗(yàn)室實(shí)踐和項(xiàng)目設(shè)計(jì)等教學(xué)模式，同時(shí)可以借助多種教學(xué)工具和平臺(tái)，如在線學(xué)習(xí)平臺(tái)、虛擬實(shí)驗(yàn)室、數(shù)據(jù)分析工具等，增強(qiáng)學(xué)生的學(xué)習(xí)效果和興趣。

（4）組織實(shí)踐教學(xué)：在教學(xué)過程中，需要注重實(shí)踐教學(xué)，例如可以組織學(xué)生進(jìn)行數(shù)據(jù)采集、清洗、分析和建模的實(shí)踐操作，參與實(shí)際的材料成型及控制工程項(xiàng)目設(shè)計(jì)和實(shí)施，培養(yǎng)學(xué)生的實(shí)踐能力和創(chuàng)新能力。

（5）評(píng)估教學(xué)效果：在教學(xué)過程中，需要對(duì)學(xué)生進(jìn)行定期評(píng)估，了解學(xué)生的學(xué)習(xí)效果和掌握程度，及時(shí)調(diào)整教學(xué)方法和內(nèi)容，提高教學(xué)效果和質(zhì)量?？梢圆捎谜n堂小測(cè)驗(yàn)、作業(yè)評(píng)估、實(shí)驗(yàn)報(bào)告和項(xiàng)目評(píng)估等形式進(jìn)行評(píng)估。

綜上所述，設(shè)計(jì)材料成型及控制工程專業(yè)的人工智能與大數(shù)據(jù)的教學(xué)方案需要結(jié)合學(xué)生的實(shí)際需求和專業(yè)特點(diǎn)進(jìn)行設(shè)計(jì)和安排，注重實(shí)踐教學(xué)和評(píng)估教學(xué)效果，以提高學(xué)生的數(shù)據(jù)處理和分析能力，為他們未來的工作和研究打下堅(jiān)實(shí)的基礎(chǔ)。

2.2?教學(xué)內(nèi)容選擇

在教學(xué)內(nèi)容的選擇上，可以從以下幾個(gè)方面入手［4］：

數(shù)據(jù)處理和分析：針對(duì)材料成型及控制工程專業(yè)，可以選擇教授數(shù)據(jù)處理和分析技術(shù)，如數(shù)據(jù)清洗、特征選擇、數(shù)據(jù)預(yù)處理和轉(zhuǎn)化等，這些技術(shù)可以幫助學(xué)生更好地理解數(shù)據(jù)，并提高數(shù)據(jù)分析和處理能力。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)：機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)可以幫助學(xué)生在材料成型及控制工程領(lǐng)域中進(jìn)行模型的訓(xùn)練和預(yù)測(cè)，可以選擇適當(dāng)?shù)陌咐蛿?shù)據(jù)集進(jìn)行實(shí)踐演練。

神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別：神經(jīng)網(wǎng)絡(luò)和圖像識(shí)別技術(shù)可以幫助學(xué)生更好地理解材料成型和控制過程中的圖像和特征，可以選擇相關(guān)案例和數(shù)據(jù)進(jìn)行實(shí)踐演練。

數(shù)據(jù)挖掘和預(yù)測(cè)：數(shù)據(jù)挖掘和預(yù)測(cè)技術(shù)可以幫助學(xué)生發(fā)現(xiàn)材料成型和控制過程中的規(guī)律和趨勢(shì)，并進(jìn)行預(yù)測(cè)和優(yōu)化?？梢赃x擇適當(dāng)?shù)陌咐蛿?shù)據(jù)進(jìn)行實(shí)踐演練。

3?教學(xué)實(shí)踐案例介紹

3.1?教學(xué)實(shí)踐案例

材料成型實(shí)驗(yàn)數(shù)據(jù)處理案例是一種通過對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理和分析，發(fā)現(xiàn)實(shí)驗(yàn)規(guī)律和趨勢(shì)的方法［5］。教師向?qū)W生介紹材料成型實(shí)驗(yàn)中的數(shù)據(jù)處理方法和數(shù)據(jù)可視化技術(shù)，然后要求學(xué)生收集并整理實(shí)驗(yàn)數(shù)據(jù)，利用數(shù)據(jù)處理和可視化工具對(duì)數(shù)據(jù)進(jìn)行分析和展示，發(fā)現(xiàn)實(shí)驗(yàn)中的規(guī)律和趨勢(shì)，為后續(xù)實(shí)驗(yàn)設(shè)計(jì)和優(yōu)化提供支持。

具體教學(xué)案例如下：

教學(xué)目標(biāo)：通過本案例的教學(xué)，學(xué)生可以了解材料成型實(shí)驗(yàn)數(shù)據(jù)的處理方法和數(shù)據(jù)可視化技術(shù)，掌握實(shí)驗(yàn)數(shù)據(jù)處理的流程和方法，提高學(xué)生的實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)處理能力。

教學(xué)內(nèi)容：首先，教師向?qū)W生介紹材料成型實(shí)驗(yàn)中常用的數(shù)據(jù)處理方法，包括數(shù)據(jù)清洗、特征提取、數(shù)據(jù)可視化等。然后，教師根據(jù)實(shí)驗(yàn)的具體情況，介紹實(shí)驗(yàn)數(shù)據(jù)的采集方法和實(shí)驗(yàn)數(shù)據(jù)處理流程，并向?qū)W生展示如何利用數(shù)據(jù)處理工具對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理和分析。

教學(xué)步驟：

（1）數(shù)據(jù)采集：學(xué)生可以進(jìn)行材料成型實(shí)驗(yàn)，收集實(shí)驗(yàn)數(shù)據(jù)，包括溫度、壓力、應(yīng)力、應(yīng)變等。

（2）數(shù)據(jù)清洗：學(xué)生可以對(duì)采集到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行清洗，去除異常值和重復(fù)值，保證數(shù)據(jù)的準(zhǔn)確性和可靠性。

（3）特征提?。簩W(xué)生可以利用特征提取算法，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行特征提取，找出數(shù)據(jù)中的規(guī)律和趨勢(shì)。

（4）數(shù)據(jù)可視化：學(xué)生可以利用可視化工具，將處理好的數(shù)據(jù)以圖表的形式展示出來，更加直觀地呈現(xiàn)實(shí)驗(yàn)數(shù)據(jù)的規(guī)律和趨勢(shì)。

（5）數(shù)據(jù)分析：學(xué)生可以對(duì)處理好的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)實(shí)驗(yàn)中存在的問題和改進(jìn)方向。

教學(xué)工具：本案例需要使用數(shù)據(jù)處理和可視化工具，如Excel、Python、Matlab等，同時(shí)需要使用一些可視化工具，如Tableau、Power?BI等。

3.2?教學(xué)效果展示

將該教學(xué)應(yīng)用于本科生畢業(yè)設(shè)計(jì)中，取得了很好的效果。教學(xué)案例過程展示如下：

3.2.1?數(shù)據(jù)庫(kù)構(gòu)建

采用爬蟲技術(shù)，以“鋁合金性能”和“鋁合金”為關(guān)鍵詞，在萬維網(wǎng)上爬取相關(guān)信息，主要內(nèi)容包括八大部分：作者、題目、摘要、關(guān)鍵詞、發(fā)表期刊、發(fā)表日期、被引次數(shù)和鏈接網(wǎng)址，程序開始運(yùn)行界面如圖1所示。最終獲得一個(gè)CSV格式的文件，共計(jì)1052條數(shù)據(jù)。

圖1?爬蟲開始運(yùn)行界面示意圖

在CSV文件中，包括大量的鋁合金的性能分析、機(jī)理研究、工藝開發(fā)、熱處理?xiàng)l件對(duì)性能的影響等各個(gè)方面的內(nèi)容，因此需要進(jìn)行篩選工作。主要依據(jù)題目、摘要、關(guān)鍵詞和鏈接網(wǎng)址四大標(biāo)簽對(duì)1052條數(shù)據(jù)進(jìn)行選擇性篩選。通過篩選，下載相關(guān)性較大的論文文獻(xiàn)，人為仔細(xì)閱讀論文內(nèi)容，尋找有關(guān)鋁合金的屈服強(qiáng)度值、耐腐蝕性能的數(shù)據(jù)以及所對(duì)應(yīng)的鋁合金成分，建立真實(shí)有效的數(shù)據(jù)庫(kù)。此數(shù)據(jù)庫(kù)包含200條屈服強(qiáng)度值、100條耐腐蝕性能數(shù)據(jù)。

3.2.2?數(shù)據(jù)分析

依據(jù)數(shù)據(jù)庫(kù)，學(xué)生主要對(duì)Zn、Mg、Cu三種合金元素的質(zhì)量分?jǐn)?shù)與對(duì)應(yīng)的屈服強(qiáng)度做散點(diǎn)圖分析，耐腐蝕性能由于效果不明顯，在此不做分析。通過散點(diǎn)圖，可以明顯地發(fā)現(xiàn)Zn、Mg、Cu三種元素對(duì)屈服強(qiáng)度有著一定的影響，三種元素相比較，Zn元素對(duì)鋁合金的屈服強(qiáng)度影響較明顯。

進(jìn)一步地，學(xué)生為了探討各合金元素對(duì)鋁合金屈服強(qiáng)度的影響規(guī)律，采用SPSS數(shù)據(jù)分析軟件，對(duì)數(shù)據(jù)庫(kù)進(jìn)行線性相關(guān)分析，以此來對(duì)散點(diǎn)圖分析進(jìn)行補(bǔ)充和驗(yàn)證，進(jìn)而找到一定的影響規(guī)律。

通過上述工作，學(xué)生通過分析得到：Zn、Mg、Cu、Al、Fe元素都具有顯著的線性相關(guān)關(guān)系，Si、Mn、Cr、Ti、Zr五個(gè)元素都不具有線性相關(guān)性。對(duì)于具有線性相關(guān)性的一組元素中，因?yàn)殇X合金中Fe元素是雜質(zhì)元素，考慮意義不大，因此不考慮Fe和Al元素。在Zn、Mg、Cu三種元素中，其線性相關(guān)系數(shù)依次排序?yàn)椋篫n＞Mg＞Cu，且Zn元素的線性相關(guān)系數(shù)達(dá)0.810，已經(jīng)接近于1，因此鋁合金中Zn與屈服強(qiáng)度的關(guān)系呈明顯的線性相關(guān)性，其線性關(guān)系大于Mg和Cu的相關(guān)性。

最后學(xué)生提出了以下合理的假設(shè)和猜測(cè)：（1）在鋁合金材料中，元素對(duì)屈服強(qiáng)度的影響是綜合性的，是相互作用的結(jié)果，不是單一的影響因素；（2）此類元素對(duì)屈服強(qiáng)度的作用機(jī)理效果不顯著，未能發(fā)現(xiàn)顯著的規(guī)律。

3.2.3?基于機(jī)器學(xué)習(xí)的材料設(shè)計(jì)

基于上述數(shù)據(jù)庫(kù)，學(xué)生以Al、Cu、Fe、Si、Mn、Mg、Cr、Zn、Ti九個(gè)合金元素的質(zhì)量分?jǐn)?shù)為自變量，鋁合金的屈服強(qiáng)度為因變量，通過建立回歸模型來預(yù)測(cè)鋁合金的屈服強(qiáng)度值。結(jié)果顯示，在Python環(huán)境下，回歸模型程序運(yùn)行通暢，可以實(shí)現(xiàn)屈服強(qiáng)度的預(yù)測(cè)，具體運(yùn)行界面如圖2所示。

圖2?回歸模型程序運(yùn)行界面圖

接下來，學(xué)生對(duì)于回歸模型基于屈服強(qiáng)度數(shù)據(jù)的特點(diǎn)，對(duì)多變量線性回歸的模型進(jìn)行程序測(cè)試，以此來檢驗(yàn)?zāi)Ｐ偷臏?zhǔn)確性和實(shí)用性。預(yù)測(cè)值曲線與真實(shí)值曲線基本吻合，稍有些偏差，但總體效果顯著。說明此回歸模型較適合屈服強(qiáng)度的預(yù)測(cè)，可以準(zhǔn)確地預(yù)測(cè)屈服強(qiáng)度值。學(xué)生又以Al、Cu、Fe、Si、Mn、Mg、Cr、Zn、Ti九個(gè)合金元素的含量為自變量，以鋁合金的腐蝕性能為因變量，將耐腐蝕性能分為五個(gè)類別：好、較好、一般、較差、差，依據(jù)分類模型，對(duì)耐腐蝕性能進(jìn)行預(yù)測(cè)。

基于上述的工作之后，學(xué)生開始利用機(jī)器學(xué)習(xí)反向設(shè)計(jì)合金成分。學(xué)生以最佳的鋁合金屈服強(qiáng)度和耐腐蝕性能為依據(jù)，實(shí)現(xiàn)逆向材料設(shè)計(jì)。

3.2.4?工作局限性的反思

學(xué)生完成上述工作之后，出于對(duì)學(xué)生解決復(fù)雜工程能力的培養(yǎng)，讓學(xué)生反思當(dāng)前工作的局限性。反思如下：

（1）數(shù)據(jù)庫(kù)不夠準(zhǔn)確：機(jī)器學(xué)習(xí)算法能夠正常運(yùn)行，其先決條件就是擁有一個(gè)符合程序設(shè)計(jì)的數(shù)據(jù)庫(kù)。因此，數(shù)據(jù)庫(kù)的準(zhǔn)確性代表著機(jī)器學(xué)習(xí)算法預(yù)測(cè)性能的準(zhǔn)確性。但是，材料科學(xué)領(lǐng)域中的數(shù)據(jù)具有獲取成本高、過于集中或分散、缺乏統(tǒng)一處理標(biāo)準(zhǔn)等特點(diǎn)，獲取一個(gè)數(shù)據(jù)量大、分布均勻、特征參量完整且匹配的數(shù)據(jù)集往往非常困難。而且，本次建立的數(shù)據(jù)庫(kù)主要是依靠人工，對(duì)于性能篩選存在人為的誤差。因此，在隨機(jī)篩選的10組數(shù)據(jù)中，4組數(shù)據(jù)的預(yù)測(cè)屈服強(qiáng)度較真實(shí)值偏差較大。

（2）數(shù)據(jù)量較少：由于時(shí)間、設(shè)備的關(guān)系，本次建立的數(shù)據(jù)庫(kù)總共400條數(shù)據(jù)，屈服強(qiáng)度300條，耐腐蝕性能100條，對(duì)于機(jī)器學(xué)習(xí)線性回歸模型和分類模型，只有大量的數(shù)據(jù)，其擬合效果才可以達(dá)到最佳。

（3）對(duì)于傳統(tǒng)材料設(shè)計(jì)，材料的成分—工藝—性能三者之間具有一定的關(guān)聯(lián)性。不考慮其他影響因素的條件下，研究成分與性能之間的聯(lián)系依舊存在著爭(zhēng)議。另外，考慮到自身理論基礎(chǔ)知識(shí)不夠扎實(shí)，以機(jī)器學(xué)習(xí)模型為工具，探究成分與性能之間的一一映射關(guān)系，尚未清楚，所以存在一定的局限性。

結(jié)語

材料成型及控制工程專業(yè)開展人工智能和大數(shù)據(jù)教學(xué)的重要性和必要性已經(jīng)得到了越來越多人的認(rèn)識(shí)。未來的人工智能與大數(shù)據(jù)教學(xué)需要不斷創(chuàng)新和改進(jìn)，注重實(shí)踐和應(yīng)用，培養(yǎng)學(xué)生的綜合素質(zhì)和能力，為材料成型及控制工程領(lǐng)域的科技發(fā)展和人才培養(yǎng)做出更大的貢獻(xiàn)。

參考文獻(xiàn)：

［1］王文，王慶娟，朱曉雅，等.材料成型及控制工程專業(yè)實(shí)驗(yàn)教學(xué)改革［J］.中國(guó)冶金教育，2020（01）：5961.

［2］劉麗娟，潘婕.人工智能賦能高校思政課程教學(xué)改革研究［J］.成都師范學(xué)院學(xué)報(bào)，2023，39（05）：100107.

［3］石杉，鄭偉，李曉鵬.基于人工智能的大數(shù)據(jù)分析方法［J］.數(shù)字技術(shù)與應(yīng)用，2023，41（02）：110112.

［4］顏慧.大數(shù)據(jù)+人工智能背景下混合式教學(xué)案例設(shè)計(jì)［J］.電腦知識(shí)與技術(shù)，2023，19（08）：164166+177.

［5］張小文.《材料科學(xué)實(shí)驗(yàn)》的創(chuàng)新教學(xué)模式與實(shí)踐探索［J］.科技視界，2015（25）：25+208.

項(xiàng)目支持：內(nèi)蒙古科技大學(xué)教改項(xiàng)目（JY2021026）

作者簡(jiǎn)介：定?。?983—?），男，回族，湖北仙桃人，博士，副教授，研究方向：材料加工工程。