收益：
- 能够使用 AI 扫描 IEC、TS 和相关法规，并应用官方来源的验证规则
- 能够使用Python进行工程计算和模拟并检查数量级的结果
- 了解人工智能输出并不能替代工程师在电气安全、责任和道德方面的批准。
在最后一个单元中，我们结合了该模块的三个关键部分：利用人工智能加速标准和法规研究，但从官方来源进行验证；使用Python进行工程计算和模拟并按数量级进行检查；最重要的是，要了解人工智能输出不能替代电气安全和工程师批准。电气和电子标准（IEC、TS、EN 系列、相关安装和产品法规）不仅仅是官僚机构；它是生命安全和合规的法律框架。人工智能在扫描这个框架方面非常强大，但这也是它最容易产生幻觉的地方。正确的用法是从AI那里取速度，从工程师那里取准确性和责任感。
标准法规研究：快速扫描，官方验证
标准文本很长、技术性强且相互引用。人工智能为您提供了一个快速路线图，可以解决诸如“哪个标准涵盖了这个主题，我应该看哪篇文章，基本要求是什么？”之类的问题。但人工智能给出的项目编号、表值和限制必须根据官方和当前文本进行准确验证。
注意：语言模型是标准项目编号和数字边界主要组成的领域之一（幻觉）。诸如“根据 IEC 60364 第 4.3 条...”之类的陈述听起来很可靠，但条款编号或值可能不正确。使用人工智能的输出作为“指南针，告诉我该往哪里看”；永远不要根据人工智能记住的数字来做出决定。
验证规程的工作流程：
1) 让人工智能扫描主题：“这个主题涉及哪个标准系列，我应该查看哪些标题？” （路线图）2) 为 AI 建议的每种物质/值请求一个“所需来源”标签。3) 打开官方标准文本（机构/出版商的当前版本）。4) 准确比较物质编号、范围和值。5) 纠正任何与官方文本不匹配的内容，而不是 AI。6) 确认该标准是当前/当前版本。
弱提示/强提示
弱者：“这个面板应该符合哪个标准，告诉我数值。” （结果：伪造的货号和编号的风险很高。） 强：“总结我需要查看哪些与低压面板设计相关的标准系列以及每个标准涵盖哪些主题。给我一个清单：‘根据此标准验证此主题’。不要给出确切的货号或数字限制；我将亲自从官方文本中验证这些内容。请明确您不确定的地方。请具体说明。”
该提示将 AI 引导至其最强的任务（主题图和清单），并使其远离其最弱的任务（准确的数字回忆）。
使用 Python 进行计算和模拟：生成、检查排名
Python 使工程计算具有可重复性和可审计性。 AI可以帮你写代码；但始终通过健全性检查来测试结果。示例：变压器的简单损耗和效率计算。
# 简单的变压器负载/损耗计算（用于验证目的）损耗 (W) - 数据表中的负载比 = 0.8 约为 1360 Wprint(f"效率: %{efficiency:.2f}") # ~ 约为 98%
在这里，范围控制可以挽救生命：在 100 kVA 变压器中，总损耗应为几千瓦，效率应在 97-99% 范围内。如果代码给出 500 kW 损失或 50% 效率，则肯定存在单位或公式错误（例如，将 kW 与 W 混合）。追踪输入和公式，直到结果在合理范围内。
提示：在将每个 Python 结果写入报告之前，问问自己：“这个数字在物理上可能吗？它的大小在我预期的范围内吗？”代码运行时可能不会出现错误，但使用错误的单元可能会产生完全错误的结果。订单检查是捕获无声单元错误的最便宜且最强大的工具。
在仿真（SPICE、控制、功率流）中，规则是相同的：仿真与模型一样好。理想假设（无损耗、无滞后、线性）可能会偏离现实。如果可能的话，将模拟结果与简单的分析计算和/或实际测量进行比较。
安全、责任和道德：人工智能不会取代工程师认证
这是本模块最重要的信息：人工智能输出永远不应取代电气和电子工程中的工程师判断和签名。它有三个腿：
- 安全。电力工作事关生命财产安全。不正确的部分、保护或安全逻辑会产生真正的危害。 AI赋予速度；工程师承担是否安全的决定和责任。
- 责任。批准、签署和委托设计的工程师负有法律和专业责任。 “人工智能建议这样做”并不是辩护。责任不能委托他人。
- 道德和透明度。不要隐藏人工智能的使用，而是记录如何验证输出。不要将任何未经验证的值呈现为“精确”；诚实地陈述不确定性。
任务
人工智能确实
工程师制作/批准
标准扫描
路线图、清单
从官方来源验证物品/价值
计算/模拟
代码，第一个结果
按订单、单位、测量进行验证
保护/安全
建议、场景
最终选择和签名
调试
清单草案
现场测量确认
迷你包
项目工程师正在为某设施准备保护协调报告，并向人工智能机构索取相关标准条款。 AI给出了刀具选择曲线的具体标准条款和数值系数。工程师打开官方文本检查：项目编号是正确的，但AI给出的系数在当前版本的标准中已被修改为不同的值。它记住了一个古老的、过时的值。工程师使用当前值更正报告，并通过使用 Python 重现计算来验证排名。报告包括所用标准的印刷年份和验证说明。教训：AI可能会返回正确的商品编号和错误的值；只有当前的官方文本具有约束力，责任仍由签名工程师承担。
常见错误
- 没有验证官方文本中AI给出的标准物品编号和数值。
- 将过时（修订后）的值误认为是当前值。
- 将 Python 结果写入报告而不检查单位/顺序。
- 不将模拟结果与测量或分析计算进行比较。
- 试图通过说“这就是人工智能的建议”来委派责任。
- 将未经验证的值呈现为“精确”；隐藏不确定性。
综上所述
- 人工智能对于标准研究中的路线图和检查清单非常有用；项目和值均根据官方当前文本进行验证。
- 标准中出现幻觉的风险较高；以人工智能为指南针，以官方文本为绑定资源。
- 始终检查 Python 计算的单位和数量级。
- 模拟效果取决于您的模型；将结果与分析计算和测量进行比较。
- 安全关键决策的责任不能被委托；工程师的批准是强制性的。
- 合乎道德的使用是记录验证并诚实地陈述不确定性。
应用任务
从您的领域选择一个主题（例如屏蔽选择、EMC 限制、电缆横截面）。只需向人工智能询问“标准筛查清单”（不要要求确切的数字）。然后从官方标准文本中验证列表中的至少两项，并评估AI的主题图是否正确。另外，在 Python 中生成相关计算并检查结果的单位和顺序。最后，用您自己的话，在一段中总结为什么这些输出不能取代工程师的批准。
模块考试
1. 在电气和电子工程中使用人工智能工具时，以下哪项任务的最终责任应始终由授权工程师承担？
- A) 最终批准面板的保护和部分选择以及调试决定 ✔
- B) 创建数据表摘要的初稿
- C) 编辑 Python 图表的轴标签
- D) 为报告准备术语表
描述：人工智能；它可以加快代码起草、计算预工作和文档生成等任务。然而，授权工程师对保护协调、区段选择和调试批准的准确性负责，这直接影响生命和财产的安全，这些决定在没有独立验证的情况下无法实施。
2. 您让 AI 设计一个分压器，并建议上电阻为 10 kΩ，下电阻为 3.3 kΩ。应该先进行哪项验证？
- A）将建议原样转移到生产中
- B) 通过除法器公式手动计算验证输出电压，并将值与标准系列进行比较 ✔
- C) 随机加倍电阻
- D) 只需检查颜色代码
描述：人工智能可能会在算术和拓扑方面犯错误。第一步也是强制性的步骤是用 R2/(R1+R2) 比率手动计算输出电压，并检查所选值是否属于 E24 等标准系列以及电阻器的功率损耗。
3. 您想要使用 ADC 对频率高达 2 kHz 的信号进行采样。 AI 建议采样频率为 3 kHz。该提案的主要问题是什么？
- A) 3 kHz 会消耗功率，因为它高于所需值
- B) 采样频率太高导致内存满
- C) 违反奈奎斯特准则；至少需要 4 kHz，否则会出现混叠 ✔
- D) 它仅增加滤波器延迟，没有其他影响
说明：根据奈奎斯特-香农定理，采样频率必须至少是信号中最高频率分量的两倍。 2 kHz 至少需要 4 kHz； 3 kHz 会产生混叠并不可逆转地降低信号质量。
4. 您会在 AI 生成的微控制器中断服务程序中看到一个长延迟函数。哪个评价最准确？
- A) 没问题，ISR 长时间延迟是很好的做法
- B) 加倍延迟可提高稳定性
- C) ISR 只能在更快的内核上运行
- D) ISR阻断器不应包含任何延迟；有必要设置一个标志并将作业移至主循环✔
点评：中断服务程序（ISR）应尽可能短；在其中使用阻塞延迟会导致错过其他中断、看门狗重置以及违反实时约束。人工智能的建议应予以审查和纠正。
5. 用AI计算电缆压降时最关键的验证步骤是什么？
- A) 验证所使用的电流、长度和横截面假设以及结果是否符合标准压降限值 ✔
- B）只检查结果的小数位数
- C) 以较大字体打印帐户
- D) 改变电缆颜色
说明：电压降计算取决于电流、电缆长度、横截面和导体电阻。验证 AI 使用的输入假设（电流、长度、横截面、导体类型）以及结果是否低于相关标准允许的百分比限制对于安全且适当的设计至关重要。
6. 对于PID控制器，AI建议您Kp、Ki和Kd值。将这些值应用到实际系统时最正确的做法是什么？
- A) 在完全运行条件下直接应用这些值
- B) 首先在模拟和低风险条件下进行测试，然后通过观察反应逐步调整✔
- C) 重置 Ki 值并仅使用 Kp 就足够了
- D) 将参数写入文档而不进行任何测试
说明：AI建议的PID参数只是一个起点。应首先在模拟中测试数值，然后在安全范围内逐步在现场进行测试；应观察并改善超调、振荡和稳定性。直接全权申请可能会损坏设备。
7. 当您向 AI 询问电源 PCB 的走线宽度时，他建议采用 5 A 的细走线。您如何验证此建议？
- A）通过观察疤痕的颜色
- B) 只看卡片的美观
- C) 根据电流、铜厚和温升，采用类似IPC的走线宽度规则独立计算✔
- D) 尽可能缩短走线
说明：走线宽度由类似于 IPC-2221 的规则确定，根据要承载的电流、铜厚度和允许温升。根据这些规则和实际电流/温度要求通过独立计算来验证 AI 给出的值对于避免过热和微量烧毁至关重要。
8. 您正在查看 AI 生成的 PLC 梯形逻辑中的紧急停止 (E-stop) 电路。必须保证哪一个原则？
- A) 急停只能通过软件标志、常开触点来设置
- B) 急停逻辑无需测试即可部署
- C) 紧急停止应有故障安全（发生故障时落入安全侧）和硬件安全链支持，并应由工程师验证✔
- D) 急停可以只是 HMI 屏幕上的一个按钮
说明： 紧急停止是一项安全功能，必须设计常闭 (NC) 触点，以便在发生故障时处于安全侧（故障安全）。仅有软件逻辑是不够的；还需要软件逻辑。硬件安全链以及是否符合相关安全标准必须由工程师验证。
9.AI参照IEC标准的具体条款给出保护值。什么是正确的工程行为？
- A) 从官方现行标准文本中验证物质编号和值 ✔
- B）按原样使用该值，因为人工智能看起来非常有信心
- C) 随机提高该值以保持安全
- D) 在没有检查的情况下将项目编号添加到报告中
说明：语言模型可能会记错或编造（幻觉）项目编号和值。每个基于标准的值都必须根据官方和当前标准文本进行逐字验证；人工智能的输出只是一个寻找方向的路线图。
10. 在您用 Python 生成的变压器损耗计算中，AI 结果给出 500 kW，而变压器功率为 100 kVA。在这种情况下你的第一反应应该是什么？
- A) 将结果直接写入报告
- B) 发现结果的数量级在物理上是不可能的，并寻找单位和公式错误 ✔
- C) 改变变压器功率以匹配结果
- D）忽略损失并继续
说明：损耗应该是设备功率的一小部分； 100 kVA 变压器损失 500 kW 在物理上是不可能的。健全性检查会立即发现单位或公式错误。应审查输入和公式，直到结果处于合理范围内。