收益：
- 能够在数字孪生架构中构建人工智能对数据融合和预测的贡献
- 能够将 ITAR/EAR 出口管制、保密性和道德界限转化为操作规则
- 确保人工智能在航空航天领域的使用得到全面的验证和治理纪律
模块考试
1、决定航天工程AI输出风险的根本原则是：
- A) 输出的风险等于该输出出现故障时可能造成的危害；验证规模相应 ✔
- B) AI 输出通常是准确的，因为它写得流畅且自信
- C) 使用最新版本的模型时无需验证
- D) 如果输出参考标准，则不需要额外的控制
解释：在安全关键区域，输出的风险等于输出出现故障时造成的危害。虽然演示标题中的错误可能无害，但结构安全系数中的错误可能会导致生命损失；因此验证强度与潜在危害成正比。
2. 代理模型在航空设计中有什么用？
- A) 自动签署认证文件
- B) 在风洞中物理生成 CFD 网格
- C) 通过学习昂贵的模拟的输入输出关系并给出快速的近似估计，它可以扫描广泛的设计空间。 ✔
- D) 加密飞机的实际飞行数据
描述：代理模型是一种机器学习模型，它通过学习昂贵且缓慢的模拟（例如 CFD 运行）的输入输出关系来提供更快的近似值。因此，可以在几秒钟而不是几小时内扫描大型设计空间，并以高精度重新计算有希望的候选方案。
3. 在接受 CFD 结果可靠之前，最基本的检查是什么？
- A) 解决方案的彩色轮廓图的美观
- B) 结果已由人工智能解释
- C) 解决方案的收敛性和网络独立性已得到证明 ✔
- D）模拟应尽快完成
说明：要使 CFD 解决方案可用，它必须首先收敛，并且必须证明网格独立性。无论人工智能如何流畅地解释它，非收敛或依赖于网络的结果在物理上都是不可靠的。
4. 航空结构拓扑优化的主要目的是什么？
- A) 通过在负载和约束下将材料分布在必要的位置，以更小的质量提供相同的强度 ✔
- B) 通过使零件尽可能重来增加强度
- C) 选择零件的颜色和表面光洁度
- D) 将认证测试数量减少到零
描述：拓扑优化通过仅将材料分布在某些载荷和约束下需要的地方，找到以更小的质量提供相同强度的几何形状。在航空领域，减轻重量是一个关键目标，因为每公斤都意味着燃料和有效载荷能力。
5. 为什么“稳定裕度”是飞行控制系统中人工智能输出的验证标准？
- A）因为它只测量油耗
- B) 因为它显示了飞机油漆的耐久性
- C) 因为只有在地面测试中才有意义
- D) 因为它衡量控制器在面对不确定性和延迟时保持的安全程度 ✔
描述： 稳定性裕度（增益和相位裕度）衡量控制系统在面对不确定性和延迟时保持的可靠性。即使人工智能建议的控制增益表现良好但稳定性裕度不足，它也可能导致系统在现实世界的噪声和建模误差下不稳定。
6. 在 PHM（预测和健康管理）背景下，“RUL”是什么意思？
- A) 飞机最大起飞重量
- B) 估计组件在出现故障之前可以安全运行多长时间（剩余使用寿命）✔
- C) 风洞中的参考速度
- D) 轨道仰角机动名称
描述：RUL（剩余使用寿命）是对组件在出现故障之前可以安全运行多长时间的估计。预测性维护决策基于此估计及其置信区间；仅靠点估计是不够的。
7. 为什么评估预测性维护中“误报”的成本很重要？
- A) 误报总是免费的，所以并不重要
- B) 因为它只影响平面的颜色
- c) 造成不必要的拆装、地面等待及费用；必须有意识地建立遗漏故障和故障之间的平衡✔
- D) 因为法规完全禁止误报
解释：如果故障预测产生误报，则不必要地移除固体部件并且飞机接地；这会造成成本和运营中断。错过实际故障会造成安全风险。一个好的 PHM 系统有意识地选择这两种错误类型之间的平衡和阈值。
8. 飞行测试遥测数据中人工智能检测异常时应具体管理哪些风险？
- A) 数据的多色图表
- B) 遥测数据到达太快
- C) 试飞员撰写报告
- D) 将传感器故障与飞机的实际行为相混淆，并在未经人工确认的情况下接受检测 ✔
解释：该模型将任何偏离其所学模式的正常行为视为异常，这可能会将传感器故障与飞机的实际行为混淆。因此，检测到的每个异常都必须通过原始信号和工程背景进行人工确认；盲目信任会产生安全风险。
9. 用于验证轨道机动规划中的人工智能输出的最可靠的锚点是什么？
- A) 与物理守恒定律和已建立的轨道方程进行交叉检查 ✔
- B）AI自身的信任度很高
- C) 输出很快产生
- D) 任务团队喜欢这个输出。
描述：空间力学基于守恒定律（能量、角动量）和已建立的方程（例如 vis-viva、霍曼传递 delta-v 公式）。通过交叉检查这些基于物理的计算和操作约束来验证人工智能给出的 delta-v 或传输时间。
10. 为什么在航空航天制造中使用计算机视觉缺陷检测时可追溯性至关重要？
- A) 保留可追溯性仅用于营销目的
- B) 没有模型版本、阈值和图像记录，无法确定根本原因和受影响批次；标准要求可追溯性 ✔
- C) 不需要记录，因为视觉模型没有错误。
- D) 应避免可追溯性，因为它会减慢生产速度
描述：AS9100 等航空航天质量标准要求每个零件和决策都可以追溯。应记录哪个模型版本、哪个阈值以及哪个图像视觉模型称为“完美”的部分被批准；否则，当问题发生时，无法确定问题根源和受影响方。
11. 在 DO-178C 等标准的背景下，如何最好地定义人工智能在认证过程中的作用？
- A）人工智能通过自动生成和验证证据来消除人工审查
- B) 人工智能不能以任何形式用于认证
- C) AI提供支持和加速； ✔ 证据、审查和批准仍然是合格人员的责任
- D) AI只能在飞行中使用
描述：人工智能可以成为需求起草、追溯矩阵一致性检查、文档扫描等支撑工作的加速器；然而，证明本身、审查和批准仍然是合格的人类工程师的责任。标准需要可审核、可追溯且经过人工批准的流程。
12. 当向通用人工智能工具询问秘密飞机设计参数时，正确的方法是什么？
- A) 准确输入实际值并获得最快响应
- B) 上传所有项目文件并让模型学习上下文
- C) 添加注释，说明数据是机密的并按原样共享。
- D) 匿名上下文、用代表性值替换实际值并仅使用经批准/受控的工具 ✔
说明：ITAR/EAR 范围内的技术数据和公司特定设计信息在进入不受控制的国外服务时可能会导致出口管制违规和知识产权损失。正确的方法是对上下文进行匿名化，用代表性值替换实际值，并在必要时仅使用经过批准的内部/受控工具。
13.什么是数字孪生？
- A) 仅拍摄一次的飞机静态照片
- B) 真实实体的实时虚拟模型，不断接收传感器数据，反映其状态并预测其行为 ✔
- C) 飞机的第二个精确物理复制品
- D) 仅在营销演示中使用的动画
描述：数字孪生是真实资产（飞机、发动机、卫星）的活体虚拟模型，不断接收传感器数据，反映其当前状态并试图预测其未来行为。在这个模型中，人工智能在结合测量和物理模型的数据融合和预测层中发挥作用。
14. 在人工智能生成的工程计算中，“数量级控制”是什么意思？
- A) 增加结果的小数位数
- B）标准化结果的颜色
- C) 测量结果的图形分辨率
- D) 通过快速手算测试结果是否大致在 10 的预期幂范围内 ✔
描述：数量级检查是通过快速计算来测试结果是否大致在期望的10次幂范围内。例如，如果机翼载荷预计以吨为单位，但结果是克，则这表明在详细说明之前存在单位或编辑错误。