新書推薦：
《
我很正常
》
售價：HK$
43.5
《
平衡的身体：深层组织与神经肌肉徒手治疗（第4版）
》
售價：HK$
217.8
《
不列颠大战略的神话：英国与欧洲世界中的国际政治斗争，1689—1914
》
售價：HK$
140.8
《
安心之道：佛学通识十讲
》
售價：HK$
52.8
《
政制秩序原理：变革
》
售價：HK$
107.8
《
风味人间5：香料传奇
》
售價：HK$
74.8
《
爱，死亡和机器人（多巴胺典藏套装全四册 Netflix奈飞超高分神剧爱死机1~4季原著小说）
》
售價：HK$
181.5
《
我反抗，故我们存在（诺奖得主加谬历时十年构思创作的经典名著，与《西西弗神话》一起构成了加缪从荒诞到反抗的思想全貌）
》
售價：HK$
74.8
|
| 內容簡介： |
|
本书结合当前智能制造领域的技术前沿与实际教学需求，系统地阐述了智能制造的基础理论、关键技术及其典型应用。本书内容涵盖智能制造系统、数字孪生技术、云制造、优化调度、智能感知、控制技术等多个专题，并特别设计了基于工业物联网、数字孪生、大数据技术等的实验项目，为学生提供了将理论与实践相结合的学习机会。本书适用于高等院校智能制造工程、机械工程、自动化等相关专业的本科生、研究生，以及从事智能制造领域工作的工程技术人员与研究人员。
|
| 目錄：
|
第1章 智能制造系统概述 001
1.1 智能制造系统的定义和特点 001
1.2 智能制造系统体系架构 003
1.2.1 总体要求 003
1.2.2 智能制造系统架构 003
1.2.3 智能制造系统级别 004
1.2.4 智能制造系统层次 006
1.3 智能研发与设计系统 007
1.3.1 系统概述 007
1.3.2 创新设计与研发管理模式 008
1.3.3 产品研发与工艺设计系统 009
1.4 智能生产系统 011
1.4.1 系统结构 011
1.4.2 面向智能化生产的主要概念 016
1.5 智能管理与服务系统 019
1.5.1 智能管理与服务技术体系 019
1.5.2 智能管理与服务 020
1.5.3 智能物流与供应链 020
1.6 实验 021
1.6.1 机器人控制认知实验 021
1.6.2 3D打印认知实验 022
1.6.3 智能仓储认知实验 023
1.6.4 智能检测认知实验 024
1.6.5 智能维修认知实验 025
第2章 智能制造数据采集与处理 026
2.1 数据采集技术 026
2.1.1 数据采集的基本概念 026
2.1.2 数据采集系统的基本组成 027
2.1.3 数据采集系统的主要性能指标 028
2.1.4 数据采集系统硬件设计 029
2.1.5 DHT11传感器及其使用方法 031
2.1.6 Arduino及其使用方法介绍 032
2.2 数据预处理技术 033
2.2.1 数据预处理技术概述 033
2.2.2 数据审核 033
2.2.3 缺失值处理 034
2.2.4 重复值处理 036
2.2.5 数据抽样 036
2.2.6 分类特征处理 037
2.2.7 特征选择 038
2.3 数据存储技术 038
2.3.1 数据存储技术概述 038
2.3.2 数据库系统的特点与组成 040
2.3.3 MySQL简介及其使用方法 043
2.4 数据可视化技术 045
2.4.1 数据可视化技术概述 045
2.4.2 可视化工具Matplotlib概述及其使用介绍 046
2.4.3 实战示例展示 048
2.5 数据分析技术 050
2.5.1 数据分析技术概述 050
2.5.2 Pandas概述及其使用方法介绍 050
2.5.3 代码实例展示 052
2.6 实验 055
2.6.1 温度与湿度传感器数据采集实验 055
2.6.2 自创数据清洗实验 056
2.6.3 基于关系型数据库和NoSQL数据库的数据存储性能对比 056
2.6.4 使用Matplotlib绘制散点图并分析变量关系 057
2.6.5 使用Pandas库进行数据分析 058
第3章 智能制造数字孪生技术 059
3.1 数字孪生技术概述 059
3.1.1 数字孪生技术简介 059
3.1.2 数字孪生的发展与定义 059
3.1.3 数字孪生的系统与组成 063
3.2 数字孪生建模技术 066
3.2.1 数字孪生的数学描述 066
3.2.2 数字孪生系统建模 070
3.2.3 数字孪生几何建模 073
3.3 数字孪生应用案例 079
3.3.1 基于数字孪生的航空发动机全生命周期管理 079
3.3.2 基于数字孪生的复杂产品装配工艺 081
3.4 实验 085
3.4.1 数字孪生建模实验 085
3.4.2 数字孪生仿真实验 086
3.4.3 数字孪生优化实验 087
3.4.4 数字孪生监控实验 088
3.4.5 数字孪生维护实验 088
第4章 智能制造优化调度技术 090
4.1 优化调度技术概述 090
4.1.1 制造系统调度问题 090
4.1.2 制造系统调度问题的描述 092
4.1.3 制造系统调度优化方法 094
4.2 智能制造基本问题模型 098
4.2.1 问题描述 098
4.2.2 单机调度 099
4.2.3 并行机调度 100
4.2.4 流水车间调度 100
4.2.5 作业车间调度 101
4.2.6 流程车间调度 102
4.2.7 混合车间调度 104
4.3 智能制造调度算法 105
4.3.1 蚁群算法 105
4.3.2 遗传算法 107
4.3.3 其他智能调度算法 108
4.4 实验 112
4.4.1 优化算法实验 112
4.4.2 调度策略实验 113
4.4.3 进度控制实验 113
4.4.4 系统评估实验 114
4.4.5 决策支持实验 115
第5章 智能制造感知技术 117
5.1 感知技术概述 117
5.2 传感器技术 118
5.2.1 传感器的组成与分类 118
5.2.2 传感器的基本特性 120
5.3 传感网技术 125
5.3.1 无线传感器网络 125
5.3.2 工业传感网 127
5.4 边缘计算技术 129
5.4.1 从云到边缘 129
5.4.2 边缘计算的发展 130
5.4.3 边缘计算的分类 130
5.4.4 典型用例与选型 131
5.4.5 开源软件项目 132
5.5 机器视觉技术 133
5.5.1 机器视觉概述 133
5.5.2 机器视觉系统的构成 135
5.5.3 数字图像处理基础 139
5.6 实验 142
5.6.1 传感器网络实验 142
5.6.2 通信协议实验 143
5.6.3 数据传输实验 144
5.6.4 系统评估实验 144
5.6.5 远程控制实验 145
第6章 智能制造控制技术 147
6.1 智能控制技术概述 147
6.1.1 智能控制的产生背景 147
6.1.2 智能控制的概念与特点 148
6.1.3 智能控制的几个重要分支 149
6.2 人工智能技术 150
6.2.1 人工智能概述 150
6.2.2 自然语言处理概述及其使用 152
6.2.3 数字挖掘技术概述及其使用 155
6.3 机器学习技术 158
6.3.1 机器学习概述 158
6.3.2 常见的机器学习算法介绍 160
6.3.3 机器学习案例展示 161
6.4 深度学习技术 163
6.4.1 深度学习概述 163
6.4.2 深度学习的训练过程 165
6.4.3 深度学习的案例展示 168
6.5 自适应控制技术 170
6.5.1 自适应控制技术概述 170
6.5.2 自适应控制技术的主要方法 172
6.5.3 自适应控制技术的工作流程 172
6.6 实验 174
6.6.1 机器学习实验 174
6.6.2 图像分类实验 175
6.6.3 情感分析实验 175
6.6.4 数据挖掘实验 176
6.6.5 人工智能应用实验 176
第7章 云制造技术 178
7.1 云制造技术概述 178
7.1.1 云制造技术的基本概念 178
7.1.2 云制造技术的特点 179
7.1.3 云制造的关键技术 179
7.2 云制造架构 187
7.2.1 云制造架构的概念 187
7.2.2 云制造架构设计的意义 187
7.2.3 云制造产品协同设计平台架构 188
7.2.4 云制造架构的实现路径 189
7.2.5 云制造架构设计的发展前景 190
7.3 云制造平台 190
7.3.1 云制造平台的概念 190
7.3.2 云制造平台的关键技术 191
7.3.3 云制造平台的应用场景 192
7.3.4 云制造平台案例分析 192
7.4 云制造服务 193
7.4.1 云制造服务的概念 193
7.4.2 云制造服务平台的发展背景和历史 193
7.4.3 云制造服务的特点 194
7.4.4 云制造服务的应用场景 194
7.4.5 云制造服务的发展趋势 195
7.5 云制造技术在智能制造中的应用 195
7.5.1 智能制造的概念 195
7.5.2 智能制造的特点 196
7.5.3 云制造技术在智能制造中的应用 196
7.5.4 云制造在智能制造中的优势和挑战 196
7.6 实验 197
7.6.1 云制造平台搭建实验 197
7.6.2 云制造资源管理实验 201
7.6.3 云制造协同设计实验 203
7.6.4 云制造智能制造实验 206
7.6.5 云制造安全保障实验 209
第8章 智能制造安全技术 211
8.1 安全技术概述 211
8.1.1 核心概念与联系 211
8.1.2 安全管理与治理 212
8.1.3 应急响应与灾备恢复 212
8.1.4 安全性与生产力的平衡 213
8.2 网络安全技术 214
8.2.1 防火墙概述 214
8.2.2 虚拟专用网络（VPN）的应用 215
8.2.3 网络安全技术的适用场景 215
8.3 数据安全技术 216
8.3.1 数据安全技术概述 216
8.3.2 数据安全技术的新技术 217
8.4 应用安全技术 218
8.4.1 应用安全技术概述 218
8.4.2 应用安全技术的应用场景 219
8.5 物理安全技术 219
8.5.1 设备安全的基本概念 220
8.5.2 防篡改与固件安全技术 220
8.5.3 物理防护与安全隔离措施 221
8.6 实验 222
8.6.1 数据加密实验 222
8.6.2 访问控制实验 224
8.6.3 防火墙配置实验 226
8.6.4 安全漏洞扫描实验 228
8.6.5 网络攻击实验 230
第9章 智能制造技术综合实验项目 233
9.1 项目1：基于工业物联网的生产数据采集与监控系统 233
9.1.1 项目概述 233
9.1.2 项目目标 233
9.1.3 项目内容 233
9.1.4 项目实验步骤 235
9.2 项目2：基于数字孪生的生产线优化调度系统 242
9.2.1 项目概述 242
9.2.2 项目目标 242
9.2.3 项目内容 242
9.2.4 项目实验步骤 244
9.3 项目3：基于云制造的智能制造平台 250
9.3.1 项目概述 250
9.3.2 项目目标 250
9.3.3 项目内容 250
9.3.4 项目实验步骤 252
9.4 项目4：基于大数据技术的智能质量检测系统 256
9.4.1 项目概述 256
9.4.2 项目目标 257
9.4.3 项目内容 257
9.4.4 项目实验步骤 261
9.5 项目5：基于智能制造的智能物流调度系统 267
9.5.1 项目概述 267
9.5.2 项目目标 267
9.5.3 项目内容 267
9.5.4 项目实验步骤 270
参考文献 277
|
| 內容試閱：
|
近年来，随着新一代信息技术、人工智能技术的快速发展，制造业正迈向数字化、网络化、智能化的新时代。智能制造作为工业革命的重要方向，不仅重塑了传统制造业的生产模式，也对学术研究和人才培养提出了新的要求。在这一背景下，我们编写了《智能制造工程专业综合实践教程》，旨在为高等教育领域提供一本系统化、实践性强的教学参考书。
智能制造是国家发展战略的重要组成部分，其技术涉及大数据、人工智能、云计算、物联网等多个前沿领域。本书的编写目的是为高校智能制造工程专业提供理论与实践相结合的教材，引导学生在掌握理论知识的基础上，通过实验项目提升解决实际问题的能力，培养面向未来的创新型工程技术人才。
本书分为理论篇与实践篇两部分。理论篇涵盖了智能制造的核心技术，如数字孪生、优化调度、云制造等；实践篇以实验项目为核心，设计了基于工业物联网的数据采集与监控系统、基于数字孪生的生产线优化调度、基于大数据技术的智能质量检测系统等典型案例。每个实验项目从背景意义、技术原理到实验步骤、总结与思考均进行了详细的设计与说明。本书的突出特色在于内容与实际生产需求紧密结合，提供了完整的实验案例，有效引导学生将理论应用于实践。
在本书的编写过程中，得到了来自多位专家学者的支持与帮助。作为主编，我特别感谢副主编苑明海副教授（河海大学）、朱海华副教授（南京航空航天大学）、汪振华教授（南京理工大学）在各章节内容的撰写与修改中做出的重要贡献。苑明海副教授负责智能制造系统与优化调度技术部分的编写，深入解析了智能制造系统的体系架构，并设计了优化调度相关的实验项目；朱海华副教授在数字孪生技术与智能制造感知技术方面做出了重要贡献，设计了多个基于数字孪生的生产优化和感知技术的实验；汪振华教授则专注于智能制造控制技术与云制造技术的部分，提出了控制系统中的人工智能应用，并设计了基于云制造的实验项目。同时，团队研究生展一开、汤旭、吉兴雨、黎能星、肖翌钦、刘家成也做出了重要贡献。他们在文献调研、资料整理、实验项目设计、数据分析等方面提供了一定的帮助，完善了书中的部分案例，并在实验环节的实现与优化中发挥了很大的作用。他们的积极参与和辛勤付出为本书的顺利完成提供了重要支持，也为书中内容的前沿性与实用性提供了有力保障。
我们希望本书不仅能成为智能制造专业学生的实践教材，也能为广大工程技术人员提供思路和借鉴。未来，智能制造将继续深刻改变全球制造业的格局，本书的内容也将在教学和实践中不断完善和发展。我们期待与读者共同探索智能制造的广阔未来。
主编
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
