"《机器人应用技术》教材采用项目式结构，由浅入深层层推进。按照机器人应用技术的实用性为主线编写，主要内容包括机器人概述，机器人运动学认知，机器人机械结构认知，机器人动力系统认知，机器人控制系统认知，机器人感知系统认知，机器人视觉技术认知，机器人应用实例。每个章节后设置有项目工单，通过项目工单中的任务对知识点进行巩固。通过本门课的学习，使学生对机器人应用技术有一个全面、深入的认识。培养学生对机器人的综合理解和创新设计及应用能力。
本书可作为高等院校工业机器人、机电一体化技术自动化、智能控

《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》主要介绍了连续和离散时间域的两级反馈控制器设计算法，包括一般线性时不变动态系统的设计公式和代数方程，对双时间尺度线性时不变动态系统（奇异摄动系统）进行了简化和专门研究，对一般线性时不变动态系统的连续时间域三级反馈控制器设计也作了相应的介绍．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》讨论了离散时间域三级三时间尺度系统线性反馈控制器以及四级四时间尺度线性反馈控制器设计．《线性系统的多级时间尺度反馈控制及其在燃料电池中的应用》

本书从欠驱动机械臂动力学建模和运动特性分析入手，详细介绍垂直欠驱动机械臂、平面欠驱动机械臂、柔性机械臂的控制策略等内容。全书共6章：第1章是绪论，介绍欠驱动机械臂的构型，回顾欠驱动机械臂的控制与优化设计方法。第2章建立欠驱动机械臂的运动学与动力学模型，分析欠驱动机械臂的运动特性。第3章提出垂直欠驱动机械臂的控制与优化设计方法，实现垂直欠驱动机械臂的摇起与平衡控制目标。第4章给出第一关节为被动的平面欠驱动机械臂（具有一阶非完整约束）的控制与优化设计方法。第5章介绍第一关节有驱动器的平面欠驱动机械臂

无线传感器网络被应用于复杂环境下时，存在缺乏故障数据、监测数据丢失、监测数据可靠性下降、运行环境干扰等诸多不利因素，因此会影响健康管理的可靠性和准确性。本书基于置信规则库专家系统研究无线传感器网络健康管理系统的建模方法，并应用于工程实践。置信规则库专家系统融合了定量数据和定性知识，能处理专家定性知识存在的模糊性和不确定性的问题。为确保建模过程的透明性和可参与性，本书采用证据推理规则作为推理工具，保证推理结果是可解释和可追溯的。
本书可作为高等院校人工智能、网络安全、自动控制等相关专业的本科

信息集成是智能制造领域的重要技术之一。本书介绍了制造系统信息集成的关键技术以及相关标准、自动化生产系统中的信息集成、面向产品生命周期的信息集成、企业内部的纵向信息集成、企业与外部的信息集成以及信息集成与数字孪生等内容，并结合具体案例，使学生在掌握典型制造系统信息集成技术知识的同时，培养学生对相关技术应用的意识、理念和思维方式。本书可用于机械类专业本科生的智能制造专业教材，以及相关专业（如机械、工业工程、自动化、计算机、仪器仪表、管理科学与工程等）的学生选修智能制造课程。

随着时代的发展和信息技术的进步，信息技术已经是社会发展的动力之一，尤其是大数据技术对社会的发展起到促进作用。在人们的生活、生产中，大数据的应用能够给人们带来便利性，同时在大数据中也会存储人们的个人信息。随着科技的发展和进步，我们逐渐进入大数据时代。本书首先对大数据相关概念和应用问题进行了简述，进而论述了大数据的异化分析；然后介绍了大数据的影响因素，以及云计算技术与算法分析；最后介绍了大数据在不同方面的应用。 大数据具有规模大、种类多、生成速度快、价值巨大但密度低的特点。大数据应用就是利用数

Spark数据处理引擎是一个惊人的分析工厂：输入原始数据，输出洞察。PySpark用基于Python的API封装了Spark的核心引擎。它有助于简化Spark陡峭的学习曲线，并使这个强大的工具可供任何在Python数据生态系统中工作的人使用。 《Python和PySpark数据分析》帮助你使用PySpark解决数据科学的日常挑战。你将学习如何跨多台机器扩展处理能力，同时从任何来源(无论是Hadoop集群、云数据存储还是本地数据文件)获取数据。一旦掌握了基础知识，就可以通过构建机器学习管道，

本书的编写目的是向读者介绍大数据治理与安全的基本概念和相应的技术应用。本书共9章，内容分别为数据治理概述、数据采集与数据道德、数据质量与数据管理、数据交换与数据集成、数据库设计与治理、架构设计与治理、数据仓库设计与治理、大数据安全与治理及综合实训。本书将理论与实践操作相结合，通过大量的案例帮助读者快速了解和应用大数据治理的相关技术，并对书中重要的、核心的知识点加大练习的比例，以达到帮助读者熟练应用的目的。

本书可作为高等院校大数据专业、人工智能专业、软件技术专业、云计算专业、计算机

复杂性是大数据区别于小数据的本质特性，也是当前大数据质量控制与数据治理面临的核心挑战。本书围绕大数据的复杂性开展研究，旨在探索当前数据资源建设与利用过程中面临的挑战和技术难题，促进数据价值的充分释放。

全书分为6部分，共24章。第1部分概述(第1、2章)，综述所研究数据控制技术的基本概念和任务定位，以及国内外的研究进展； 第2部分实体分辨技术(第3~13章)，研究了高维数据实体分辨、名称分辨、XML数据实体分辨和跨模态数据实体分辨等； 第3部分真值发现技术(第14~18章)，研究了

本书分为10章，其中第1~9章探讨了排序、推荐系统、聚类、线性回归等内容，每章都以一个具体的实际问题开始，其主要目的是激发对某一特定大数据分析技术的研究。接下来探讨其背后的数学原理——包括重要的定义、辅助陈述和得出的结论。案例研究有助于将所学知识应用于跨学科的环境中，包括对逐步任务的描述和有用的提示。每章之后都配有习题，作为自学中不可缺少的一部分，有助于提高对基础理论的理解。第10章提供了前9章的习题答案，以及Python代码中的算法描述作为补充材料。本书适合作为大数据分析、应用数学及相关专业的