非线性系统控制理论在控制类专业课程中占有重要学科地位，是自 动化类专业本科生和研究生知识体系结构中的必要组成部分。本书旨在介绍非线性控制系统的基本知识、基础理论、分析和设计方法，培养读 者具备分析和解决非线性控制问题的能力。本书分为11章：第1章为非 线性系统简介，简单介绍非线性系统的定义和典型的非线性现象；第2章为状态空间模型，介绍非线性系统状态空间描述和二阶非线性系统的基本分析方法；第3章为描述函数法，介绍二阶非线性系统的描述函数分析和设计方法；第4章为稳定性，介绍非线性系统稳定性的基本概念

本书以讲授智能控制基础知识和技术应用为目标，在阐述理论知识的基础上，结合矿渣微粉生产多模型自适应控制、旋转系统重复控制、柔性关节机器人控制，讲解了智能控制的技术应用；阐述了人工智能与智能控制的联系，智能控制相关政策和发展方向。全书共9章，包括智能控制概述、神经网络控制系统、模糊控制系统、专家控制系统、智能PID控制、学习控制、基于智能优化算法的智能控制、机器人智能控制与智能控制展望。

数控技术是实现工业自动化、柔性制造和制造信息化的基础。本书系统地介绍了数控技术概论、数控编程、CNC装置、CNC机床的伺服系统和位置检测装置、CNC机床的机械结构和刀具系统、CNC技术发展等知识，并提供参考译文，以便读者学习。

本书系统地阐述鲁棒控制理论中的时域方法，综合国内外相关文献资料，并结合作者多年来的教学实践，以 Lyapunov 稳定性理论为基础，以矩阵代数 Riccati 方程、线性矩阵不等式（ LMI）、矩阵运算及其性质等为工具，深入浅出地介绍不确定系统及时滞不确定系统在鲁棒稳定性分析与鲁棒控制器设计方面的基本概念及分析设计方法。全书共 9 章。绪论，不确定系统鲁棒稳定性分析，不确定系统鲁棒控制器设计，不确定系统 H∞控制器设计，不确定系统滑模控制器设计，不确定时滞系统鲁棒稳定性分析，不确定时滞系统鲁棒控

《大数据管理》既包括了大数据管理的相关技术知识，也涵盖了大数据管理在多个行业的应用与案例分析，包括： 大数据基础、大数据采集、大数据存储、大数据分析、大数据融合、大数据隐私、大数据可视化、大数据前沿、医疗大数据、教育大数据、金融大数据、交通大数据。通过本书，读者能够全方位地认识和掌握大数据管理的相关知识，深入了解大数据的应用价值。
本书可作为高等学校大数据管理与应用、信息管理与信息系统等管理类、信息类以及智能建造、智能制造、智慧交通等新工科专业的本科生、研究生教材，还可作为大数据相关企业的

本教材共分为十章。其中第一章为绪论，介绍大数据时代新闻传播学学术研究和业务实践的创新；第二章介绍数据的获取，为数据分析进行准备；第三章是对大数据分析作用的介绍，大数据分析这门技术是如何带来了社会科学研究的新范式。第四章到第九章是教材的主要内容，每一章介绍了一种计算传播中常用的大数据分析方法。每一章都包括技术原理、技术操作、研究案例、本章小结和思考题等四部分。第十章是教材的总结，提出研究工具的创新是为了带来理论的创新。内容特色：本教材最大的特色在于，将大数据技术的介绍，和其在新闻传播学中

PDPS软件是西门子综合性数字化制造解决方案系统Tecnomatix中，用于生产线工艺规划设计和仿真的一套软件系统。作为一款数字化双胞胎工业仿真软件，它广泛应用于各大汽车制造厂、造船厂、半导体产品制造公司等制造行业企业。本书依据企业实际岗位技能需求，以多个工业机器人工作站所组成的智能生产线为对象，精心设计7个项目，分别为PDPS软件基础操作、智能生产线工艺规划与设备布局、智能生产线典型生产设备设定、智能生产线典型生产工艺规划仿真、智能生产线工艺过程仿真、智能生产线工艺过程信号交互和智能生产

数据采集已经成为现代科技中不可或缺的一部分，本书全面并系统地介绍了现代数据采集技术。全书共分10 章，主要内容包括：数据采集及其基本原理、数据采集系统常用传感器、数据采集信号调理、多路模拟开关、模/数转换器、数/模转换器、数据传输技术、采样数据处理与分析、数据采集板卡、数据采集系统设计。
本书图文并茂，注重理论与实际的结合，其中部分应用实例系作者近年来科研工作的经验总结，尽量做到帮助读者合理且正确地设计数据采集系统。本书可作为高等院校仪器仪表、机电一体化、电子信息类、自动化等相关专业的教材

"本书是一本集“数据思维训练、数据能力培养、批判性思维实践”于一体的关于数据科学的引导性图书，以循序渐进引发读者自主思考与探究为宗旨，在建立数据思维的同时，注重逻辑思维、批判性思维能力的提升。

本书共4篇。第1篇“数据思维”，从数据科学的“道”出发，探究数据科学的起源、数据思维的特点、DIKW模型及其应用； 第2篇“数据价值”和第3篇“数据技术”则是数据科学“术”的全面覆盖，包括数据预处理、描述性分析、探索性分析、数据挖掘、机器学习、深度学习、大数据存储、分布式计算、大数据云平台等

本书是高等学校开设数据科学导论或工程实践等课程的配套用书。本书不仅介绍了数据科学的基础知识，还特别引入了探索性数据分析流程的相关内容，主要包括实践平台配置、数据预处理、数据存储与管理、探索性数据分析、单模型学习算法、集成学习算法和数据可视化等；精心设计其中的函数应用实践和综合应用实践，前者聚焦具体函数的解释和应用，后者致力于实际问题解决思路的探讨。读者可以由浅入深地了解相关理论，逐步完成相关实验内容，增强理论和实践的连贯性认知，培养数据思维和动手实践能力。 本书可作为高等学校各相关专业的数据科学