本书以工业机器人的5个典型应用为出发点，通过项目式教学的方法，对工业机器人在搬
运、码垛、弧焊、压铸取件、视觉拾取应用中的参数设定、程序编写及调试进行详细讲解与
分析。让读者了解与掌握工业机器人在5个典型应用中的具体设定与调试方法，从而使读者对
工业机器人的应用从软、硬件方面都有一个全面的认识。联系QQ296447532赠送PPT课件。
本书适合普通本科和高等职业院校机器人工程及自动化相关专业学生使用，以及从事
工业机器人设计、调试与应用的

本书由绪论、基础篇、原理篇、设计篇和维护篇组成。基础篇内容包括：工业机器人机械结构设计基础、工业机器人机械机构组成。原理篇内容包括：平面连杆机构、齿轮机构、其他常用机构、轮系。设计篇内容包括：齿轮传动、带传动、链传动、轴系零件和连接形式。维护篇内容包括：工业机器人安全使用须知、工业机器人的维护和保养。

本书共分为七章，第一章简要介绍了数控机床的组成、工作原理、分类和发展及其水平。第二章分析了插补原理，并介绍了典型的插补方法。第三章讲述了计算机数控系统的硬件和软件，分别介绍了计算机数控系统的硬件的组成和功能和软件的结构和功能。第四章分析了数控位置检测装置，按照工作原理的不同分别对各种数控位置检测装置进行了分析。第五章分析了数控伺服系统，对数控伺服系统的类型、伺服电机及调速、现代典型数控伺服系统进行了详细介绍。第六章讲述了数控手工编程。第七章讲述了自动编程及CAXA软件使用方法。

数控技术是采用计算机实现数控加工程序控制的技术。近年来随着计算机等技术的发展, 数控技术已经广泛应用于工业控制的各个领域, 尤其是机械制造领域, 成为我国实现中国制造2025战略的一个关键技术。社会对数控人才的需求也急剧增长, 因此加强数控人才培养不但是能满足社会需求, 也能为我国数控技术的提高产生重要作用。本书基于目前常用的数控技术及相应的设备, 设计和规划实习内容, 力求能通过一个综合性的实习题目, 让学生能进一步学习和加深对数控技术的了解和掌握, 见识数控技术在机械制造领域的应用

"本书系统地阐述了基于单片机的智能仪器的组成、硬件/软件设计和实现方法。该书共分为七章，第1章阐述了智能仪器的典型结构、特点，设计原则和发展趋势；第2章阐述智能仪器数据采集系统的组成与设计方法；第3章阐述智能仪器人机接口设计，主要讲述键盘、LED、LCD、打印机与CPU的接口设计；第4章阐述智能仪器通信接口设计，考虑到家庭化、网络化医疗的发展趋势，该章讲述了串行通信、USB通信和蓝牙通信接口设计理论；第5章讲述了智能仪器的典型数据处理功能；第6章以智能医学仪器设计为例，详细阐述了中医脉象仪、动态

本书系统地介绍了移动机器人的组成、技术原理以及应用。全书共10章, 主要内容包括绪论、移动机器人运动控制系统、移动机器人传感器、移动机器人定位、移动机器人路径规划与避障、移动机器人同时定位与建图、移动机器人语音识别与控制、移动机器人通信系统、多移动机器人系统、移动机器人ROS系统等。本书内容新颖, 深入浅出, 系统性强, 注重原理与实际应用的结合, 力求使读者掌握和应用移动机器人技术。

本书可作为高等院校自动化、机器人工程、人工智能、计算机、机电一体化和电子信息工程等专业的本

本书主要介绍无线传感器网络的基本概念，常见的微型传感器，传感器网络的通信技术、支撑技术、应用开发基础，传感器网络协议的技术标准，无线传感器网络实验。另外提供传感器网络应用方面的实例。本书的特色在于内容简单明了、浅显易懂，侧重基本概念和基础技术，强调基本原理，力求概念准确、图文并茂。本书主要针对以下阅读群体：①开设无线传感器网络课程的本科生，涉及的专业包括计算机、自动化、探测与控制类专业、精密仪器专业等；②普通高校的硕士生、博士生作为无线传感器网络的入门辅导书；③工程技术开发人员作为参考书。

本书系统地介绍了无线传感器网络低功耗共存技术的各个方面。全书内容包含６章, 包括无线传感器网络概述、无线共存、共存环境下的低功耗能量管理方法、共存环境下的介质访问控制协议设计、共存环境下的数据分发协议设计, 以及对未来共存技术发展的展望。本书既包含无线传感器网络的基础知识, 又包含当前前沿热门的无线共存技术。本书从共存问题原由分析出发, 介绍针对共存问题的代表性工作, 深入浅出。

本书结合典型的数据挖掘案例，详细介绍了若干种重要的数据挖掘算法的实现原理和应用方法。其中，第1、2章介绍了回归、 分类、聚类的概念及其实现的主要方法，如线性回归、逻辑回归、K近邻和K均值；第3~5章介绍了数据挖掘的主要策略，如决策树、提升算法和支持向量机； 在前述知识的基础上，第6~8章介绍了实现人工智能算法的三种基础网络结构，即人工神经网络、卷积神经网络、 长短时记忆网络。 通过阅读本书，读者既可以理解各种数据挖掘算法的实现原理，又可以掌握将算法应用于实际数据挖掘的一般流程和方法。

本书可作为普通高等院校计算机、数据科学与大数据专业的教材，也可作为数据分析行业从业人员的参考用书。