本书的编写以工作过程为指导，以典型项目为依托，以传感器被测量的不同划分学习项目，每个学习项目是以具体的工作任务为主线，通过任务分析、知识准备、任务实施和任务拓展等环节，全面介绍了常用传感器的基本原理、参数、检测方法、典型电路以及安装调试等。
本书内容丰富、结构紧凑、图文并茂、通俗易懂，符合认知规律。任务的选择均来自生产实践，具有较强的准确性、实用性和科学性。每个项目结束均提供测试习题，便于及时检查、总结和教学使用。
本书可作为高职高专院校电子信息、物联网、电气自动化、机电技术、智能

本书以传感器检测核心参量和工作场景为载体,精选智能制造、智能机器人及物联网应用中的典型测量案例组织教学单元，采用项目化教学，学用结合，实现了岗位技能要求与学习内容的对接，突出了传感器在新兴智能化产业中的重要作用与典型应用，强调了学生应用知识的能力与素质的培养。全书以绪论开头，分为7个项目，每个项目又分为几个任务，主要包括常用传感器的工作原理、基本结构、性能特点和应用案例等。
本书针对典型的检测参量，深入浅出地将传感器技术与应用的相应知识点融入工作任务之中，将与检测相关的国家、行业标准规范融

本书紧跟传感器领域的最新进展，在介绍传统传感器应用的基础上，介绍了微波、超声波、机器人、微机电系统、智能传感器、传感器网络等新型传感器，使学生在就业后能更快适应工作实践需求。本书主要内容包括：传感器基础知识、温度测量、位移测量、位置测量、速度测量、振动测量、压力测量、流量测量、现代检测技术。本书可作为高职高专院校电子信息类专业的传感器课程的教材，也可作为相关工程技术人员的参考用书。

本书介绍传感器的基本知识、传感器组成与分类、传感器的材料及特性、传感器标定与校准、传感检测
技术的作用和发展，重点讲解位移、力学、温度、气敏、湿度、光电、视觉等方面的传感器的工作原理与应
用方法，对传感器检测的输出信号处理、传感器与微机的接口、传感器网络进行详细叙述。本书还包含根据
工学结合课程的教学安排编写的综合实训。本书共8 个项目，每个项目前均有知识目标、能力目标和项目导
读，项目后均附有习题。
本书选材广泛、图文并茂、层次分明、条理

本书以北京华航唯实机器人科技股份有限公司PQArt离线仿真与编程软件为基础，以机器人工业现场应用为目的，详细介绍了PQArt集成开发环境，尤其是很有特色的三维球工具应用方法。本着与现场及工艺设计一致的原则，按照场景搭建、工件校准、轨迹生成、轨迹优化、编译、虚拟仿真及后置的顺序，结合激光切割、气缸去毛刺、码垛及写字四个典型应用案例，详细介绍了其具体工艺设计流程。与其他教材不同的是，本书摒弃具体型号的机器人应用，更注重工程实际和工业现场，特别是将工程上典型的激光切割、气缸去毛刺及码垛应用场景与软件设

本书内容按照数学知识的由浅入深分成了四个部分。基本分析部分介绍了非线性系统的基本概念和基本分析方法；反馈系统分析部分介绍了输入输出稳定性、无源性和反馈系统的频域分析；现代分析部分介绍了现代稳定性分析的基本概念、扰动系统的稳定性、扰动理论和平均化以及奇异扰动理论；非线性反馈控制部分介绍了反馈控制的基本概念的反馈线性化，并给出了几种非线性设计工具，如滑模控制、李雅普诺夫再设计、反步法、基于无源的控制和高增益观测器等。全书已根据作者2020年12月所发勘误表进行了内容更正。

本书针对应用于室外环境的特种移动机器人，介绍机器人与室外非结构化环境交互的建模与控制方法，包括特种移动机器人概述，移动机器人运动学建模、轨迹规划及运动控制，地面类型在线辨识及牵引特性研究，特种移动机器人越障动作规划及稳定性分析，移动机械臂建模与应用，特种移动机器人同步定位及地图构建，特种移动机器人设计举例。

本书可作为机器人专业本科生、研究生教材，也可作为相关领域研究人员和教师的参考用书。

本书参照《服务机器人实施与运维 (初级) 职业技能等级标准》, 围绕服务机器人实施与运维的人才需求与岗位能力要求, 以项目为导向, 以任务为驱动, 设计了八个学习项目: 认识服务机器人、调试服务机器人、搭建服务机器人软件环境、让服务机器人学跳舞、让服务机器人感知世界、和服务机器人聊聊天、带服务机器人看世界、帮服务机器人做维护。

本书主要研究大数据思维，探索大数据创新应用，从大数据时代、洞悉大数据、大数据思维、大数据技术、大数据安全、军事大数据、大数据应用，以及大数据的未来等多维度、多层次、多领域展开诠释。

本书系统介绍数据科学的核心概念、基本方法和关键技术，内容涵盖数据科学的导向目标，涉及科学计算、数据处理和分析、数据可视化等关键知识环节。本书基于 Python 技术框架实现，内容注重理论和实践的有机融合，克服单调、晦涩的知识累积之苦，以问题为导向，学以致用，提供了大量的案例代码和样本数据集，可以为学习者平添几分学习的乐趣。本书既适用于高等院校“数据科学与大数据技术”专业人才的基础培养，也适用于信息处理相关专业人才的能力提升，能够为数据科学从业者和相关学科的科研工作者提供必要的技术支撑。