本書內(nèi)容涵蓋了輪腿復(fù)合與腿臂融合多模式移動操作機器人的機構(gòu)設(shè)計、運動規(guī)劃與控制方法等相關(guān)技術(shù)；介紹了四足變拓撲構(gòu)型機器人和徑向?qū)ΨQ圓周分布六足機器人，展示了多種輪腿復(fù)合、腿臂融合機構(gòu)與模塊化仿生足的設(shè)計；闡釋了多模式移動操作機器人的步態(tài)規(guī)劃、操作規(guī)劃、模式切換與輪腿協(xié)同路徑規(guī)劃方法；演繹了基于質(zhì)心運動學的移動操作控制方

本書系統(tǒng)地介紹了計算機控制系統(tǒng)的基礎(chǔ)知識、設(shè)計方法和典型應(yīng)用。全書共13章：第1章主要介紹計算機控制系統(tǒng)的組成、分類及發(fā)展趨勢；第2章介紹計算機輸入/輸出接口與過程通道；第3章介紹計算機控制系統(tǒng)的數(shù)學描述；第4～9章分別介紹計算機控制系統(tǒng)的特性分析、頻率響應(yīng)、魯棒穩(wěn)定性分析方法及各種經(jīng)典設(shè)計方法，并結(jié)合具體實例進行應(yīng)用

本書系統(tǒng)地介紹了人工智能的基本概念、主要方法及代表性模型算法。本書根據(jù)人工智能的知識體系，在兼顧傳統(tǒng)的人工智能方法的基礎(chǔ)上，重點突出前沿性內(nèi)容，并對自動推理、遺傳算法、神經(jīng)網(wǎng)絡(luò)、啟發(fā)式優(yōu)化、機器學習、異常檢測、梯度下降、邏輯回歸、反向傳播、卷積網(wǎng)絡(luò)、語言模型、詞向量等常見技術(shù)進行詳細闡述和討論。本書結(jié)合應(yīng)用安排了示例和

全書共9章，系統(tǒng)地論述了基于磁流體的光纖磁場傳感技術(shù)。首先介紹磁流體的構(gòu)成、制備及應(yīng)用等；其次介紹磁流體微觀結(jié)構(gòu)的模擬及其特性分析；然后深刻闡述基于磁流體的磁控折射率、磁控雙折射及磁控體形效應(yīng)等特性的光纖磁場傳感技術(shù)；最后探索基于磁流體的光纖磁場傳感技術(shù)的矢量磁場傳感特性，以及磁流體光子晶體結(jié)構(gòu)的磁場傳感技術(shù)。本書內(nèi)容

本書對應(yīng)課程屬于一門概論性課程。本書將傳統(tǒng)的和新一代的人工智能/智能制造融于一體，從傳承與發(fā)展視角出發(fā)概述人工智能與智能制造的發(fā)展現(xiàn)狀及其相互關(guān)系，重點闡述人工智能與智能制造共性基礎(chǔ)技術(shù)、知識驅(qū)動的符號智能、數(shù)據(jù)驅(qū)動的機器學習、智能制造理論與技術(shù)體系、智能制造的物理系統(tǒng)和信息系統(tǒng)，并指出人工智能與智能制造的未來發(fā)展方向

本書與工程實踐緊密結(jié)合，對連續(xù)控制系統(tǒng)、離散控制系統(tǒng)、非線性系統(tǒng)等進行了描述，從控制系統(tǒng)的結(jié)構(gòu)、分類、分析、設(shè)計出發(fā)，引出系統(tǒng)數(shù)學模型，對傳遞函數(shù)、動態(tài)結(jié)構(gòu)圖、典型環(huán)節(jié)等內(nèi)容進行了細致的描述。本書重點對時域部分的系統(tǒng)階躍響應(yīng)分析、穩(wěn)定性分析、穩(wěn)態(tài)誤差計算，頻域部分的伯德圖、幅相頻率特性曲線、穩(wěn)定裕度等內(nèi)容進行了闡述，進

本書在第二版的基礎(chǔ)上，對智能傳感器系統(tǒng)及相應(yīng)智能化技術(shù)進行了更新、更全面的闡述：重新論述了泛在物聯(lián)網(wǎng)建設(shè)大環(huán)境下智能傳感器系統(tǒng)的定位及其具備的功能；概述了智能傳感器系統(tǒng)中硬件的兩種集成形式及其基本智能化功能軟件模塊的實現(xiàn)技術(shù)；介紹了多種經(jīng)典和新興的信息處理技術(shù)作為智能化技術(shù)工具的原理與方法，以及泛在物聯(lián)網(wǎng)建設(shè)大環(huán)境下智

為了深入實施制造強國戰(zhàn)略，我國正加速推動物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算與制造業(yè)的深度融合，促進制造業(yè)向數(shù)字化、網(wǎng)絡(luò)化和智能化轉(zhuǎn)型升級。復(fù)雜系統(tǒng)健康監(jiān)測是其中的關(guān)鍵環(huán)節(jié)之一。隨著數(shù)據(jù)積聚、算法革新與算力提升，以深度學習為代表的新一代人工智能技術(shù)不斷取得突破性發(fā)展，為復(fù)雜系統(tǒng)健康監(jiān)測技術(shù)突破提供新的途徑。本書結(jié)合作者團隊

Vapnik（瓦普尼克）于20世紀末提出的支持向量機結(jié)構(gòu)，通過將樣本從低微空間向高維空間的映射來實現(xiàn)樣本的線性劃分，從而可獲得預(yù)測的通用規(guī)則。該理論的通用性、魯棒性、計算高效性使機器學習理論研究取得飛速的發(fā)展。然而，實際工程的原始數(shù)據(jù)中可能隱含著一些非常規(guī)的信息，本書稱為特權(quán)信息。這些具有某種特殊意義的特權(quán)信息有的僅存

衛(wèi)星遙感、地基觀測、模型模擬、社會感知等是獲取地球表層科學數(shù)據(jù)的主要手段，不同來源的數(shù)據(jù)之間存在強烈的互補性。本書圍繞多源數(shù)據(jù)的融合計算展開研究，以多源遙感數(shù)據(jù)的信息融合為主體內(nèi)容，并擴展到與地基數(shù)據(jù)、模型模擬數(shù)據(jù)和社會感知數(shù)據(jù)的融合。內(nèi)容體系上分為同質(zhì)數(shù)據(jù)融合、異質(zhì)數(shù)據(jù)融合、異類數(shù)據(jù)融合等幾個層次：首先介紹同質(zhì)光學遙