本书是针对应用型本科院校电气工程与自动化类专业编写的。随着电力电子技术、自动检测技术、计算机技术、智能控制技术和网络技术的快速发展，运动控制系统日新月异。本书内容吸收了运动控制系统已在工程上应用得比较成熟的新技术，压缩了直流调速系统的部分内容，突出了交流异步电动机和同步电动机调速系统，并介绍了位置随动系统和数字式运动控制系统。为适应教学改革的需要，本书秉承“理论够用，注重应用”的理念，对基本原理讲透，对高深理论简略，特别强调运动控制系统在工程上的应用。在实践性内容的安排上，除将其融入各

本书系统地介绍了国际控制界应用最广的MATLAB语言及其在控制教学与研究中的应用, 侧重于介绍MATLAB语言编程基础与技巧、科学运算问题的MALTAB求解、线性系统的建模和计算机辅助分析、非线性系统的仿真分析、控制系统的计算机辅助设计方法等。

内容提要本书以生产项目、工作任务为单元组织编写，并配套微课等数字资源便于读者学习。全书共5个项目，主要包括自动化生产线的基本认识、典型自动化生产线的技能训练、自动化生产线关键技术及应用、智能生产线工作站的安装调试、自动化生产线调试及维护等内容。本书可作为职业院校机电类专业教材和“自动化生产线安装与调试”学生竞赛的技能培训教材，也可作为电气自动化等相关专业的培训参考书。

本书从变频器使用者的角度出发，从理论到实践，由浅入深地阐述了伺服电动机调速的原理、变频调速的基础知识、常用电力电子器件的选用、变频器的结构和工作原理、电动机变频调速的机械特性、变频器的控制方式以及变频器改变频率和电压的方法等。具体操作部分重点阐述了变频器的安装、运行、参数设置、调试、维护以及优化设置等。本书第1～8章内容主要包括直流伺服控制系统、交流伺服控制系统、电气传动基础知识、变频器的工作原理与控制方式、变频器改变频率和电压的方法、变频器的基本操作以及变频器的优化特性设置、变频器的选择与维护

本书系统地阐述了几种市场占有率较高的工业控制网络技术的通信协议、技术特点、硬件实现以及系统设计等内容，旨在介绍工业控制网络技术及应用。全书共分为6 章，第1 章主要介绍了工业控制网络的概念、研究意义及发展现状。第2 ～ 5 章详细介绍了当今已经具有极大市场占有率和良好应用前景的四种主流工业控制网络技术： PROFIBUS 控制网络、Modbus 控制网络、CAN 控制网络、DeviceNet 控制网络。第6 章简要介绍了其他几种工业控制网络技术，工业以太网：Ethernet/IP、EtherCA

本书通过文字叙述，实例、图表及程序，介绍了数控加工手工编程指令、编程方法和应用。为了适应数控技术的发展，对五轴数控加工技术，自动编程的方法和流程进行了详细地介绍。全书每章都附有习题，有助于读者加深对本书内容的理解并检验学习效果。本书内容丰富，条理清晰，重点突出，详略得当，注重理论与实践的结合，着重于工程应用，方便课堂教学和自主学习。本书可作为高等院校机械类专业的教材，也可作为数控加工行业的工程技术人员，高级技术工人的培训和技术参考书。

本书是高等职业教育大数据技术与应用系列教材中的一册，讲解了大数据系统运行维护过程中的各个主要任务，包括大数据生态圈、Hadoop环境搭建与运维、Hive环境搭建与基本操作、HBase环境搭建与运维、Hadoop常用组件安装等内容。本书内容详尽充实，针对每个知识点都配有相应的实验用于验证和巩固，在基础理论知识上增加了运维大数据平台实践应用知识，重点介绍了大数据系统的运维实操技能，对于培养应用型大数据平台运维人才有着很强的指导性。

本书从实用的角度出发，采用理论与实践相结合的方式，介绍样本数据处理的基础知识，力求培养读者使用Python语言及Kettle软件进行数据处理的能力。全书内容分别为数据预处理概述、Kettle工具的初步使用、数据的导入与导出、数据清洗、数据标注、Kettle作业设计、基于Kettle构建数据仓库、基于Python的数据导入与导出、基于Python的数据整理。 本书作为人工智能学科相关的样本数据处理技术的入门教材，目的不在于是覆盖样本数据处理技术的所有知识点，而是介绍样本数据处理的主要应用，使读者了

《数据安全与治理》密切结合我国大数据产业、数据安全产业的特点，全面系统地介绍了数据安全与治理的内涵、特点、方法、原理与技术。全书分为10章。其中，第1章介绍了数据安全与治理的基本概念，第5、6、7、9章介绍了数据安全的相关技术(含数据加密、数据脱敏、数据资产保护、数据审计)，第3、4章介绍了数据治理的相关技术(含数据质量管控、数据采集)，第2、8、10章介绍了数据安全治理的相关技术(含数据分类分级、数据资产交易、数据司法存证)。
《数据安全与治理》在每章末均配置了复习题，在全书最后附有模拟

《大数据算法设计与分析》以大数据为背景，以求解大数据计算问题的计算方法（即亚线性时间计算方法、压缩计算方法、抽样计算方法、增量式计算方法、分布式并行计算方法）为主线，系统地介绍大数据计算问题求解算法的设计与分析的理论与方法，主要包括: 大数据计算问题的复杂性分类、大数据计算问题的亚线性时间求解算法的设计与分析方法、基于抽样的大数据计算问题的求解算法的设计与分析方法、基于数据压缩的大数据计算问题的求解算法的设计与分析方法、大数据计算问题的增量式求解算法的设计与分析方法、大数据计算问题的分布式