本书为了符合学生学习知识的一般规律，以一张控制流程图为切入点，首先介绍了识图方法，之后阐述了自动检测、自动控制、自动联锁报警等过程控制系统，然后分三章介绍了变量检测及仪表、过程控制仪表及计算机控制系统等过程控制工具，最后是控制系统的应用——典型过程单元的控制方案及控制系统的操作。将实验与实践内容单独列为一章，在这一章不仅安排了与各章节内容相关的实验内容，还设置了认识实践、结业实践以及仿真实训和综合实验等内容，突出强调了实践对这门课程的重要性。 本次修订，对第二版教材进行了调整，如增加了“雷达物位

无

本书内容涵盖分布式理论基础、大数据处理架构Hadoop、Hadoop分布式文件系统、基于Hadoop的数据仓库工具Hive、分布式数据库HBase、分布式计算框架MapReduce、基于内存的分布式计算框架Spark、分布式计算框架Flink、分布式协作服务ZooKeeper等大数据平台架构核心理论与重要组件，以及资源管理平台YARN，分布式数据采集和传输系统Flume，基于发布/订阅的消息队列Kafka，分布式NewSQL数据库TiDB，分布式日志收集、查询和展示系统Loki，向量数据库Mil

本书详细介绍大数据采集与清洗的相关知识和技术，共9章，分别是概述、网络爬虫基础、网页数据抓取、缓存下载页面、并发/并行爬取、用Selenium抓取动态内容、Scrapy爬虫框架及其应用、大数据平台系统日志采集、pandas数据清洗。本书大体上由数据采集（第2～8章）和数据清洗（第9章）两部分内容构成，以Python作为编程语言。数据采集部分以Web数据采集为主，也涉及Hadoop大数据平台的数据采集，内容由浅入深，循序渐进，理论与实践相结合，帮助读者理解和掌握数据采集的相关技术；数据清洗部分主要

本书详细介绍了机器人传感器的基础知识和工作原理，以及多传感器信息融合技术的应用实例。全书共分11章，主要内容有传感器的定义与分类、基本组成，机器人的系统组成，机器人常用的传感器，智能传感器技术及应用，多传感器信息融合技术的定义、分类，多传感器信息定量和定性融合的方法，多传感器信息融合技术在装配机器人、焊接机器人、移动机器人及智能汽车中的应用实例。本书既可作为高等院校自动控制、电子工程、机械工程、机电一体化、计算机应用等相关专业的高年级本科生或研究生的教材，也可供从事机器人学研究、开发和应用

本书以项目实战为核心载体，采用任务驱动教学模式，系统且深入地解析Hadoop生态圈中主流的大数据开发技术。全书精心编排 7个项目，从Hadoop的基础理论入门，逐步深入到Hadoop集群环境配置、Hadoop分布式文件系统、MapReduce分布式计算框架，再到 MapReduce离线数据处理、基于Hive的离线数据分析，最后以综合项目实战，构建起完整的知识体系。书中提供了详细且易操作的步骤指引，即便是零基础的读者，也能通过练习，顺利搭建稳定的Hadoop集群，并独立完成复杂的项目开发。本书兼具

随着数据量的爆炸式增长，大数据存储技术在数据科学、人工智能、云计算等领域的重要性日益凸显。大数据不仅为个人生活、企业经营，以及国家与社会的发展带来了机遇，也带来了挑战。本书是一本大数据入门图书，主要介绍了Hive、HBase、Sqoop等内容。本书采用理论与实践相结合的讲解方式，旨在帮助读者摆脱枯燥的理论学习，注重实际动手能力的培养。通过本书的学习，读者可以掌握Hadoop生态圈中常用组件的大数据存储技术，如HDFS、Hive、HBase。本书不仅注重理论知识的讲解，更强调实践能力的培养，适合高

《智能控制技术与应用案例设计》聚焦智能控制技术在石化行业的应用，全书共六章。首章阐述智能控制的发展、研究内容、对象、性能及特点。第二章围绕模糊控制，涵盖理论、模糊PID、Matlab 实现及工程实验。第三章将李雅普诺夫稳定性理论融入自适应控制，解决非线性系统问题并给出仿真实例。第四章构建神经网络系统辨识体系，用于流程工业过程建模。第五章研究遗传算法与群智能搜索在系统辨识中的融合应用。第六章介绍专家控制系统的构建、分类及应用。本书融合多学科知识，提供理论框架与实践案例，助力提升工业生产智能化水平。

本书系统阐述大数据的常用技术原理和框架，并精选实战案例深化大数据技术运用。全书共12个单元，内容包含大数据与Hadoop概述、大数据处理平台Hadoop的安装与配置、分布式文件系统HDFS、MapReduce和YARN技术、分布式数据库HBase、数据仓库Hive、大数据迁移工具Sqoop、分布式协调服务ZooKeeper、日志采集系统Flume、分布式消息发布订阅系统Kafka、大数据内存计算Spark及流式计算引擎Storm。 本书采用“项目引领、任务驱动”的编排模式，内容设计遵循由浅入深的

本书系统、全面地介绍了大数据与Hadoop的基本概念、Hadoop安装与配置、Hadoop核心组件应用、Hadoop生态系统探索、大数据优化和维护等知识。通过学习本书，读者可以更好地理解Hadoop大数据平台部署与运维的具体实施方法与基本操作技巧。本书既可以作为培养大数据应用型人才的教材，又适用于大数据初学者和对大数据基础理论感兴趣的广大读者。