包邮工业智能技术与应用

第1篇智能制造1第1章智能制造概述/3 1.1智能制造定义及关键技术/3 1.1.1智能制造定义与构成要素/3 1.1.2智能制造系统的关键技术/5 1.2智能制造发展三个阶段/8 1.2.1数字化制造/8 1.2.2数字化网络化制造/9 1.2.3智能化制造/9 1.3智能制造模式/10 1.3.1大规模个性化定制/10 1.3.2智能化生产/11 1.3.3网络化协同/13 1.3.4服务化延伸/14 1.4工业大数据/15 1.4.1生命周期与价值流/16 1.4.2企业纵向层级/17 1.4.3IT价值链/19 1.5工业云平台/20 1.5.1工业云平台架构/21 1.5.2国内外主要工业云平台/21 1.6工业智能/23 1.6.1新一代人工智能/23 1.6.2智能制造技术机理/25 1.6.3人工智能在工业领域的应用/27 参考文献/28第2章大规模个性化定制/30 2.1大规模个性化定制的架构/31 2.1.1企业纵向层/32 2.1.2产品生命周期层/32 2.1.3IT价值链层/32 2.2大规模个性化定制的模式和流程/32 2.2.1以客户为中心的大规模个性化定制模式/32 2.2.2大规模个性化定制流程/33 2.3大规模个性化定制系统/35 2.3.1接口层/36 2.3.2需求分析层/37 2.3.3ERP层/37 2.3.4MES层/39 2.3.5SFC层/40 2.3.6设备层/41 2.4大规模个性化定制的相关技术/42 2.4.1智能交互技术/42 2.4.2需求分配智能建模技术/45 2.4.3智能工序调整技术/47 2.5应用案例/49 2.5.1红领集团西服个性化定制业务/49 2.5.2维尚家具全流程信息化及大规模数码化定制服务/51 2.5.3“大信橱柜”的订单生产、快速响应和零库存管理/53 2.5.4海尔集团基于个性化定制服务架构/55 参考文献/58第3章智能化生产/59 3.1智能化生产的架构及评估模型/59 3.1.1智能化生产参考架构/59 3.1.2智能制造能力成熟度评估/62 3.1.3智能制造与两化融合/66 3.2离散工业中的智能化生产/66 3.2.1智能化生产系统架构/66 3.2.2生产设备网络化/66 3.2.3生产过程透明化/67 3.2.4生产数据可视化/68 3.2.5智能化经营/69 3.2.6生产现场无人化/69 3.2.7智能化产品/69 3.3流程工业中的智能化生产/69 3.3.1实时感知/70 3.3.2机理分析/70 3.3.3模型预测/70 3.3.4协同优化/70 3.3.5全面统筹/70 3.4应用案例/71 3.4.1西航集团智能制造/71 3.4.2九江石化智能工厂/73 3.4.3宝钢基于协同的智能制造/76 3.4.4富士康（武汉）基于工业互联网的智能制造/77 参考文献/80第4章智能运维与服务/81 4.1智能运维与服务体系/82 4.1.1智能运维系统/83 4.1.2智能服务/84 4.2技术基础/87 4.2.1边缘计算/87 4.2.2信息物理系统/89 4.2.3工业云/92 4.2.4人工智能/94 4.3应用案例/95 4.3.1海尔中央空调工业互联网云服务平台——海尔网器产品智能云服务/95 4.3.2中联重科智能运维与服务体系/96 4.3.3西奥电梯“北斗星”智能服务系统——梯网互联/98 4.3.4威派格智联供水设备远程数据采集与预测性维护/100 4.3.5Oglass AR智能眼镜——汽车后市场新宠/101 参考文献/102 第2篇人工智能103第5章人工智能概述/105 5.1人工智能的概念、特征与框架/106 5.1.1人工智能的概念/106 5.1.2人工智能的特征/107 5.1.3人工智能参考框架/108 5.2人工智能的关键技术/110 5.2.1机器学习/110 5.2.2知识图谱/111 5.2.3自然语言处理/111 5.2.4人机交互/111 5.2.5计算机视觉/111 5.2.6生物特征识别/112 5.2.7虚拟现实/增强现实/112 5.3人工智能产业链/113 5.3.1基础层/113 5.3.2技术层/116 5.3.3应用层/116 5.4人工智能应用/117 5.4.1安防/117 5.4.2交通/117 5.4.3智慧城市/118 5.4.4智能制造/119 5.4.5医疗、教育、金融/119 参考文献/123第6章机器学习/124 6.1机器学习的定义和分类/124 6.1.1机器学习的定义/124 6.1.2机器学习的分类/125 6.2机器学习的算法/126 6.2.1kNN算法/126 6.2.2聚类分析/128 6.2.3决策树/132 6.2.4随机森林/133 6.2.5支持向量机/135 6.3应用案例/139 6.3.1高速列车智能驾驶/139 6.3.2银行设备故障告警/142 6.3.3区域电力需求预测/146 参考文献/148第7章深度学习/149 7.1深度学习的发展历程/150 7.2深度学习特征提取/151 7.2.1人脑视觉机理/151 7.2.2初级（浅层）特征表示/152 7.3神经网络与深度学习/153 7.3.1浅层学习/153 7.3.2深度学习基本思想/153 7.3.3深度学习的优势/154 7.4深度学习训练过程/155 7.4.1传统神经网络缺点/155 7.4.2深度网络训练/155 7.5深度学习模型/156 7.5.1自动编码器/156 7.5.2稀疏编码/157 7.5.3限制波尔兹曼机/159 7.5.4深度信念网络/160 7.5.5卷积神经网络/161 7.6应用案例/163 7.6.1感应电动机故障诊断/163 7.6.2交互式问答客服/166 7.6.3搜索广告点击率预测/168 7.6.4电影票房预测/170 7.6.5工件缺陷自动检测/171 参考文献/173第8章人工智能开发框架/174 8.1人工智能主流开发框架概述/175 8.1.1TensorFlow/175 8.1.2Keras/176 8.1.3CNTK/178 8.1.4Caffe/180 8.1.5MXNet/182 8.1.6Torch/185 8.2TensorFlow详细介绍/186 8.2.1TensorFlow架构图/186 8.2.2TensorFlow基本概念/187 8.2.3TensorFlow中的模型/188 8.2.4深度学习模型在TensorFlow中的体现/190 8.3应用案例/190 8.3.1MNIST手写数字识别/190 8.3.2CIFAR10图像识别/192 8.3.3IMDb电影评论情感分析/194 8.3.4基于汉语依存句法的主观题评分系统/196 8.3.5基于推荐算法的智慧餐饮系统/199 参考文献/201 第3篇工业智能应用203第9章用户画像/205 9.1用户画像的发展背景及意义/206 9.1.1发展背景/206 9.1.2发展意义/206 9.2用户画像的体系结构/207 9.2.1用户画像的定义/207 9.2.2用户画像体系的建立/208 9.2.3标签体系/208 9.3用户画像的实现流程/210 9.3.1基础数据采集及处理/210 9.3.2分析建模/212 9.3.3结果呈现/213 9.4应用案例/213 9.4.1文本数据挖掘/213 9.4.2微博用户画像/215 9.4.3基于内容的新闻推荐/217 9.4.4电网客户用户画像/217 9.4.5影视数据用户画像/219 参考文献/221第10章机器视觉/222 10.1机器视觉的系统组成及图像处理流程/223 10.1.1系统组成/223 10.1.2图像处理流程/223 10.2机器视觉相关算法/225 10.2.1图像处理/225 10.2.2特征提取/228 10.2.3图像分析与分类/234 10.3机器视觉应用于人脸识别/235 10.3.1人脸识别概述/235 10.3.2人脸识别应用/236 10.3.3人脸识别算法/237 10.4机器视觉应用于工业领域/238 10.4.1应用概述/238 10.4.2工业视觉系统基本组成/239 10.5应用案例/240 10.5.1基于深度学习的人脸识别/240 10.5.2基于机器视觉的PCB裸板缺陷自动检测方法/242 10.5.3基于机器视觉的带钢表面缺陷检测/244 参考文献/245第11章调度优化/246 11.1调度理论的发展/246 11.2调度主要方法/247 11.2.1数学规划/247 11.2.2启发式搜索/248 11.2.3系统仿真/248 11.2.4人工智能/248 11.2.5计算智能/249 11.2.6实时智能/250 11.3调度主要算法/250 11.3.1有序搜索/250 11.3.2遗传算法/250 11.3.3模拟退火/252 11.4应用案例/254 11.4.1云制造系统调度——振华重工制造业流动机械智能调度管理平台研发及应用/254 11.4.2公交调度——Z公交集团啤酒节期间智能公交调度策略/259 11.4.3物流配送调度——饿了么“方舟”智能调度系统/262 11.4.4辅助驾驶/264 参考文献/266第12章预测性维护/268 12.1预测性维护概念、架构及系统流程/268 12.1.1概念/268 12.1.2平台架构/269 12.1.3系统流程/270 12.2预测性维护技术/271 12.2.1技术基础/271 12.2.2传感技术/271 12.2.3状态监测/271 12.2.4数据传输/272 12.2.5故障诊断/272 12.2.6故障预测/273 12.2.7维护管理/273 12.2.8维护决策/274 12.3预测性维护中的预测模型/274 12.3.1时序模型/274 12.3.2灰色预测模型/275 12.3.3神经网络预测模型/275 12.4应用案例/276 12.4.1刀具磨损预测/276 12.4.2地铁信号设备故障预测/279 12.4.3风机叶片结冰预测/281 12.4.4桥梁保养维护/282 12.4.5电梯故障维护/283 参考文献/285