数字化转型亟须具备掌握控制、连接和数据三个基本面的人才，本书以培养以上人才为目标进行编写，以工业数据为主线，贯穿工业数据的产生、传输、处理、存储、决策和执行全环节。 　　工业互联网是数字化转型的关键共性基础，其实现工业数据打通的重点和难点在于操作运营技术和信息技术的融合。本书涵盖这两个领域，共分为8章。第1章绪论以四次工业革命为时间线，以信息的采集传输和控制的执行为关注点，系统地介绍自动化控制在变革中发挥的作用、工业互联网的发展和数字化实施的思路。第2～7章，既包括聚焦于操作运营的计算机控制系统和自动化控制策略，也包括面向连接的数据通信互联技术和工业异构网络，还包括以工业数据为驱动的工业大数据和工业人工智能。第8章介绍两项脱敏后的企业真实工程案例，帮助读者理解数字化网络化控制技术如何协同解决实际工业需求问题。 　　本书可供普通高校自动化、智能制造、电气和仪器等专业的学生使用，对相关工程技术人员也有参考价值。

高等院校教师

第1章　绪论 1
1.1　自动化控制与工业革命 1
1.1.1　第一次工业革命 2
1.1.2　第二次工业革命 2
1.1.3　第三次工业革命 4
1.1.4　第四次工业革命 5
1.2　数字化网络化控制技术概述 6
1.2.1　工业互联网的发展 6
1.2.2　数字化的实施 10
思考题与习题 14
第2章　计算机控制系统 15
2.1　计算机控制系统概述 15
2.1.1　计算机控制系统的工作原理 16
2.1.2　计算机控制系统的组成及发展 17
2.2　计算机控制系统中的检测设备和执行机构 22
2.2.1　检测设备 22
2.2.2　执行机构 27
2.3　计算机控制系统中的过程通道 32
2.3.1　通道接口技术 32
2.3.2　数字量输入通道 38
2.3.3　数字量输出通道 40
2.3.4　模拟量输出通道 41
2.3.5　模拟量输入通道 47
思考题与习题 59
第3章　自动化控制策略 61
3.1　数据处理方法 62
3.1.1　标度变换方法 62
3.1.2　数字滤波技术 64
3.2　数字PID控制 66
3.2.1　标准数字PID控制算法 67
3.2.2　数字PID控制算法的改进 69
3.2.3　数字PID控制参数的整定 72
3.3　基于数字PID控制的复杂控制系统 74
3.3.1　串级控制系统 74
3.3.2　前馈控制系统 75
3.3.3　纯迟延补偿控制系统 76
3.3.4　解耦控制系统 76
3.4　模型预测控制 78
3.4.1　模型算法控制 79
3.4.2　动态矩阵控制 83
3.4.3　预测控制系统的参数选择 86
3.4.4　预测控制仿真计算工具 90
3.5　其他先进控制策略简介 92
3.5.1　自适应控制 92
3.5.2　模糊控制 93
3.5.3　专家控制 94
3.5.4　神经网络控制 95
思考题与习题 95
第4章　数据通信与互联技术 97
4.1　通信系统的性能指标 97
4.1.1　有效性指标 98
4.1.2　可靠性指标 98
4.2　数据的传输技术 99
4.2.1　信道的频率特性 99
4.2.2　基带传输 100
4.2.3　载波传输 100
4.2.4　宽带传输 101
4.3　异步串行传输与现场总线 101
4.3.1　异步串行传输 101
4.3.2　现场总线概述 109
4.3.3　代表性现场总线 110
4.4　互联网的基本原理 122
4.4.1　分组交换 122
4.4.2　计算机网络的体系结构 124
4.4.3　网络互联设备 126
4.4.4　TCP协议与IP协议 128
4.5　以太网技术 134
4.5.1　以太网的拓扑结构 134
4.5.2　以太网的分类 135
4.6　无线网络 137
4.6.1　无线个人区域网 138
4.6.2　无线局域网 139
4.6.3　无线广域网 140
思考题与习题 144
第5章　工业异构网络 146
5.1　工业异构网络组成 146
5.1.1　异构设备的概念及特点 147
5.1.2　异构设备连接 147
5.1.3　工业互联本地控制 149
5.2　工业互联分布式云边控制 151
5.2.1　云边协同的意义 152
5.2.2　异构设备数据采集 154
5.2.3　异构设备数据传输 159
5.2.4　边缘计算 162
5.3　工业互联安全 166
5.3.1　工业互联面对的安全问题 166
5.3.2　信息防护与加密技术 166
5.3.3　异构设备的安全连接机制 170
5.3.4　数据安全机制 172
5.3.5　隐私安全机制 174
5.3.6　访问控制技术 175
5.3.7　安全连接协议 178
思考题与习题 183
第6章　工业大数据 184
6.1　工业数据的特征 184
6.1.1　工业数据的类型 184
6.1.2　工业大数据的特征 185
6.1.3　数据标签 187
6.2　工业数据的整理 188
6.2.1　数据的分级处理 188
6.2.2　数据的存储优化 189
6.2.3　工业数据的存储 190
6.2.4　数据库构建实例 193
6.3　工业数据的处理技术 195
6.3.1　工业数据的清洗 195
6.3.2　工业数据的特征提取 196
6.3.3　工业数据的聚类 198
6.3.4　异常值识别 199
6.3.5　数据的分类 201
6.3.6　数据的回归 202
6.4　数据的呈现与决策 204
6.4.1　数据模型 204
6.4.2　数据呈现方式 207
6.4.3　故障诊断与控制决策 209
6.5　大数据的分布式处理技术 212
6.5.1　海量数据存储技术 212
6.5.2　数据并行处理与管理技术 213
思考题与习题 218
第7章　工业AI与自动化 220
7.1　人工智能在工业数据处理中的应用 220
7.1.1　人工智能在工业领域的应用及价值 221
7.1.2　数据深度挖掘与高阶智能化 222
7.1.3　传统机器学习模型与深度机器学习模型 223
7.2　工业数据建模与算法优化 232
7.2.1　工业数据自助建模 232
7.2.2　构建数字孪生体 233
7.2.3　工业能效优化与预测性维护 237
7.3　超自动化控制与碳中和 240
7.3.1　超自动化控制发展趋势 240
7.3.2　AI在超自动化控制系统中的应用 241
7.3.3　碳中和目标下的工业超自动化能源优化控制 242
7.4　工业大互联 242
7.4.1　产线控制与工业大互联 243
7.4.2　工业大互联平台架构与应用部署 243
思考题与习题 246
第8章　工程案例 247
8.1　智慧二次热网运营管理平台案例 247
8.2　某家电集团设备全生命周期管理系统案例 250
思考题与习题 252
参考文献 253