第1章  概論

1.1智能技術簡介

1.1.1智能技術的定義

1.1.2人工智能的關鍵技術

1.1.3智能技術的發展歷史

1.2智能技術在智能制造中的應用

1.2.1智能制造的特征

1.2.2智能優化算法

1.2.3模式識別

1.2.4模糊控制

1.2.5深度學習

1.2.6知識工程

1.2.7商業智能

1.2.8多種智能技術融合在智能制造中的應用

1.3本章  小結

習題

參考文獻

擴展閱讀資料

第2章  智能優化技術

2.1智能優化概述

2.1.1優化的意義

2.1.2數學模型及常見優化方法

2.1.3傳統優化方法的局限性

2.1.4智能優化方法的發展

2.1.5智能優化方法在制造業的應用

2.2智能優化方法素

2.2.1智能優化方法的分類

2.2.2貪心算法與啟發式規則

2.2.3局部搜索與群體智能

2.啟發式算法與超啟發式算法

2.3模擬退火算法

2.3.1熱力學中的退火過程

2.3.2模擬退火算法的構造與流程

2.3.3算法參數分析

2.3.4制造業應用案例

2.4遺傳算法

2.4.1生物的遺傳與變異

2.4.2遺傳算法的基本原理與流程

2.4.3算法改進

2.4.4制造業應用案例

2.5蟻群優化算法

2.5.1蟻群覓食特性

2.5.2基本蟻群優化算法

2.5.3改進蟻群優化算法

2.5.4制造業應用案例

2.6粒子群優化算法

2.6.1粒子群優化的基本原理

2.6.2算法流程與改進

2.6.3制造業應用案例

2.7超啟發式算法

2.7.1超啟發式算法基本原理

2.7.2選擇式超啟發算法

2.7.3生成式超啟發算法

2.7.4制造業應用案例

2.8本章  小結

習題

參考文獻

第3章  模式與圖像識別

3.1模式識別的概述

3.1.1發展歷史

3.1.2基本概念與原理

3.1.3模式識別繫統

3.2模式識別與機器學習

3.2.1統計推斷

3.2.2回歸模型

3.2.3人工神經網絡

3.2.4核方法

3.2.5支持向量機

3.2.6聚類

3.2.7貝葉斯分類器

3.2.8合並分類器(集成學習)

3.3圖像識別的基本概念與原理

3.3.1圖像識別的概念及發展歷史

3.3.2圖像識別技術原理

3.3.3圖像識別過程

3.4圖像處理技術

3.4.1圖像預處理

3.4.2圖像分割

3.4.3形狀表示與描述

3.4.4圖像識別

3.4.5圖像理解

3.4.6數學形態學

3.4.7圖像數據壓縮

3.5模式與圖像識別技術在智能制造中的應用

3.5.1工業應用條件

3.5.2案例

3.6模式與圖像識別技術的發展

3.7本章  小結

習題

參考文獻

第4章  模糊控制

4.1模糊控制概述

4.1.1模糊控制的發展

4.1.2經典集合論與模糊集合論

4.1.3模糊控制的特點及其應用領域

4.2模糊控制算法

4.2.1模糊控制算法設計

4.2.2模糊規則與模糊推理

4.2.3模糊化方法與去(解)模糊化方法

4.3模糊控制器

4.3.1模糊控制器設計步驟

4.3.2模糊控制器的結構

4.4模糊控制仿真應用實例

4.4.1MATLAB與Simulink

4.4.2模糊控制與傳統PID的結合

4.4.3小費問題

4.5本章  小結

習題

參考文獻

第5章  深度學習

5.1深度學習概述

5.1.1人工智能簡介

5.1.2深度學習簡介

5.2深度學習理論基礎

5.2.1線性代數

5.2.2概率論與信息論

5.2.3正則化

5.3神經網絡基礎

5.3.1感知器與異或學習

5.3.2前饋神經網絡

5.3.3神經網絡訓練

5.4卷積神經網絡

5.4.1基本概念與相關知識

5.4.2卷積及其核心概念

5.4.3池化

5.4.4圖像處理案例

5.5循環神經網絡

5.5.1序列數據簡介

5.5.2循環神經網絡理論

5.5.3梯度計算

5.5.4長短期記憶網絡

5.5.5文本學習案例

5.6本章  小結

習題

參考文獻

第6章  知識工程

6.1知識工程概述

6.1.1知識工程發展歷史

6.1.2知識繫統的結構

6.1.3知識工程的核心問題

6.2知識表示

6.2.1知識表達方式分類

6.2.2規則表示

6.2.3語義網表示

6.2.4框架表示法

6.2.5邏輯表示法

6.3知識獲取

6.3.1知識獲取的來源

6.3.2知識獲取方法

6.3.3知識獲取的流程

6.3.4知識儲存與管理

6.4智能制造中的知識工程

6.4.1數字員工

6.4.2機器人流程自動化技術

6.4.3數字孿生

6.4.4知識工程在航空制造業的應用案例

6.4.5PERA.KE知識工程平臺

6.5本章  小結

習題

參考文獻

第7章  商業智能

7.1商業智能概述

7.1.1商業智能技術的發展

7.1.2商業智能的基本原理與應用

7.1.3商業智能的主要方法

7.2描述性分析

7.2.1描述性分析的基本概念和原理

7.2.2典型方法

7.2.3案例分析——數字化與描述性分析

7.3預測性分析

7.3.1預測性分析的基本概念和原理

7.3.2典型方法

7.3.3案例分析——美團外賣的用戶畫像實踐

7.4指導性分析

7.4.1指導性分析的基本概念和原理

7.4.2指導性分析的基本流程和典型方法

7.4.3案例分析——指導性分析在多領域中的應用

7.5商業智能在智能制造中的應用

7.5.1智能商業繫統與智能制造

7.5.2應用場景分析

7.5.3實施方法

7.5.4案例分析——犀牛智造工廠

7.6本章  小結

習題

參考文獻

第8章  總結與展望

8.1總結

8.2展望

拓展閱讀資料

隨著現代制造繫統多維度數智化發展趨勢日益明朗，大量多源異構數據的積累、先進智能技術的廣泛應用，為提升制造效率、生產質量、降低成本提供了技術基礎，從而促進了企業數智化轉型升級，並成為推動經濟社會發展的新引擎。在此背景下，智能技術的應用與發展，成為實現“高質、智能、柔性、綠色”的制造過程的可靠基礎。
現如今“智能技術”的定義寬泛，涉及工程學、管理科學、應用數學、計算機科學等多學科基礎知識。然而，針對制造智能技術的相關材料、課程、教材書籍是相對缺乏的，對於一個欲詳細了解學習制造智能技術相關知識的人而言，難以在短時間搜尋到“及時”且“解渴”的專業書籍。
無論對於工業工程制造、企業運營管理等各行各業的從業人員、專家學者，短時間內快速地了解、掌握智能技術的知識是很困難的。在日常的教學過程中，發現許多學生往往是通過互聯網、圖書館查閱資料等方法，搜尋一類可以解決其當下研究主題的智能技術方法，以快速地完成老師授予的科研任務。這樣的方式雖然可以高效地解決當下難題，卻無法讓學生對智能技術有一個繫統完整的了解、形成完備的知識體繫，對其今後進入工業界或者學界的工作也並無大益。
因此，亟須編撰一冊涵蓋智能技術應用、實踐分析的教材書籍，從實踐應用的角度出發，基於在日常科研工作中對智能技術的理解，成體繫的歸納、介紹、解析相應的智能技術方法。然而，編撰智能技術的教材書籍難度極大，尤其是試圖以某種邏輯結構，容納多類交叉學科中的優化算法、統計學習、商業智能等多類方法，顯現出撰寫之難度。此外，欲求讀者能更為全面的結合工業制造實踐，理解相關智能技術的應用，因此需要結合實際生產活動案例，然而實際應用過程難以深入理論分析。如何結合智能技術的理論分析與智能制造實踐過程，亦為撰寫本書難點。
基於前期在制造科學、管理科學、信息科學、人工智能、智能決策等諸多領域的研究成果及實踐案例，本書針對得到廣泛應用的制造智能技術，諸如智能優化、深度學習、模式識別、模糊控制、知識工程、商業智能方法，對方法原理及典型應用案例進行介紹，讓讀者更好地學習理解制造智能技術理論及應用。
在企業實踐中，智能技術可以應用在哪些場景？智能技術可以發掘哪些生產制造管理的契合點？如何更為深入地將不同類型的智能技術應用到具體的業務場景中？上述問題是目前實踐應用存在的常見的問題，而本書提供了大量智能技術理論和實踐案例，讀者可更為輕松的由實踐案例入手，掌握相應智能技術方法應用場景，並結合自身的實踐經驗，更為快捷地將智能技術理論方法與實踐的融會貫通。
在學術研究領域，研究人員們經常面臨的問題是對於特定場景的應用類研究，如何采用更為高效的算法提升求解效率？如何借助機器學習方法，提升各類商業分析研究過程中需求建模、生產流程集約優化？如何快速了解一類方法的典型應用場景？本書針對上述應用研究類問題，完整地集成多類優化算法、機器學習、商業分析等應用方法、典型應用場景，從而幫助研究人員快速理解掌握制造智能技術。
針對實踐及學術研究中存在的對智能技術的應用需求，本書不僅聚焦智能優化算法、模式識別、深度學習等理論方法內容闡釋，更多地在不同章節融入典型案例分析，這也是本書的特色。本書的章節布局也凸顯了這樣的特點，同時搜集了大量的文獻、案例資料，便於讀者了解智能技術的發展進程和應用場景。
本書可作為機械自動化、工業工程等智能制造相關專業的主干教材，抑或作為計算機科學與技術、各類工程學科的輔修教材。此外，本書也適用於企業技術部門、管理部門相關人員的使用，便於其快速了解智能技術的理論基礎知識和典型應用。
本書第1章、第8章由清華大學張智海副教授編寫，第2章由北京理工大學李鼕妮副教授編寫，第3章由北京工業大學蘇麗穎副教授編寫，第4章由河北工業大學張磊教授編寫，第5章由中央民族大學賈旭傑教授編寫，第6章由浙江工業大學裴植教授編寫，第7章由清華大學謝小磊副教授編寫。同時感謝中央民族大學蘇宇楠副教授對第5章內容撰寫的支持，清華大學張延滋博士對全書內容的整理編輯。
感謝張秋玲編審對智能制造繫列教材的發起和推動，感謝清華大學出版社為此繫列教材出版所作的重大貢獻，感謝劉楊編輯為本書的出版所付出的努力。
鋻於作者對制造智能技術的理解和認識的局限，書中錯誤在所難免，敬請讀者批評指正。

2022年3月