商品描述
本教材立足中國制造有關戰略背景，為智能制造工程專業量身打造，構建“工業問題驅動—算法實現—系統集成”三位一體的教學體系，通過五個典型工業場景案例，培養學生將 Python 編程能力轉化為解決工業實際問題的工程素養。第一部分：Python 基礎語法。本部分突破傳統編程教材範式，通過與工業領域緊密結合，展開介紹Python在工業自動化和數據處理中的應用，旨在幫助讀者掌握Python 編程的基礎技能。 第二部分：項目實踐。本部分將理論知識應用到工業實際問題中，側重培養讀者的智能制造全棧開發能力，以及讓讀者掌握現代智能制造核心技術。
目錄大綱
第一章 Python與智能制造工程中的應用概述 1
1.1 Python 介紹 1
1.2 Python的特點 12
1.2.1 Python的廣泛應用 13
1.3 Python的工業制造中的應用 15
1.3.1 數據采集與實時監控 15
1.3.2 生產過程優化與調度 15
1.3.3 質量控制與預測性維護 15
1.3.4 自動化與機器人控制 16
1.3.5 智能倉儲與物流管理 16
1.4 開發環境搭建 16
1.4.1 下載安裝Python解釋器 16
1.4.2 驗證安裝 19
1.4.3 安裝IDE（集成開發環境） 19
1.5 第一個Python程序 26
1.6 小結 27
第二章 基礎語法結構 30
2.1 變量與變量類型 30
2.1.1 變量的基本概念 30
2.1.2 變量類型 31
2.1.3 字符串（str） 33
2.1.4 類型轉換 37
2.2 運算符與表達式 38
2.2.1 賦值運算符 38
2.2.2 算術運算符 39
2.2.3 比較運算符 40
2.2.4 邏輯運算符 40
2.2.5 成員運算符 41
2.2.6 身份運算符 41
2.2.7 表達式 42
2.3 流程控制結構 42
2.3.1 條件判斷 42
2.3.2 循環控制結構 45
2.4 智能制造中的流程控制案例 49
2.5 註釋與文檔 51
2.5.1 單行註釋 51
2.5.2 多行註釋 51
2.5.3 如何寫註釋 52
2.6 本章小結 53
第三章 函數與模塊化編程 55
3.1 函數的概念 55
3.2 函數的定義 55
3.3 函數的調用 56
3.4 函數的參數 56
3.4.1 位置參數 56
3.4.2 默認參數 57
3.4.3 關鍵字參數 57
3.4.4 不定長參數 58
3.4.5 命名關鍵字參數 58
3.5 函數的返回值 59
3.6 變量的作用域 59
3.7 遞歸函數 60
3.8 Python 模塊 60
3.8.1 創建模塊 61
3.8.2 直接導入整個模塊 62
3.8.3 從模塊中導入指定功能 62
3.8.4 導入模塊中的所有內容 62
3.8.5 常用標準庫 63
3.9 工業軟件中的模塊化開發理念 63
3.10 本章小結 65
第四章 數據結構進階 66
4.1 列表（list） 66
4.1.1 創建列表 66
4.1.2 訪問和操作列表 67
4.1.3 應用示例 69
4.2 元組(tuple) 70
4.2.1 元組的創建 70
4.2.2 元組的操作 71
4.2.3 應用示例 72
4.3 字典（dictionary） 72
4.3.1 字典的基本創建 73
4.3.2 字典的基本操作 73
4.3.3 應用示例 76
4.4 集合（set） 77
4.4.1 集合的基本創建 78
4.4.2 集合的基本操作 78
4.4.3 應用示例 81
4.5 本章小結 82
第五章 面向對象編程 84
5.1 概述 84
5.2 類與對象 86
5.2.1 什麼是類（Class） 87
5.2.2 什麼是對象（Object） 88
5.2.3 類和對象的關系 89
5.2.4 類的構造函數（__init__） 90
5.2.5 類的實例化和屬性訪問 91
5.3 面向對象編程的三大特性 93
5.3.1 封裝 93
5.3.2 繼承 97
5.3.3 多態 101
5.4 應用實例 103
5.5 異常處理與自定義異常 106
5.5.1 異常處理的概念 106
5.5.2 異常的類型 106
5.5.3 異常處理的基本結構 107
5.5.4 自定義異常 109
5.5.5 異常處理在智能制造中的重要性 110
5.6 面向對象的設計模式 111
5.6.1 設計模式的概念 111
5.6.2 單例模式 113
5.6.3 觀察者模式 114
5.6.4 設計模式在智能制造中的應用 116
5.7 本章小結 120
第六章 文件與數據處理 122
6.1 概述 122
6.2 文件操作簡介 122
6.2.1 打開文件 122
6.2.2 關閉文件 123
6.2.3 讀文件 123
6.2.4 寫文件 123
6.2.5 文件上下文管理 124
6.2.6 生產日誌文件操作示例 124
6.3 文件高級操作 125
6.3.1 二進制文件操作 125
6.3.2 文件定位 126
6.3.3 文件遍歷 126
6.4 數據處理與分析 127
6.4.1 CSV文件處理 127
6.4.2 JSON文件處理 128
6.4.3 Excel文件處理 129
6.5 數據庫操作 131
6.5.1 使用SQLite操作數據庫 132
6.5.2 使用MySQL操作數據庫 137
6.6 本章小結 143
第七章 工業物聯網數據采集系統 147
7.1 ModbusTCP協議通信實現 147
7.1.1 協議的本質與核心價值 147
7.1.2 Modbus協議的歷史與架構 148
7.1.3 協議報文結構詳解 148
7.2 多線程數據采集框架 150
7.2.1 Modbus TCP的通信過程 150
7.2.2 軟件測試與使用 153
7.2.3 基於Python的多線程數據采集 160
7.3 數據持久化存儲方案 168
7.3.1 SQLite介紹 168
7.3.2 基於SQLite存儲的實踐方案 168
7.4 微服務器搭建與Modbus TCP的通信接收與控制 183
7.4.1 Flask簡單介紹 183
7.4.2 Flask安裝 183
7.4.3 後端數據采集 183
7.4.4 前端展示與控制 188
7.5 本章小結 190
第八章 工業生產中的立體視覺三維測量 191
8.1 機器視覺三維測量的基本原理 191
8.1.1 相機分類與原理 191
8.1.2 坐標系轉換基礎 192
8.1.3 相機參數基礎概念 195
8.1.4 極線約束、極線對齊與深度計算原理 198
8.2 OpenCV圖像預處理 201
8.2.1 預處理的意義與分類 201
8.2.2 圖像去噪方法 201
8.2.3 邊緣檢測方法 204
8.3 相機標定（Python+OpenCV） 209
8.3.1 相機標定概念 209
8.3.2 相機標定流程介紹 209
8.4 標定參數應用 215
8.4.1 立體校正 217
8.4.2 基於YOLO的高精度目標點深度計算實踐 217
8.4.3 基於傳統匹配算法SGBM的實踐 223
8.4.4 基於深度學習匹配算法IGEV++的實踐 226
8.4.5 點雲創建與基於CloudCompare工具的展示 231
8.5 三維重建結果可視化 235
8.5.1 PyQT與VTK介紹 235
8.5.2 基於PyQT與VTK的點雲可視化代碼介紹 236
8.6 本章小結 244
第九章 生產排程優化系統 245
9.1 遺傳算法實現車間調度 245
9.1.1 問題建模 245
9.1.2 適應度函數 247
9.1.3 遺傳算子 247
9.1.4 遺傳算法主循環 250
9.2 甘特圖可視化輸出 算法應用：NP難問題的Python求解 252
第十章 網絡爬蟲系統 257
10.1 爬蟲介紹 257
10.1.1 什麼是爬蟲 257
10.1.2 爬蟲流程 257
10.1.3 常見爬蟲技術 258
10.2 專利信息爬取系統 258
10.2.1 Requests 260
10.2.2 分析爬取信息 262
第十一章 預測性維護系統 272
11.1 時序數據預處理（振動信號分析） 272
11.1.1 軸承故障數據介紹： 272
11.1.2 凱斯西儲大學軸承數據集介紹 273
11.1.3 數據預處理 275
11.2 LSTM神經網絡故障預測 283
11.2.1 LSTM網絡簡介 283
11.2.2 數據集構建 283
11.2.3 LSTM網絡構建 285
11.2.4 訓練網絡 287
11.2.5 預測結果對比 295
11.3 預警閾值動態調整策略 框架應用 296
