本书以信号感知-数据采集-数据传输-智能数据处理为主线，系统阐述了工业数据采集技术与智能数据处理算法。在介绍数据采集系统组成、结构、原理等共性知识基础上，重点分析了以PC和PLC为主控设备的数据采集技术，并结合实际案例，对主流的数据采集软硬件设备及其应用进行了重点阐述。在智能数据处理部分，有选择地介绍了工业数据处理领域典型的机器学习算法。对于蓬勃发展的深度学习，也结合具体仿真与工业案例，阐述了主要算法的基本原理及应用技术。通过算法与案例的结合，期望读者能真正理解算法原理，并针对算法特点和应用需求，合理进行算法选择、改进与完善，解决各类工业实际问题。
本书注重内容的完整性、系统性、准确性与新颖性，尤其将算法原理、仿真分析与工业应用案例紧密结合，突出理论联系实践，有利于培养读者开展工业数据采集系统设计、开发及数据处理与应用的综合能力。
本书可作为高等院校自动化、智能科学与技术、智能制造工程等专业本科生及控制工程等专业研究生的专业课教材或教学参考书，也可作为工矿企业、科研与设计单位、工程公司技术人员的学习参考资料。

前言
第1章 工业数据采集技术与数据采集系统1
1.1工业数据采集基础1
1.1.1工业大数据与工业数据采集1
1.1.2工业数据采集系统的组成与分类6
1.1.3工业数据采集系统的性能10
1.1.4常用的工业数据采集技术13
1.2工业数据采集系统中的硬件设备16
1.2.1工业数据采集系统的主控设备16
1.2.2工业网关设备及其应用案例19
1.2.3工业数据采集系统的信号类型与I／O接口模块21
1.2.4工业数据采集中的传感器与机器视觉23
1.3工业数据采集系统中的主要软件28
1.3.1工业数据采集与可视化软件平台28
1.3.2实时数据库/工业数据库34
1.3.3工业互联网/工业物联网平台36
1.4工业数据采集系统中的网络与通信协议38
1.4.1工业数据采集系统网络结构与通信协议38
1.4.2传统的现场总线协议41
1.4.3工业以太网协议46
1.4.4工业无线通信协议51
第2章 以PC为主控设备的工业数据采集53
2.1基于PC的数据采集相关知识53
2.1.1基于PC的数据采集概述53
2.1.2数据采集中模拟量输入模块A/D转换分析54
2.1.3基于PC的数据采集系统驱动程序58
2.2数据采集系统典型的数据采集卡60
2.2.1USB接口数据采集卡60
2.2.2PCI/PCIe总线数据采集卡61
2.2.3PXI/PXIe总线数据采集卡62
2.2.4数据采集卡板载计数器/定时器64
2.3模拟量数据采集中的共性基础知识65
2.3.1模拟量输入信号连接与抗干扰65
2.3.2模拟量输入信号采集中的时钟与触发70
2.3.3模拟量输入信号采集中的采集模式73
2.3.4模拟量输入信号采集中的多卡同步75
2.4基于PC的集中式数据采集案例76
2.4.1PC通过寄存器读写进行数据采集76
2.4.2研华数据采集卡及其使用与编程78
2.5PC通过Modbus协议进行数据采集编程91
2.5.1Modbus协议及其在数据采集与测控中的应用91
2.5.2PC通过Modbus RTU协议进行数据采集95
2.5.3Modbus通信中浮点数的处理与编程104
2.5.4PC通过Modbus TCP进行数据采集110
2.6PC通过经典OPC DA规范的工业数据采集112
2.6.1经典OPC规范概述112
2.6.2MATLAB作为OPC客户端通过DA服务器与分布式模块的数据采集114
2.6.3PC通过DA规范与PLC进行数据采集案例121
2.7PC通过OPC UA规范的工业数据采集132
2.7.1OPC UA规范概述132
2.7.2S7-1500控制器OPC UA服务器配置与测试134
2.7.3PC通过OPC UA规范进行数据采集136
第3章 以PLC为主控设备的工业数据采集151
3.1PLC在数据采集中的应用实例151
3.1.1PLC及其在数据采集与控制中的应用151
3.1.2三菱电机PLC用于数据采集编程154
3.1.3施耐德电气M580系列PLC用于数据采集编程158
3.1.4罗克韦尔自动化CompactLogix系列PLC用于数据采集编程161
3.2西门子PLC用于数据采集编程167
3.2.1西门子S7-1500模拟量模块接线167
3.2.2西门子S7-1200/1500模拟量模块的信号转换功能块实现169
3.3PLC与数据采集设备串行通信协同数据采集182
3.3.1PLC与智能模块协同数据采集技术182
3.3.2S7-1200与研华ADAM-4117模块协同数据采集183
3.3.3FX-5UC与Modbus主站仿真软件模拟量数据采集185
3.4PLC与数据采集设备基于Modbus TCP协同数据采集187
3.4.1基于以太网的协同数据采集187
3.4.2FX-5UC与研华ADAM以太网模块协同数据采集188
3.4.3S7-1200与研华ADAM以太网模块协同数据采集192
3.5上位机软件与S7-1500 PLC之间的数据采集程序设计196
3.5.1上位机人机界面开发工具选择196
3.5.2数据采集仿真环境构建197
3.5.3VS2022环境下利用C#语言开发WinForm类型数据采集程序200
第4章 工业数据智能处理基础与经典方法213
4.1工业数据智能处理概述213
4.1.1工业数据及其复杂性分析213
4.1.2工业数据智能处理的目的214
4.1.3工业数据的处理模式分析215
4.1.4工业数据处理流程217
4.2工业数据预处理与应用219
4.2.1工业数据清洗220
4.2.2工业数据特征提取223
4.2.3工业数据对齐227
4.2.4不平衡数据处理229
4.3基于机器学习的数据建模234
4.3.1机器学习的概念234
4.3.2机器学习模型选择与评估236
4.3.3模型泛化能力与正则化技术243
4.4统计机器学习方法及其应用245
4.4.1监督学习方法245
4.4.2无监督学习方法253
4.5前馈神经网络及其应用255
4.5.1前馈神经网络发展及其应用范式255
4.5.2前馈神经网络与反向传播算法256
4.5.3RBF神经网络262
4.6核方法和支持向量机及其应用264
4.6.1核方法原理264
4.6.2支持向量机265
4.6.3核主元分析267
4.7集成学习方法及其应用268
4.7.1集成学习概述268
4.7.2Bagging方法及其应用示例269
4.7.3Boosting方法273
4.7.4Stacking方法及其应用示例280
第5章 深度学习在工业数据智能处理中的应用285
5.1强化学习与深度学习285
5.1.1强化学习285
5.1.2深度学习289
5.1.3深度强化学习291
5.1.4深度学习框架294
5.2自注意力机制与多头注意力及其仿真分析296
5.2.1自注意力机制与多头注意力296
5.2.2多头自注意力仿真示例296
5.3循环神经网络类模型及其在过程动态建模中的应用300
5.3.1循环神经网络类模型300
5.3.2LSTM算法在动态建模中的应用303
5.3.3深度学习与传统机器学习方法在动态建模中的应用与比较305
5.4卷积神经网络及其在滚动轴承故障诊断中的应用309
5.4.1卷积神经网络309
5.4.2基于短时傅里叶变换的滚动轴承信号分析312
5.4.3基于卷积神经网络的滚动轴承故障诊断314
5.5增强变分自编码器及其在工控入侵检测中的应用318
5.5.1案例背景318
5.5.2变分自编码器319
5.5.3基于RFE-RF的工控入侵检测数据集特征选择322
5.5.4基于增强变分自编码器的入侵检测算法327
5.5.5实验结果与分析329
5.6红霉素发酵过程数据采集与软测量建模334
5.6.1红霉素发酵工艺334
5.6.2基于OPC UA规范的红霉素发酵生产过程数据采集与预处理334
5.6.3红霉素发酵过程软测量建模337
第6章 大语言模型在工业数据采集与处理中的应用340
6.1大语言模型概述340
6.1.1大语言模型的基本概念340
6.1.2大语言模型的构建流程342
6.1.3大语言模型工业应用与优化关键技术344
6.2Transformer架构与生成式预训练语言模型GPT347
6.2.1Transformer架构347
6.2.2Transformer的主要功能模块348
6.2.3生成式预训练语言模型352
6.3大语言模型及其工业应用354
6.3.1大语言模型的工业应用模式354
6.3.2基于原生大模型的工业领域大模型构建357
6.3.3时序大语言模型及仿真示例361
6.4大语言模型辅助工业数据采集程序设计实例366
6.4.1大语言模型辅助编程366
6.4.2大语言模型在私有串行通信协议分析与编程中的应用369
6.4.3AI编程平台辅助数据采集程序开发373
6.5大语言模型辅助PLC控制程序开发实例381
6.5.1基于大语言模型的PLC程序自动生成381
6.5.2大语言模型辅助PLC控制程序设计383
6.5.3大语言模型辅助工控程序设计的思考393
参考文献396

现代工业企业在激烈的市场竞争与多重发展压力下，正处于转型升级的关键阶段：既要应对持续增长的盈利考核，又必须满足日益严格的环保指标、安全规范和绿色低碳生产约束。为系统性破解这些挑战，越来越多的企业正进行数字化转型，特别是以算力资源为基础，深度挖掘和利用工业数据价值，从而在现场控制、安全生产、全局优化、生产调度及企业运营等各环节全面提升效能与智能化水平。在此背景下，数据采集的准确性、实时性、全面性和稳定性显得非常重要。与此同时，多模态工业数据的复杂性和规模不断扩大，迫切需要引入更先进的智能分析手段——既包括传统机器学习方法，也涵盖现代深度学习等人工智能技术，从而构建覆盖感知、诊断、预测与决策的数据赋能体系，为企业实现可持续、高质量增长提供核心支撑。因此，编著《工业数据采集与智能数据处理》，契合了数字化转型阶段企业对于人才素质和知识更新的需求。
本书共6章。在结构上包括工业数据采集与智能数据处理两个紧密相关的部分，遵循信号感知-数据采集-数据传输-智能数据处理这条主线，重点阐述工业数据采集技术与智能数据处理算法，对相关的传感器、工业通信、数据采集软硬件设备、应用软件开发等也结合实例进行了详细介绍。
本书的内容安排如下：
第1章对工业数据采集基础和共性知识、数据采集系统及相关的软硬件设备进行详细介绍。第2章详细分析了基于PC的数据采集相关原理、技术与程序开发，包括基于数据采集卡的本地数据采集、基于通信协议的远程数据采集和采用OPC DA 和UA规范的跨平台数据采集。第3章介绍了基于PLC的数据采集，包括主流PLC厂商的模拟量采集、PLC通过串行和以太网通信进行数据采集，以及PC与PLC通信进行数据采集。第4章介绍了经典的机器学习方法及其在工业数据处理中的应用，给出了算法原理及其仿真应用。第5章分析了深度学习及其在工业过程软测量、故障检测、工控入侵检测中的应用。第6章介绍了大语言模型及其技术基础Transformer，然后结合案例阐述了时序大模型、大模型在工业数据采集与控制程序开发中的应用技术。
本书由华东理工大学姜庆超教授主编，王华忠副教授参与了部分内容编写。作者的研究生参与了部分资料收集、整理和仿真工作。本书的出版受到华东理工大学研究生教育基金和学科突破先导项目（JYB2025XDXM402）的资助，在此表示感谢。本书编写过程中还参考了不少书籍和资料，在此也向有关作者表示感谢。
本书可作为高等院校自动化、智能科学与技术、智能制造工程等专业本科生及控制工程等专业研究生的专业课教材或教学参考书，也可作为工矿企业、科研与设计单位、工程公司技术人员的学习参考资料。
由于时间和作者水平所限，疏漏在所难免，恳请读者提出批评建议，以便进一步修订完善，作者的E-mail是：qchjiang@ecust.edu.cn。



作者

2026年8月于上海