系統(tǒng)辨識

前言
第1章 緒論
1.1 辨識的基本概念
1.2 系統(tǒng)辨識的研究目的
1.3 數(shù)學模型的分類
1.4 幾種常見的數(shù)學模型的數(shù)學表示
1.5 辨識的步驟
思考題與習題
第2章 傳遞函數(shù)的辨識
2.1 傳遞函數(shù)辨識的時域法
2.2 傳遞函數(shù)辨識的頻域法
思考題與習題
第3章 辨識的輸入信號
3.1 白噪聲及其產(chǎn)生方法
3.2 偽隨機序列
3.3 連續(xù)型偽隨機信號
思考題與習題
第4章 相關(guān)辨識法
4.1 連續(xù)時域相關(guān)分析法
4.2 利用M序列作輸入信號的相關(guān)分析法
4.3 用脈沖響應求傳遞函數(shù)
思考題與習題
第5章 辨識的最小二乘法
5.1 最小二乘估計
5.2 最小二乘估計的統(tǒng)計性質(zhì)
5.3 最小二乘遞推算法
5.4 數(shù)據(jù)遞推的飽和及解決辦法
5.5 廣義最小二乘法
5.6 增廣最小二乘法
5.7 輔助變量法
5.8 相關(guān)最小二乘法
5.9 多階段最小二乘法
5.10 最小二乘類辨識算法的比較
思考題與習題
第6章 極大似然法及其他辨識算法
6.1 極大似然法
6.2 預報誤差法
6.3 隨機逼近法
6.4.遞推辨識算法的一般形式
6.5 測量數(shù)據(jù)含有異常值時的魯棒辨識
6.6 遞推參數(shù)估計算法的收斂性描述
6.7 辨識算法的比較
思考題與習題
第7章 系統(tǒng)階次的辨識
7.1 根據(jù)Hankel矩陣判定模型的階次
7.2 根據(jù)殘差特性判定模型的階次
7.3 確定階的AIC準則
7.4 階次增加時的參數(shù)遞推估計算法
思考題與習題
第8章 閉環(huán)系統(tǒng)辨識
8.1 閉環(huán)系統(tǒng)的可辨識性條件
8.2 閉環(huán)系統(tǒng)的間接辨識法與可辨識性條件
8.3 閉環(huán)系統(tǒng)的直接辨識法
8.4 閉環(huán)系統(tǒng)切換調(diào)節(jié)器辨識
思考題與習題
第9章 時間序列的建模分析
9.1 時間序列模型的動態(tài)特性
9.2 時間序列建模
9.3 非平穩(wěn)時序的處理方法
9.4 預報
思考題與習題
第10章 多變量系統(tǒng)辨識
10.1 多變量系統(tǒng)脈沖響應矩陣的辨識
10.2 多變量系統(tǒng)規(guī)范型及其轉(zhuǎn)換
10.3 多變量系統(tǒng)子模型的辨識
10.4 多變量系統(tǒng)子子模型辨識
10.5 狀態(tài)空間子空間方法估計狀態(tài)空間模型
思考題與習題
第11章 非線性系統(tǒng)辨識
11.1 非線性系統(tǒng)的表示
11.2 非線性穩(wěn)態(tài)系統(tǒng)的參數(shù)估計
11-3非線性動態(tài)系統(tǒng)辨識
11.4 Volterra級數(shù)的辨識
11.5 Hammerstein模型的辨識
思考題與習題
第12章 基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識
12.1 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
12.2 基于神經(jīng)網(wǎng)絡(luò)的線性系統(tǒng)辨識
12.3 基于神經(jīng)網(wǎng)絡(luò)非線性系統(tǒng)辨識
思考題與習題
第13章 小樣本系統(tǒng)辨識
13.1 LKL估計法
13.2 SSML估計法
13.3 小樣本系統(tǒng)的階次估計
思考題與習題
第14章 系統(tǒng)辨識的應用
14.1 辨識在自適應控制中的應用
14.2 辨識在軋鋼機械系統(tǒng)中的應用
14.3 辨識在機床切削自適應控制系統(tǒng)的應用
14.4 辨識在化工系統(tǒng)中的應用
14.5 辨識在飛行器氣動力參數(shù)辨識中的應用
14.6 建模分析方法在社會經(jīng)濟系統(tǒng)中的應用
14.7 辨識在生物醫(yī)學工程中的應用
附錄A系統(tǒng)辨識實驗說明
實驗A 1 利用相關(guān)分析法辨識脈沖響應函數(shù)
實驗A 2 機床切削加工顫振模型的辨識
實驗A 3 離散模型的參數(shù)與階次的辨識
實驗A 4 加熱設(shè)備動態(tài)特性的辨識
實驗A 5 PWM驅(qū)動的電動機模型辨識
附錄B Matlab系統(tǒng)辨識工具箱簡介
參考文獻