第1章 绪论
1.1 系统与模型
1.2 系统辨识的基本思想
1.3 系统辨识的内容和步骤
1.4 系统辨识的基本原则
1.5 系统辨识的应用
1.6 系统辨识软件包
1.7 本书内容安排
习题
第2章 输入设计与数据预处理
2.1 随机信号
2.1.1 随机信号的均值和相关函数
2.1.2 相关函数和协方差函数的性质
2.1.3 相关函数和谱密度函数
2.2 常用输入信号
2.2.1 多正弦和函数信号
2.2.2 方波信号
2.2.3 白噪声
2.2.4 有色噪声
2.2.5 伪随机二位式序列
2.2.6 逆m序列
2.3 输入信号与开环可辨识性
2.3.1 输入信号与开环可辨识性问题
2.3.2 2n阶持续激励信号
2.3.3 2n阶持续激励条件
2.4 输入信号的选择
2.5 采样率的选择
2.6 测量数据预处理
2.6.1 野值的剔除和补正
2.6.2 数据平滑
2.6.3 数字低通滤波
2.6.4 零均值化
2.6.5 消除数据变化趋势
2.7 数据相容性检验
习题
第3章 系统模型与模型辨识
3.1 输入输出模型
3.1.1 连续型输入输出模型
3.1.2 离散型输入输出模型
3.2 状态空间模型
3.2.1 连续型状态空间模型
3.2.2 离散型状态空间模型
3.3 随机模型
3.3.1 随机系统的差分模型
3.3.2 随机系统的状态空间模型
3.3.3 随机系统的预测误差方程
3.4 数学模型之间的等价变换
3.4.1 微分方程和差分方程的互相转换
3.4.2 状态方程到差分方程的转换
3.5 模型结构的可辨识性
3.6 模型阶次的辨识
3.6.1 行列式比定阶法
3.6.2 PCA定阶法
3.6.3 损失函数检验法
3.6.4 F检验法
3.6.5 Akaike准则法
3.6.6 预报误差准则法
3.6.7 Hankel矩阵定阶法
3.7 模型仿真与预测
3.7.1 一步超前预测
3.7.2 n步超前预测
3.8 辨识精度
3.8.1 参数辨识准度评价方法
3.8.2 参数置信区间的估计
3.9 模型检验
习题
第4章 非参数模型辨识方法
4.1 相关分析法
4.1.1 频率响应的辨识
4.1.2 脉冲响应的辨识
4.2 谱分析法
4.2.1 周期图法
4.2.2 估计频率响应的平滑法
4.3 非参数模型转化为参数模型
4.3.1 由脉冲响应求传递函数
4.3.2 由频率响应求传递函数
习题
第5章 参数辨识最优化方法
5.1 参数估计的梯度校正法
5.1.1 随机逼近法
5.1.2 随机Newton—R印hson法
5.1.3 Marquardt法
5.2 遗传算法
5.2.1 基本遗传算法
5.2.2 实数编码遗传算法
5.3 粒子群优化算法
5.3.1 粒子群优化算法
5.3.2 基于粒子群优化的系统辨识
习题
第6章 最小二乘法
6.1 最小二乘法概述
6.1.1 最小二乘法的基本算法
6.1.2 最小二乘估计的性质
6.1.3 最小二乘法的逐数据递推算法
6.1.4 递推平方根算法
6.1.5 最小二乘法的逐阶次递推算法
6.2 时变最小二乘法
6.2.1 限定记忆最小二乘法
6.2.2 遗忘因子法
6.2.3 分段折线最小二乘法
6.3 辅助变量法
6.4 增广最小二乘法
6.4.1 增广最小二乘法概述
6.4.2 广义的增广最小二乘法
6.5 多级最小二乘法
6.6 单输入单输出系统一般模型辨识的递推算法
6.6.1 递推算法
6.6.2 快速算法
6.7 系统辨识在故障检测中的应用
6.7.1 故障检测方法
6.7.2 在线故障检测方法
习题
第7章 其他参数辨识法
7.1 极大似然
7.1.1 协方差矩阵已知的极大似然法
7.1.2 协方差矩阵未知的极大似然法
7.1.3 Newton-Raphson迭代求解法
7.1.4 递推极大似然法
7.2 预报误差法
7.3 基于卡尔曼滤波器的多模参数辨识
7.3.1 卡尔曼滤波方程
7.3.2 基于卡尔曼滤波方程的多模参数辨识算法
7.3.3 “移动”卡尔曼滤波器组多模参数辨识
7.4 基于系统辨识的自适应预报
7.4.1 间接法
7.4.2 直接法
7.4.3 多层递阶预报方法
习题
第8章 多变量线性系统辨识
8.1 状态方程的规范形
8.1.1 代数等价系统
8.1.2 适宜选择路线
8.1.3 规范形
……
第9章 闭环系统的模型辩识
第10章 神经网络模型的辩识
第11章 模糊系统的模型辩识
第12章 面向控制的鲁棒辩识
第13章 系统辩识在飞行空口说白话试验中的应用
第14章 基于Matlab的系统辩识实例
附录
参考文献
缺书网
扫码进群