系统辨识及其MATLAB仿真PDF|Epub|txt|kindle电子书版本网盘下载

系统辨识及其MATLAB仿真PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

序1

前言1

第1章辨识的基本概念1

1.1系统和模型1

1.1.1模型的表现形式1

目 录1

1.1.2数学模型的分类3

1.2辨识建模的定义3

1.3.1辨识问题的表达形式4

1.3辨识问题的表示形式及原理4

1.3.2辨识算法的基本原理6

1.3.3误差准则7

1.4辨识的内容和步骤9

1.5典型的非线性系统辨识与控制方法11

1.5.1非线性辨识典型模型及辨识、控制方法特点11

1.5.2非线性系统参数估计的特点13

1.5.3神经网络及其系统控制结构14

1.5.4非线性解耦问题16

1.5.5需要深入研究的非线性问题17

1.6小结19

习题20

第2章辨识理论基础及古典辨识方法21

2.1随机过程基本概念及其数学描述21

2.1.1基本概念21

2.1.2相关函数和协方差函数的性质23

2.2.2维纳-辛钦（Wiener-khintchine）关系式24

2.2.1帕塞瓦尔（Parseval）定理与功率密度谱表示式24

2.2谱密度与相关函数24

2.3线性系统在随机输入下的响应25

2.4白噪声产生方法及其仿真26

2.4.1 白噪声的概念26

2.4.2白噪声的产生及其MATLAB仿真28

2.4.3伪随机信号产生及MATLAB仿真举例33

2.5古典辨识方法36

2.5.1 M序列自相关函数37

2.5.2逆M序列38

2.5.3相关分析法频率响应辨识39

2.5.4相关分析法脉冲响应辨识43

2.5.5相关分析法脉冲响应应用49

2.6小结51

习题51

第3章最小二乘参数辨识53

3.1最小二乘法的概念53

3.1.1系统辨识结构53

3.1.2最小二乘法的基本概念54

3.2最小二乘问题的描述55

3.3最小二乘问题的一次完成算法57

3.3.1普通最小二乘问题的解57

3.3.2加权最小二乘问题的解57

3.4最小二乘一次完成算法的MATLAB仿真60

3.5最小二乘参数估计的递推算法63

3.5.1递推算法的概念64

3.5.2递推算法的推导64

3.6最小二乘递推算法的MATLAB仿真67

3.7增广最小二乘法73

3.8增广最小二乘辨识的MATLAB仿真74

3.9广义最小二乘法81

3.10多级最小二乘法83

3.10.1辅助模型参数辨识84

3.10.2系统模型参数辨识84

3.10.3噪声模型参数辨识85

3.11小结87

习题88

4 1 1 确定性梯度校正辨识公式的推导90

4.1确定性问题的梯度校正参数辨识方法90

第4章梯度校正参数辨识90

4.1.2权矩阵的选择91

4.2脉冲响应梯度校正辨识的MATLAB仿真95

4.3随机性问题的梯度校正参数辨识方法101

4.3.1随机性问题的提法101

4.3.2随机性辨识问题的分类102

4.3.3随机性问题的梯度校正参数估计方法104

4.4梯度校正法在动态过程辨识中的应用112

4.4.1状态方程的参数辨识113

4.4.2差分方程的参数辨识116

4.5.1随机逼近原理117

4.5随机逼近法117

4.5.2随机逼近参数估计方法120

4.5.3随机牛顿法123

4.6小结124

习题125

5.1引言126

5.2极大似然参数辨识原理126

第5章极大似然法辨识方法126

5.3动态系统模型参数的极大似然估计129

5.3.1动态模型描述129

5.3.2极大似然估计与最小二乘估计的关系130

5.3.3协方差阵未知时的极大似然参数估计132

5.4递推的极大似然参数估计139

5.4.1极大似然递推算法的原理及方法139

5.4.2似然递推法辨识MATLAB仿真及程序剖析143

5.5 小结146

习题147

第6章离散随机系统的自适应滤波148

6.1 Bayes辨识方法148

6.1.1 Bayes基本原理148

6.1.2最小二乘模型的Bayes参数辨识152

6.2 Bayes辨识的MATLAB仿真154

6.3 Kalman滤波160

6.3.1预测、滤波与平滑160

6.3.2高斯变量估计161

6.3.3 Kalman滤波与预测163

6.4模型参考自适应辨识方法172

6.4.1 ψ1和ψ2的确定175

6.4.2ε（k）的计算176

6.4.3 A辨识算法类177

6.4.4 B类辨识算法178

6.4.5 C类辨识算法178

6.5小结180

习题180

7.1.1人工神经元模型182

7.1神经网络概念与特性182

第7章神经网络模型辨识182

7.1.2激发函数183

7.1.3神经网络模型分类184

7.1.4神经网络学习方法185

7.1.5神经元网络特点188

7.2神经网络模型辨识中常用结构189

7.3辨识中常用网络训练算法192

7.3.1自适应控制系统基本结构192

7.3.2辨识中常用BP网络训练算法194

7.4改进的BP网络训练算法197

7.4.1基于降低网络灵敏度的网络改进算法198

7.4.2提高一类神经网络容错性的理论和方法201

7.4.3提高神经网络收敛速度的一种赋初值算法203

7.4.4其他网络训练技巧209

7.5神经网络辨识的MATLAB仿真举例210

7.5.1具有噪声二阶系统辨识的MATLAB程序剖析210

7.5.2多维非线性辨识的MATLAB程序剖析214

7.6.1一种适应度函数的改进算法218

7.6基于改进遗传算法的神经网络及其应用218

7.6.2一种改进的遗传神经解耦方法220

7.6.3遗传神经解耦仿真、实验及结论221

7.7模糊神经网络及其应用222

7.7.1模糊神经网络原理及其应用222

7.7.2 FNN对非线性多变量系统的MATLAB解耦仿真225

7.8小结229

习题230

8.1 Volterra级数的表示及其辨识方法232

第8章非线性动态系统的其他辨识方法232

8.1.1非线性系统Volterra级数的表示233

8.1.2 Volterra级数的辨识234

8.2复杂系统的混沌现象及其辨识235

8.2.1反馈系统和优化过程中的混沌现象236

8.2.2基于控制理论的混沌分析方法238

8.2.3混沌识别与混沌系统辨识240

8.3小结244

习题244

参考文献245