顶部
  1. 首页
  2. 图书产品
  3. 系统辨识理论及应用
收藏

系统辨识理论及应用

样章
作者：
李言俊 余瑞星 张科 李泽
定价：
67.00元
ISBN：
978-7-04-055795-4
版面字数：
770.000千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
重点项目：
暂无
出版时间：
2021-09-03
读者对象：
高等教育
一级分类：
电气/电子信息/自动化类
二级分类：
电气/自动化专业课
三级分类：
其他

本书主要介绍系统辨识的基本原理和常用基本方法。全书共１８ 章，主要为绪论、系统辨识常用输入信号、线性系统的经典辨识方法、动态系统的典范表达式、最小二乘法辨识、极大似然法辨识、时变参数辨识方法、多输入－多输出系统的辨识、其他一些辨识方法、随机时序列模型的建立、系统结构辨识、闭环系统辨识、集员辨识方法、期望极大化辨识方法、神经网络辨识方法、子空间辨识法、模糊逻辑辨识法、系统辨识在航天工程中的应用。

本书可供高等学校自动控制类、航空航天类、兵器科学与技术等专业研究生和本科高年级学生作为教材，也可供工程技术人员参考。

  • 前辅文
  • 第1章 绪论
    • 1.1　系统数学模型的分类及建模方法
      • 1.1.1　模型的含义
      • 1.1.2　模型的表现形式
      • 1.1.3　数学模型的分类
      • 1.1.4　建立数学模型的基本方法
      • 1.1.5　建模时所需遵循的基本原则
    • 1.2　辨识的定义、内容和步骤
      • 1.2.1　辨识的定义
      • 1.2.2　辨识的内容和步骤
    • 1.3　辨识中常用的误差准则
      • 1.3.1　输出误差准则
      • 1.3.2　输入误差准则
      • 1.3.3　广义误差准则
    • 1.4　系统辨识的分类
      • 1.4.1　离线辨识
      • 1.4.2　在线辨识
    • 习题
  • 第2章 系统辨识常用输入信号
    • 2.1　系统辨识输入信号选择准则
    • 2.2　白噪声及产生方法
      • 2.2.1　白噪声过程
      • 2.2.2　白噪声序列
      • 2.2.3　白噪声序列的产生方法
    • 2.3　伪随机二位式序列——M序列的产生及性质
      • 2.3.1　伪随机噪声
      • 2.3.2　M序列的产生方法
      • 2.3.3　M序列的性质
      • 2.3.4　二电平M序列的自相关函数
      • 2.3.5　二电平M序列的功率谱密度
    • 习题
  • 第3章 线性系统的经典辨识方法
    • 3.1　用频率响应法辨识线性系统的传递函数
      • 3.1.1　频率特性的测取方法
      • 3.1.2　由系统频率特性求传递函数
      • 3.1.3　由系统的对数频率特性求传递函数
    • 3.2　用M序列辨识线性系统的脉冲响应
    • 3.3　由脉冲响应求传递函数
      • 3.3.1　连续系统的传递函数G(s)
      • 3.3.2　离散系统传递函数——脉冲传递函数G(z-1)
    • 习题
  • 第4章 动态系统的典范表达式
    • 4.1　节省原理
    • 4.2　线性系统的差分方程和状态方程表示法
      • 4.2.1　线性定常系统的差分方程表示法
      • 4.2.2　线性系统的状态方程表示法
    • 4.3　确定性典范状态方程
      • 4.3.1　可控型典范状态方程Ⅰ
      • 4.3.2　可控型典范状态方程Ⅱ
      • 4.3.3　可观测典范状态方程Ⅰ
      • 4.3.4　可观测典范状态方程Ⅱ
      • 4.3.5　多输入-多输出系统可观测型典范状态方程Ⅰ
      • 4.3.6　多输入-多输出系统可观测型典范状态方程Ⅱ
    • 4.4　确定性典范差分方程
    • 4.5　随机性典范状态方程
    • 4.6　随机性典范差分方程
    • 4.7　预测误差方程
    • 习题
  • 第5章 最小二乘法辨识
    • 5.1　最小二乘法
      • 5.1.1　最小二乘估计算法
      • 5.1.2　最小二乘估计中的输入信号问题
      • 5.1.3　最小二乘估计的概率性质
    • 5.2　一种不需矩阵求逆的最小二乘法
    • 5.3　递推最小二乘法
    • 5.4　辅助变量法
    • 5.5　递推辅助变量法
    • 5.6　广义最小二乘法
    • 5.7　一种交替的广义最小二乘法求解技术（夏氏法）
    • 5.8　增广矩阵法
    • 5.9　多阶段最小二乘法
      • 5.9.1　第1种算法
      • 5.9.2　第2种算法
      • 5.9.3　第3种算法
    • 5.10　快速多阶段最小二乘法
    • 习题
  • 第6章 极大似然法辨识
    • 6.1　极大似然参数辨识方法
      • 6.1.1　极大似然原理
      • 6.1.2　系统参数的极大似然估计
    • 6.2　递推极大似然法
      • 6.2.1　近似的递推极大似然法
      • 6.2.2　按牛顿-拉弗森法导出极大似然法递推公式
    • 6.3　参数估计的可达精度
    • 习题
  • 第7章 时变参数辨识方法
    • 7.1　遗忘因子法、矩形窗法和卡尔曼滤波法
      • 7.1.1　遗忘因子法
      • 7.1.2　矩形窗法
      • 7.1.3　卡尔曼滤波法
    • 7.2　一种自动调整遗忘因子的时变参数辨识方法
    • 7.3　用折线段近似时变参数的辨识方法
    • 习题
  • 第8章 多输入-多输出系统的辨识
    • 8.1　多输入-多输出系统的最小二乘辨识
    • 8.2　多输入-多输出系统的极大似然法辨识——松弛算法
    • 8.3　利用方波脉冲函数辨识线性时变系统状态方程
      • 8.3.1　状态方程的方波脉冲级数展开
      • 8.3.2　矩阵A(t)的辨识
      • 8.3.3　矩阵B(t)的辨识
    • 8.4　利用分段多重切比雪夫多项式进行多输入-多输出线性时变系统辨识
      • 8.4.1　分段多重切比雪夫多项式系(PMCP)的定义及其主要性质
      • 8.4.2　多输入-多输出线性时变系统参数辨识的PMCP方法
    • 习题
  • 第9章 其他一些辨识方法
    • 9.1　一种简单的递推算法——随机逼近法
      • 9.1.1　随机逼近法基本原理
      • 9.1.2　随机逼近参数估计方法
      • 9.1.3　随机牛顿法
    • 9.2　两类不同概念的递推最小二乘辨识方法
      • 9.2.1　随观测方程个数递推的最小二乘估计
      • 9.2.2　随未知参数个数变化的递推最小二乘估计
      • 9.2.3　利用递推最小二乘法导出EMBET公式
    • 9.3　辨识博克斯-詹金斯模型的递推广义增广最小二乘法
    • 9.4　辨识博克斯-詹金斯模型参数的新息修正最小二乘法
      • 9.4.1　最小二乘法的增参数递推公式
      • 9.4.2　CAR(p)模型的辨识
      • 9.4.3　偏差的消除及MA阶次的确定
    • 习题
  • 第10章 随机时序列模型的建立
    • 10.1　回归模型
      • 10.1.1　一阶线性回归模型
      • 10.1.2　多项式回归模型
    • 10.2　平稳时序列的自回归模型
    • 10.3　平稳时序列的移动平均模型
    • 10.4　平稳时序列的自回归移动平均模型
    • 10.5　非平稳时序列模型
    • 习题
  • 第11章 系统结构辨识
    • 11.1　模型阶的确定
      • 11.1.1　按残差方差定阶
      • 11.1.2　确定阶的Akaike信息准则(AIC)
      • 11.1.3　按残差白色定阶
      • 11.1.4　零点-极点消去检验
      • 11.1.5　利用行列式比法定阶
      • 11.1.6　利用汉克尔（Hankel）矩阵定阶
    • 11.2　模型的阶和参数同时辨识的非递推算法
    • 11.3　同时获得模型阶次和参数的递推辨识算法
    • 11.4　多变量CARMA模型的结构辨识
      • 11.4.1　递推最小二乘法参数估计
      • 11.4.2　子模型阶的确定
      • 11.4.3　简练参数模型、子阶和时滞的确定
    • 习题
  • 第12章 闭环系统辨识
    • 12.1　闭环系统判别方法
      • 12.1.1　谱因子分解法
      • 12.1.2　似然比检验法
    • 12.2　闭环系统的可辨识性概念
    • 12.3　单输入-单输出闭环系统的辨识
      • 12.3.1　直接辨识
      • 12.3.2　间接辨识
    • 12.4　多输入-多输出闭环系统的辨识
      • 12.4.1　自回归模型辨识法
      • 12.4.2　更换反馈矩阵辨识法
    • 习题
  • 第13章 集员辨识方法
    • 13.1　集员辨识方法综述
      • 13.1.1　集员辨识概述
      • 13.1.2　数学描述
      • 13.1.3　集员辨识的发展及主要算法
      • 13.1.4　值得进一步研究的问题
    • 13.2　Fogel外界椭球算法
      • 13.2.1　外界椭球算法递推公式
      • 13.2.2　收敛性证明
      • 13.2.3　系统的不稳定性对收敛性的影响
      • 13.2.4　数字仿真结果
    • 13.3　FH最优外界椭球算法
      • 13.3.1　问题的提出
      • 13.3.2　递推辨识算法
      • 13.3.3　FH最小椭球容积算法
      • 13.3.4　FH最小椭球迹算法
      • 13.3.5　收敛性证明
      • 13.3.6　仿真结果
    • 13.4　优化椭球广义半径的DH外界椭球算法
      • 13.4.1　递推算法的推导
      • 13.4.2　收敛性证明
      • 13.4.3　持续激励问题
    • 13.5　一种线性时不变系统的集员辨识区间算法
      • 13.5.1　问题的提出
      • 13.5.2　参数可行集的区间算法
      • 13.5.3　参数可行集递推公式
      • 13.5.4　算法收敛性
    • 13.6　MB盒子外界算法
      • 13.6.1　问题的数学描述
      • 13.6.2　最小不确定性区间修正估计器
      • 13.6.3　不确定性区间计算
      • 13.6.4　数字仿真算例
    • 习题
  • 第14章 期望极大化辨识方法
    • 14.1　期望极大化辨识方法概述
      • 14.1.1　EM算法的基本概念
      • 14.1.2　EM算法预备知识
      • 14.1.3　EM算法
      • 14.1.4　GEM算法
      • 14.1.5　指数族的EM算法
    • 14.2　混合模型的EM算法
      • 14.2.1　一个简单的一元混合语言模型
      • 14.2.2　极大似然估计
      • 14.2.3　不完全数据与完全数据的对比
      • 14.2.4　似然函数的下界
      • 14.2.5　EM算法的一般步骤
    • 14.3　EM算法的收敛性定理
      • 14.3.1　EM算法的简单回顾
      • 14.3.2　EM算法的收敛性定理
    • 14.4　线性定常系统的期望极大化参数辨识方法
      • 14.4.1　EM算法的迭代公式推导
      • 14.4.2　EM辨识算法步骤
    • 14.5　噪声期望极大化算法
      • 14.5.1　EM算法的不完全数据模型：混合模型和缺失伽马模型
      • 14.5.2　噪声在EM算法中的益处
      • 14.5.3　噪声EM定理
    • 习题
  • 第15章 神经网络辨识方法
    • 15.1　神经网络简介
      • 15.1.1　神经网络的发展概况
      • 15.1.2　神经网络的结构及类型
    • 15.2　基于神经网络的线性系统辨识
      • 15.2.1　基于单层神经网络的线性系统辨识
      • 15.2.2　基于单层Adaline网络的线性系统辨识方法
    • 15.3　BP算法在神经网络中的应用
      • 15.3.1　BP网络简介
      • 15.3.2　BP网络数学原理
    • 15.4　线性时变系统的神经网络辨识
      • 15.4.1　网络结构与逼近能力分析
      • 15.4.2　学习算法
      • 15.4.3　仿真结果
    • 15.5　非线性系统的神经网络辨识
      • 15.5.1　联想记忆神经网络
      • 15.5.2　学习算法及收敛性分析
    • 15.6　利用延迟神经网络的非线性系统辨识
      • 15.6.1　预备知识
      • 15.6.2　非线性系统的神经网络辨识
    • 15.7　基于神经网络的非线性系统协同自适应辨识
      • 15.7.1　预备知识
      • 15.7.2　分布式协同自适应辨识
    • 15.8　非线性动态系统的维纳神经网络辨识法
      • 15.8.1　非线性问题描述
      • 15.8.2　维纳神经网络及其训练算法
      • 15.8.3　数值仿真与分析
      • 15.8.4　结论
    • 15.9　基于差分进化小波神经网络的多维非线性系统辨识方法
      • 15.9.1　小波神经网络
      • 15.9.2　差分进化算法
      • 15.9.3　差分进化算法优化小波神经网络
      • 15.9.4　仿真实验结果分析
    • 习题
  • 第16章 子空间辨识法
    • 16.1　离散时间系统的子空间辨识
      • 16.1.1　离散时间系统的数学描述
      • 16.1.2　p=1时的离散子空间辨识
      • 16.1.3　过高估计M情况下的子空间辨识法
      • 16.1.4　渐近性分析
    • 16.2　基于主成分分析的递推子空间辨识法
      • 16.2.1　问题描述及所采用的一些符号
      • 16.2.2　基于随机逼近-主成分分析的递推子空间辨识法
      • 16.2.3　系统矩阵A,B,C,D的估计
    • 16.3　闭环线性时不变系统的直接子空间模型辨识
      • 16.3.1　问题的提出
      • 16.3.2　预备知识
      • 16.3.3　两阶段法与PI-MOESP法的综合
      • 16.3.4　闭环系统直接子空间辨识法
    • 16.4　子空间辨识最小二乘法
      • 16.4.1　问题的提出及相关预备知识
      • 16.4.2　一种不依赖奇异值分解的子空间辨识法
      • 16.4.3　小结
    • 16.5　基于高阶累积量的闭环子空间辨识法
      • 16.5.1　模型及问题的描述
      • 16.5.2　子空间辨识法的简要回顾及符号表示
      • 16.5.3　基于累积量的闭环子空间辨识法
      • 16.5.4　基于累积量的闭环子空间辨识法的具体步骤
      • 16.5.5　数字仿真结果
    • 16.6　分数阶系统时域子空间辨识
      • 16.6.1　问题描述
      • 16.6.2　分数阶系统辨识
      • 16.6.3　数值计算算例
    • 习题
  • 第17章 模糊逻辑辨识法
    • 17.1　模糊逻辑系统辨识法概述
      • 17.1.1　模糊逻辑系统的基本概念
      • 17.1.2　模糊逻辑系统的描述
      • 17.1.3　常见的两种模糊系统模型
      • 17.1.4　模糊逻辑系统的结构辨识
    • 17.2　基于T-S模型的自组织模糊辨识法
      • 17.2.1　参数辨识
      • 17.2.2　结构辨识准则
      • 17.2.3　具体辨识步骤
    • 17.3　一类非线性离散时间系统的模糊辨识
      • 17.3.1　问题描述
      • 17.3.2　模糊辨识器设计
    • 17.4　一类非线性系统的变结构模糊逻辑辨识
      • 17.4.1　问题描述
      • 17.4.2　自适应模糊辨识回顾
      • 17.4.3　变结构模糊逻辑辨识器（VSFI）
      • 17.4.4　基于输入输出可测的变结构模糊辨识器
      • 17.4.5　仿真算例
    • 17.5　递推动态模糊逻辑系统及非线性系统辨识
      • 17.5.1　递推动态模糊逻辑系统及万能近似特性
      • 17.5.2　非线性系统的RDFLS辨识
      • 17.5.3　结束语
    • 17.6　非线性系统的在线模糊聚类神经网络辨识方法
      • 17.6.1　用于非线性辨识的模糊神经网络
      • 17.6.2　结构辨识
      • 17.6.3　参数辨识
      • 17.6.4　辨识算法具体步骤
      • 17.6.5　仿真算例
    • 习题
  • 第18章 系统辨识在航天工程中的应用
    • 18.1　系统辨识在飞行器参数辨识中的应用
      • 18.1.1　引言
      • 18.1.2　气动力参数辨识
      • 18.1.3　气动热参数辨识
      • 18.1.4　结构动力学参数辨识
      • 18.1.5　液体晃动模态参数辨识
      • 18.1.6　惯性仪表误差系数辨识
    • 18.2　战术导弹的气动参数辨识
      • 18.2.1　飞航导弹气动力参数辨识
      • 18.2.2　飞航导弹动力学数学模型
      • 18.2.3　参数辨识基本方程
      • 18.2.4　辨识精度分析
      • 18.2.5　闭环的辨识仿真算例
    • 18.3　空空导弹导引头噪声模型的极大似然法辨识
      • 18.3.1　空空导弹导引头噪声模型的描述
      • 18.3.2　极大似然法辨识空空导弹噪声模型参数
      • 18.3.3　导引头目标视线角速度噪声模型参数辨识
      • 18.3.4　目标接近速度噪声模型辨识
      • 18.3.5　噪声模型校验
      • 18.3.6　极大似然法辨识算例
    • 18.4　时间序列法的导引头系统输出噪声建模
      • 18.4.1　方案设计
      • 18.4.2　噪声模型的建立
      • 18.4.3　噪声模型的参数辨识
      • 18.4.4　时间序列法辨识算例
  • 参考文献

相关图书

DSP原理及应用

艾红 樊生文

￥67.00 收藏

DSP控制器原理与应用教程--基于TMS320F28335 & CCS5

李全利 马骏杰 张思艳

￥33.10 收藏

DSP控制器原理与应用教程——基于TMS320F28335（第2版）

李全利原著；马骏杰、高俊山、张思艳主编

￥44.00 收藏

人工智能及其应用（第三版）

王万良

￥48.70 收藏

人工智能及其应用（第四版）

王万良

￥62.00 收藏

全国大学生智能汽车竞赛指导系列丛书——系统设计

程玉华

￥35.00 收藏

图像融合——理论与应用

敬忠良 肖刚 李振华

￥39.00 收藏

机器视觉技术及应用

张静亚 涂水林 主编 张静亚 涂水林 魏学光 吴健辉 编

￥33.50 收藏

机器视觉技术及应用(第2版)

韩九强、钟德星

￥53.00 收藏

电气与PLC控制技术及应用

张晓峰

￥38.00 收藏

自动化系统集成技术

韩力群 等

￥24.20 收藏

计算机视觉技术及应用

主编：吴成东 副主编：迟剑宁、张祥越、于晓升

￥40.50 收藏