系统辨识及其MATLAB仿真PDF电子书下载

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