系统辨识方法及应用PDF电子书下载

第1章 绪论 1

1.1系统与模型 1

1.2系统辨识的基本思想 5

1.3系统辨识的内容和步骤 7

1.4系统辨识的基本原则 10

1.5系统辨识的应用 11

1.6系统辨识软件包 13

1.7本书内容安排 13

习题 14

第2章 输入设计与数据预处理 16

2.1随机信号 16

2.1.1随机信号的均值和相关函数 17

2.1.2相关函数和协方差函数的性质 18

2.1.3相关函数和谱密度函数 19

2.2常用输入信号 21

2.2.1多正弦和函数信号 21

2.2.2方波信号 22

2.2.3白噪声 24

2.2.4有色噪声 26

2.2.5伪随机二位式序列 26

2.2.6逆m序列 31

2.3输入信号与开环可辨识性 33

2.3.1输入信号与开环可辨识性问题 33

2.3.2 2n阶持续激励信号 34

2.3.3 2n阶持续激励条件 34

2.4输入信号的选择 36

2.5采样率的选择 37

2.6测量数据预处理 37

2.6.1野值的剔除和补正 38

2.6.2数据平滑 39

2.6.3数字低通滤波 40

2.6.4零均值化 41

2.6.5消除数据变化趋势 42

2.7数据相容性检验 43

习题 43

第3章 系统模型与模型辨识 44

3.1输入输出模型 44

3.1.1连续型输入输出模型 44

3.1.2离散型输入输出模型 45

3.2状态空间模型 46

3.2.1连续型状态空间模型 46

3.2.2离散型状态空间模型 48

3.3随机模型 48

3.3.1随机系统的差分模型 49

3.3.2随机系统的状态空间模型 49

3.3.3随机系统的预测误差方程 51

3.4数学模型之间的等价变换 51

3.4.1微分方程和差分方程的互相转换 51

3.4.2状态方程到差分方程的转换 53

3.5模型结构的可辨识性 54

3.6模型阶次的辨识 55

3.6.1行列式比定阶法 55

3.6.2 PCA定阶法 56

3.6.3损失函数检验法 56

3.6.4 F检验法 57

3.6.5 Akaike准则法 58

3.6.6预报误差准则法 58

3.6.7 Hankel矩阵定阶法 61

3.7模型仿真与预测 62

3.7.1一步超前预测 63

3.7.2 n步超前预测 64

3.8辨识精度 65

3.8.1参数辨识准度评价方法 65

3.8.2参数置信区间的估计 67

3.9模型检验 69

习题 71

第4章 非参数模型辨识方法 73

4.1相关分析法 73

4.1.1频率响应的辨识 73

4.1.2脉冲响应的辨识 74

4.2谱分析法 83

4.2.1周期图法 83

4.2.2估计频率响应的平滑法 85

4.3非参数模型转化为参数模型 90

4.3.1由脉冲响应求传递函数 91

4.3.2由频率响应求传递函数 95

习题 96

第5章 参数辨识最优化方法 97

5.1参数估计的梯度校正法 97

5.1.1随机逼近法 97

5.1.2随机Newton-Raphson法 98

5.1.3 Marquardt法 99

5.2遗传算法 101

5.2.1基本遗传算法 101

5.2.2实数编码遗传算法 104

5.3粒子群优化算法 106

5.3.1粒子群优化算法 106

5.3.2基于粒子群优化的系统辨识 107

习题 109

第6章 最小二乘法 110

6.1最小二乘法概述 110

6.1.1最小二乘法的基本算法 110

6.1.2最小二乘估计的性质 112

6.1.3最小二乘法的逐数据递推算法 114

6.1.4递推平方根算法 116

6.1.5最小二乘法的逐阶次递推算法 117

6.2时变最小二乘法 119

6.2.1限定记忆最小二乘法 119

6.2.2遗忘因子法 120

6.2.3分段折线最小二乘法 121

6.3辅助变量法 123

6.4增广最小二乘法 125

6.4.1增广最小二乘法概述 126

6.4.2广义的增广最小二乘法 127

6.5多级最小二乘法 128

6.6单输入单输出系统一般模型辨识的递推算法 131

6.6.1递推算法 132

6.6.2快速算法 136

6.7系统辨识在故障检测中的应用 137

6.7.1故障检测方法 138

6.7.2在线故障检测方法 141

习题 144

第7章 其他参数辨识法 146

7.1极大似然法 146

7.1.1协方差矩阵已知的极大似然法 147

7.1.2协方差矩阵未知的极大似然法 148

7.1.3 Newton-Raphson迭代求解法 150

7.1.4递推极大似然法 152

7.2预报误差法 156

7.3基于卡尔曼滤波器的多模参数辨识 159

7.3.1卡尔曼滤波方程 159

7.3.2基于卡尔曼滤波方程的多模参数辨识算法 162

7.3.3“移动”卡尔曼滤波器组多模参数辨识 165

7.4基于系统辨识的自适应预报 167

7.4.1间接法 167

7.4.2直接法 169

7.4.3多层递阶预报方法 170

习题 171

第8章 多变量线性系统辨识 172

8.1状态方程的规范形 172

8.1.1代数等价系统 172

8.1.2适宜选择路线 173

8.1.3规范形 175

8.2输入、输出方程 179

8.2.1输入、输出方程一般形式 180

8.2.2 PCF规范形对应的输入、输出方程 181

8.3 PCF规范形的辨识 185

8.3.1结构确定及参数辨识 185

8.3.2求解B和D 194

8.4状态空间模型的递归辨识算法的一般形式 198

习题 204

第9章 闭环系统的模型辨识 205

9.1系统反馈判别法 205

9.2闭环系统的辨识方法 208

9.2.1直接辨识法 209

9.2.2间接辨识法 214

9.3多输入多输出闭环系统的辨识 216

9.3.1自回归模型辨识法 216

9.3.2更换反馈矩阵辨识法 218

9.4闭环系统的阶次辨识 219

9.5基于系统辨识的自适应控制 221

9.5.1基本原理 221

9.5.2自优化自适应控制 222

习题 228

第10章 神经网络模型的辨识 229

10.1单个神经元结构 229

10.2多层前馈神经网络后向传播算法 230

10.3三层前馈神经网络的预报误差法 235

10.3.1神经网络建模的结构 235

10.3.2神经网络的RPE算法 236

10.4径向基神经网络 238

10.5基于神经网络的逆模型辨识 242

10.6神经自校正控制 247

10.6.1神经自校正控制结构 248

10.6.2神经网络辨识器 249

10.7神经PID控制 252

10.7.1神经网络辨识器 253

10.7.2神经PID控制器 254

10.8神经模型参考自适应控制 257

习题 260

第11章 模糊系统的模型辨识 262

11.1模糊集合 262

11.1.1隶属函数 262

11.1.2模糊集的逻辑运算 264

11.1.3模糊规则和模糊推理 265

11.2基于T-S模型的模糊辨识 266

11.2.1结论参数的辨识 268

11.2.2前提参数的辨识 269

11.2.3前提变量的选择 270

11.3基于模糊划分的模糊辨识 271

11.3.1基于T-S模型的广义变形模型的模糊辨识 271

11.3.2基于正交最小二乘法的模糊辨识 276

11.4基于模糊模型辨识的自适应预测与控制 277

11.4.1基于模糊模型的自适应广义预测控制 277

11.4.2电力系统短期负荷预测的模糊建模方法 282

11.4.3炼钢中的模糊建模方法 285

习题 287

第12章 面向控制的鲁棒辨识 289

12.1基于频域数据的鲁棒辨识 289

12.1.1鲁棒辨识问题的描述 289

12.1.2非线性两步算法 291

12.2基于时域数据的鲁棒辨识 294

12.2.1 Caratheodory-Fejer插值算法 294

12.2.2基于l1范数的时域数据鲁棒辨识 297

12.3基于时／频混合数据的鲁棒辨识 300

12.3.1插值算法 301

12.3.2混合数据鲁棒辨识的凸规划算法 304

第13章 系统辨识在飞行器试验中的应用 307

13.1基于参数辨识的运载火箭动力系统故障诊断 307

13.1.1强跟踪滤波器 307

13.1.2运载火箭故障诊断数学模型 309

13.1.3仿真结果 310

13.2基于参数辨识的空中飞行模拟器自适应控制 312

13.2.1参数自适应模型跟随飞控系统方案 313

13.2.2飞机运动模型建立及控制律形成 313

13.2.3快速采样多变量模型跟随控制 316

13.2.4多模参数自适应控制系统的综合 318

13.2.5仿真系统构成及仿真试验 321

13.3固定翼飞行器气动参数辨识 323

13.3.1空气动力数学模型 323

13.3.2气动参数辨识方程组 325

第14章 基于Matlab的系统辨识实例 331

附录A x2分布值表（a=0.05） 364

附录B F分布值表（a=0.05） 365

参考文献 367