系统辨识与建模PDF电子书下载

1概述 1

1.1 系统辨识的目的 1

目 录 1

1.2 系统辨识的关键问题 2

1.3 系统辨识的实验设计 3

1.3.1 输入信号的选择 3

1.3.4 开环或闭环系统辨识 4

1.3.5 离线或在线系统辨识 4

1.4 系统辨识的步骤 4

1.3.3 辨识时间（数据长度） 4

1.3.2 采样间隔的选择 4

习题 5

参考文献 5

2数学模型 6

2.1 数学模型的类型 6

2.2输入输出模型 6

2.2.1连续系统输入输出模型 6

2.2.2 离散时间系统输入输出模型 8

2.3状态方程模型 9

2.3.1 连续型状态方程模型 9

2.4 模型转换 12

2.4.1 传递函数转换为状态方程 12

2.3.2 离散型状态方程模型 12

2.4.2将状态方程离散化 13

2.4.3双线性变换 13

2.5 附录 19

2.5.1 式（2-4-18）的证明 19

2.5.2 二项式系数的算法 19

2.5.3具体程序及运算示例 20

习题 23

参考文献 23

3.1 随机过程特征 24

3.1.1 基本概念 24

3随机信号分析与伪随机序列 24

3.1.2 随机过程的分布函数 25

3.1.3 随机过程的数字特征 26

3.1.4 随机过程 29

3.1.5 平稳过程的各态历经性（遍历性，Ergodic） 30

3.2 相关函数及频谱密度函数 31

3.2.1 相关函数 31

3.2.2 谱密度函数（或称功率密度谱、谱密度）的性质 34

3.2.3 线性系统在随机信号输入下的谱密度函数 34

3.2.4谱分解定理 35

3.2.5 连续时间随机过程谱分解定理 37

3.3.1 类型 39

3.3.2 白噪声过程及其产生方法 39

3.3典型随机过程 39

3.3.3表示性定理及有色噪声过程 42

3.3.4 伪随机信号及其产生方法 44

3.3.5 正态过程 50

习题 52

参考文献 52

4非参数模型的辨识 54

4.1 脉冲响应的辨识 54

4.1.1 实验测取脉冲响应 54

4.1.2 用最小二乘法辨识对象的脉冲响应函数 56

4.1.3 由对象的脉冲响应转换为传递函数 59

4.2 频率响应 63

4.2.1 频率响应的测取 63

4.2.2 从频率响应转换为传递函数 66

4.2.3 用加权最小二乘法求解传递函数 71

4.3相关分析法 74

4.3.1 维纳－霍甫方程 74

4.3.2 相关函数的求取 75

4.4 相关辨识与最小二乘法的关系 77

4.5 用PRBS确定对象的脉冲反应函数 78

习题 80

参考文献 80

5.1最小二乘法 81

5最小二乘法及其扩展方法 81

5.1.1 模型结构 82

5.1.2最小二乘格式 84

5.1.3最小二乘法的解 85

5.1.4 最小二乘估计的统计特性 88

5.1.5 噪声方差估计 90

5.1.6 正则方程的优良算法 91

5.2 最小二乘参数估计的递推算法 96

5.3 最小二乘适应算法 99

5.3.1“数据饱和”现象 99

5.3.2遗忘因子法 100

5.3.3 限定记忆法 104

5.4 按模型阶次增加的递推算法 106

5.5 改进的最小二乘法 108

5.5.1 最小二乘法存在的问题和改进途径 108

5.5.2增广最小二乘法 109

5.5.3广义最小二乘法 111

5.5.4偏差校正的GLS算法 115

5.5.5辅助变量法 118

5.5.6相关－最小二乘法 121

5.5.7多步最小二乘法 124

5.5.8各种方法的比较 132

习题 133

参考文献 134

6.1极大似然法 135

6.1.1 极大似然原理 135

6其他类型辨识方法 135

6.1.2 极大似然法用于动态系统的参数估计 136

6.1.3 牛顿－拉夫森（Newton-Raphson）法求解极大似然估计 138

6.1.4 近似递推极大似然估计 139

6.2 用卡尔曼滤波解决系统辨识问题 142

6.2.1 卡尔曼滤波理论 142

6.2.2 卡尔曼滤波理论用于系统辨识 142

6.2.3 最优平滑算法用于系统辨识 143

6.3模型参考自适应辨识法 144

6.3.1 连续系统模型参考自适应辨识算法 145

6.3.2 离散系统模型参考自适应辨识算法 147

6.4 随机数直接搜索法 148

6.5.2 基弗－华尔福维奇随机逼近法 152

6.5随机逼近法 152

6.5.1 罗宾－门罗随机逼近法 152

6.5.3参数估计的随机逼近法 153

习题 155

参考文献 155

7模型结构的辨识 157

7.1模型结构参数 157

7.2模型阶次的辨识 157

7.2.1 利用行列式比估计模型阶次 157

7.2.2 利用残差平方和估计模型的阶次 159

7.2.3 利用赤池信息准则估计模型的阶次 162

7.2.5 利用Hankel矩阵的秩估计模型的阶次 163

7.2.4 利用最终预报误差准则估计模型的阶次 163

7.3 纯滞后时间的确定及节省参数模型 165

7.4 附录F分布值表 167

习题 168

参考文献 169

8多变量系统辨识 170

8.1 多变量系统脉冲响应矩阵的辨识 170

8.2 多变量系统规范型及其转换 172

8.2.1 P规范对象 172

8.2.2 V规范对象 172

8.2.3 P、V规范型对象的互相转化 173

8.3 多变量系统的分解 174

8.6 同时辨识多变量系统节省参数模型的结构及参数的方法 176

8.4 多变量系统子模型辨识 176

8.5 多变量系统子子模型辨识 176

8.7 状态空间子空间方法估计状态空间模型 181

8.7.1 状态空间子空间辨识算法 181

8.7.2 数值状态空间子空间系统辨识算法 183

8.7.3 子空间算法的总结 189

8.7.4 N4SID算法的具体实现 190

习题 194

参考文献 195

9闭环系统辨识 197

9.1.2 闭环系统不可辨识性 198

9.1 闭环系统的可辨识性 198

9.1.1 闭环系统辨识的必要性 198

9.1.3 控制律对闭环系统参数可辨识性的影响 199

9.1.4 闭环系统可辨识性的条件 201

9.1.5 闭环系统可辨识性的理论分析 201

9.2 闭环系统辨识方法分类 204

9.3 闭环系统间接辨识原理 205

9.4 闭环系统的直接辨识 206

9.4.1 用辅助变量法来直接辨识 206

9.4.2 用相关－最小二乘法来直接辨识 207

9.4.3 用子模型子子模型法来直接辨识 208

9.5 闭环系统的联合过程辨识 211

习题 213

参考文献 214

10小样本系统辨识 215

10.1 概述 215

10.2 LKL估计法 215

10.2.1 LS估计在小样本时存在的问题 215

10.2.2 LKL估计方法 216

10.3 特小样本极大似然估计法 219

10.3.1 预测拟合优势的概念 219

10.3.2 特小样本极大似然估计法 219

10.3.3应用例子 221

10.4.1残差－LKL定阶法 222

10.4 小样本系统的阶次估计 222

10.4.2 小样本似然比定阶法 224

10.4.3 行列式比－LKL定阶法 227

10.4.4 三种小样本定阶法的比较 229

10.5附录t分布表 230

习题 231

参考文献 231

11.1.1 模型类的选择 232

11.1.2 采样时间 232

11.1.3准则函数 232

11.1 辨识中的一些实际问题 232

11 系统辨识的实际问题及其应用 232

11.1.4 在线化的考虑 233

11.1.5模型检验 233

11.1.6模型转换 234

11.2 在自适应控制中的应用 235

11.3 在预测控制中的应用 236

11.4 在软仪表中的应用 237

11.5 在优化控制中的应用 238

11.6 在故障诊断中的应用 238

11.7 在内模控制中的应用 239

习题 240

参考文献 240

索引 242