系统建模与辨识PDF电子书下载

目 录 1

第1章 引论 1

1.1建模与系统辨识概述 1

1.1.1系统辨识研究的对象 1

1.1.2 系统辨识 2

1.1.3 系统辨识的目的 2

1.1.4辨识中的先验知识 4

1.1.5先验知识的获得 6

1.1.6系统辨识的基本步骤 6

1.2数学模型 7

1.2.1概述 7

1.2.2线性系统的4种数学模型 8

1.3本书的指导思想和布局 10

第2章线性静态模型的辨识 12

2.1 问题的提出 12

2.2.1最小二乘估计 13

2.2最小二乘法（LS） 13

2.2.2最小二乘估计的性质 15

2.2.3逐步回归方法 16

2.3病态方程的求解方法 17

2.3.1病态对参数估计的影响 17

2.3.2条件数 18

2.3.3病态方程的求解方法 18

2.4.1最大似然准则 23

2.4模型参数的最大似然估计（ML） 23

2.4.2最大似然估计 24

2.4.3松弛算法 25

习题 25

第3章 离散线性动态模型的最小二乘估计 27

3.1 问题的提法及一次完成最小二乘估计 27

3.2最小二乘估计的递推算法（RLS） 28

3.2.1递推最小二乘法 29

3.2.2初始值的选择 30

3.2.3计算步骤及举例 31

9.2.4房室模型分类 （1 32

3.3.1渐消记忆（指数窗）的递推算法 33

3.3时变系统的实时算法 33

3.3.2限定记忆（固定窗）的递推算法 34

3.3.3变遗忘因子的实时算法 35

3.4递推平方根算法 37

9.3.1问题…………………………………………………………………………………………（138 ）9.3.2参数估计算法 （1 38

习题 40

3.5最大似然估计（ML） 40

第4章 相关（有色）噪声情形的辨识算法 42

4.1辅助变量法 42

4.2.1增广最小二乘法 44

4.2.2改进的增广最小二乘法 44

4.2增广最小二乘法（ELS） 44

4.3最大似然法（ML） 47

4.4闭环系统的辨识……………………………………………………………………………………（49 ）4.4.1问题的提出 49

4.4.2可辨识性 50

4.4.3闭环条件下的最小二乘估计 51

习题 53

5.1.1损失函数检验法 54

5.1单变量线性系统阶的辨识 54

第5章模型阶的辨识 54

5.1.2 F检验法 54

5.1.3赤池信息准则（AIC准则） 56

5.2阶与参数同时辨识的递推算法 57

5.2.1辨识阶次的基本思想和方法 57

5.2.2阶的递推辨识算法 59

5.2.3几点说明 61

5.3仿真研究 61

5.3.2对模型适用性的仿真研究 62

5.3.1辨识方法的仿真研究 62

5.3.3控制系统设计中的计算机仿真研究 63

习题 63

*第6章 多变量线性系统的辨识 64

6.1不变量、适宜选择路线及规范形 64

6.1.1代数等价系统 65

6.1.2适宜选择路线与不变量 66

6.1.3适宜选择路线与规范形 69

6.2.1输入／输出方程一般形式 74

6.2输入／输出方程 74

6.2.2 PCF规范形对应的输入／输出方程 76

6.3 PCF规范形的辨识 79

6.3.1结构确定及参数辨识 80

6.3.2 B*和D*的实现算法 87

习题 93

第7章 线性系统的非参数表示和辨识 94

7.1.1脉冲响应函数 94

7.1线性系统的非参数表示 94

7.1.2 Markov参数（Hankel模型） 95

7.2估计脉冲响应函数的相关方法 97

7.2.1相关方法的基本原理 97

7.2.2伪随机二位式信号（M序列）………………………………………………………………（98 ）7.2.3用M序列做输入信号时脉冲响应函数的估计 101

7.2.4估计h(t)的具体步骤与实施 102

习题 105

第8章非线性系统辨识 106

8.1 引言 106

8.2.1问题的提法 107

8.2单纯形搜索法 107

8.2.2单纯形搜索法 107

8.3迭代算法的基本原理 111

8.3.1迭代算法的一般步骤 111

8.3.2可接受方向 111

8.4 牛顿—拉夫森算法 112

8.5麦夸特方法 113

*8.6数据处理的分组方法（GMDH） 117

8.6.1背景 117

8.6.2一般模型结构及基本原则 118

8.6.3基本的GMDH方法 119

8.6.5数据的分组和部分实现检验准则 120

8.6.4变量的预选择 120

8.6.6选择层——中间变量的选择 122

8.6.8 GMDH方法总结及应用 122

8.6.7部分实现的形式 122

8.7 NARMAX模型的辨识 123

8.7.1 引言 123

8.7.2非线性动态系统的描述 123

8.7.3“新息—贡献”准则与矩阵求逆定理 125

8.7.4 NARMAX模型的递推辨识算法 126

8.7.5小结 129

习题 129

第9章房室模型的辨识 130

9.1问题的提出 130

9.2房室模型的建模 131

9.2.2物质转移速度 131

9.2.1房室 131

9.2.3房室模型 132

9.2.5房室模型建模示例 133

9.3参数估计 138

9.3.3参数估计中遇到的几个问题 142

9.4可辨识性问题 143

9.4.1 问题 143

9.4.2一房室模型 144

9.4.3二房室模型 144

9.4.4三房室模型 145

9.4.5多房室模型的可辨识性问题 146

9.5应用实例 148

习题 153

第10章 时间序列的建模与辨识 154

10.1引言 154

10.1.1模型形式 155

10.1.2格林函数 156

10.1.3稳定性 158

10.2模型的参数估计 160

10.2.1 AR(n)模型的参数估计 160

10.2.2 ARMA(n,m)模型的参数估计 160

10.2.3初值的求法 161

10.3模型阶的确定 164

10.4确定性的趋向和季节性：非平稳序列 170

习题 173

第1 1章神经网络模型 174

11.1引言 174

11.2神经组织的基本特征和人工神经元 174

11.2.1神经组织的基本特征 174

11.2.2 人工神经元的M-P模型 175

11.3多层前馈神经网络模型 177

11.3.1 前馈神经网络模型的结构 177

11.3.2确定网络模型权值问题的数学描述 178

11.3.3 BP算法 179

11.3.4神经网络的几个有关概念 180

11.4神经网络在辨识中的应用 181

11.5径向基函数网络及其应用 185

11.5.1 径向基函数网络的结构 186

11.5.2 RBF网络的辨识 187

11.5.3 用RBF网络建模实例 189

习题 192

第12章模糊建模与辨识 ( 194

12.1模糊集合的基本概念 194

12.1.1模糊集合及其表示 195

12.1.2模糊集的运算 197

12.1.3常用的隶属函数 198

12.1.5推理算法 200

12.1.4模糊逻辑关系的格式 200

12.2 基于T-S模型的模糊辨识 201

12.2.1结论参数的辨识…………………………………………………………………………（ 202)12.2.2前提参数的辨识 203

12.2.3前提变量的选择 204

12.3应用实例 207

12.4小结 209

习题 210

第13章遗传算法及应用简介 211

13.1 引言 211

13.1.1 遗传算法的基本思想 211

13.1.2基本遗传算法的工作步骤 211

13.2遗传算法的计算机实现 213

13.3遗传算法的工作过程举例 216

13.4实数编码遗传算法 224

13.4.1 实数编码遗传算法及其在神经网络训练中的应用 225

13.4.2结果与讨论 227

13.5关于遗传算法的几点说明 229

13.5.1模式定理 229

13.5.2 GA算法的收敛性分析 229

13.5.3 GA是一种优化算法的方法论 230

习题 230

第14章 辨识的实施 231

14.1辨识的实验设计 231

14.1.1 问题的提出 231

14.1.2设计准则 231

14.1.3输入信号的设计 233

14.1.4采样区间的设计 236

14.2模型适用性检验 238

14.2.1通过先验知识的检验 238

14.2.2通过数据的检验 238

14.2.3通过对预测误差序列的检验 238

14.2.4应用实例 239

习题 240

附录A 矩阵运算的两个结果 241

附录B矩阵微分的几个结果 242

附录C伪随机二位式序列 244

附录D正态伪随机数 245

参考文献 246