上册 1
第1章 绪论 1
1.1 系统与模型 1
1.1.1 系统 1
1.1.2 模型 7
1.2 系统建模 11
1.2.1 建模过程的信息源 12
1.2.2 建模的途径 13
1.2.3 模型的可信度 15
1.2.4 建模的一般原则 16
1.2.5 建模的一般过程 18
1.2.6 模型文档 21
1.3 系统仿真 22
1.3.1 仿真的依据 22
1.3.2 仿真的定义 26
1.3.3 仿真的分类 27
1.3.4 系统仿真的定义 30
1.3.5 系统仿真的一般过程 31
1.3.6 系统仿真技术的应用 33
1.3.7 系统仿真技术的特点 35
1.3.8 仿真系统 36
1.4 系统建模与仿真技术 37
1.4.1 系统建模与仿真技术的含义 37
1.4.2 系统建模与仿真技术体系 37
1.4.3 系统建模与仿真技术研究与应用中值得关注的若干焦点 40
1.5 本书的结构 52
第2章 概念建模 55
2.1 引言 55
2.2 概念建模现状 56
2.3 概念建模过程 59
2.4 概念建模方法 60
2.4.1 基于实体—关系的概念建模方法 60
2.4.2 基于面向对象的概念建模方法 61
2.4.3 基于本体的概念建模方法 66
2.5 常用概念建模语言 69
2.5.1 基于UML的概念建模 69
2.5.2 基于XML的概念建模 71
2.5.3 基于IDEF的概念建模 75
2.6 概念模型在仿真中的应用 78
第3章 基于系统辨识的建模方法 81
3.1 系统辨识概述 81
3.1.1 系统辨识的定义 81
3.1.2 系统辨识的有关概念 82
3.1.3 系统辨识的基本过程 84
3.1.4 系统辨识方法 85
3.2 模型参数辨识的最小二乘法 86
3.2.1 最小二乘原理 86
3.2.2 最小二乘整批算法 87
3.2.3 最小二乘递推算法 92
3.3 模型阶次的辨识方法 100
3.3.1 Hankel矩阵法 100
3.3.2 行列式比（或积矩矩阵）法 103
3.3.3 信息准则法 104
3.3.4 最终预报误差准则法 107
3.3.5 小结 108
3.4 闭环系统辨识 109
第4章 基于人工神经网络的建模方法 113
4.1 人工神经网络简介 113
4.1.1 人工神经元模型 113
4.1.2 人工神经网络的分类 116
4.1.3 人工神经网络的工作过程 118
4.1.4 人工神经网络的学习方式 119
4.1.5 人工神经网络的学习规则 120
4.1.6 人工神经网络的几何意义 122
4.1.7 人工神经网络建模的特点 124
4.2 BP网络 124
4.2.1 BP网络结构 124
4.2.2 BP学习算法 125
4.2.3 BP算法的计算步骤 129
4.2.4 BP算法示例 130
4.2.5 BP算法的不足及其改进 133
4.2.6 BP网络工程应用中的若干问题 135
4.3 反馈式神经网络 140
4.3.1 连续型Hopfield网络 141
4.3.2 离散型Hopfield网络 149
4.4 人工神经网络应用示例 154
4.4.1 人工神经网络用于CGF智能行为建模 154
4.4.2 人工神经网络用于规则搜索 159
第5章 基于灰色系统理论的建模方法 166
5.1 引言 166
5.1.1 灰色系统的概念与基本原理 166
5.1.2 几种不确定性方法的比较 168
5.1.3 灰色系统理论在横断学科群中的地位 169
5.1.4 灰色系统建模基础 170
5.2 GM（1,1）模型 181
5.2.1 灰色微分方程 181
5.2.2 GM（1,1）模型的建立 182
5.2.3 模型精度的检验 184
5.2.4 GM（1,1）模型群 190
5.2.5 GM（1,1）模型的适应范围 192
5.3 GM（1,1）模型的修正模型 193
5.3.1 残差GM（1,1）模型 193
5.3.2 残差均值修正GM（1,1）模型 197
5.3.3 尾部数列GM（1,1）修正模型 199
第6章 随机变量模型的建模方法 202
6.1 引言 202
6.2 分布类型假设 202
6.3 分布参数估计 205
6.4 分布假设检验 208
第7章 基于层次分析法的建模方法 216
7.1 引言 216
7.2 基本层次分析法 217
7.2.1 层次分析法的步骤 217
7.2.2 递阶层次结构的建立 217
7.2.3 构造两两比较的判断矩阵 219
7.2.4 单一准则下元素相对排序权重计算 220
7.2.5 判断矩阵的一致性检验 221
7.2.6 计算各层元素对目标层的总排序权重 223
7.3 群组层次分析法 226
7.3.1 引言 226
7.3.2 群组决策综合方法 226
7.4 灰色层次分析法 228
7.4.1 步骤 228
7.4.2 示例 232
7.5 模糊层次分析法 242
7.5.1 引言 242
7.5.2 方法描述 243
7.5.3 应用 245
第8章 连续系统的建模与仿真 248
8.1 引言 248
8.2 微分方程的机理建模方法 249
8.2.1 建模步骤 249
8.2.2 建模示例 250
8.2.3 非线性系统模型的线性化 255
8.3 状态空间模型的建模方法 262
8.3.1 根据物理学定律直接建立状态空间模型 262
8.3.2 由微分方程建立状态空间模型 267
8.3.3 由传递函数建立状态空间模型 275
8.3.4 状态方程的标准化 281
8.4 面向结构图的模型 283
8.4.1 典型环节的选择 283
8.4.2 面向结构图的系统方程描述 285
8.5 数值积分法 287
8.5.1 常用的几种数值积分法 287
8.5.2 误差、收敛性与稳定性分析 301
8.5.3 数值积分法的选择与计算步长的确定 306
8.6 离散相似法 315
8.6.1 基本原理 316
8.6.2 保持器的类型 317
8.6.3 离散相似法的步骤 319
8.6.4 离散相似法的精度与稳定性 320
8.6.5 用数字补偿器提高离散相似法的精度和稳定性 322
8.7 转移矩阵法（时域离散相似法） 322
8.7.1 系统的离散状态空间模型 322
8.7.2 典型环节的离散状态空间模型 326
8.7.3 矩阵指数的计算 329
8.7.4 举例 332
8.8 增广矩阵法 333
8.8.1 增广矩阵法的基本思想 333
8.8.2 典型输入作用下的增广矩阵 334
8.9 置换法 338
8.9.1 图斯汀置换法的推导 338
8.9.2 性质 340
8.9.3 举例 340
8.10 根匹配法 341
8.11 时域矩阵法 346
8.12 仿真算法的几个问题 350
8.12.1 病态方程的仿真算法 350
8.12.2 实时仿真算法 351
8.12.3 仿真算法的选择与比较 354
8.13 基于数值积分法（面向方程）的连续系统仿真 355
8.14 基于离散相似法（面向结构图）的连续系统仿真 356
8.14.1 系统的数学模型 356
8.14.2 系统的仿真模型 357
8.14.3 编程技巧问题 358
仿真实验 364
F.1 面向方程的数值积分方法仿真 364
F.2 面向结构图的离散相似法仿真 366