第1章 绪论 1
1．1 系统与模型 1
1．2 系统辨识的定义 2
1．3 系统辨识的理论与技术 3
1．4 系统辨识的应用 7
1．5 本书的编排 8
第2 章 非参数模型辨识 10
2．1 随机过程的基本概念及其数学描述 10
2．2 辨识系统的相关分析法 15
2．3 伪随机二位式序列产生的方法及其性质 20
2．4 用伪随机二位式序列辨识系统 24
2．5 谱分析法 32
2．6 小结 40
第3章 最小二乘参数辨识 41
3．1 引言 41
3．2 最小二乘法 41
3．3 最小二乘参数估计的递推算法 46
3．4 辅助变量法 49
3．5 广义最小二乘法 51
3．6 小结 52
第4章 极大似然法与预报误差法 54
4．1 引言 54
4．2 极大似然参数辨识 54
4．3 预报误差参数辨识方法 64
4．4 小结 69
第5章 动力学系统参数辨识 70
5．1 引言 70
5．2 状态估计和卡尔曼滤波算法 70
5．3 极大似然辨识算法 73
5．4 水下自主航行器动力学参数辨识 78
5．5 极大似然迭代辨识算法 82
5．6 极大似然递推辨识算法 86
5．7 单纯形寻优法 90
5．8 增广的广义卡尔曼滤波算法 91
5．9 小结 93
6．2 数据处理的理论基础 94
第6章 数据预处理及相容性检验 94
6．1 前言 94
6．3 数据预处理 98
6．4 数据相容性检验和数据重建 103
6．5 数据相容性检验应用实例 106
6．6 测量数据含有异常值时的鲁棒辨识问题 107
6．7 小结 111
第7章 辨识技术及应用 112
7．1 闭环系统可辨识的条件 112
7．2 递归算法的收敛性 115
7．3 模型的确认与验证 118
7．4 递推辨识算法在故障检测中的应用 121
7．5 小结 125
第8章 鲁棒建模方法与发展 126
8．1 鲁棒辨识的发展和研究现状 126
8．2 Hardy空间和算子范数 130
8．3 Nehari问题和插值逼近问题 133
8．4 线性矩阵不等式 140
第9章 基于频域数据的H∞鲁棒辨识 143
9．1 引言 143
9．2 H∞辨识问题的描述 143
9．3 非线性两步算法 146
9．4 窗函数与非线性两步算法的关系 148
9．5 线性算法 151
9．6 仿真算例 155
9．7 小结 158
第10章 基于时域数据的鲁棒辨识 160
10．1 引言 160
10．2 问题描述 160
10．3 基于时域数据的鲁棒辨识算法 162
10．4 最优误差界估计——μ分析法 168
10．5 基于ι1范数的时域数据鲁棒辨识 172
10．6 小结 177
11．1 引言 178
11．2 问题描述 178
第11章 基于时域/频域混合数据的鲁棒辨识 178
11．3 作为Nudelman问题形式的混合数据插值问题 179
11．4 基于混合数据的鲁棒辨识插值算法 182
11．5 混合数据鲁棒辨识的凸规划算法 190
11．6 小结 197
第12章 连续时间系统H∞辨识 198
12．1 简介 198
12．2 问题描述和定义 198
12．3 连续系统的H∞辨识算法 199
12．4 水下自主航行器系统辨识伪真算例 202
13．2 问题描述 205
13．1 引言 205
第13章 面向鲁棒控制的模型验证 205
13．3 预备知识 207
13．4 非结构不确定性模型验证 209
13．5 结构不确定性模型验证 212
13．6 闭环系统的模型验证 218
13．7 小结 220
第14章 鲁棒辨识的相关问题和应用技术 221
14．1 集员辨识方法 221
14．2 鲁棒辨识与鲁棒控制的结合 224
14．3 实验数据的获取 228
14．4 鲁棒辨识理论在水下自主航行器系统中的应用 231
参考文献 237