《系统辨识理论及应用》PDF下载

  • 购买积分:17 如何计算积分?
  • 作  者:萧德云编著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2014
  • ISBN:9787302348535
  • 页数:589 页
图书介绍:本书主要内容包括系统描述和辨识模型、辨识方法及数值计算、辨识理论与性能分析、辨识应用与实践等相关知识。本书突出基础性、逻辑性和理论性,强调理论联系实际,在有明显应用背景和清晰物理概念的前提下,论述辨识的理论和方法,并从较高的层次揭示各种辨识方法的内在联系和应用考虑。

第1章 绪论 1

1.1 引言 1

1.2 系统 1

1.3 模型 4

1.3.1 模型概念 4

1.3.2 建模方法 7

1.4 辨识 9

1.4.1 辨识的定义 9

1.4.2 辨识的表达形式 9

1.4.3 辨识的基本原理 12

1.5 辨识的三要素 13

1.5.1 数据集 13

1.5.2 模型类 15

1.5.3 等价准则 16

1.6 辨识的内容与步骤 20

1.7 辨识模型的质量 24

1.8 辨识的应用 25

1.9 小结 26

习题 26

第2章 系统描述与辨识模型 31

2.1 引言 31

2.2 系统描述 31

2.2.1 系统时域描述 31

2.2.2 系统频域描述 36

2.3 辨识模型 38

2.3.1 线性时不变模型 39

2.3.2 线性时变模型 42

2.3.3 非线性模型 42

2.4 小结 49

习题 49

第3章 辨识信息实验设计 53

3.1 引言 53

3.2 辨识信息实验 53

3.2.1 开环辨识信息实验 53

3.2.2 持续激励信号 54

3.2.3 闭环辨识信息实验 58

3.3 辨识输入信号设计 60

3.4 采样时间的选择 62

3.5 数据长度的选择 64

3.6 小结 64

习题 65

第4章 经典的辨识方法 66

4.1 引言 66

4.2 相关分析法 66

4.2.1 频率响应辨识 66

4.2.2 脉冲响应辨识 72

4.3 谱分析法 82

4.3.1 周期图法 82

4.3.2 平滑法 83

4.4 由非参数模型求传递函数 85

4.4.1 Hankel矩阵法 85

4.4.2 Bode图法 87

4.4.3 Levy法 89

4.5 小结 92

习题 92

第5章 最小二乘辨识方法 95

5.1 引言 95

5.2 最小二乘批处理算法 97

5.2.1 最小二乘原理 97

5.2.2 最小二乘辨识问题的假设条件 98

5.2.3 最小二乘辨识问题的解 99

5.2.4 最小二乘估计的几何意义 102

5.2.5 最小二乘估计的统计性质 103

5.3 最小二乘递推辨识算法 107

5.3.1 递推算法 108

5.3.2 损失函数的递推计算 109

5.3.3 递推算法分析 111

5.3.4 递推算法的几何解析 114

5.3.5 RLS算法MATLAB程序实现 115

5.4 最小二乘法的变形 119

5.4.1 加权最小二乘法 119

5.4.2 遗忘因子法 120

5.4.3 折息法 124

5.4.4 协方差调整法 126

5.4.5 带约束条件的最小二乘法 126

5.5 小结 127

习题 128

附 辨识算法程序 134

第6章 最小二乘类辨识方法 136

6.1 引言 136

6.2 增广最小二乘法 136

6.2.1 递推算法 136

6.2.2 RELS算法MATLAB程序实现 138

6.3 广义最小二乘法 140

6.3.1 批处理算法 140

6.3.2 递推算法 142

6.3.3 RGLS算法MATLAB程序实现 143

6.4 辅助变量法 146

6.4.1 批处理算法 146

6.4.2 辅助向量的选择 147

6.4.3 递推算法 148

6.4.4 RIV算法MATLAB程序实现 149

6.5 相关二步法 151

6.5.1 RCOR-LS算法 151

6.5.2 RCOR-LS算法MATLAB程序实现 153

6.6 偏差补偿最小二乘法 156

6.6.1 偏差补偿递推算法 156

6.6.2 RCLS算法MATLAB程序实现 158

6.7 不同噪声模型下辨识结果比较 161

6.8 小结 166

习题 166

附 辨识算法程序 171

第7章 梯度校正辨识方法 176

7.1 引言 176

7.2 梯度搜索原理 176

7.3 确定性梯度校正辨识方法 178

7.3 1梯度校正算法 178

7.3.2 权矩阵的选择 179

7.3.3 算法性质 181

7.4 随机性梯度校正辨识方法 185

7.4.1 随机性辨识问题分类 186

7.4.2 梯度校正补偿算法 186

7.5 随机逼近辨识方法 189

7.5.1 随机逼近原理 190

7.5.2 随机逼近算法 191

7.6 随机牛顿辨识方法 192

7.6.1 牛顿算法 192

7.6.2 随机牛顿算法 193

7.7 小结 194

习题 194

第8章 极大似然与预报误差辨识方法 197

8.1 引言 197

8.2 极大似然辨识方法 197

8.2.1 极大似然原理 197

8.2.2 极大似然模型参数估计 199

8.2.3 极大似然递推辨识算法 202

8.2.4 RML算法MATLAB程序实现 204

8.2.5 极大似然估计的统计性质 206

8.3 预报误差辨识方法 209

8.3.1 预报误差模型 209

8.3.2 预报误差准则 209

8.3.3 预报误差算法 211

8.3.4 预报误差估计的统计性质 213

8.4 小结 214

习题 214

附 辨识算法程序 216

第9章 递推辨识算法的一般结构 217

9.1 引言 217

9.2 模型预报值及其关于参数θ的一阶梯度 217

9.3 辨识算法的一般结构 220

9.3.1 准则函数 220

9.3.2 随机牛顿法的应用 220

9.3.3 辨识算法的一般形式 221

9.3.4 RLS辨识算法的一般表示 222

9.4 RGIA算法用于SISO模型辨识 224

9.4.1 输出预报值 224

9.4.2 输出预报值关于参数θ的梯度 225

9.4.3 SISO模型辨识算法 226

9.4.4 RGIA-SS算法MATLAB程序实现 227

9.5 RGIA算法用于状态空间模型辨识 230

9.5.1 输出预报值 230

9.5.2 预报值关于参数θ的梯度 231

9.5.3 状态空间模型辨识算法 233

9.6 RGIA算法的实现 235

9.7 小结 240

习题 241

附 辨识算法程序 245

第10章 模型结构辨识 248

10.1 引言 248

10.2 根据Hankel矩阵的秩估计模型的阶次 248

10.3 利用残差的方差估计模型的阶次 251

10.3.1 残差方差分析 251

10.3.2 F-Test定阶法 253

10.4 利用Akaike准则估计模型的阶次 257

10.4.1 AIC准则 257

10.4.2 AIC定阶法 259

10.5 利用最终预报误差准则估计模型的阶次 261

10.6 MIMO系统模型结构辨识 264

10.7 小结 268

习题 268

第11章 增广UD分解辨识算法 272

11.1 引言 272

11.2 信息压缩阵 272

11.2.1 信息压缩阵的构成 272

11.2.2 信息压缩阵的等价变换 274

11.2.3 信息压缩阵的作用 275

11.3 UD分解 276

11.4 增广UD分解辨识算法(AUDI) 279

11.5 增广UD分解最小二乘辨识算法 287

11.5.1 AUDI-RLS算法 287

11.5.2 AUDI-RLS算法分析 290

11.5.3 AUDI-RFF算法 292

11.5.4 AUDI-RLS算法MATLAB程序实现 294

11.6 增广UD分解增广最小二乘辨识算法 297

11.6.1 AUDI-RELS算法 297

11.6.2 AUDI-RELS算法MATLAB程序实现 301

11.7 增广UD分解辅助变量辨识算法 304

11.7.1 AUDI-RIV算法 304

11.7.2 AUDI-RIV算法MATLAB程序实现 311

11.8 小结 314

习题 314

附 辨识算法程序 317

第12章 多变量系统辨识 321

12.1 引言 321

12.2 脉冲传递函数矩阵模型辨识方法 321

12.2.1 辨识算法 321

12.2.2 辨识算法MAT LAB程序实现 327

12.3 Markov参数模型辨识方法 329

12.3.1 辨识算法 329

12.3.2 辨识算法MATLAB程序实现 330

12.4 输入输出差分方程模型辨识方法 332

12.4.1 辨识算法 332

12.4.2 辨识算法MATLAB程序实现 335

12.5 多变量AUDI辨识方法 338

12.5.1 AUDI辨识结构 338

12.5.2 AUDI辨识算法 340

12.6 小结 343

习题 344

附 辨识算法程序 347

第13章 EIV模型辨识 353

13.1 引言 353

13.2 极大似然法 353

13.2.1 基本假设 354

13.2.2 辨识算法 355

13.3 偏差消除最小二乘法 359

13.3.1 基本假设 360

13.3.2 辨识算法 360

13.4 L2最优辨识方法 366

13.4.1 基本假设 366

13.4.2 辨识算法 367

13.5 小结 375

习题 375

第14章 非均匀采样系统辨识 377

14.1 引言 377

14.2 非均匀采样系统描述 377

14.2.1 基本假设 377

14.2.2 状态空间模型描述 379

14.2.3 子空间辨识模型 379

14.2.4 非均匀采样积分滤波器 380

14.3 非均匀采样积分滤波器子空间辨识方法 384

14.3.1 基于MOESP算法 384

14.3.2 基于N4SID算法 387

14.4 高斯牛顿辨识方法 391

14.4.1 算法基本形式 391

14.4.2 递推辨识算法 394

14.5 问题讨论 399

14.5.1 非均匀采样对算法估计精度的影响 399

14.5.2 非均匀采样对算法收敛性质的影响 400

14.6 应用例 402

14.7 小结 404

习题 405

第15章 闭环系统辨识 408

15.1 引言 408

15.2 闭环辨识问题 408

15.3 闭环系统的可辨识性 409

15.3.1 可辨识性概念 409

15.3.2 前向通道模型的可辨识性条件 411

15.3.3 反馈通道模型的可辨识性条件 417

15.4 闭环系统辨识方法 419

15.4.1 最小二乘辨识方法 419

15.4.2 增广最小二乘辨识方法 423

15.4.3 AUDI辨识方法 425

15.5 小结 429

习题 429

第16章 递推辨识算法性能分析 431

16.1 引言 431

16.2 ODE法 432

16.2.1 伴随微分方程 432

16.2.2 辨识算法与伴随微分方程的关系 433

16.2.3 ODE法步骤 434

16.2.4 收敛性定理 437

16.2.5 RLS算法收敛性分析 438

16.3 最小二乘类递推辨识算法性能分析 441

16.3.1 基本概念与引理 441

16.3.2 RLS算法性能分析 443

16.3.3 RFF算法性能分析 449

16.3.4 RELS算法性能分析 452

16.3.5 RIV算法性能分析 453

16.4 小结 457

习题 457

第17章 辨识的一些实际考虑及应用 462

17.1 引言 462

17.2 辨识的目标与计划 462

17.2.1 目标 462

17.2.2 计划 465

17.2.3 辨识软件包 465

17.3 系统分析 467

17.4 辨识实验设计 469

17.5 数据预处理 470

17.6 准则函数的选择 470

17.7 模型结构的选择 474

17.8 算法初始值的选择 474

17.9 遗忘因子的选择 476

17.10 噪声特性分析 477

17.10.1 信噪比 477

17.10.2 噪声标准差估计 478

17.11 可辨识性 479

17.12 模型检验 481

17.12.1 自相关系数检验法 481

17.12.2 周期图检验法 482

17.13 模型转换 483

17.13.1 离散模型与连续模型之间的转换 483

17.13.2 差分方程模型与状态空间模型之间的转换 486

17.14 辨识在预报中的应用 486

17.15 辨识在控制中的应用 490

17.16 小结 502

习题 503

附录A 变量符号·记号约定·缩写 509

A.1 变量符号 509

A.2 记号约定 510

A.3 缩写 512

附录B 辨识实验指示书 514

实验一 利用相关分析法辨识脉冲响应 514

实验二 辨识算法实验比较研究 517

实验三 闭环系统可辨识性条件研究 519

附录C 随机变量与随机过程 522

C.1 随机变量 522

C.1.1 随机变量的数学描述 522

C.1.2 随机变量的数字特征 523

C.1.3 条件数学期望 524

C.1.4 随机变量变换定理 525

C.2 随机过程 526

C.2.1 随机过程的数学描述 526

C.2.2 随机过程的数字特征 526

C.2.3 随机过程的平稳性与各态遍历性 527

C.2.4 相关函数与协方差函数的性质 528

C.2.5 谱密度函数 529

C.2.6 相关函数和谱密度函数的估计 531

附录D 伪随机码(M序列)及其性质 534

D.1 M序列的产生 534

D.2 M序列的性质 538

D.3 M序列的自相关函数 538

D.4 M序列的谱密度函数 540

附录E 矩阵运算 542

E.1 矩阵的迹 542

E.2 矩阵的秩 542

E.3 矩阵的逆 543

E.4 矩阵的条件数 543

E.5 矩阵的行列式 543

E.6 向量范数与矩阵范数 544

E.7 矩阵的非奇异性 544

E.8 正定矩阵和半正定矩阵 545

E.9 正矩阵和非负矩阵 545

E.10 矩阵特征值和特征向量 545

E.11 同幂矩阵 546

E.12 矩阵求导 546

附录F 估计理论 548

F.1 估计量的统计性质 548

F.2 Fisher信息测度 551

附录G 概率分布值 554

G.1 F分布值 554

G.2 x2分布值 556

附录H 辨识算法程序例 558

后序 574

参考文献 578

索引 583