第1章 辨识的基本概念 1
1.1系统和模型 1
1.1.1模型的表现形式 1
1.1.2系统及其模型的分类 2
1.2辨识建模的定义 3
1.3辨识问题的表达形式及原理 4
1.3.1辨识问题的表达形式 4
1.3.2辨识算法的基本原理 5
1.3.3误差准则 7
1.4辨识的内容和步骤 8
1.5典型的非线性系统辨识与控制方法 9
1.5.1非线性辨识典型模型及辨识、控制方法的的特点 9
1.5.2非线性系统参数估计的特点 11
1.5.3神经网络及其系统控制结构 11
1.5.4非线性解耦问题 14
1.5.5需要深入研究的非线性问题 15
1.6小结 18
思考题 18
第2章 辨识理论基础及古典辨识法 19
2.1随机过程及其数学描述 19
2.1.1随机过程的基本概念 19
2.1.2相关函数和协方差函数的性质 21
2.2谱密度与相关函数 22
2.2.1巴塞伐尔定理与功率密度谱表示式 22
2.2.2维纳—辛钦关系式 22
2.3线性系统在随机输入下的响应 23
2.4白噪声的产生方法及其仿真 23
2.4.1白噪声的概念 23
2.4.2白噪声的产生及其MATLAB仿真 25
2.4.3伪随机信号产生及MATLAB仿真举例 29
2.5古典辨识方法 32
2.5.1 M序列自相关函数 33
2.5.2逆M序列 34
2.5.3相关分析法频率响应辨识 35
2.5.4相关分析法脉冲响应辨识 38
2.5.5相关分析法脉冲响应辨识的应用 43
2.6小结 44
习题 45
第3章 最小二乘参数辨识 46
3.1基本最小二乘法 46
3.1.1问题的提出 46
3.1.2最小二乘法的原理 47
3.2最小二乘法问题的描述 48
3.3最小二乘问题的基本算法 49
3.3.1基本最小二乘问题的解 49
3.3.2加权最小二乘问题的解 50
3.3.3最小二乘一次完成算法的MATLAB仿真 52
3.4最小二乘参数估计的递推算法 56
3.4.1递推算法的概念 56
3.4.2递推算法的推导 57
3.4.3最小二乘递推算法的MATLAB仿真 60
3.5最小二乘法的统计特性及存在问题 64
3.5.1最小二乘法的统计特性 64
3.5.2最小二乘法存在的问题及解决办法 69
3.6最小二乘适应算法 70
3.6.1遗忘因子法 70
3.6.2限定记忆法 73
3.7增广最小二乘法 74
3.7.1增广最小二乘辨识 74
3.7.2增广最小二乘辨识的MATLAB仿真 75
3.8广义最小二乘法 81
3.9小结 83
习题 83
第4章 极大似然法辨识方法 85
4.1极大似然参数辨识原理 85
4.2动态系统模型参数的极大似然估计 87
4.2.1动态模型描述 87
4.2.2极大似然估计与最小二乘估计的关系 88
4.2.3协方差阵未知时的极大似然参数估计 90
4.3递推的极大似然参数估计 95
4.3.1极大似然递推算法的原理及方法 95
4.3.2似然递推法辨识的MATLAB仿真 99
4.4小结 103
习题 103
第5章 其它参数辨识方法及原理 104
5.1梯度校正参数辨识 104
5.1.1确定性问题的梯度校正参数辨识方法 104
5.1.2脉冲响应梯度校正辨识及其MATLAB仿真 106
5.1.3用梯度校正法辨识电液位置伺服系统 110
5.2 Bayes辨识 112
5.2.1 Bayes基本原理 112
5.2.2最小二乘模型的Bayes参数辨识 114
5.2.3 Bayes辨识的MATLAB仿真 116
5.2.4 TRP激光陀螺温度控制系统的参数辨识 121
5.3小结 131
习题 131
第6章 神经网络辨识及其改进的BP网络应用 133
6.1神经网络的概念与特性 133
6.1.1人工神经元模型 133
6.1.2激发函数 134
6.1.3神经网络模型分类 134
6.1.4神经网络学习方法 136
6.1.5神经元网络的特点 139
6.2神经网络模型辨识中的常用结构 139
6.3辨识中常用的网络训练算法 142
6.3.1自适应控制系统基本结构 142
6.3.2辨识中常用的BP网络训练算法 143
6.4改进的BP网络训练算法 146
6.4.1基于降低网络灵敏度的网络改进算法 147
6.4.2提高一类神经网络容错性的理论和方法 149
6.4.3提高神经网络收敛速度的赋初值算法 151
6.4.4其它网络训练技巧 157
6.5神经网络辨识的MATLAB仿真举例 157
6.5.1具有噪声二阶系统辨识的MATLAB程序剖析 157
6.5.2多维非线性辨识的MATLAB程序剖析 161
6.6基于改进遗传算法的神经网络及其应用 164
6.6.1一种适应度函数的改进算法 164
6.6.2一种改进的遗传神经解耦方法 166
6.6.3遗传神经解耦仿真、实验及结论 167
6.7模糊神经网络及其应用 168
6.7.1模糊神经网络原理及其应用 168
6.7.2 FNN对非线性多变量系统的MATLAB解耦仿真 171
6.8小结 174
习题 175
第7章 小脑模型神经网络辨识及其应用 177
7.1 CMAC网络的特点 177
7.2改进的CMAC干式变压器卷线机跑偏信号谐波分析 179
7.2.1 CMAC网络对非线性函数的学习过程 180
7.2.2干式变压器卷线机跑偏信号谐波分析方法 181
7.3改进的CMAC算法及跑偏信号谐波仿真 182
7.4改进的CMAC学习多维函数 188
7.5小结 190
习题 190
第8章 非线性动态系统其它辨识方法 191
8.1 Volterra级数的表示及其辨识方法 191
8.1.1非线性系统Volterra级数的表示 191
8.1.2 Volterra级数的辨识 193
8.2复杂系统的混沌现象及其辨识 194
8.2.1反馈系统和优化过程中的混沌现象 194
8.2.2基于控制理论的混沌分析方法 196
8.2.3混沌识别与混沌系统辨识 198
8.3小结 201
思考题 201
光盘附件目录 202
参考文献 203