系统辨识PDF|Epub|txt|kindle电子书版本网盘下载

系统辨识PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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