系统辨识理论及MATLAB仿真PDF|Epub|txt|kindle电子书版本网盘下载

系统辨识理论及MATLAB仿真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 绪论1

1.1 建立数学模型的基本方法1

1.2 系统辨识的定义3

1.3 系统辨识的研究目的3

1.4 数学模型的分类4

1.5 几种常见的数学模型的数学表示5

1.6 系统辨识常用的误差准则6

1.7 系统辨识的分类7

1.7.1 离线辨识7

1.7.2 在线辨识7

1.8 辨识的内容和步骤8

1.9 系统辨识方法9

1.10 系统辨识方法分类9

1.10.1 经典系统辨识方法9

1.10.2 现代系统辨识方法9

思考题与习题112

第2章 系统辨识常用输入信号13

2.1 系统辨识对输入信号的要求13

2.2 系统辨识常用的输入信号16

2.2.1 白噪声信号16

2.2.2 白噪声序列的产生17

2.3 M序列的产生及其性质21

思考题与习题230

第3章 最小二乘参数辨识方法及应用31

3.1 最小二乘参数辨识方法32

3.1.1 基本原理32

3.1.2 利用最小二乘法求取模型参数32

3.1.3 仿真实例：热敏电阻和温度关系的最小二乘参数求解33

3.2 加权最小二乘算法35

3.2.1 一般最小二乘算法的分析与设计35

3.2.2 加权最小二乘法的分析与设计37

3.2.3 仿真实例39

3.3 递推最小二乘算法41

3.3.1 递推最小二乘算法的基本原理41

3.3.2 递推最小二乘算法的分析与设计41

3.3.3 仿真实例43

3.3.4 时不变系统的递推最小二乘参数辨识方法46

3.3.5 时变系统的递推最小二乘参数辨识方法46

3.4 递推阻尼最小二乘算法47

3.4.1 递推阻尼最小二乘算法的基本原理47

3.4.2 递推阻尼最小二乘算法的分析与设计48

3.4.3 仿真实例49

3.5 增广最小二乘算法52

3.5.1 增广最小二乘算法的基本原理52

3.5.2 增广最小二乘算法的分析与设计52

3.5.3 仿真实例53

3.6 多变量系统的最小二乘辨识算法55

3.6.1 多变量系统的最小二乘辨识算法的基本原理55

3.6.2 多变量系统的最小二乘辨识算法的分析与设计56

3.6.3 仿真实例57

思考题与习题359

第4章 极大似然参数辨识方法61

4.1 引言61

4.2 极大似然参数估计的原理及性质61

4.2.1 极大似然参数估计原理61

4.2.2 似然函数的构造62

4.2.3 极大似然参数估计的统计性质63

4.3 动态系统参数的极大似然参数估计64

4.4 Newton-Raphson法应用于极大似然参数估计求解67

4.5 递推的极大似然估计70

思考题与习题478

第5章 传递函数的时域和频域辨识79

5.1 传递函数辨识的时域法79

5.1.1 一阶惯性滞后环节的辨识80

5.1.2 二阶惯性加纯迟延的传递函数拟合82

5.1.3 用n阶惯性环节加纯延迟的传递函数拟合83

5.2 传递函数的频率辨识83

5.2.1 利用Bode图特性求传递函数84

5.2.2 利用MATLAB工具求系统传递函数86

5.3 线性系统开环传递函数的辨识87

5.3.1 基本原理87

5.3.2 仿真实例88

5.4 闭环系统传递函数的辨识和前馈控制92

5.4.1 闭环系统辨识92

5.4.2 仿真实例93

5.4.3 零相差前馈控制基本原理97

5.4.4 系统相移98

5.4.5 仿真实例99

思考题与习题5102

第6章 神经网络辨识及其应用103

6.1 神经网络理论基础103

6.1.1 神经网络原理103

6.1.2 神经网络学习算法105

6.1.3 神经网络的要素及特征106

6.1.4 人工神经网络辨识的特点106

6.2 BP神经网络辨识107

6.2.1 BP神经网络107

6.2.2 网络结构107

6.2.3 BP网络的优缺点107

6.3 BP网络的逼近108

6.3.1 基本原理108

6.3.2 仿真实例109

6.4 基于数据的BP网络离线建模111

6.4.1 基本原理111

6.4.2 仿真实例113

6.5 基于模型的BP神经网络离线建模116

6.5.1 基本原理116

6.5.2 仿真实例117

6.6 RBF神经网络辨识及在自校正控制中的应用120

6.6.1 RBF神经网络120

6.6.2 RBF网络的逼近120

6.6.3 仿真实例121

6.7 基于未知项在线建模的RBF网络自校正控制124

6.7.1 神经网络自校正控制原理124

6.7.2 RBF网络自校正控制124

6.7.3 仿真实例126

6.8 Hopfield神经网络辨识129

6.8.1 Hopfield网络原理129

6.8.2 Hopfield网络线性系统参数辨识131

6.8.3 仿真实例133

6.9 RBF网络建模应用——自适应神经网络控制139

6.9.1 问题描述139

6.9.2 RBF网络逼近原理139

6.9.3 仿真实例140

思考题与习题6144

第7章 模糊系统辨识146

7.1 模糊系统的理论基础146

7.1.1 特征函数和隶属函数146

7.1.2 模糊算子146

7.1.3 隶属函数147

7.1.4 模糊系统的设计151

7.2 基于Sugeno模糊模型的建模152

7.2.1 Sugeno模糊模型152

7.2.2 仿真实例152

7.2.3 基于Sugeno模糊模型的倒立摆模糊控制154

7.2.4 仿真实例155

7.2.5 基于Sugeno的倒立摆模糊控制158

7.2.6 仿真实例159

7.3 模糊逼近164

7.3.1 模糊系统的设计164

7.3.2 模糊系统的逼近精度165

7.3.3 仿真实例165

7.4 模糊系统建模应用——自适应模糊控制170

7.4.1 问题描述170

7.4.2 模糊逼近原理170

7.4.3 控制算法设计与分析171

7.4.4 仿真实例172

思考题与习题7177

第8章 智能优化算法辨识179

8.1 遗传算法基本原理179

8.2 遗传算法的特点180

8.3 遗传算法的应用领域181

8.4 遗传算法的优化设计182

8.4.1 遗传算法的构成要素182

8.4.2 遗传算法的应用步骤182

8.5 遗传算法求函数极大值183

8.5.1 二进制编码遗传算法求函数极大值184

8.5.2 实数编码遗传算法求函数极大值188

8.6 基于遗传算法摩擦模型参数辨识的PID控制191

8.6.1 问题描述191

8.6.2 仿真实例191

8.7 基于遗传算法的伺服系统静态摩擦参数辨识196

8.7.1 伺服系统的静态摩擦模型196

8.7.2 静摩擦模型Stribeck曲线的获取196

8.7.3 基于遗传算法的静态摩擦参数辨识197

8.7.4 仿真实例197

8.8 基于遗传算法的机械手参数辨识203

8.8.1 系统描述204

8.8.2 仿真实例206

8.9 粒子群优化算法215

8.9.1 粒子群算法基本原理215

8.9.2 参数设置216

8.9.3 算法流程216

8.10 基于粒子群算法的函数优化217

8.11 基于粒子群算法的机械手参数辨识221

8.12 基于粒子群算法的非线性系统参数辨识225

8.12.1 辨识非线性静态模型225

8.12.2 辨识非线性动态模型228

8.12.3 基于粒子群算法的VTOL飞行器参数辨识233

8.13 差分进化算法240

8.13.1 标准差分进化算法240

8.13.2 差分进化算法的基本流程241

8.13.3 差分进化算法的参数设置242

8.13.4 基于差分进化算法的函数优化243

8.14 基于差分进化算法的非线性系统参数辨识245

8.14.1 辨识非线性静态模型245

8.14.2 辨识非线性动态模型249

8.14.3 基于差分进化算法的VTOL飞行器参数辨识253

8.15 基于微分器的微分信号提取258

8.15.1 微分器的由来258

8.15.2 微分器的工程应用259

8.15.3 积分链式微分器260

8.15.4 仿真实例261

8.16 基于微分器的差分进化参数辨识263

8.16.1 系统描述263

8.16.2 仿真实例263

思考题与习题8269

第9章 灰色系统辨识270

9.1 灰色系统辨识原理270

9.1.1 生成数列270

9.1.2 GM灰色模型270

9.2 灰色系统参数辨识271

9.2.1 问题描述271

9.2.2 灰色估计算法271

9.2.3 仿真实例273

参考文献275