系统建模与辨识2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

系统建模与辨识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

目 录1

第1章 引论1

1.1建模与系统辨识概述1

1.1.1系统辨识研究的对象1

1.1.2 系统辨识2

1.1.3 系统辨识的目的2

1.1.4辨识中的先验知识4

1.1.5先验知识的获得6

1.1.6系统辨识的基本步骤6

1.2数学模型7

1.2.1概述7

1.2.2线性系统的4种数学模型8

1.3本书的指导思想和布局10

第2章线性静态模型的辨识12

2.1 问题的提出12

2.2.1最小二乘估计13

2.2最小二乘法（LS）13

2.2.2最小二乘估计的性质15

2.2.3逐步回归方法16

2.3病态方程的求解方法17

2.3.1病态对参数估计的影响17

2.3.2条件数18

2.3.3病态方程的求解方法18

2.4.1最大似然准则23

2.4模型参数的最大似然估计（ML）23

2.4.2最大似然估计24

2.4.3松弛算法25

习题25

第3章 离散线性动态模型的最小二乘估计27

3.1 问题的提法及一次完成最小二乘估计27

3.2最小二乘估计的递推算法（RLS）28

3.2.1递推最小二乘法29

3.2.2初始值的选择30

3.2.3计算步骤及举例31

9.2.4房室模型分类 （132

3.3.1渐消记忆（指数窗）的递推算法33

3.3时变系统的实时算法33

3.3.2限定记忆（固定窗）的递推算法34

3.3.3变遗忘因子的实时算法35

3.4递推平方根算法37

9.3.1问题…………………………………………………………………………………………（138 ）9.3.2参数估计算法 （138

习题40

3.5最大似然估计（ML）40

第4章 相关（有色）噪声情形的辨识算法42

4.1辅助变量法42

4.2.1增广最小二乘法44

4.2.2改进的增广最小二乘法44

4.2增广最小二乘法（ELS）44

4.3最大似然法（ML）47

4.4闭环系统的辨识……………………………………………………………………………………（49 ）4.4.1问题的提出49

4.4.2可辨识性50

4.4.3闭环条件下的最小二乘估计51

习题53

5.1.1损失函数检验法54

5.1单变量线性系统阶的辨识54

第5章模型阶的辨识54

5.1.2 F检验法54

5.1.3赤池信息准则（AIC准则）56

5.2阶与参数同时辨识的递推算法57

5.2.1辨识阶次的基本思想和方法57

5.2.2阶的递推辨识算法59

5.2.3几点说明61

5.3仿真研究61

5.3.2对模型适用性的仿真研究62

5.3.1辨识方法的仿真研究62

5.3.3控制系统设计中的计算机仿真研究63

习题63

*第6章 多变量线性系统的辨识64

6.1不变量、适宜选择路线及规范形64

6.1.1代数等价系统65

6.1.2适宜选择路线与不变量66

6.1.3适宜选择路线与规范形69

6.2.1输入／输出方程一般形式74

6.2输入／输出方程74

6.2.2 PCF规范形对应的输入／输出方程76

6.3 PCF规范形的辨识79

6.3.1结构确定及参数辨识80

6.3.2 B*和D*的实现算法87

习题93

第7章 线性系统的非参数表示和辨识94

7.1.1脉冲响应函数94

7.1线性系统的非参数表示94

7.1.2 Markov参数（Hankel模型）95

7.2估计脉冲响应函数的相关方法97

7.2.1相关方法的基本原理97

7.2.2伪随机二位式信号（M序列）………………………………………………………………（98 ）7.2.3用M序列做输入信号时脉冲响应函数的估计101

7.2.4估计h(t)的具体步骤与实施102

习题105

第8章非线性系统辨识106

8.1 引言106

8.2.1问题的提法107

8.2单纯形搜索法107

8.2.2单纯形搜索法107

8.3迭代算法的基本原理111

8.3.1迭代算法的一般步骤111

8.3.2可接受方向111

8.4 牛顿—拉夫森算法112

8.5麦夸特方法113

*8.6数据处理的分组方法（GMDH）117

8.6.1背景117

8.6.2一般模型结构及基本原则118

8.6.3基本的GMDH方法119

8.6.5数据的分组和部分实现检验准则120

8.6.4变量的预选择120

8.6.6选择层——中间变量的选择122

8.6.8 GMDH方法总结及应用122

8.6.7部分实现的形式122

8.7 NARMAX模型的辨识123

8.7.1 引言123

8.7.2非线性动态系统的描述123

8.7.3“新息—贡献”准则与矩阵求逆定理125

8.7.4 NARMAX模型的递推辨识算法126

8.7.5小结129

习题129

第9章房室模型的辨识130

9.1问题的提出130

9.2房室模型的建模131

9.2.2物质转移速度131

9.2.1房室131

9.2.3房室模型132

9.2.5房室模型建模示例133

9.3参数估计138

9.3.3参数估计中遇到的几个问题142

9.4可辨识性问题143

9.4.1 问题143

9.4.2一房室模型144

9.4.3二房室模型144

9.4.4三房室模型145

9.4.5多房室模型的可辨识性问题146

9.5应用实例148

习题153

第10章 时间序列的建模与辨识154

10.1引言154

10.1.1模型形式155

10.1.2格林函数156

10.1.3稳定性158

10.2模型的参数估计160

10.2.1 AR(n)模型的参数估计160

10.2.2 ARMA(n,m)模型的参数估计160

10.2.3初值的求法161

10.3模型阶的确定164

10.4确定性的趋向和季节性：非平稳序列170

习题173

第1 1章神经网络模型174

11.1引言174

11.2神经组织的基本特征和人工神经元174

11.2.1神经组织的基本特征174

11.2.2 人工神经元的M-P模型175

11.3多层前馈神经网络模型177

11.3.1 前馈神经网络模型的结构177

11.3.2确定网络模型权值问题的数学描述178

11.3.3 BP算法179

11.3.4神经网络的几个有关概念180

11.4神经网络在辨识中的应用181

11.5径向基函数网络及其应用185

11.5.1 径向基函数网络的结构186

11.5.2 RBF网络的辨识187

11.5.3 用RBF网络建模实例189

习题192

第12章模糊建模与辨识 (194

12.1模糊集合的基本概念194

12.1.1模糊集合及其表示195

12.1.2模糊集的运算197

12.1.3常用的隶属函数198

12.1.5推理算法200

12.1.4模糊逻辑关系的格式200

12.2 基于T-S模型的模糊辨识201

12.2.1结论参数的辨识…………………………………………………………………………（ 202)12.2.2前提参数的辨识203

12.2.3前提变量的选择204

12.3应用实例207

12.4小结209

习题210

第13章遗传算法及应用简介211

13.1 引言211

13.1.1 遗传算法的基本思想211

13.1.2基本遗传算法的工作步骤211

13.2遗传算法的计算机实现213

13.3遗传算法的工作过程举例216

13.4实数编码遗传算法224

13.4.1 实数编码遗传算法及其在神经网络训练中的应用225

13.4.2结果与讨论227

13.5关于遗传算法的几点说明229

13.5.1模式定理229

13.5.2 GA算法的收敛性分析229

13.5.3 GA是一种优化算法的方法论230

习题230

第14章 辨识的实施231

14.1辨识的实验设计231

14.1.1 问题的提出231

14.1.2设计准则231

14.1.3输入信号的设计233

14.1.4采样区间的设计236

14.2模型适用性检验238

14.2.1通过先验知识的检验238

14.2.2通过数据的检验238

14.2.3通过对预测误差序列的检验238

14.2.4应用实例239

习题240

附录A 矩阵运算的两个结果241

附录B矩阵微分的几个结果242

附录C伪随机二位式序列244

附录D正态伪随机数245

参考文献246