系统辨识理论及Matlab仿真

封面

版权信息

前言

第1章 绪论

1.1 建立数学模型的基本方法

1.2 系统辨识的定义

1.3 系统辨识的研究目的

1.4 数学模型的分类

1.5 几种常见的数学模型的数学表示

1.6 系统辨识常用的误差准则

1.7 系统辨识的分类

1.8 辨识的内容和步骤

1.9 系统辨识方法

1.10 系统辨识方法分类

思考题与习题1

第2章 系统辨识常用输入信号

2.1 系统辨识对输入信号的要求

2.2 系统辨识常用的输入信号

2.3 M序列的产生及其性质

思考题与习题2

第3章 最小二乘参数辨识方法及应用

3.1 最小二乘参数辨识方法

3.2 加权最小二乘算法

3.3 递推最小二乘算法

3.4 递推阻尼最小二乘算法

3.5 增广最小二乘算法

3.6 多变量系统的最小二乘辨识算法

思考题与习题3

第4章 极大似然参数辨识方法

4.1 引 言

4.2 极大似然参数估计的原理及性质

4.3 动态系统参数的极大似然参数估计

4.4 Newton-Raphson法应用于极大似然参数估计求解

4.5 递推的极大似然估计

思考题与习题4

第5章 传递函数的时域和频域辨识

5.1 传递函数辨识的时域法

5.2 传递函数的频率辨识

5.3 线性系统开环传递函数的辨识

5.4 闭环系统传递函数的辨识和前馈控制

思考题与习题5

第6章 神经网络辨识及其应用

6.1 神经网络理论基础

6.2 BP神经网络辨识

6.3 BP网络的逼近

6.4 基于数据的BP网络离线建模

6.5 基于模型的BP神经网络离线建模

6.6 RBF神经网络辨识及在自校正控制中的应用

6.7 基于未知项在线建模的RBF网络自校正控制

6.8 Hopfield神经网络辨识

6.9 RBF网络建模应用——自适应神经网络控制

思考题与习题6

第7章 模糊系统辨识

7.1 模糊系统的理论基础

7.2 基于Sugeno模糊模型的建模

7.3 模 糊 逼 近

7.4 模糊系统建模应用——自适应模糊控制

思考题与习题7

第8章 智能优化算法辨识

8.1 遗传算法基本原理

8.2 遗传算法的特点

8.3 遗传算法的应用领域

8.4 遗传算法的优化设计

8.5 遗传算法求函数极大值

8.6 基于遗传算法摩擦模型参数辨识的PID控制

8.7 基于遗传算法的伺服系统静态摩擦参数辨识

8.8 基于遗传算法的机械手参数辨识

8.9 粒子群优化算法

8.10 基于粒子群算法的函数优化

8.11 基于粒子群算法的机械手参数辨识

8.12 基于粒子群算法的非线性系统参数辨识

8.13 差分进化算法

8.14 基于差分进化算法的非线性系统参数辨识

8.15 基于微分器的微分信号提取

8.16 基于微分器的差分进化参数辨识

思考题与习题8

第9章 灰色系统辨识

9.1 灰色系统辨识原理

9.2 灰色系统参数辨识