編輯推薦
在社會和生產中，越來越多的需要辨識系統模型的問題已廣泛引起人們的重視，社會科學和自然科學的各個領域中有很多學者在研究有關線性和非線性的辨識問題。本書是作者在多年從事系統辨識教學及與智慧型控制相關的科研積累的基礎上編寫而成的。
本書系統地論述了古典、現代辨識理論和方法，探討了多種新的非線性智慧型辨識技術，分析了各種方法的一致性及特點，並設計了MATLAB軟體對各類辨識方法的實現途徑。本書內容新穎、信息量大，在分析了各類辨識編程方法的基礎上，列舉了編者團隊開發的多種系統辨識程式，進行了程式剖析，給出了部分工程套用實例，並附有多媒體課件、習題和仿真光碟（光碟中附有開發的各類辨識程式，可直接在MATLAB下運行），為讀者提供了學習開發系統辨識程式的樣本。
內容簡介
系統辨識是研究線性、非線性系統辨識建模的理論和方法，是將MATLAB仿真軟體與系統辨識建模理論相融合的一種新技術，屬於智慧型控制範疇。本書系統地論述了古典、現代辨識理論和方法，並探討了多種新的非線性智慧型辨識技術，如神經網路、遺傳神經網路算法、模糊神經網路等；還介紹了誘導和辨識混沌方法, 分析了各種方法的一致性及特點，並探討了MATLAB軟體對各類辨識方法的實現途徑。全書共8章，在理論分析的基礎上，列舉了大量的仿真程式，進行了程式剖析，並給出一些工程套用實例。
本書內容新穎、信息量大，並附有作者開發的多種與辨識相關的源程式及多媒體課件，為讀者提供了系統辨識（或參數估計）的編程樣本和學習參考。
本書可供高等學校自動化、測控、通信、安全類及相關專業師生和工程技術人員選用。
目錄
第1章 辨識的基本概念 1
1.1 系統和模型 1
1.1.1 模型的表現形式 1
1.1.2 系統及其模型的分類 2
1.2 辨識建模的定義 3
1.3 辨識問題的表達形式及原理 4
1.3.1 辨識問題的表達形式 4
1.3.2 辨識算法的基本原理 5
1.3.3 誤差準則 7
1.4 辨識的內容和步驟 8
1.5 典型的非線性系統辨識與控制方法 9
1.5.1 非線性辨識典型模型及辨識、控制方法的的特點 9
1.5.2 非線性系統參數估計的特點 11
1.5.3 神經網路及其系統控制結構 11
1.5.4 非線性解耦問題 14
1.5.5 需要深入研究的非線性問題 15
1.6 小結 18
思考題 18
第2章 辨識理論基礎及古典辨識法 19
2.1 隨機過程及其數學描述 19
2.1.1 隨機過程的基本概念 19
2.1.2 相關函式和協方差函式的性質 21
2.2 譜密度與相關函式 22
2.2.1 巴塞伐爾定理與功率密度譜表示式 22
2.2.2 維納-辛欽關係式 22
2.3 線性系統在隨機輸入下的回響 23
2.4 白噪聲的產生方法及其仿真 23
2.4.1 白噪聲的概念 23
2.4.2 白噪聲的產生及其MATLAB仿真 25
2.4.3 偽隨機信號產生及MATLAB仿真舉例 29
2.5 古典辨識方法 32
2.5.1 M序列自相關函式 33
2.5.2 逆M序列 34
2.5.3 相關分析法頻率回響辨識 35
2.5.4 相關分析法脈衝回響辨識 38
2.5.5 相關分析法脈衝回響辨識的套用 43
2.6 小結 44
習題 45
第3章 最小二乘參數辨識 46
3.1 基本最小二乘法 46
3.1.1 問題的提出 46
3.1.2 最小二乘法的原理 47
3.2 最小二乘法問題的描述 48
3.3 最小二乘問題的基本算法 49
3.3.1 基本最小二乘問題的解 49
3.3.2 加權最小二乘問題的解 50
3.3.3 最小二乘一次完成算法的MATLAB仿真 52
3.4 最小二乘參數估計的遞推算法 56
3.4.1 遞推算法的概念 56
3.4.2 遞推算法的推導 57
3.4.3 最小二乘遞推算法的MATLAB仿真 60
3.5 最小二乘法的統計特性及存在問題 64
3.5.1 最小二乘法的統計特性 64
3.5.2 最小二乘法存在的問題及解決辦法 69
3.6 最小二乘適應算法 70
3.6.1 遺忘因子法 70
3.6.2 限定記憶法 73
3.7 增廣最小二乘法 74
3.7.1 增廣最小二乘辨識 74
3.7.2 增廣最小二乘辨識的MATLAB仿真 75
3.8 廣義最小二乘法 81
3.9 小結 83
習題 83
第4章 極大似然法辨識方法 85
4.1 極大似然參數辨識原理 85
4.2 動態系統模型參數的極大似然估計 87
4.2.1 動態模型描述 87
4.2.2 極大似然估計與最小二乘估計的關係 88
4.2.3 協方差陣未知時的極大似然參數估計 90
4.3 遞推的極大似然參數估計 95
4.3.1 極大似然遞推算法的原理及方法 95
4.3.2 似然遞推法辨識的MATLAB仿真 99
4.4 小結 103
習題 103
第5章 其它參數辨識方法及原理 104
5.1 梯度校正參數辨識 104
5.1.1 確定性問題的梯度校正參數辨識方法 104
5.1.2 脈衝回響梯度校正辨識及其MATLAB仿真 106
5.1.3 用梯度校正法辨識電液位置伺服系統 110
5.2 Bayes辨識 112
5.2.1 Bayes基本原理 112
5.2.2 最小二乘模型的Bayes參數辨識 114
5.2.3 Bayes辨識的MATLAB仿真 116
5.2.4 TRP雷射陀螺溫度控制系統的參數辨識 121
5.3 小結 131
習題 131
第6章 神經網路辨識及其改進的BP網路套用 133
6.1 神經網路的概念與特性 133
6.1.1 人工神經元模型 133
6.1.2 激發函式 134
6.1.3 神經網路模型分類 134
6.1.4 神經網路學習方法 136
6.1.5 神經元網路的特點 139
6.2 神經網路模型辨識中的常用結構 139
6.3 辨識中常用的網路訓練算法 142
6.3.1 自適應控制系統基本結構 142
6.3.2 辨識中常用的BP網路訓練算法 143
6.4 改進的BP網路訓練算法 146
6.4.1 基於降低網路靈敏度的網路改進算法 147
6.4.2 提高一類神經網路容錯性的理論和方法 149
6.4.3 提高神經網路收斂速度的賦初值算法 151
6.4.4 其它網路訓練技巧 157
6.5 神經網路辨識的MATLAB仿真舉例 157
6.5.1 具有噪聲二階系統辨識的MATLAB程式剖析 157
6.5.2 多維非線性辨識的MATLAB程式剖析 161
6.6 基於改進遺傳算法的神經網路及其套用 164
6.6.1 一種適應度函式的改進算法 164
6.6.2 一種改進的遺傳神經解耦方法 166
6.6.3 遺傳神經解耦仿真、實驗及結論 167
6.7 模糊神經網路及其套用 168
6.7.1 模糊神經網路原理及其套用 168
6.7.2 FNN對非線性多變數系統的MATLAB解耦仿真 171
6.8 小結 174
習題 175
第7章 小腦模型神經網路辨識及其套用 177
7.1 CMAC網路的特點 177
7.2 改進的CMAC乾式變壓器卷線機跑偏信號諧波分析 179
7.2.1 CMAC網路對非線性函式的學習過程 180
7.2.2 乾式變壓器卷線機跑偏信號諧波分析方法 181
7.3 改進的CMAC算法及跑偏信號諧波仿真 182
7.4 改進的CMAC 學習多維函式 188
7.5 小結 190
習題 190
第8章 非線性動態系統其它辨識方法 191
8.1 Volterra級數的表示及其辨識方法 191
8.1.1 非線性系統Volterra級數的表示 191
8.1.2 Volterra級數的辨識 193
8.2 複雜系統的混沌現象及其辨識 194
8.2.1 反饋系統和最佳化過程中的混沌現象 194
8.2.2 基於控制理論的混沌分析方法 196
8.2.3 混沌識別與混沌系統辨識 198
8.3 小結 201
思考題 201
光碟附屬檔案目錄 202
參考文獻 203
