內容簡介
書籍
計算機書籍
全書共9章，包括緒論、系統辨識常用輸入信號、最小二乘參數辨識方法及原理、極大似然參數辨識方法及其套用、傳遞函式的時域和頻域辨識、神經網路辨識及其套用、模糊系統辨識、智慧型最佳化算法辨識及灰色系統辨識。書中有大量實例，每種實例都進行了仿真分析，並給出了相應的matlab仿真程式。本書各部分內容既相互聯繫又相互獨立，讀者可根據自己需要選擇學習。
《系統辨識理論及matlab仿真》可作為高等院校自動化、計算機套用、機械電子工程等專業高年級本科生或研究生的教材或參考書，也可供相關專業的工程技術人員閱讀。
目錄
《系統辨識理論及matlab仿真》
第1章緒論
1.1建立數學模型的基本方法
1.2系統辨識的定義
1.3系統辨識的研究目的
1.4數學模型的分類
1.5幾種常見的數學模型的數學表示
1.6系統辨識常用的誤差準則
1.7系統辨識的分類
1.7.1離線辨識
1.7.2線上辨識
1.8辨識的內容和步驟
1.9系統辨識方法
1.10系統辨識方法分類
1.10.1經典系統辨識方法
1.10.2現代系統辨識方法
思考題與習題1
第2章系統辨識常用輸入信號
2.1系統辨識對輸入信號的要求
2.2系統辨識常用的輸入信號
.2.2.1白噪聲信號
2.2.2白噪聲序列的產生
2.3m序列的產生及其性質
思考題與習題2
第3章最小二乘參數辨識方法及套用
3.1最小二乘參數辨識方法
3.1.1基本原理
3.1.2利用最小二乘法求取模型參數
3.1.3仿真實例：熱敏電阻和溫度關係的最小二乘參數求解
3.2加權最小二乘算法
3.2.1一般最小二乘算法的分析與設計
3.2.2加權最小二乘法的分析與設計
3.2.3仿真實例
3.3遞推最小二乘算法
3.3.1遞推最小二乘算法的基本原理
3.3.2遞推最小二乘算法的分析與設計
3.3.3仿真實例
3.3.4時不變系統的遞推最小二乘參數辨識方法
3.3.5時變系統的遞推最小二乘參數辨識方法
3.4遞推阻尼最小二乘算法
3.4.1遞推阻尼最小二乘算法的基本原理
3.4.2遞推阻尼最小二乘算法的分析與設計
3.4.3仿真實例
3.5增廣最小二乘算法
3.5.1增廣最小二乘算法的基本原理
3.5.2增廣最小二乘算法的分析與設計
3.5.3仿真實例
3.6多變數系統的最小二乘辨識算法
3.6.1多變數系統的最小二乘辨識算法的基本原理
3.6.2多變數系統的最小二乘辨識算法的分析與設計
3.6.3仿真實例
思考題與習題3
第4章極大似然參數辨識方法
4.1引言
4.2極大似然參數估計的原理及性質
4.2.1極大似然參數估計原理
4.2.2似然函式的構造
4.2.3極大似然參數估計的統計性質
4.3動態系統參數的極大似然參數估計
4.4newton-raphson法套用於極大似然參數估計求解
4.5遞推的極大似然估計
思考題與習題4
第5章傳遞函式的時域和頻域辨識
5.1傳遞函式辨識的時域法
5.1.1一階慣性滯後環節的辨識
5.1.2二階慣性加純遲延的傳遞函式擬合
5.1.3用n階慣性環節加純延遲的傳遞函式擬合
5.2傳遞函式的頻率辨識
5.2.1利用bode圖特性求傳遞函式
5.2.2利用matlab工具求系統傳遞函式
5.3線性系統開環傳遞函式的辨識
5.3.1基本原理
5.3.2仿真實例
5.4閉環系統傳遞函式的辨識和前饋控制
5.4.1閉環系統辨識
5.4.2仿真實例
5.4.3零相差前饋控制基本原理
5.4.4系統相移
5.4.5仿真實例
思考題與習題5
第6章神經網路辨識及其套用
6.1神經網路理論基礎
6.1.1神經網路原理
6.1.2神經網路學習算法
6.1.3神經網路的要素及特徵
6.1.4人工神經網路辨識的特點
6.2bp神經網路辨識
6.2.1bp神經網路
6.2.2網路結構
6.2.3bp網路的優缺點
6.3bp網路的逼近
6.3.1基本原理
6.3.2仿真實例
6.4基於數據的bp網路離線建模
6.4.1基本原理
6.4.2仿真實例
6.5基於模型的bp神經網路離線建模
6.5.1基本原理
6.5.2仿真實例
6.6rbf神經網路辨識及在自校正控制中的套用
6.6.1rbf神經網路
6.6.2rbf網路的逼近
6.6.3仿真實例
6.7基於未知項線上建模的rbf網路自校正控制
6.7.1神經網路自校正控制原理
6.7.2rbf網路自校正控制
6.7.3仿真實例
6.8hopfield神經網路辨識
6.8.1hopfield網路原理
6.8.2hopfield網路線性系統參數辨識
6.8.3仿真實例
6.9rbf網路建模套用——自適應神經網路控制
6.9.1問題描述
6.9.2rbf網路逼近原理
6.9.3仿真實例
思考題與習題6
第7章模糊系統辨識
7.1模糊系統的理論基礎
7.1.1特徵函式和隸屬函式
7.1.2模糊運算元
7.1.3隸屬函式
7.1.4模糊系統的設計
7.2基於sugeno模糊模型的建模
7.2.1sugeno模糊模型
7.2.2仿真實例
7.2.3基於sugeno模糊模型的倒立擺模糊控制
7.2.4仿真實例
7.2.5基於sugeno的倒立擺模糊控制
7.2.6仿真實例
7.3模糊逼近
7.3.1模糊系統的設計
7.3.2模糊系統的逼近精度
7.3.3仿真實例
7.4模糊系統建模套用——自適應模糊控制
7.4.1問題描述
7.4.2模糊逼近原理
7.4.3控制算法設計與分析
7.4.4仿真實例
思考題與習題7
第8章智慧型最佳化算法辨識
8.1遺傳算法基本原理
8.2遺傳算法的特點
8.3遺傳算法的套用領域
8.4遺傳算法的最佳化設計
8.4.1遺傳算法的構成要素
8.4.2遺傳算法的套用步驟
8.5遺傳算法求函式極大值
8.5.1二進制編碼遺傳算法求函式極大值
8.5.2實數編碼遺傳算法求函式極大值
8.6基於遺傳算法摩擦模型參數辨識的pid控制
8.6.1問題描述
8.6.2仿真實例
8.7基於遺傳算法的伺服系統靜態摩擦參數辨識
8.7.1伺服系統的靜態摩擦模型
8.7.2靜摩擦模型stribeck曲線的獲取
8.7.3基於遺傳算法的靜態摩擦參數辨識
8.7.4仿真實例
8.8基於遺傳算法的機械手參數辨識
8.8.1系統描述
8.8.2仿真實例
8.9粒子群最佳化算法
8.9.1粒子群算法基本原理
8.9.2參數設定
8.9.3算法流程
8.10基於粒子群算法的函式最佳化
8.11基於粒子群算法的機械手參數辨識
8.12基於粒子群算法的非線性系統參數辨識
8.12.1辨識非線性靜態模型
8.12.2辨識非線性動態模型
8.12.3基於粒子群算法的vtol飛行器參數辨識
8.13差分進化算法
8.13.1標準差分進化算法
8.13.2差分進化算法的基本流程
8.13.3差分進化算法的參數設定
8.13.4基於差分進化算法的函式最佳化
8.14基於差分進化算法的非線性系統參數辨識
8.14.1辨識非線性靜態模型
8.14.2辨識非線性動態模型
8.14.3基於差分進化算法的vtol飛行器參數辨識
8.15基於微分器的微分信號提取
8.15.1微分器的由來
8.15.2微分器的工程套用
8.15.3積分鏈式微分器
8.15.4仿真實例
8.16基於微分器的差分進化參數辨識
8.16.1系統描述
8.16.2仿真實例
思考題與習題8
第9章灰色系統辨識
9.1灰色系統辨識原理
9.1.1生成數列
9.1.2gm灰色模型
9.2灰色系統參數辨識
9.2.1問題描述
9.2.2灰色估計算法
9.2.3仿真實例
參考文獻
