系統(tǒng)辨識(shí)及其MATLAB仿真

序
前言
第1章辨識(shí)的基本概念
1.1系統(tǒng)和模型
1.1.1模型的表現(xiàn)形式
1.1.2數(shù)學(xué)模型的分類
1.2辨識(shí)建模的定義
1.3辨識(shí)問(wèn)題的表示形式及原理
1.3.1辨識(shí)問(wèn)題的表達(dá)形式
1.3.2辨識(shí)算法的基本原理
1.3.3誤差準(zhǔn)則
1.4辨識(shí)的內(nèi)容和步驟
1.5典型的非線性系統(tǒng)辨識(shí)與控制方法
1.5.1非線性辨識(shí)典型模型及辨識(shí).控制方法特點(diǎn)
1.5.2非線性系統(tǒng)參數(shù)估計(jì)的特點(diǎn)
1.5.3神經(jīng)網(wǎng)絡(luò)及其系統(tǒng)控制結(jié)構(gòu)
1.5.4非線性解耦問(wèn)題
1.5.5需要深入研究的非線性問(wèn)題
1.6小結(jié)
習(xí)題
第2章辨識(shí)理論基礎(chǔ)及古典辨識(shí)方法
2.1隨機(jī)過(guò)程基本概念及其數(shù)學(xué)描述
2.1.1基本概念
2.1.2相關(guān)函數(shù)和協(xié)方差函數(shù)的性質(zhì)
2.2譜密度與相關(guān)函數(shù)
2.2.1帕塞瓦爾(Parseval)定理與功率密度譜表示式
2.2.2維納—辛欽(Wiener—Khintchine)關(guān)系式
2.3線性系統(tǒng)在隨機(jī)輸入下的響應(yīng)
2.4白噪聲產(chǎn)生方法及其仿真
2.4.1白噪聲的概念
2.4.2白噪聲的產(chǎn)生及其MATLAB仿真
2.4.3偽隨機(jī)信號(hào)產(chǎn)生及MATLAB仿真舉例
2.5古典辨識(shí)方法
2.5.1M序列自相關(guān)函數(shù)
2.5.2逆M序列
2.5.3相關(guān)分析法頻率響應(yīng)辨識(shí)
2.5.4相關(guān)分析法脈沖響應(yīng)辨識(shí)
2.5.5相關(guān)分析法脈沖響應(yīng)應(yīng)用
2.6小結(jié)
習(xí)題
第3章最小二乘參數(shù)辨識(shí)
3.1最小二乘法的概念
3.1.1系統(tǒng)辨識(shí)結(jié)構(gòu)
3.1.2最小二乘法的基本概念
3.2最小二乘問(wèn)題的描述
3.3最小二乘問(wèn)題的一次完成算法
3.3.1普通最小二乘問(wèn)題的解
3.3.2加權(quán)最小二乘問(wèn)題的解
3.4最小二乘一次完成算法的MATLAB仿真
3.5最小二乘參數(shù)估計(jì)的遞推算法
3.5.1遞推算法的概念
3.5.2遞推算法的推導(dǎo)
3.6最小二乘遞推算法的MATLAB仿真
3.7增廣最小二乘法
3.8增廣最小二乘辨識(shí)的MATLAB仿真
3.9廣義最小二乘法
3.10多級(jí)最小二乘法
3.10.1輔助模型參數(shù)辨識(shí)
3.10.2系統(tǒng)模型參數(shù)辨識(shí)
3.10.3噪聲模型參數(shù)辨識(shí)
3.11小結(jié)
習(xí)題
第4章梯度校正參數(shù)辨識(shí)
4.1確定性問(wèn)題的梯度校正參數(shù)辨識(shí)方法
4.1.1確定性梯度校正辨識(shí)公式的推導(dǎo)
4.1.2權(quán)矩陣的選擇
4.2脈沖響應(yīng)梯度校正辨識(shí)的MATLAB仿真
4.3隨機(jī)性問(wèn)題的梯度校正參數(shù)辨識(shí)方法
4.3.1隨機(jī)性問(wèn)題的提法
4.3.2隨機(jī)性辨識(shí)問(wèn)題的分類
4.3.3隨機(jī)性問(wèn)題的梯度校正參數(shù)估計(jì)方法
4.4梯度校正法在動(dòng)態(tài)過(guò)程辨識(shí)中的應(yīng)用
4.4.1狀態(tài)方程的參數(shù)辨識(shí)
4.4.2差分方程的參數(shù)辨識(shí)
4.5隨機(jī)逼近法
4.5.1隨機(jī)逼近原理
4.5.2隨機(jī)逼近參數(shù)估計(jì)方法
4.5.3隨機(jī)牛頓法
4.6小結(jié)
習(xí)題
第5章極大似然法辨識(shí)方法
5.1引言
5.2極大似然參數(shù)辨識(shí)原理
5.3動(dòng)態(tài)系統(tǒng)模型參數(shù)的極大似然估計(jì)
5.3.1動(dòng)態(tài)模型描述
5.3.2極大似然估計(jì)與最小二乘估計(jì)的關(guān)系
5.3.3協(xié)方差陣未知時(shí)的極大似然參數(shù)估計(jì)
5.4遞推的極大似然參數(shù)估計(jì)
5.4.1極大似然遞推算法的原理及方法
5.4.2似然遞推法辨識(shí)MATLAB仿真及程序剖析
5.5小結(jié)
習(xí)題
第6章離散隨機(jī)系統(tǒng)的自適應(yīng)濾波
6.1Bayes辨識(shí)方法
6.1.1Bayes基本原理
6.1.2最小二乘模型的Bayes參數(shù)辨識(shí)
6.2Bayes辨識(shí)的MATLAB仿真
6.3Kalman濾波
6.3.1預(yù)測(cè).濾波與平滑
6.3.2高斯變量估計(jì)
6.3.3Kalman濾波與預(yù)測(cè)
6.4模型參考自適應(yīng)辨識(shí)方法
6.4.11和2的確定
6.4.2(k)的計(jì)算
6.4.3A辨識(shí)算法類
6.4.4B類辨識(shí)算法
6.4.5C類辨識(shí)算法
6.5小結(jié)
習(xí)題
第7章神經(jīng)網(wǎng)絡(luò)模型辨識(shí)
7.1神經(jīng)網(wǎng)絡(luò)概念與特性
7.1.1人工神經(jīng)元模型
7.1.2激發(fā)函數(shù)
7.1.3神經(jīng)網(wǎng)絡(luò)模型分類
7.1.4神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法
7.1.5神經(jīng)元網(wǎng)絡(luò)特點(diǎn)
7.2神經(jīng)網(wǎng)絡(luò)模型辨識(shí)中常用結(jié)構(gòu)
7.3辨識(shí)中常用網(wǎng)絡(luò)訓(xùn)練算法
7.3.1自適應(yīng)控制系統(tǒng)基本結(jié)構(gòu)
7.3.2辨識(shí)中常用BP網(wǎng)絡(luò)訓(xùn)練算法
7.4改進(jìn)的BP網(wǎng)絡(luò)訓(xùn)練算法
7.4.1基于降低網(wǎng)絡(luò)靈敏度的網(wǎng)絡(luò)改進(jìn)算法
7.4.2提高一類神經(jīng)網(wǎng)絡(luò)容錯(cuò)性的理論和方法
7.4.3提高神經(jīng)網(wǎng)絡(luò)收斂速度的一種賦初值算法
7.4.4其他網(wǎng)絡(luò)訓(xùn)練技巧
7.5神經(jīng)網(wǎng)絡(luò)辨識(shí)的MATLAB仿真舉例
7.5.1具有噪聲二階系統(tǒng)辨識(shí)的MATLAB程序剖析
7.5.2多維非線性辨識(shí)的MATLAB程序剖析
7.6基于改進(jìn)遺傳算法的神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
7.6.1一種適應(yīng)度函數(shù)的改進(jìn)算法
7.6.2一種改進(jìn)的遺傳神經(jīng)解耦方法
7.6.3遺傳神經(jīng)解耦仿真.實(shí)驗(yàn)及結(jié)論
7.7模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用
7.7.1模糊神經(jīng)網(wǎng)絡(luò)原理及其應(yīng)用
7.7.2FNN對(duì)非線性多變量系統(tǒng)的MATLAB解耦仿真
7.8小結(jié)
習(xí)題
第8章非線性動(dòng)態(tài)系統(tǒng)的其他辨識(shí)方法
8.1Volterra級(jí)數(shù)的表示及其辨識(shí)方法
8.1.1非線性系統(tǒng)Volterra級(jí)數(shù)的表示
8.1.2Volterra級(jí)數(shù)的辨識(shí)
8.2復(fù)雜系統(tǒng)的混沌現(xiàn)象及其辨識(shí)
8.2.1反饋系統(tǒng)和優(yōu)化過(guò)程中的混沌現(xiàn)象
8.2.2基于控制理論的混沌分析方法
8.2.3混沌識(shí)別與混沌系統(tǒng)辨識(shí)
8.3小結(jié)
習(xí)題
參考文獻(xiàn)
光盤目錄
第一部分開發(fā)的程序
1FLch2sjxleg1.m…………隨機(jī)序列產(chǎn)生程序
2FLch2bzsheg2.m…………白噪聲產(chǎn)生程序
3FLch2bzsheg3.m…………M序列產(chǎn)生程序
4FLch3LSeg1.m……………二階系統(tǒng)一次性完成最小二乘辨識(shí)程序
5FLch3LSeg2.m……………實(shí)際壓力系統(tǒng)最小二乘辨識(shí)程序
6FLch3RLSeg3.m…………遞推的最小二乘辨識(shí)程序
7FLch3ELSeg4.m…………增廣的最小二乘辨識(shí)程序
8FLch4GAeg1.m…………梯度校正最小二乘辨識(shí)程序
9FLch5RMLeg1.m…………遞推的極大似然法辨識(shí)程序
10FLch6BAeg1.m…………Bayes辨識(shí)程序
11FLch7NNeg1.m…………改進(jìn)的神經(jīng)網(wǎng)絡(luò)MBP算法對(duì)噪聲系統(tǒng)辨識(shí)程序
12FLch7NNeg2.m…………多維非線性函數(shù)辨識(shí)的MATLAB程序
13FLch7FNNeg3.m…………模糊神經(jīng)網(wǎng)絡(luò)解耦MATLAB程序
第二部分程序的注釋與剖析
次序同第一部分