動態(tài)系統(tǒng)辨識 導(dǎo)論與應(yīng)用

中文版序Ⅲ
Preface for the Chinese translationⅣ
序Ⅴ
譯著序言Ⅵ
原著序言Ⅷ
符號列表Ⅹ
第1章緒論
11理論建模與實驗建模
12動態(tài)系統(tǒng)辨識的任務(wù)和問題
13辨識方法的分類及在本書中的
處理
14辨識方法概述
141非參數(shù)模型
142參數(shù)模型
143信號分析
15激勵信號
16特殊的應(yīng)用問題
161輸入含有噪聲
162多輸入或多輸出系統(tǒng)的辨識
17應(yīng)用領(lǐng)域
171增加對過程特性的認識
172理論模型的驗證
173控制器參數(shù)的整定
174基于計算機的數(shù)字控制
算法設(shè)計
175自適應(yīng)控制算法
176過程監(jiān)控和故障檢測
177信號預(yù)測
178在線優(yōu)化
18文獻綜述
習(xí)題
參考文獻
第2章線性動態(tài)系統(tǒng)和隨機信號的
數(shù)學(xué)模型
21連續(xù)時間信號的動態(tài)系統(tǒng)
數(shù)學(xué)模型
211非參數(shù)模型，確定性信號
212參數(shù)模型，確定性信號
22離散時間信號的動態(tài)系統(tǒng)
數(shù)學(xué)模型
221參數(shù)模型，確定性信號
23連續(xù)時間隨機信號模型
231特殊的隨機信號過程
24離散時間隨機信號模型
25特征參數(shù)的確定
251利用一階系統(tǒng)近似
252利用二階系統(tǒng)近似
253利用n階具有相等時間常數(shù)的
時滯系統(tǒng)近似
254利用具有遲延的一階系統(tǒng)近似
26具有積分作用或微分
作用的系統(tǒng)
261積分作用
262微分作用
27小結(jié)
習(xí)題
參考文獻第Ⅰ部分頻域非參數(shù)模型辨識
——連續(xù)時間信號第3章周期信號和非周期信號的
譜分析方法
31傅里葉變換的數(shù)值計算
311周期信號的傅里葉級數(shù)
312非周期信號的傅里葉變換
313傅里葉變換的數(shù)值計算
314加窗
315短時傅里葉變換
32小波變換
33周期圖
34小結(jié)
習(xí)題
參考文獻
第4章利用非周期信號測量
頻率響應(yīng)
41基本方程
42非周期信號的傅里葉變換
421簡單脈沖
422雙脈沖
423階躍函數(shù)和斜坡函數(shù)
43確定頻率響應(yīng)
44噪聲的影響
45小結(jié)
習(xí)題
參考文獻
ⅩⅨ第5章利用周期測試信號測量
頻率響應(yīng)
51利用正弦測試信號測量
頻率響應(yīng)
52利用矩形和梯形測試信號測量
頻率響應(yīng)
53利用多頻率測試信號測量
頻率響應(yīng)
54利用連續(xù)變頻測試信號測量
頻率響應(yīng)
55利用相關(guān)函數(shù)測量頻率響應(yīng)
551以相關(guān)函數(shù)測定頻率響應(yīng)
552利用正交相關(guān)分析測量
頻率響應(yīng)
56小結(jié)
習(xí)題
參考文獻第Ⅱ部分利用相關(guān)分析法辨識非參數(shù)模型
——連續(xù)時間和離散時間第6章連續(xù)時間模型的相關(guān)分析
61相關(guān)函數(shù)的估計
611互相關(guān)函數(shù)
612自相關(guān)函數(shù)
62用平穩(wěn)隨機信號激勵的動態(tài)
過程相關(guān)分析
621利用去卷積確定脈沖響應(yīng)
622白噪聲作為輸入信號
623誤差估計
624利用實際的自然噪聲作為
輸入信號
63利用二值隨機信號激勵的動態(tài)
過程相關(guān)分析
64閉環(huán)下的相關(guān)分析
65小結(jié)習(xí)題
參考文獻
第7章離散時間模型的相關(guān)分析
71相關(guān)函數(shù)估計
711自相關(guān)函數(shù)
712互相關(guān)函數(shù)
713相關(guān)函數(shù)的快速計算
714相關(guān)函數(shù)的遞推計算
72線性動態(tài)系統(tǒng)的相關(guān)分析
721利用去卷積確定脈沖響應(yīng)
722隨機擾動的影響
73離散時間二值測試信號
74小結(jié)
習(xí)題
參考文獻
第Ⅲ部分參數(shù)模型辨識——離散時間信號第8章穩(wěn)態(tài)過程的最小二乘
參數(shù)估計
81引言
82線性穩(wěn)態(tài)過程
83非線性穩(wěn)態(tài)過程
84幾何解釋
85極大似然和Cramér-Rao界
86約束
87小結(jié)
習(xí)題
參考文獻
ⅩⅩ第9章動態(tài)過程的最小二乘
參數(shù)估計
91最小二乘（LS）非遞推方法
911基本方程
912收斂性
913參數(shù)估計的協(xié)方差和模型的
不確定性
914參數(shù)可辨識性
915未知直流分量
92周期參數(shù)信號模型的譜分析
921時域參數(shù)信號模型
922頻域參數(shù)信號模型
923系數(shù)的確定
924幅值的估計
93非參數(shù)中間模型的參數(shù)估計
931非周期激勵響應(yīng)和最小
二乘法
932相關(guān)-最小二乘法
（COR-LS）
94最小二乘的遞推方法（RLS）
941基本方程
942隨機信號的遞推參數(shù)估計
943未知直流分量
95加權(quán)最小二乘方法（WLS）
951Markov估計
96指數(shù)遺忘的遞推參數(shù)估計
961帶約束的最小二乘遞推方法
962Tikhonov正則化
97小結(jié)
習(xí)題
參考文獻
第10章最小二乘參數(shù)估計的改進
101廣義最小二乘法
1011廣義最小二乘的非遞推方法
（GLS）
1012廣義最小二乘的遞推方法
（RGLS）
102增廣最小二乘法（ELS）
103偏差校正方法（CLS）
104總體最小二乘法（TLS）
105輔助變量法
1051輔助變量的非遞推方法（IV）
1052輔助變量的遞推方法（RIV）
106隨機逼近法（STA）
1061Robbins-Monro算法
1062Kiefer-Wolfowitz算法
107（歸一化）最小均方法
（NLMS）
108小結(jié)
習(xí)題
參考文獻
第11章貝葉斯方法和極大似然法
111貝葉斯方法
112極大似然法（ML）
1121非遞推的極大似然法
1122遞推極大似然法（RML）
1123Cramér-Rao界與最大精度
113小結(jié)
習(xí)題
參考文獻
第12章時變過程的參數(shù)估計
121恒定遺忘因子的指數(shù)遺忘
122可變遺忘因子的指數(shù)遺忘
123協(xié)方差矩陣的調(diào)整
124遞推參數(shù)估計方法的收斂性
1241觀測器形式的參數(shù)估計
125小結(jié)
習(xí)題
參考文獻
第13章閉環(huán)參數(shù)估計
131無額外測試信號的過程辨識
1311間接過程辨識（情況a+c+e）
1312直接過程辨識（情況b+d+e）
132利用額外測試信號的
過程辨識
133閉環(huán)辨識方法
1331無額外測試信號的間接
過程辨識
1332有額外測試信號的間接
過程辨識
1333無額外測試信號的直接
過程辨識
1334有額外測試信號的直接
過程辨識
133小結(jié)
習(xí)題
參考文獻第Ⅳ部分參數(shù)模型辨識——連續(xù)時間信號第14章頻率響應(yīng)的參數(shù)估計
141引言
142頻率響應(yīng)的最小二乘逼近法
（FR-LS）
ⅩⅪ143小結(jié)
習(xí)題
參考文獻
第15章微分方程和連續(xù)時間過程的
參數(shù)估計
151最小二乘方法
1511基本方程
1512收斂性
152導(dǎo)數(shù)的確定
1521數(shù)值微分
1522狀態(tài)變量濾波器
1523有限脈沖響應(yīng)（FIR）
濾波器
153一致參數(shù)估計方法
1531輔助變量法
1532擴展Kalman濾波器，極大
似然法
1533相關(guān)-最小二乘法
1534離散時間模型的轉(zhuǎn)換
154物理參數(shù)的估計
155部分參數(shù)已知的參數(shù)估計
156小結(jié)
習(xí)題
參考文獻
第16章子空間法
161引言
162子空間
163子空間辨識
164利用脈沖響應(yīng)進行辨識
165原始形式的一些改進
166用于連續(xù)時間系統(tǒng)
167小結(jié)
習(xí)題
參考文獻第Ⅴ部分多變量系統(tǒng)辨識
第17章多輸入多輸出系統(tǒng)的
參數(shù)估計
171傳遞函數(shù)模型
1711矩陣多項式表示
172狀態(tài)空間模型
1721狀態(tài)空間形式
1722輸入/輸出模型
173脈沖響應(yīng)模型和Markov
參數(shù)
174順序辨識
175相關(guān)分析法
1751去卷積法
1752測試信號
176參數(shù)估計方法
1761最小二乘方法
1762相關(guān)-最小二乘法
177小結(jié)
習(xí)題
參考文獻第Ⅵ部分非線性系統(tǒng)辨識
第18章非線性系統(tǒng)的參數(shù)估計
181連續(xù)可導(dǎo)非線性的動態(tài)系統(tǒng)
1811Volterra級數(shù)
1812Hammerstein模型
1813Wiener模型
ⅩⅫ1814Lachmann提出的模型
1815參數(shù)估計
182不連續(xù)可導(dǎo)非線性的動態(tài)
系統(tǒng)
1821帶摩擦的系統(tǒng)
1822具有死區(qū)的系統(tǒng)
183小結(jié)
習(xí)題
參考文獻
第19章迭代優(yōu)化
191引言
192非線性優(yōu)化算法
193一維方法
194多維優(yōu)化
1941零階優(yōu)化器
1942一階優(yōu)化器
1943二階優(yōu)化器
195約束
1951序貫無約束極小化方法
196利用迭代優(yōu)化的預(yù)報誤差法
197梯度的確定
198模型不確定性
199小結(jié)
習(xí)題
參考文獻
第20章用于辨識的神經(jīng)網(wǎng)絡(luò)和
查詢表
201用于辨識的人工神經(jīng)網(wǎng)絡(luò)
2011用于穩(wěn)態(tài)系統(tǒng)的人工
神經(jīng)網(wǎng)絡(luò)
2012用于動態(tài)系統(tǒng)的人工
神經(jīng)網(wǎng)絡(luò)
2013半物理局部線性模型
2014局部和全局參數(shù)估計
2015局部線性動態(tài)模型
2016帶子集選擇的局部多項式
模型
202用于穩(wěn)態(tài)過程的查詢表
203小結(jié)
習(xí)題
參考文獻
第21章基于Kalman濾波的狀態(tài)和
參數(shù)估計
211離散Kalman濾波器
212穩(wěn)態(tài)Kalman濾波器
213時變離散時間系統(tǒng)的Kalman
濾波器
214擴展Kalman濾波器
215擴展Kalman濾波器用于
參數(shù)估計
216連續(xù)時間模型
217小結(jié)
習(xí)題
參考文獻第Ⅶ部分其 他 問 題
第22章數(shù)值計算
221條件數(shù)
222矩陣P的分解方法
223矩陣P-1的分解方法
224小結(jié)
225習(xí)題
226參考文獻
第23章參數(shù)估計的實際問題
231輸入信號的選擇
232采樣速率的選擇
2321預(yù)期的應(yīng)用
2322辨識模型的精度
2323數(shù)值計算問題
233線性動態(tài)模型結(jié)構(gòu)參數(shù)的
確定
2331遲延時間的確定
2332模型階次的確定
234不同參數(shù)估計方法的比較
2341導(dǎo)言
Ⅹ2342先驗假設(shè)的比較
2343辨識方法總結(jié)
235具有積分作用過程的
參數(shù)估計
236系統(tǒng)輸入擾動
237消除特殊的擾動
2371漂移和高頻噪聲
2372異常值
238驗證
239過程辨識所用的特殊設(shè)備
2391硬件設(shè)備
2392利用數(shù)字計算機辨識
2310小結(jié)
習(xí)題
參考文獻第Ⅷ部分應(yīng)用
第24章應(yīng)用實例
241執(zhí)行器
2411無刷直流執(zhí)行器
2412電磁汽車節(jié)氣門執(zhí)行器
2413液壓執(zhí)行器
242機械設(shè)備
2421機床
2422工業(yè)機器人
2423離心泵
2424熱交換器
2425空調(diào)
2426旋轉(zhuǎn)式干燥器
2427引擎試驗臺
243汽車
2431車輛參數(shù)估計
2432制動系統(tǒng)
2433汽車懸掛
2434胎壓
2435內(nèi)燃引擎
244小結(jié)
參考文獻第Ⅸ部分附錄
附錄A數(shù)學(xué)方面
A1隨機變量的收斂性
A2參數(shù)估計方法的性質(zhì)
A3向量和矩陣的導(dǎo)數(shù)
A4矩陣求逆引理
參考文獻
附錄B實驗系統(tǒng)
B1三質(zhì)量振蕩器
參考文獻