第1章 緒論
1.1 係統與模型
1.2 係統辨識的基本思想
1.3 係統辨識的內容和步驟
1.4 係統辨識的基本原則
1.5 係統辨識的應用
1.6 係統辨識軟件包
1.7 本書內容安排
習題
第2章 輸入設計與數據預處理
2.1 隨機信號
2.2 常用輸入信號
2.3 輸入信號與開環可辨識性
2.4 輸入信號的選擇
2.5 采樣率的選擇
2.6 測量數據預處理
2.7 數據相容性檢驗
習題
第3章 係統模型與模型辨識
3.1 輸入輸齣模型
3.2 狀態空間模型
3.3 隨機模型
3.4 數學模型之間的等價變換
3.5 模型結構的可辨識性
3.6 模型階次的辨識
3.7 模型仿真與預測
3.8 辨識精度
3.9 模型檢驗
習題
第4章 非參數模型辨識方法
4.1 相關分析法
4.2 譜分析法
4.3 非參數模型轉化為參數模型
習題
第5章 參數辨識最優化方法
5.1 參數估計的梯度校正法
5.2 遺傳算法
5.3 粒子群優化算法
習題
第6章 最小二乘法
6.1 最小二乘法概述
6.2 時變最小二乘法
6.3 輔助變量法
6.4 增廣最小二乘法
6.5 多級最小二乘法
6.6 單輸入單輸齣係統一般模型辨識的遞推算法
6.7 係統辨識在故障檢測中的應用
習題
第7章 其他參數辨識法
7.1 極大似然法
7.2 預報誤差法
7.3 基於卡爾曼濾波器的多模參數辨識
7.4 基於係統辨識的自適應預報
習題
第8章 多變量綫性係統辨識
8.1 狀態方程的規範形
8.2 輸入、輸齣方程
8.3 PCF規範形的辨識
8.4 狀態空間模型的遞歸辨識算法的一般形式
習題
第9章 閉環係統的模型辨識
9.1 係統反饋判彆法
9.2 閉環係統的辨識方法
9.3 多輸入多輸齣閉環係統的辨識
9.4 閉環係統的階次辨識
9.5 基於係統辨識的自適應控製
習題
第10章 神經網絡模型的辨識
10.1 單個神經元結構
10.2 多層前饋神經網絡後嚮傳播算法
10.3 三層前饋神經網絡的預報誤差法
10.4 徑嚮基神經網絡
10.5 基於神經網絡的逆模型辨識
10.6 神經自校正控製
10.7 神經nD控製
10.8 神經模型參考自適應控製
習題
第11章 模糊係統的模型辨識
11.1 模糊集閤
11.2 基於T-S模型的模糊辨識
11.3 基於模糊劃分的模糊辨識
11.4 基於模糊模型辨識的自適應預測與控製
習題
第12章 麵嚮控製的魯棒辨識
12.1 基於頻域數據的魯棒辨識
12.2 基於時域數據的魯棒辨識
12.3 基於時／頻混閤數據的魯棒辨識
第13章 係統辨識在飛行器試驗中的應用
13.1 基於參數辨識的運載火箭動力係統故障診斷
13.2 基於參數辨識的空中飛行模擬器自適應控製
13.3 固定翼飛行器氣動參數辨識
第14章 基於MaUab的係統辨識實例
附錄A X2分布值錶(a=0.05)
附錄B F分布值錶(a=0.05)
參考文獻
· · · · · · (收起)