系統辨識與建模(2020年中國地質大學出版社出版的圖書)

《系統辨識與建模》是2020年中國地質大學出版社出版的圖書，作者是劉峰，萬雄波 。《系統辨識與建模》系統地介紹了系統辨識的基本原理和套用方法，分析了各種方法的特點，探討了Matlab軟體對各類辨識方法的實現途徑。

基本介紹

• 書名：系統辨識與建模
• 作者：劉峰、萬雄波
• 出版社：中國地質大學出版社
• ISBN：9787562545026

內容簡介

《系統辨識與建模》系統地介紹了系統辨識的基本原理和套用方法，分析了各種方法的特點，探討了Matlab軟體對各類辨識方法的實現途徑。全書共7章，主要內容包括：緒論、系統辨識的基本概念、隨機過程簡介、系統辨識的經典方法、小二乘參數辨識方法及套用、極大似然參數辨識方法、其他辨識方法。在理論分析的基礎上，列舉了許多的Matlab仿真程式，並進行了程式剖析，並給出一些套用實例和練習題。附錄給出了學習本課程中用到的實驗和Matlab系統辨識工具箱簡介等。

《系統辨識與建模》可以作為高等學校控制科學與工程、儀器科學與技術、控制工程等學科的研究生教材，也可作為自動化、測控技術與儀器及相關專業本科生教材，還可以供工程技術人員參考使用。

圖書目錄

第1章 緒論

1．1 基本概念

1．2 系統辨識的產生與發展

1．2．1 系統辨識的基本思想

1．2．2 系統辨識的發展

1．2．3 系統辨識的套用

1．3 本書的主要內容

練習題

第2章 系統辨識的基本概念

2．1 系統的概念及其分類

2．1．1 系統的基本概念

2．1．2 系統的分類

2．2 模型的概念及分類

2．2．1 模型的基本概念

2．2．2 模型的性質

2．2．3 模型的分類

2．3 建立模型的方法及常見模型

2．3．1 建立模型的基本方法

2．3．2 常見的數學模型

2．4 系統辨識的定義和基本原理

2．4．1 系統辨識的定義

2．4．2 系統辨識的基本原理

2．5 系統辨識相關知識

2．5．1 系統辨識的誤差準則

2．5．2 系統辨識的分類

2．5．3 系統辨識的基本原則

2．5．4 系統辨識的內容和步驟

練習題

第3章 隨機過程簡介

3．1 隨機過程的基本概念

3．1．1 隨機過程的定義

3．1．2 隨機過程的機率分布函式與密度函式

3．1．3 隨機過程的數字特徵

3．1．4 平穩隨機過程

3．1．5 廣義平穩隨機過程

3．1．6 平穩隨機過程的各態遍歷性

3．1．7 平穩隨機過程相關函式的性質

3．1．8 離散平穩隨機序列的數字特徵的估計

3．1．9 其他類型的隨機過程

3．2 譜密度函式

3．2．1 確定性過程的譜密度

3．2．2 隨機過程的功率譜密度

3．2．3 譜密度的性質

3．3 線性過程在隨機輸入下的回響

3．3．1 線性過程在隨機輸入下的輸出譜密度

3．3．2 線性過程在隨機輸入下的互譜密度

3．4 白噪聲及其產生方法

3．4．1 白噪聲過程

3．4．2 白嗓聲序列

3．4．3 表示定理

3．4．4 白噪聲序列的產生

3．5 偽隨機碼的產生及其性質

3．5．1 偽隨機二位式序列

3．5．2 逆重複M序列

練習題

第4章 系統辨識的經典方法

4．1 階躍回響法

4．1．1 近似法

4．1．2 兩點法

4．1．3 面積法

4．1．4 拉氏變換法

4．2 頻率回響法

4．3 脈衝回響法

4．3．1 從系統輸入輸出求系統的脈衝回響

4．3．2 根據脈衝回響求脈衝傳遞函式

4．4 相關分析法

4．5 用M序列辨識線性系統的脈衝回響

練習題

第5章 小二乘參數辨識方法及套用

5．1 小二乘辨識的基本概念

5．2 小二乘參數辨識方法

5．2．1 小二乘辨識問題的假設條件

5．2．2 小二乘辨識問題的解

5．2．3 小二乘估計的幾何意義

5．2．4 小二乘估計的統計性質

5．3 遞推小二乘參數辨識方法

5．3．1 遞推算法

5．3．2 損失函式的遞推計算

5．3．3 遞推算法分析

5．4 加權小二乘辨識法

5．4．1 加權小二乘辨識法簡介

5．4．2 加權小二乘遞推算法

5．4．3 算法的加權形式

5．4．4 損失函式的遞推計算

5．5 增廣小二乘辨識方法

5．5．1 增廣小二乘的原理

5．5．2 遞推算式

5．5．3 增廣小二乘法的改進

5．6 多變數小二乘辨識方法

5．6．1 多變數系統的小二乘辨識算法的基本原理

5．6．2 多變數系統的小二乘辨識算法的分析與設計

練習題

第6章 極大似然參數辨識方法

6．1 極大似然估計方法

6．1．1 極大似然估計法

6．1．2 極大似然法

6．2 動態模型參數的極大似然估計

6．3 極大似然法參數估計的數值解

6．4 遞推的極大似然參數估計

6．5 預報誤差參數辨識法

6．5．1 預報誤差模型

6．5．2 預報誤差法與極大似然法之間的關係

6．5．3 預報誤差參數估計方法

6．6 極大似然法的估計精度及辨識方法的比較

6．6．1 估計精度

6．6．2 遞推算法的一般格式

練習題

第7章 其他辨識方法

7．1 梯度校正參數辨識

7．1．1 確定性系統的梯度校正參數辨識法

7．1．2 隨機逼近法

7．1．3 隨機牛頓法

7．2 神經網路模型辨識

7．2．1 神經網路模型分類

7．2．2 神經網路模型辨識中常用結構

7．2．3 基於BP神經網路的非線性系統辨識

7．3 模型的結構辨識

7．3．1 Hankel矩陣定階法

7．3．2 損失函式檢驗法

7．3．3 F檢驗法

7．3．4 Akaike準則法

7．3．5 預報誤差準則法

7．4 非線性系統辨識

7．4．1 Volterra級數描述和辨識

7．4．2 非線性差分方程和辨識

7．4．3 Hammerstein模型與辨識

練習題

附錄A 系統辨識實驗說明

實驗1 白噪聲和M序列的產生

實驗2 相關分析法辨識脈衝回響

實驗3 小二乘法的實現

實驗4 遞推小二乘法的實現

附錄B Matlab系統辨識工具箱簡介

附錄C 矩陣相關性質

主要參考文獻