系统辨识方法及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

系统辨识方法及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1系统与模型1

1.2系统辨识的基本思想5

1.3系统辨识的内容和步骤7

1.4系统辨识的基本原则10

1.5系统辨识的应用11

1.6系统辨识软件包13

1.7本书内容安排13

习题14

第2章 输入设计与数据预处理16

2.1随机信号16

2.1.1随机信号的均值和相关函数17

2.1.2相关函数和协方差函数的性质18

2.1.3相关函数和谱密度函数19

2.2常用输入信号21

2.2.1多正弦和函数信号21

2.2.2方波信号22

2.2.3白噪声24

2.2.4有色噪声26

2.2.5伪随机二位式序列26

2.2.6逆m序列31

2.3输入信号与开环可辨识性33

2.3.1输入信号与开环可辨识性问题33

2.3.2 2n阶持续激励信号34

2.3.3 2n阶持续激励条件34

2.4输入信号的选择36

2.5采样率的选择37

2.6测量数据预处理37

2.6.1野值的剔除和补正38

2.6.2数据平滑39

2.6.3数字低通滤波40

2.6.4零均值化41

2.6.5消除数据变化趋势42

2.7数据相容性检验43

习题43

第3章 系统模型与模型辨识44

3.1输入输出模型44

3.1.1连续型输入输出模型44

3.1.2离散型输入输出模型45

3.2状态空间模型46

3.2.1连续型状态空间模型46

3.2.2离散型状态空间模型48

3.3随机模型48

3.3.1随机系统的差分模型49

3.3.2随机系统的状态空间模型49

3.3.3随机系统的预测误差方程51

3.4数学模型之间的等价变换51

3.4.1微分方程和差分方程的互相转换51

3.4.2状态方程到差分方程的转换53

3.5模型结构的可辨识性54

3.6模型阶次的辨识55

3.6.1行列式比定阶法55

3.6.2 PCA定阶法56

3.6.3损失函数检验法56

3.6.4 F检验法57

3.6.5 Akaike准则法58

3.6.6预报误差准则法58

3.6.7 Hankel矩阵定阶法61

3.7模型仿真与预测62

3.7.1一步超前预测63

3.7.2 n步超前预测64

3.8辨识精度65

3.8.1参数辨识准度评价方法65

3.8.2参数置信区间的估计67

3.9模型检验69

习题71

第4章 非参数模型辨识方法73

4.1相关分析法73

4.1.1频率响应的辨识73

4.1.2脉冲响应的辨识74

4.2谱分析法83

4.2.1周期图法83

4.2.2估计频率响应的平滑法85

4.3非参数模型转化为参数模型90

4.3.1由脉冲响应求传递函数91

4.3.2由频率响应求传递函数95

习题96

第5章 参数辨识最优化方法97

5.1参数估计的梯度校正法97

5.1.1随机逼近法97

5.1.2随机Newton-Raphson法98

5.1.3 Marquardt法99

5.2遗传算法101

5.2.1基本遗传算法101

5.2.2实数编码遗传算法104

5.3粒子群优化算法106

5.3.1粒子群优化算法106

5.3.2基于粒子群优化的系统辨识107

习题109

第6章 最小二乘法110

6.1最小二乘法概述110

6.1.1最小二乘法的基本算法110

6.1.2最小二乘估计的性质112

6.1.3最小二乘法的逐数据递推算法114

6.1.4递推平方根算法116

6.1.5最小二乘法的逐阶次递推算法117

6.2时变最小二乘法119

6.2.1限定记忆最小二乘法119

6.2.2遗忘因子法120

6.2.3分段折线最小二乘法121

6.3辅助变量法123

6.4增广最小二乘法125

6.4.1增广最小二乘法概述126

6.4.2广义的增广最小二乘法127

6.5多级最小二乘法128

6.6单输入单输出系统一般模型辨识的递推算法131

6.6.1递推算法132

6.6.2快速算法136

6.7系统辨识在故障检测中的应用137

6.7.1故障检测方法138

6.7.2在线故障检测方法141

习题144

第7章 其他参数辨识法146

7.1极大似然法146

7.1.1协方差矩阵已知的极大似然法147

7.1.2协方差矩阵未知的极大似然法148

7.1.3 Newton-Raphson迭代求解法150

7.1.4递推极大似然法152

7.2预报误差法156

7.3基于卡尔曼滤波器的多模参数辨识159

7.3.1卡尔曼滤波方程159

7.3.2基于卡尔曼滤波方程的多模参数辨识算法162

7.3.3“移动”卡尔曼滤波器组多模参数辨识165

7.4基于系统辨识的自适应预报167

7.4.1间接法167

7.4.2直接法169

7.4.3多层递阶预报方法170

习题171

第8章 多变量线性系统辨识172

8.1状态方程的规范形172

8.1.1代数等价系统172

8.1.2适宜选择路线173

8.1.3规范形175

8.2输入、输出方程179

8.2.1输入、输出方程一般形式180

8.2.2 PCF规范形对应的输入、输出方程181

8.3 PCF规范形的辨识185

8.3.1结构确定及参数辨识185

8.3.2求解B和D194

8.4状态空间模型的递归辨识算法的一般形式198

习题204

第9章 闭环系统的模型辨识205

9.1系统反馈判别法205

9.2闭环系统的辨识方法208

9.2.1直接辨识法209

9.2.2间接辨识法214

9.3多输入多输出闭环系统的辨识216

9.3.1自回归模型辨识法216

9.3.2更换反馈矩阵辨识法218

9.4闭环系统的阶次辨识219

9.5基于系统辨识的自适应控制221

9.5.1基本原理221

9.5.2自优化自适应控制222

习题228

第10章 神经网络模型的辨识229

10.1单个神经元结构229

10.2多层前馈神经网络后向传播算法230

10.3三层前馈神经网络的预报误差法235

10.3.1神经网络建模的结构235

10.3.2神经网络的RPE算法236

10.4径向基神经网络238

10.5基于神经网络的逆模型辨识242

10.6神经自校正控制247

10.6.1神经自校正控制结构248

10.6.2神经网络辨识器249

10.7神经PID控制252

10.7.1神经网络辨识器253

10.7.2神经PID控制器254

10.8神经模型参考自适应控制257

习题260

第11章 模糊系统的模型辨识262

11.1模糊集合262

11.1.1隶属函数262

11.1.2模糊集的逻辑运算264

11.1.3模糊规则和模糊推理265

11.2基于T-S模型的模糊辨识266

11.2.1结论参数的辨识268

11.2.2前提参数的辨识269

11.2.3前提变量的选择270

11.3基于模糊划分的模糊辨识271

11.3.1基于T-S模型的广义变形模型的模糊辨识271

11.3.2基于正交最小二乘法的模糊辨识276

11.4基于模糊模型辨识的自适应预测与控制277

11.4.1基于模糊模型的自适应广义预测控制277

11.4.2电力系统短期负荷预测的模糊建模方法282

11.4.3炼钢中的模糊建模方法285

习题287

第12章 面向控制的鲁棒辨识289

12.1基于频域数据的鲁棒辨识289

12.1.1鲁棒辨识问题的描述289

12.1.2非线性两步算法291

12.2基于时域数据的鲁棒辨识294

12.2.1 Caratheodory-Fejer插值算法294

12.2.2基于l1范数的时域数据鲁棒辨识297

12.3基于时／频混合数据的鲁棒辨识300

12.3.1插值算法301

12.3.2混合数据鲁棒辨识的凸规划算法304

第13章 系统辨识在飞行器试验中的应用307

13.1基于参数辨识的运载火箭动力系统故障诊断307

13.1.1强跟踪滤波器307

13.1.2运载火箭故障诊断数学模型309

13.1.3仿真结果310

13.2基于参数辨识的空中飞行模拟器自适应控制312

13.2.1参数自适应模型跟随飞控系统方案313

13.2.2飞机运动模型建立及控制律形成313

13.2.3快速采样多变量模型跟随控制316

13.2.4多模参数自适应控制系统的综合318

13.2.5仿真系统构成及仿真试验321

13.3固定翼飞行器气动参数辨识323

13.3.1空气动力数学模型323

13.3.2气动参数辨识方程组325

第14章 基于Matlab的系统辨识实例331

附录A x2分布值表（a=0.05）364

附录B F分布值表（a=0.05）365

参考文献367