系統辨識理論及Matlab仿真（簡體書）

《普通高等教育“十二五”規劃教材．電氣工程、自動化專業規劃教材：系統辨識理論及MATLAB仿真》從MATLAB仿真角度系統介紹了系統辨識的基本理論、基本方法和應用技術，是作者多年來從事控制系統教學和科研工作的結晶，同時融入了國內外同行近年來所取得的新成果。
《普通高等教育“十二五”規劃教材．電氣工程、自動化專業規劃教材：系統辨識理論及MATLAB仿真》共9章，包括緒論、系統辨識常用輸入信號、最小二乘參數辨識方法及原理、極大似然參數辨識方法及其應用、傳遞函數的時域和頻域辨識、神經網絡辨識及其應用、模糊系統辨識、智能優化算法辨識及灰色系統辨識。書中有大量實例，每種實例都進行了仿真分析，並給出了相應的MATLAB仿真程序。本書各部分內容既相互聯繫又相互獨立，讀者可根據自己需要選擇學習。

《普通高等教育"十二五"規劃教材?電氣工程、自動化專業規劃教材:系統辨識理論及MATLAB仿真》系統辨識算法著重于基本概念、基本理論和基本方法，并介紹了一些有潛力的新思想、新方法和新技術。針對每種系統辨識算法給出了完整的MATLAB仿真程序，并給出了程序的說明和仿真結果，具有很強的可讀性。著重從應用領域角度出發，突出理論聯系實際，面向廣大工程技術人員，具有很強的工程性和實用性。書中有許多應用實例及其結果分析，為讀者提供了有益的借鑒。

第1章緒論
1.1建立數學模型的基本方法
1.2系統辨識的定義
1.3系統辨識的研究目的
1.4數學模型的分類
1.5幾種常見的數學模型的數學表示
1.6系統辨識常用的誤差準則
1.7系統辨識的分類
1.7.1離線辨識
1.7.2在線辨識
1.8辨識的內容和步驟
1.9系統辨識方法
1.10系統辨識方法分類
1.10.1經典系統辨識方法
1.10.2現代系統辨識方法
思考題與習題1

第2章系統辨識常用輸入信號
2.1系統辨識對輸入信號的要求
2.2系統辨識常用的輸入信號
2.2.1白噪聲信號
2.2.2白噪聲序列的產生
2.3M序列的產生及其性質
思考題與習題2

第3章最小二乘參數辨識方法及應用
3.1最小二乘參數辨識方法
3.1.1基本原理
3.1.2利用最小二乘法求取模型參數
3.1.3仿真實例：熱敏電阻和溫度關係的最小二乘參數求解
3.2加權最小二乘算法
3.2.1一般最小二乘算法的分析與設計
3.2.2加權最小二乘法的分析與設計
3.2.3仿真實例
3.3遞推最小二乘算法
3.3.1遞推最小二乘算法的基本原理
3.3.2遞推最小二乘算法的分析與設計
3.3.3仿真實例
3.3.4時不變系統的遞推最小二乘參數辨識方法
3.3.5時變系統的遞推最小二乘參數辨識方法
3.4遞推阻尼最小二乘算法
3.4.1遞推阻尼最小二乘算法的基本原理
3.4.2遞推阻尼最小二乘算法的分析與設計
3.4.3仿真實例
3.5增廣最小二乘算法
3.5.1增廣最小二乘算法的基本原理
3.5.2增廣最小二乘算法的分析與設計
3.5.3仿真實例
3.6多變量系統的最小二乘辨識算法
3.6.1多變量系統的最小二乘辨識算法的基本原理
3.6.2多變量系統的最小二乘辨識算法的分析與設計
3.6.3仿真實例
思考題與習題3

第4章極大似然參數辨識方法
4.1引言
4.2極大似然參數估計的原理及性質
4.2.1極大似然參數估計原理
4.2.2似然函數的構造
4.2.3極大似然參數估計的統計性質
4.3動態系統參數的極大似然參數估計
4.4Newton-Raphson法應用於極大似然參數估計求解
4.5遞推的極大似然估計
思考題與習題4

第5章傳遞函數的時域和頻域辨識
5.1傳遞函數辨識的時域法
5.1.1一階慣性滯後環節的辨識
5.1.2二階慣性加純遲延的傳遞函數擬合
5.1.3用n階慣性環節加純延遲的傳遞函數擬合
5.2傳遞函數的頻率辨識
5.2.1利用Bode圖特性求傳遞函數
5.2.2利用MATLAB工具求系統傳遞函數
5.3線性系統開環傳遞函數的辨識
5.3.1基本原理
5.3.2仿真實例
5.4閉環系統傳遞函數的辨識和前饋控制
5.4.1閉環系統辨識
5.4.2仿真實例
5.4.3零相差前饋控制基本原理
5.4.4系統相移
5.4.5仿真實例
思考題與習題5

第6章神經網絡辨識及其應用
6.1神經網絡理論基礎
6.1.1神經網絡原理
6.1.2神經網絡學習算法
6.1.3神經網絡的要素及特徵
6.1.4人工神經網絡辨識的特點
6.2BP神經網絡辨識
6.2.1BP神經網絡
6.2.2網絡結構
6.2.3BP網絡的優缺點
6.3BP網絡的逼近
6.3.1基本原理
6.3.2仿真實例
6.4基於數據的BP網絡離線建模
6.4.1基本原理
6.4.2仿真實例
6.5基於模型的BP神經網絡離線建模
6.5.1基本原理
6.5.2仿真實例
6.6RBF神經網絡辨識及在自校正控制中的應用
6.6.1RBF神經網絡
6.6.2RBF網絡的逼近
6.6.3仿真實例
6.7基於未知項在線建模的RBF網絡自校正控制
6.7.1神經網絡自校正控制原理
6.7.2RBF網絡自校正控制
6.7.3仿真實例
6.8Hopfield神經網絡辨識
6.8.1Hopfield網絡原理
6.8.2Hopfield網絡線性系統參數辨識
6.8.3仿真實例
6.9RBF網絡建模應用——自適應神經網絡控制
6.9.1問題描述
6.9.2RBF網絡逼近原理
6.9.3仿真實例
思考題與習題6

第7章模糊系統辨識
7.1模糊系統的理論基礎
7.1.1特徵函數和隸屬函數
7.1.2模糊算子
7.1.3隸屬函數
7.1.4模糊系統的設計
7.2基於Sugeno模糊模型的建模
7.2.1Sugeno模糊模型
7.2.2仿真實例
7.2.3基於Sugeno模糊模型的倒立擺模糊控制
7.2.4仿真實例
7.2.5基於Sugeno的倒立擺模糊控制
7.2.6仿真實例
7.3模糊逼近
7.3.1模糊系統的設計
7.3.2模糊系統的逼近精度
7.3.3仿真實例
7.4模糊系統建模應用——自適應模糊控制
7.4.1問題描述
7.4.2模糊逼近原理
7.4.3控制算法設計與分析
7.4.4仿真實例
思考題與習題7

第8章智能優化算法辨識
8.1遺傳算法基本原理
8.2遺傳算法的特點
8.3遺傳算法的應用領域
8.4遺傳算法的優化設計
8.4.1遺傳算法的構成要素
8.4.2遺傳算法的應用步驟
8.5遺傳算法求函數極大值
8.5.1二進制編碼遺傳算法求函數極大值
8.5.2實數編碼遺傳算法求函數極大值
8.6基於遺傳算法摩擦模型參數辨識的PID控制
8.6.1問題描述
8.6.2仿真實例
8.7基於遺傳算法的伺服系統靜態摩擦參數辨識
8.7.1伺服系統的靜態摩擦模型
8.7.2靜摩擦模型Stribeck曲線的獲取
8.7.3基於遺傳算法的靜態摩擦參數辨識
8.7.4仿真實例
8.8基於遺傳算法的機械手參數辨識
8.8.1系統描述
8.8.2仿真實例
8.9粒子群優化算法
8.9.1粒子群算法基本原理
8.9.2參數設置
8.9.3算法流程
8.10基於粒子群算法的函數優化
8.11基於粒子群算法的機械手參數辨識
8.12基於粒子群算法的非線性系統參數辨識
8.12.1辨識非線性靜態模型
8.12.2辨識非線性動態模型
8.12.3基於粒子群算法的VTOL飛行器參數辨識
8.13差分進化算法
8.13.1標準差分進化算法
8.13.2差分進化算法的基本流程
8.13.3差分進化算法的參數設置
8.13.4基於差分進化算法的函數優化
8.14基於差分進化算法的非線性系統參數辨識
8.14.1辨識非線性靜態模型
8.14.2辨識非線性動態模型
8.14.3基於差分進化算法的VTOL飛行器參數辨識
8.15基於微分器的微分信號提取
8.15.1微分器的由來
……

1.9系統辨識方法
以飛行器的系統辨識為例，其系統辨識方法包括4個方面，即信號激勵、信號測量、辨識模型的建立和系統辨識方法。信號激勵是指在飛行試驗中對飛行器施加的激勵。由于系統辨識建模是通過飛行試驗數據反推系統的數學模型，所以要得到高精度的飛行動力學模型，就需要輸入能夠充分激勵出飛行器的運動模態以保證產生的飛行試驗數據能充分地反映飛行器的物理特性。
信號測量包括兩個部分：一是試驗數據的采集，二是試驗數據的處理。試驗數據的采集主要是通過各種傳感器等測量設備記錄飛行器的響應如速度、加速度、角速度等參數。所記錄的飛行試驗數據由于存在漂移、跳點、噪聲等因素，并不能直接用于模型的辨識，需要通過試驗數據的處理，主要包括數據野值的剔除與補正、低通濾波、傳感器位置校正及數據相容性檢查與數據重建等。
辨識模型的建立是指建立參數化形式的辨識模型。以直升機飛行動力學模型為例，可以分為縱、橫向分離模型和耦合模型、六自由度剛體模型與包含旋翼運動的高階模型等。飛行器從其物理本質上來說是一個耦合嚴重的、高階的系統，簡單的模型往往與物理實質不符，復雜的模型要求更先進的辨識方法。在實際應用中，應根據不同的應用情況來選擇最恰當的模型結構。
系統辨識方法指的是根據試驗數據辨識出系統數學模型的具體手段，如最常用的最小二乘方法、極大似然方法等。飛行器辨識模型的參數眾多，靈敏度差異大，辨識方法的選取與設計是能否得到高精度飛行動力學模型的關鍵。
1.10系統辨識方法分類
系統辨識方法包括經典系統辨識方法和現代系統辨識方法。
1.10.1經典系統辨識方法
該方法發展已經比較成熟和完善，包括階躍響應法、脈沖響應法、頻率響應法、相關分析法、譜分析法、最小二乘法和極大似然法等。其中，最小二乘法是一種經典的和最基本的方法，也是應用最廣泛的方法。但是，最小二乘估計是有偏差的，為了克服最小二乘估計的缺陷，形成了一些以最小二乘法為基礎的系統辨識方法，包括廣義最小二乘法、輔助變量法、增廣最小二乘法和廣義最小二乘法，以及將一般的最小二乘法與其他方法相結合的方法，如最小二乘兩步法和隨機逼近算法等。