系統辨識理論及MATLAB仿真(第2版)（簡體書）

本書系統介紹系統辨識的基本理論、基本方法和應用技術，共12章，包括緒論、系統辨識的輸入信號、最小二乘參數辨識方法及應用、極大似然參數辨識方法及應用、傳遞函數的時域和頻域辨識、神經網絡辨識及應用、模糊系統辨識、智能優化算法辨識、智能辨識算法在機械手和飛行器中的應用、智能辨識算法在控制系統中的應用、微分器的信號提取及參數辨識、集員辨識理論及應用。書中提供大量實例，每個實例都進行了仿真分析，並給出相應的MATLAB仿真程序。本書可作為高等院校自動化、計算機應用、機械電子工程等專業高年級本科生或研究生的教材或參考書，也可供相關專業的工程技術人員閱讀。

劉金琨，北京航空航天大學教授，一直從事PID控制、智能控制、系統辨識及智能控制算法等控制方面的教學與研究工作，發表論文多篇，出版過多部著作相關方面的著作。

提供書中全部算法的MATLAB仿真程序；提供電子課件。

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 系統辨識的輸入信號
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
2.3 M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法求解
3.2 加權最小二乘法
3.2.1 一般最小二乘法的分析與設計
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 遞推最小二乘法
3.3.1 遞推最小二乘法的基本原理
3.3.2 遞推最小二乘法的分析與設計
3.3.3 仿真實例
3.3.4 時不變系統的遞推最小二乘法
3.3.5 時變系統的遞推最小二乘法
3.4 遞推阻尼最小二乘法
3.4.1 遞推阻尼最小二乘法的基本原理
3.4.2 遞推阻尼最小二乘法的分析與設計
3.4.3 仿真實例
3.5 增廣最小二乘法
3.5.1 增廣最小二乘法的基本原理
3.5.2 增廣最小二乘法的分析與設計
3.5.3 仿真實例
3.6 廣義最小二乘法
3.6.1 廣義最小二乘法的基本原理
3.6.2 廣義最小二乘法的設計與分析
3.6.3 仿真實例
3.7 輔助變量最小二乘法
3.7.1 輔助變量最小二乘法的基本原理
3.7.2 輔助變量最小二乘法的設計與分析
3.7.3 仿真實例
3.8 多變量系統的最小二乘法
3.8.1 多變量系統的最小二乘法的基本原理
3.8.2 多變量系統的最小二乘法的分析與設計
3.8.3 仿真實例
思考題與習題3
第4章 極大似然參數辨識方法及應用
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
4.4 Newton-Raphson法應用於極大似然參數估計求解
4.5 遞推極大似然參數估計
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 一階慣性環節加純延遲的傳遞函數擬合
5.1.2 二階慣性環節加純延遲的傳遞函數擬合
5.1.3 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 閉環系統傳遞函數的辨識
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 神經網絡辨識的特點
6.2 BP網絡辨識
6.2.1 BP網絡
6.2.2 BP網絡結構
6.2.3 BP網絡的優缺點
6.3 BP網絡逼近
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網絡離線建模
6.5.1 基本原理
6.5.2 仿真實例
6.6 RBF網絡的逼近
6.6.1 RBF網絡
6.6.2 RBF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
6.7.2 RBF網絡自校正控制
6.7.3 仿真實例
6.8 Hopfield網絡辨識
6.8.1 Hopfield網絡原理
6.8.2 Hopfield網絡線性系統參數辨識
6.8.3 仿真實例
6.9 RBF網絡建模應用――自適應神經網絡控制
6.9.1 問題描述
6.9.2 RBF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 典型隸屬函數
7.1.4 模糊系統的設計
7.2 基於Sugeno模糊模型的建模
7.2.1 Sugeno模糊模型及仿真實例
7.2.2 基於簡單Sugeno模糊模型的倒立擺模糊控制及仿真實例
7.2.3 基於Sugeno模糊模型的倒立擺模糊控制及仿真實例
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
7.5 模糊RBF網絡的在線逼近
7.5.1 網絡結構
7.5.2 基於模糊RBF網絡的逼近算法
7.5.3 仿真實例
7.6 模糊RBF網絡的數據建模
7.6.1 基本原理
7.6.2 仿真實例之一：SISO系統
7.6.3 仿真實例之二：MIMO系統
思考題與習題7
第8章 智能優化算法辨識
8.1 遺傳算法
8.1.1 遺傳算法基本操作
8.1.2 遺傳算法的特點
8.1.3 遺傳算法的應用領域
8.1.4 遺傳算法的優化設計
8.2 遺傳算法求函數極大值
8.2.1 二進制編碼遺傳算法求函數極大值
8.2.2 實數編碼遺傳算法求函數極大值
8.3 粒子群算法
8.3.1 粒子群算法的基本原理
8.3.2 粒子群算法的參數設置
8.3.3 粒子群算法的基本流程
8.4 基於粒子群算法的函數優化
8.5 基於粒子群算法的非線性系統參數辨識
8.5.1 辨識非線性靜態模型
8.5.2 辨識非線性動態模型
8.6 差分進化算法
8.6.1 差分進化算法的基本原理
8.6.2 差分進化算法的基本流程
8.6.3 差分進化算法的參數設置
8.6.4 基於差分進化算法的函數優化
8.7 基於差分進化算法的非線性系統參數辨識
8.7.1 辨識非線性靜態模型
8.7.2 辨識非線性動態模型
思考題與習題8
第9章 智能辨識算法在機械手和飛行器中的應用
9.1 機械手參數辨識