第1章 绪论
1.1 系统与模型
1.2 系统辨识的基本思想
1.3 系统辨识的内容和步骤
1.4 系统辨识的基本原则
1.5 系统辨识的应用
1.6 系统辨识软件包
1.7 本书内容安排
习题
第2章 输入设计与数据预处理
2.1 随机信号
2.2 常用输入信号
2.3 输入信号与开环可辨识性
2.4 输入信号的选择
2.5 采样率的选择
2.6 测量数据预处理
2.7 数据相容性检验
习题
第3章 系统模型与模型辨识
3.1 输入输出模型
3.2 状态空间模型
3.3 随机模型
3.4 数学模型之间的等价变换
3.5 模型结构的可辨识性
3.6 模型阶次的辨识
3.7 模型仿真与预测
3.8 辨识精度
3.9 模型检验
习题
第4章 非参数模型辨识方法
4.1 相关分析法
4.2 谱分析法
4.3 非参数模型转化为参数模型
习题
第5章 参数辨识最优化方法
5.1 参数估计的梯度校正法
5.2 遗传算法
5.3 粒子群优化算法
习题
第6章 最小二乘法
6.1 最小二乘法概述
6.2 时变最小二乘法
6.3 辅助变量法
6.4 增广最小二乘法
6.5 多级最小二乘法
6.6 单输入单输出系统一般模型辨识的递推算法
6.7 系统辨识在故障检测中的应用
习题
第7章 其他参数辨识法
7.1 极大似然法
7.2 预报误差法
7.3 基于卡尔曼滤波器的多模参数辨识
7.4 基于系统辨识的自适应预报
习题
第8章 多变量线性系统辨识
8.1 状态方程的规范形
8.2 输入、输出方程
8.3 PCF规范形的辨识
8.4 状态空间模型的递归辨识算法的一般形式
习题
第9章 闭环系统的模型辨识
9.1 系统反馈判别法
9.2 闭环系统的辨识方法
9.3 多输入多输出闭环系统的辨识
9.4 闭环系统的阶次辨识
9.5 基于系统辨识的自适应控制
习题
第10章 神经网络模型的辨识
10.1 单个神经元结构
10.2 多层前馈神经网络后向传播算法
10.3 三层前馈神经网络的预报误差法
10.4 径向基神经网络
10.5 基于神经网络的逆模型辨识
10.6 神经自校正控制
10.7 神经nD控制
10.8 神经模型参考自适应控制
习题
第11章 模糊系统的模型辨识
11.1 模糊集合
11.2 基于T-S模型的模糊辨识
11.3 基于模糊划分的模糊辨识
11.4 基于模糊模型辨识的自适应预测与控制
习题
第12章 面向控制的鲁棒辨识
12.1 基于频域数据的鲁棒辨识
12.2 基于时域数据的鲁棒辨识
12.3 基于时／频混合数据的鲁棒辨识
第13章 系统辨识在飞行器试验中的应用
13.1 基于参数辨识的运载火箭动力系统故障诊断
13.2 基于参数辨识的空中飞行模拟器自适应控制
13.3 固定翼飞行器气动参数辨识
第14章 基于MaUab的系统辨识实例
附录A X2分布值表(a=0.05)
附录B F分布值表(a=0.05)
参考文献
· · · · · · (收起)