您当前的位置：首页 > 系统辨识与建模 刘峰，万雄波 编著 2019年版 > 下载地址1
系统辨识与建模 刘峰，万雄波 编著 2019年版
- 名 称：系统辨识与建模 刘峰，万雄波 编著 2019年版 - 下载地址1
- 类 别：工业自动化
- 下载地址：[下载地址1]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
系统辨识与建模
作者： 刘峰，万雄波 编著
出版时间：2019年版
内容简介
《系统辨识与建模》系统地介绍了系统辨识的基本原理和应用方法，分析了各种方法的特点，探讨了Matlab软件对各类辨识方法的实现途径。全书共7章，主要内容包括：绪论、系统辨识的基本概念、随机过程简介、系统辨识的经典方法、小二乘参数辨识方法及应用、极大似然参数辨识方法、其他辨识方法。在理论分析的基础上，列举了许多的Matlab仿真程序，并进行了程序剖析，并给出一些应用实例和练习题。附录给出了学习本课程中用到的实验和Matlab系统辨识工具箱简介等。
《系统辨识与建模》可以作为高等学校控制科学与工程、仪器科学与技术、控制工程等学科的研究生教材，也可作为自动化、测控技术与仪器及相关专业本科生教材，还可以供工程技术人员参考使用。
目录
第1章 绪论
1．1 基本概念
1．2 系统辨识的产生与发展
1．2．1 系统辨识的基本思想
1．2．2 系统辨识的发展
1．2．3 系统辨识的应用
1．3 本书的主要内容
练习题
第2章 系统辨识的基本概念
2．1 系统的概念及其分类
2．1．1 系统的基本概念
2．1．2 系统的分类
2．2 模型的概念及分类
2．2．1 模型的基本概念
2．2．2 模型的性质
2．2．3 模型的分类
2．3 建立模型的方法及常见模型
2．3．1 建立模型的基本方法
2．3．2 常见的数学模型
2．4 系统辨识的定义和基本原理
2．4．1 系统辨识的定义
2．4．2 系统辨识的基本原理
2．5 系统辨识相关知识
2．5．1 系统辨识的误差准则
2．5．2 系统辨识的分类
2．5．3 系统辨识的基本原则
2．5．4 系统辨识的内容和步骤
练习题
第3章 随机过程简介
3．1 随机过程的基本概念
3．1．1 随机过程的定义
3．1．2 随机过程的概率分布函数与密度函数
3．1．3 随机过程的数字特征
3．1．4 平稳随机过程
3．1．5 广义平稳随机过程
3．1．6 平稳随机过程的各态遍历性
3．1．7 平稳随机过程相关函数的性质
3．1．8 离散平稳随机序列的数字特征的估计
3．1．9 其他类型的随机过程
3．2 谱密度函数
3．2．1 确定性过程的谱密度
3．2．2 随机过程的功率谱密度
3．2．3 谱密度的性质
3．3 线性过程在随机输入下的响应
3．3．1 线性过程在随机输入下的输出谱密度
3．3．2 线性过程在随机输入下的互谱密度
3．4 白噪声及其产生方法
3．4．1 白噪声过程
3．4．2 白嗓声序列
3．4．3 表示定理
3．4．4 白噪声序列的产生
3．5 伪随机码的产生及其性质
3．5．1 伪随机二位式序列
3．5．2 逆重复M序列
练习题
第4章 系统辨识的经典方法
4．1 阶跃响应法
4．1．1 近似法
4．1．2 两点法
4．1．3 面积法
4．1．4 拉氏变换法
4．2 频率响应法
4．3 脉冲响应法
4．3．1 从系统输入输出求系统的脉冲响应
4．3．2 根据脉冲响应求脉冲传递函数
4．4 相关分析法
4．5 用M序列辨识线性系统的脉冲响应
练习题
第5章 最小二乘参数辨识方法及应用
5．1 最小二乘辨识的基本概念
5．2 最小二乘参数辨识方法
5．2．1 最小二乘辨识问题的假设条件
5．2．2 最小二乘辨识问题的解
5．2．3 最小二乘估计的几何意义
5．2．4 最小二乘估计的统计性质
5．3 递推最小二乘参数辨识方法
5．3．1 递推算法
5．3．2 损失函数的递推计算
5．3．3 递推算法分析
5．4 加权最小二乘辨识法
5．4．1 加权最小二乘辨识法简介
5．4．2 加权最小二乘递推算法
5．4．3 算法的加权形式
5．4．4 损失函数的递推计算
5．5 增广最小二乘辨识方法
5．5．1 增广最小二乘的原理
5．5．2 递推算式
5．5．3 增广最小二乘法的改进
5．6 多变量最小二乘辨识方法
5．6．1 多变量系统的最小二乘辨识算法的基本原理
5．6．2 多变量系统的最小二乘辨识算法的分析与设计
练习题
第6章 极大似然参数辨识方法
6．1 极大似然估计方法
6．1．1 极大似然估计法
6．1．2 极大似然法
6．2 动态模型参数的极大似然估计
6．3 极大似然法参数估计的数值解
6．4 递推的极大似然参数估计
6．5 预报误差参数辨识法
6．5．1 预报误差模型
6．5．2 预报误差法与极大似然法之间的关系
6．5．3 预报误差参数估计方法
6．6 极大似然法的估计精度及辨识方法的比较
6．6．1 估计精度
6．6．2 递推算法的一般格式
练习题
第7章 其他辨识方法
7．1 梯度校正参数辨识
7．1．1 确定性系统的梯度校正参数辨识法
7．1．2 随机逼近法
7．1．3 随机牛顿法
7．2 神经网络模型辨识
7．2．1 神经网络模型分类
7．2．2 神经网络模型辨识中常用结构
7．2．3 基于BP神经网络的非线性系统辨识
7．3 模型的结构辨识
7．3．1 Hankel矩阵定阶法
7．3．2 损失函数检验法
7．3．3 F检验法
7．3．4 Akaike准则法
7．3．5 预报误差准则法
7．4 非线性系统辨识
7．4．1 Volterra级数描述和辨识
7．4．2 非线性差分方程和辨识
7．4．3 Hammerstein模型与辨识
练习题
附录A 系统辨识实验说明
实验1 白噪声和M序列的产生
实验2 相关分析法辨识脉冲响应
实验3 最小二乘法的实现
实验4 递推最小二乘法的实现
附录B Matlab系统辨识工具箱简介
附录C 矩阵相关性质
主要参考文献
作者： 刘峰，万雄波 编著
出版时间：2019年版
内容简介
《系统辨识与建模》系统地介绍了系统辨识的基本原理和应用方法，分析了各种方法的特点，探讨了Matlab软件对各类辨识方法的实现途径。全书共7章，主要内容包括：绪论、系统辨识的基本概念、随机过程简介、系统辨识的经典方法、小二乘参数辨识方法及应用、极大似然参数辨识方法、其他辨识方法。在理论分析的基础上，列举了许多的Matlab仿真程序，并进行了程序剖析，并给出一些应用实例和练习题。附录给出了学习本课程中用到的实验和Matlab系统辨识工具箱简介等。
《系统辨识与建模》可以作为高等学校控制科学与工程、仪器科学与技术、控制工程等学科的研究生教材，也可作为自动化、测控技术与仪器及相关专业本科生教材，还可以供工程技术人员参考使用。
目录
第1章 绪论
1．1 基本概念
1．2 系统辨识的产生与发展
1．2．1 系统辨识的基本思想
1．2．2 系统辨识的发展
1．2．3 系统辨识的应用
1．3 本书的主要内容
练习题
第2章 系统辨识的基本概念
2．1 系统的概念及其分类
2．1．1 系统的基本概念
2．1．2 系统的分类
2．2 模型的概念及分类
2．2．1 模型的基本概念
2．2．2 模型的性质
2．2．3 模型的分类
2．3 建立模型的方法及常见模型
2．3．1 建立模型的基本方法
2．3．2 常见的数学模型
2．4 系统辨识的定义和基本原理
2．4．1 系统辨识的定义
2．4．2 系统辨识的基本原理
2．5 系统辨识相关知识
2．5．1 系统辨识的误差准则
2．5．2 系统辨识的分类
2．5．3 系统辨识的基本原则
2．5．4 系统辨识的内容和步骤
练习题
第3章 随机过程简介
3．1 随机过程的基本概念
3．1．1 随机过程的定义
3．1．2 随机过程的概率分布函数与密度函数
3．1．3 随机过程的数字特征
3．1．4 平稳随机过程
3．1．5 广义平稳随机过程
3．1．6 平稳随机过程的各态遍历性
3．1．7 平稳随机过程相关函数的性质
3．1．8 离散平稳随机序列的数字特征的估计
3．1．9 其他类型的随机过程
3．2 谱密度函数
3．2．1 确定性过程的谱密度
3．2．2 随机过程的功率谱密度
3．2．3 谱密度的性质
3．3 线性过程在随机输入下的响应
3．3．1 线性过程在随机输入下的输出谱密度
3．3．2 线性过程在随机输入下的互谱密度
3．4 白噪声及其产生方法
3．4．1 白噪声过程
3．4．2 白嗓声序列
3．4．3 表示定理
3．4．4 白噪声序列的产生
3．5 伪随机码的产生及其性质
3．5．1 伪随机二位式序列
3．5．2 逆重复M序列
练习题
第4章 系统辨识的经典方法
4．1 阶跃响应法
4．1．1 近似法
4．1．2 两点法
4．1．3 面积法
4．1．4 拉氏变换法
4．2 频率响应法
4．3 脉冲响应法
4．3．1 从系统输入输出求系统的脉冲响应
4．3．2 根据脉冲响应求脉冲传递函数
4．4 相关分析法
4．5 用M序列辨识线性系统的脉冲响应
练习题
第5章 最小二乘参数辨识方法及应用
5．1 最小二乘辨识的基本概念
5．2 最小二乘参数辨识方法
5．2．1 最小二乘辨识问题的假设条件
5．2．2 最小二乘辨识问题的解
5．2．3 最小二乘估计的几何意义
5．2．4 最小二乘估计的统计性质
5．3 递推最小二乘参数辨识方法
5．3．1 递推算法
5．3．2 损失函数的递推计算
5．3．3 递推算法分析
5．4 加权最小二乘辨识法
5．4．1 加权最小二乘辨识法简介
5．4．2 加权最小二乘递推算法
5．4．3 算法的加权形式
5．4．4 损失函数的递推计算
5．5 增广最小二乘辨识方法
5．5．1 增广最小二乘的原理
5．5．2 递推算式
5．5．3 增广最小二乘法的改进
5．6 多变量最小二乘辨识方法
5．6．1 多变量系统的最小二乘辨识算法的基本原理
5．6．2 多变量系统的最小二乘辨识算法的分析与设计
练习题
第6章 极大似然参数辨识方法
6．1 极大似然估计方法
6．1．1 极大似然估计法
6．1．2 极大似然法
6．2 动态模型参数的极大似然估计
6．3 极大似然法参数估计的数值解
6．4 递推的极大似然参数估计
6．5 预报误差参数辨识法
6．5．1 预报误差模型
6．5．2 预报误差法与极大似然法之间的关系
6．5．3 预报误差参数估计方法
6．6 极大似然法的估计精度及辨识方法的比较
6．6．1 估计精度
6．6．2 递推算法的一般格式
练习题
第7章 其他辨识方法
7．1 梯度校正参数辨识
7．1．1 确定性系统的梯度校正参数辨识法
7．1．2 随机逼近法
7．1．3 随机牛顿法
7．2 神经网络模型辨识
7．2．1 神经网络模型分类
7．2．2 神经网络模型辨识中常用结构
7．2．3 基于BP神经网络的非线性系统辨识
7．3 模型的结构辨识
7．3．1 Hankel矩阵定阶法
7．3．2 损失函数检验法
7．3．3 F检验法
7．3．4 Akaike准则法
7．3．5 预报误差准则法
7．4 非线性系统辨识
7．4．1 Volterra级数描述和辨识
7．4．2 非线性差分方程和辨识
7．4．3 Hammerstein模型与辨识
练习题
附录A 系统辨识实验说明
实验1 白噪声和M序列的产生
实验2 相关分析法辨识脉冲响应
实验3 最小二乘法的实现
实验4 递推最小二乘法的实现
附录B Matlab系统辨识工具箱简介
附录C 矩阵相关性质
主要参考文献
