《系統辨識理論及matlab仿真》

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：熱敏電阻和溫度關系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法應用于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

5.1.1一階慣性滯后環節的辨識

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征

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基于數據的bp網絡離線建模

6.4.1基本原理

6.4.2仿真實例

6.5基于模型的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基于未知項在線建模的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特征函數和隸屬函數

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基于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基于sugeno模糊模型的倒立擺模糊控制

7.2.4仿真實例

7.2.5基于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基于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基于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基于遺傳算法的靜態摩擦參數辨識

8.7.4仿真實例

8.8基于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基于粒子群算法的函數優化

8.11基于粒子群算法的機械手參數辨識

8.12基于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基于粒子群算法的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基于差分進化算法的函數優化

8.14基于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基于差分進化算法的vtol飛行器參數辨識

8.15基于微分器的微分信號提取

8.15.1微分器的由來

8.15.2微分器的工程應用

8.15.3積分鏈式微分器

8.15.4仿真實例

8.16基于微分器的差分進化參數辨識

8.16.1系統描述

8.16.2仿真實例

思考題與習題8

第9章灰色系統辨識

9.1灰色系統辨識原理

9.1.1生成數列

9.1.2gm灰色模型

9.2灰色系統參數辨識

9.2.1問題描述

9.2.2灰色估計算法

9.2.3仿真實例

參考文獻2100433B

書籍

計算機書籍

全書共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，并給出了相應的matlab仿真程序。本書各部分內容既相互聯系又相互獨立，讀者可根據自己需要選擇學習。

《系統辨識理論及matlab仿真》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。

《MATLAB控制系統仿真與實例詳解》從讀者角度出發，以實用、易懂為特點，貼近讀者的實際學習過程，充分滿足讀者的學習需求。

《MATLAB控制系統仿真與實例詳解》語言簡潔，敘述清晰，圖文并茂，實例豐富，是廣大讀者學習MATLAB的理想選擇。

《MATLAB控制系統仿真與實例詳解》通過大量的實際案例，對MATLAB7x的功能、操作及其在控制系統中的應用進行了細致的敘述，書中的大部分實例都經過了試驗和驗證，是作者多年來從事工程與科研項目的結晶。

內容深入淺出，實例豐富且具有代表性，實用性很強全面系統地介紹了MATLAB在各控制系統中的應用系統地講解了MATLAB7×中與控制工程相關的基礎工具箱函數。

《MATLAB控制系統設計與仿真》分兩篇，共10章。上篇為MATLAB程序設計基礎，主要介紹MATLAB的基礎知識、MATLAB數值運算、MATLAB符號運算、MATLAB程序設計。下篇為自動控制系統的MATLAB實現，主要介紹控制系統理論基礎、仿真環境Simulink的使用基礎、控制系統數學模型的MATLAB實現、控制系統分析、經典控制系統設計與仿真、現代控制系統設計與仿真。

《MATLAB控制系統設計與仿真》各章節之間既相互聯系又相互獨立，讀者可根據自己的需要選擇閱讀。《MATLAB控制系統設計與仿真》可作為高校理工科本科生和研究生的教學參考用書，也可供自動控制、計算機仿真及其相關領域的工程技術和研究人員參考。

《MATLAB控制系統仿真與實例詳解》詳細地講解了MATLAB7.x的功能與相關操作以及MATLAB在控制系統中的仿真應用。《MATLAB控制系統仿真與實例詳解》內容包括控制系統仿真基礎、MATLAB程序設計語言基礎、控制系統理論基礎、Simulink交互式仿真環境、控制系統建模、線性控制系統的分析與仿真、PID控制系統設計及仿真、最優控制系統設計、魯棒控制系統設計、神經網絡系統設計及其MATLAB實現、模糊控制系統設計和系統辨識。