图书介绍
系统辨识理论及应用pdf电子书版本下载
- 李言俊,张科编著 著
- 出版社: 北京:国防工业出版社
- ISBN:7118030651
- 出版时间:2003
- 标注页数:241页
- 文件大小:9MB
- 文件页数:252页
- 主题词:
PDF下载
下载说明
系统辨识理论及应用PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台)。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用!后期资源热门了。安装了迅雷也可以迅雷进行下载!
(文件页数 要大于 标注页数,上中下等多册电子书除外)
注意:本站所有压缩包均有解压码: 点击下载压缩包解压工具
图书目录
第一章 绪论 1
1.1 系统数学模型的分类及建模方法 2
1.1.1 模型的含义 2
1.1.2 模型的表现形式 2
1.1.3 数学模型的分类 2
1.1.4 建立数学模型的基本方法 3
1.1.5 建模时所需遵循的基本原则 4
1.2 辨识的定义、内容和步骤 4
1.2.1 辨识的定义 4
1.2.2 辨识的内容和步骤 4
1.3.1 输出误差准则 5
1.3 辨识中常用的误差准则 5
1.3.2 输入误差准则 6
1.3.3 广义误差准则 6
1.4 系统辨识的分类 6
1.4.1 离线辨识 6
1.4.2 在线辨识 7
思考题 7
第2章 系统辨识常用输入信号 8
2.1 系统辨识输入信号选择准则 8
2.2 白噪声及其产生方法 9
2.2.1 白噪声过程 9
2.2.3 白噪声序列的产生方法 11
2.2.2 白噪声序列 11
2.3 伪随机二位式序列——M序列的产生及其性质 13
2.3.1 伪随机噪声 13
2.3.2 M序列的产生方法 16
2.3.3 M序列的性质 17
2.3.4 二电平M序列的自相关函数 18
2.3.5 二电平M序列的功率谱密度 21
思考题 24
第3章 线性系统的经典辨识方法 25
3.1 用M序列辨识线性系统的脉冲响应 25
3.2.1 连续系统的传递函数G(s) 30
3.2 用脉冲响应求传递函数 30
3.2.2 离散系统传递函数——脉冲传递函数G(z-1) 33
思考题 34
第4章 动态系统的典范表达式 36
4.1 节省原理 36
4.2 线性系统的差分方程和状态方程表示法 39
4.2.1 线性定常系统的差分方程表示法 39
4.2.2 线性系统的状态方程表示法 40
4.3 确定性典范状态方程 40
4.3.1 可控型典范状态方程Ⅰ 41
4.3.2 可控型典范状态方程Ⅱ 41
4.3.5 多输入-多输出系统可观测型典范状态方程Ⅰ 42
4.3.4 可观测型典范状态方程Ⅱ 42
4.3.3 可观测型典范状态方程Ⅰ 42
4.3.6 多输入-多输出系统可观测型典范状态方程Ⅱ 43
4.4 确定性典范差分方程 45
4.5 随机性典范状态方程 46
4.6 随机性典范差分方程 47
4.7 预测误差方程 48
思考题 49
第5章 最小二乘法辨识 50
5.1 最小二乘法 50
5.1.1 最小二乘估计算法 52
5.1.2 最小二乘估计中的输入信号问题 53
5.1.3 最小二乘估计的概率性质 55
5.2 一种不需矩阵求逆的最小二乘法 56
5.3 递推最小二乘法 62
5.4 辅助变量法 65
5.5 递推辅助变量法 68
5.6 广义最小二乘法 68
5.7 一种交替的广义最小二乘法求解技术(夏氏法) 73
5.8 增广矩阵法 76
5.9 多阶段最小二乘法 77
5.9.1 第1种算法 77
5.9.2 第2种算法 80
5.9.3 第3种算法 81
5.10 快速多阶段最小二乘法 84
思考题 90
第6章 极大似然法辨识 92
6.1 极大似然参数辨识方法 92
6.1.1 极大似然原理 92
6.1.2 系统参数的极大似然估计 94
6.2 递推极大似然法 100
6.2.1 近似的递推极大似然法 100
6.2.2 按牛顿-拉卜森法导出极大似然法递推公式 105
6.3 参数估计的可达精度 108
思考题 110
7.1.1 遗忘因子法 112
第7章 时变参数辨识方法 112
7.1 遗忘因子法、矩形窗法和卡尔曼滤波法 112
7.1.2 矩形窗法 113
7.1.3 卡尔曼滤波法 114
7.2 一种自动调整遗忘因子的时变参数辨识方法 114
7.3 用折线段近似时变参数的辨识方法 116
思考题 119
第8章 多输入-多输出系统的辨识 120
8.1 多输入-多输出系统的最小二乘辨识 120
8.2 多输入-多输出系统的极大似然法辨识——松弛算法 122
8.3 利用方波脉冲函数辨识线性时变系统状态方程 125
8.3.1 状态方程的方波脉冲级数展开 126
8.3.2 矩阵A(t)的辨识 128
8.3.3 矩阵B(t)的辨识 129
8.4 利用分段多重切比雪夫多项式系进行多输入-多输出线性时变系统辨识 132
8.4.1 分段多重切比雪夫多项式系的定义及其主要性质 133
8.4.2 多输入-多输出线性时变系统参数辨识的PMCP方法 136
思考题 139
第9章 其它一些辨识方法 140
9.1 一种简单的递推算法——随机逼近法 140
9.1.1 随机逼近法基本原理 141
9.1.2 随机逼近参数估计方法 142
9.1.3 随机牛顿法 145
9.2 2类不同概念的递推最小二乘辨识方法 146
9.2.1 随观测方程个数递推的最小二乘估计 146
9.2.2 随未知参数个数变化的递推最小二乘估计 147
9.2.3 利用递推最小二乘法导出EMBET公式 149
9.3 辨识Box-Jenkins模型的递推广义增广最小二乘法 151
9.4 辨识Box-Jenkins模型参数的新息修正最小二乘法 152
9.4.1 最小二乘法的增参数递推公式 153
9.4.2 CAR(p)模型的辨识 154
9.4.3 偏差的消除及MA阶次的确定 154
思考题 156
10.1.1 一阶线性回归模型 157
10.1 回归模型 157
第10章 随机时序列模型的建立 157
10.1.2 多项式回归模型 158
10.2 平稳时序列的自回归模型 159
10.3 平稳时序列的移动平均模型 162
10.4 平稳时序列的自回归移动平均模型 163
10.5 非平稳时序列模型 164
思考题 165
第11章 系统结构辨识 167
11.1 模型阶的确定 167
11.1.1 按残差方差定阶 167
11.1.2 确定阶的Akaike信息准则 169
11.1.5 利用行列式比法定阶 172
11.1.3 按残差白色定阶 172
11.1.4 零极点消去检验 172
11.1.6 利用Hankel矩阵定阶 173
11.2 模型的阶和参数同时辨识的非递推算法 175
11.3 同时获得模型阶次和参数的递推辨识算法 177
11.4 多变量受控自回归滑动平均模型的结构辨识 180
11.4.1 递推最小二乘法参数估计 181
11.4.2 子模型阶的确定 181
11.4.3 简练参数模型、子阶和时滞的确定 182
思考题 184
12.1.1 谱因子分解法 185
12.1 闭环系统判别方法 185
第12章 闭环系统辨识 185
12.1.2 似然比检验法 187
12.2 闭环系统的可辨识性概念 189
12.3 单输入—单输出闭环系统辨识 191
12.3.1 直接辨识 191
12.3.2 间接辨识 196
12.4 多输入—多输出闭环系统的辨识 197
12.4.1 自回归模型辨识法 197
12.4.2 更换反馈矩阵辨识法 199
思考题 201
13.1.1 气动力参数辨识 202
第13章 系统辨识在飞行器参数辨识中的应用 202
13.1 引言 202
13.1.2 气动热参数辨识 203
13.1.3 结构动力学参数辨识 203
13.1.4 液体晃动模态参数辨识 204
13.1.5 惯性仪表误差系数辨识 204
13.2 极大似然法辨识导弹导引头噪声模型 205
13.2.1 导引头噪声模型的描述 205
13.2.2 极大似然法辨识噪声模型参数 207
13.2.3 目标视线角速度噪声模型辨识 210
13.2.4 目标接近速度噪声模型辨识 211
13.2.6 极大似然法辨识算例 212
13.2.5 噪声模型校验 212
13.3 时间序列法的导引头系统输出噪声建模 213
13.3.1 方案设计 213
13.3.2 噪声模型的建立 214
13.3.3 噪声模型的参数辨识 216
13.3.4 时间序列法辨识算例 217
13.4 系统辨识在飞行器气动参数辨识中的应用 218
13.4.1 战术导弹气动力参数辨识 219
13.4.2 闭环的辨识仿真算例 227
14.1.2 神经网络的结构及类型 229
14.1.1 神经网络的发展概况 229
14.1 神经网络简介 229
第14章 神经网络在系统辨识中的应用 229
14.2 线性系统辨识 230
14.2.1 基于单层神经网络的线性系统辨识 230
14.2.2 基于单层Adaline网络的线性系统辨识方法 231
14.3 BP算法在神经网络中的应用 232
14.3.1 BP网络简介 232
14.3.2 BP网络数学原理 233
14.4 线性时变系统辨识 235
14.4.1 网络结构与逼近能力分析 235
14.4.2 学习算法 238
14.4.3 仿真结果 239
参考文献 241