本书主要介绍系统辨识的基本原理和常用基本方法。全书共14章,主要为绪论、系统辨识常用输入信号、线性系统的经典辨识方法、动态系统的典范表达式、最小二乘法辨识、极大似然法辨识、时变参数辨识方法、多输入-多输出系统的辨识、随机时序列模型的建立、系统结构辨识、闭环系统辨识、系统辨识在飞行器参数辨识中的应用、神经网络在系统辨识中的应用。本书可作为高等学校自动控制类和航空航天类专业研究生教材,也可供本科高年级学
生和工程技术人员参考。
全部显示 ∨
全部显示 ∨
前言0
第1章 绪论11.1 系统数学模型的分类及建模方法21.1.1 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41.2.1 辨识的定义4
1.2.2 辨识的内容和步骤4
1.3 辨识中常用的误差准则51.3.1 输出误差准则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61.4.1 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82.1 系统辨识输入信号选择准则8
2.2 白噪声及其产生方法92.2.1 白噪声过程9
2.2.2 白噪声序列11
2.2.3 白噪声序列的产生方法11
2.3 伪随机二位式序列——M序列的产生及其性质132.3.1 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253.1 用M序列辨识线性系统的脉冲响应25
3.2 用脉冲响应求传递函数303.2.1 连续系统的传递函数G(s)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364.1 节省原理36
4.2 线性系统的差分方程和状态方程表示法394.2.1 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404.3.1 可控型典范状态方程Ⅰ41
4.3.2 可控型典范状态方程Ⅱ41
4.3.3 可观测型典范状态方程Ⅰ42
4.3.4 可观测型典范状态方程Ⅱ42
4.3.5 多输入-多输出系统可观测型典范状态方程Ⅰ42
4.3.6 多输入-多输出系统可观测型典范状态方程Ⅱ43
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505.1 最小二乘法505.1.1 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61
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775.9.1 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926.1 极大似然参数辨识方法926.1.1 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1006.2.1 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
第7章 时变参数辨识方法1127.1 遗忘因子法、矩形窗法和卡尔曼滤波法1127.1.1 遗忘因子法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1208.1 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1258.3.1 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1328.4.1 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1409.1 一种简单的递推算法——随机逼近法1409.1.1 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1469.2.1 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1529.4.1 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
第10章 随机时序列模型的建立15710.1 回归模型15710.1.1 一阶线性回归模型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16711.1 模型阶的确定16711.1.1 按残差方差定阶167
11.1.2 确定阶的Akaike信息准则169
11.1.3 按残差白色定阶172
11.1.4 零极点消去检验172
11.1.5 利用行列式比法定阶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18011.4.1 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
第12章 闭环系统辨识18512.1 闭环系统判别方法18512.1.1 谱因子分解法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19112.3.1 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19712.4.1 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
第13章 系统辨识在飞行器参数辨识中的应用20213.1 引言20213.1.1 气动力参数辨识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20513.2.1 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
13.2.5 噪声模型校验212
13.2.6 极大似然法辨识算例212
13.3 时间序列法的导引头系统输出噪声建模21313.3.1 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21813.4.1 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
第14章 神经网络在系统辨识中的应用22914.1 神经网络简介22914.1.1 神经网络的发展概况229
14.1.2 神经网络的结构及类型229
14.2 线性系统辨识23014.2.1 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23214.3.1 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23514.4.1 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0
内容简介0