本书系统地论述了古典、现代辨识理论和方法,并探讨了多种如神经网络、遗传神经网络算法、模糊神经网络新的非线性智能辨识技术,介绍了诱导和辨识混沌的方法。分析了各种方法的一致性及特点,并探讨了MAT-LAB软件对各类辨识方法的实现途径。全书共分8章,在理论分析的基础上,列举了大量的仿真程序、程序剖析和工程应用实例。本书内容新颖、信息量大,并附开发的多种与辨识相关的源程序光盘,为读者提供了学习或模仿的样本。
本书可供自动化、测控、通信、安全类及相关专业高校师生和工程技术人员选用。
样章试读
目录
- 序
前言
第1章 辨识的基本概念
1·1 系统和模型
1·2 辨识建模的定义
1·3 辨识问题的表示形式及原理
1·4 辨识的内容和步骤
1·5 典型的非线性系统辨识与控制方法
1·6 小结
习题
第2章 辨识理论基础及古典辨识方法
2·1 随机过程基本概念及其数学描述
2·2 谱密度与相关函数
2·3 线性系统在随机输入下的响应
2·4 白噪声产生方法及其仿真
2·5 古典辨识方法
2·6 小结
习题
第3章 最小二乘参数辨识
3·1 最小二乘法的概念
3·2 最小二乘问题的描述
3·3 最小二乘问题的一次完成算法
3·4 最小二乘一次完成算法的MATLAB仿真
3·5 最小二乘参数估计的递推算法
3·6 最小二乘递推算法的MATLAB仿真
3·7 增广最小二乘法
3·8 增广最小二乘辨识的MATLAB仿真
3·9 广义最小二乘法
3·10 多级最小二乘法
3·11 小结
习题
第4章 梯度校正参数辨识
4·1 确定性问题的梯度校正参数辨识方法
4·2 脉冲响应梯度校正辨识的MATLAB仿真
4·3 随机性问题的梯度校正参数辨识方法
4·4 梯度校正法在动态过程辨识中的应用
4·5 随机逼近法
4·6 小结
习题
第5章 极大似然法辨识方法
5·1 引言
5·2 极大似然参数辨识原理
5·3 动态系统模型参数的极大似然估计
5·4 递推的极大似然参数估计
5·5 小结
习题
第6章 离散随机系统的自适应滤波
6·1 Bayes辨识方法
6·2 Bayes辨识的MATLAB仿真
6·3 Kalman滤波
6·4 模型参考自适应辨识方法
6·5 小结
习题
第7章 神经网络模型辨识
7·1 神经网络概念与特性
7·2 神经网络模型辨识中常用结构
7·3 辨识中常用网络训练算法
7·4 改进的BP网络训练算法
7·5 神经网络辨识的MATLAB仿真举例
7·6 基于改进遗传算法的神经网络及其应用
7·7 模糊神经网络及其应用
7·8 小结
习题
第8章 非线性动态系统的其他辨识方法
8·1 Volterra级数的表示及其辨识方法
8·2 复杂系统的混沌现象及其辨识
8·3 小结
习题
参考文献
光盘目录
第一部分开发的程序
1 FLch2sjx1eg1.m随机序列产生程序
2 FLch2bzsheg2.m白噪声产生程序
3 FLch2bzsheg3.mM序列产生程序
4 FLch3LSeg1.m二阶系统一次性完成最小二乘辨识程序
5 FLch3LSeg2.m实际压力系统最小二乘辨识程序
6 FLch3RLSeg3.m递推的最小二乘辨识程序
7 FLch3ELSeg4.m增广的最小二乘辨识程序
8 FLch4GAeg1.m梯度校正最小二乘辨识程序
9 FLch5RMLeg1.m递推的极大似然法辨识程序
10 FLch6BAeg1.mBayes辨识程序
11 FLch7NNeg1.m改进的神经网络MBP算法对噪声系统辨识程序
12 FLch7NNeg2.m多维非线性函数辨识的MATLAB程序
13 FLch7FNNeg3.m模糊神经网络解耦MATLAB程序
第二部分 程序的注释与剖析
次序同第一部分