系統辨識

在社會和生產中，越來越多的需要辨識系統模型的問題已廣泛引起人們的重視，社會科學和自然科學的各個領域中有很多學者在研究有關線性和非線性的辨識問題。本書是作者在多年從事系統辨識教學及與智能控制相關的科研積累的基礎上編寫而成的。

本書系統地論述了古典、現代辨識理論和方法，探討了多種新的非線性智能辨識技術，分析了各種方法的一致性及特點，並設計了MATLAB軟件對各類辨識方法的實現途徑。本書內容新穎、信息量大，在分析了各類辨識編程方法的基礎上，列舉了編者團隊開發的多種系統辨識程序，進行了程序剖析，給出了部分工程應用實例，並附有多媒體課件、習題和仿真光盤（光盤中附有開發的各類辨識程序，可直接在MATLAB下運行），為讀者提供了學習開發系統辨識程序的樣本。 ^[1] 

系統辨識是研究線性、非線性系統辨識建模的理論和方法，是將MATLAB仿真軟件與系統辨識建模理論相融合的一種新技術，屬於智能控制範疇。本書系統地論述了古典、現代辨識理論和方法，並探討了多種新的非線性智能辨識技術，如神經網絡、遺傳神經網絡算法、模糊神經網絡等；還介紹了誘導和辨識混沌方法, 分析了各種方法的一致性及特點，並探討了MATLAB軟件對各類辨識方法的實現途徑。全書共8章，在理論分析的基礎上，列舉了大量的仿真程序，進行了程序剖析，並給出一些工程應用實例。

本書內容新穎、信息量大，並附有作者開發的多種與辨識相關的源程序及多媒體課件，為讀者提供了系統辨識（或參數估計）的編程樣本和學習參考。

本書可供高等學校自動化、測控、通信、安全類及相關專業師生和工程技術人員選用。 ^[1] 

第1章 辨識的基本概念 1

1.1 系統和模型 1

1.1.1 模型的表現形式 1

1.1.2 系統及其模型的分類 2

1.2 辨識建模的定義 3

1.3 辨識問題的表達形式及原理 4

1.3.1 辨識問題的表達形式 4

1.3.2 辨識算法的基本原理 5

1.3.3 誤差準則 7

1.4 辨識的內容和步驟 8

1.5 典型的非線性系統辨識與控制方法 9

1.5.1 非線性辨識典型模型及辨識、控制方法的的特點 9

1.5.2 非線性系統參數估計的特點 11

1.5.3 神經網絡及其系統控制結構 11

1.5.4 非線性解耦問題 14

1.5.5 需要深入研究的非線性問題 15

1.6 小結 18

思考題 18

第2章 辨識理論基礎及古典辨識法 19

2.1 隨機過程及其數學描述 19

2.1.1 隨機過程的基本概念 19

2.1.2 相關函數和協方差函數的性質 21

2.2 譜密度與相關函數 22

2.2.1 巴塞伐爾定理與功率密度譜表示式 22

2.2.2 維納-辛欽關係式 22

2.3 線性系統在隨機輸入下的響應 23

2.4 白噪聲的產生方法及其仿真 23

2.4.1 白噪聲的概念 23

2.4.2 白噪聲的產生及其MATLAB仿真 25

2.4.3 偽隨機信號產生及MATLAB仿真舉例 29

2.5 古典辨識方法 32

2.5.1 M序列自相關函數 33

2.5.2 逆M序列 34

2.5.3 相關分析法頻率響應辨識 35

2.5.4 相關分析法脈衝響應辨識 38

2.5.5 相關分析法脈衝響應辨識的應用 43

2.6 小結 44

習題 45

第3章 最小二乘參數辨識 46

3.1 基本最小二乘法 46

3.1.1 問題的提出 46

3.1.2 最小二乘法的原理 47 ^[1] 

3.2 最小二乘法問題的描述 48

3.3 最小二乘問題的基本算法 49

3.3.1 基本最小二乘問題的解 49

3.3.2 加權最小二乘問題的解 50

3.3.3 最小二乘一次完成算法的MATLAB仿真 52

3.4 最小二乘參數估計的遞推算法 56

3.4.1 遞推算法的概念 56

3.4.2 遞推算法的推導 57

3.4.3 最小二乘遞推算法的MATLAB仿真 60

3.5 最小二乘法的統計特性及存在問題 64

3.5.1 最小二乘法的統計特性 64

3.5.2 最小二乘法存在的問題及解決辦法 69

3.6 最小二乘適應算法 70

3.6.1 遺忘因子法 70

3.6.2 限定記憶法 73

3.7 增廣最小二乘法 74

3.7.1 增廣最小二乘辨識 74

3.7.2 增廣最小二乘辨識的MATLAB仿真 75

3.8 廣義最小二乘法 81

3.9 小結 83

習題 83

第4章 極大似然法辨識方法 85

4.1 極大似然參數辨識原理 85

4.2 動態系統模型參數的極大似然估計 87

4.2.1 動態模型描述 87

4.2.2 極大似然估計與最小二乘估計的關係 88

4.2.3 協方差陣未知時的極大似然參數估計 90

4.3 遞推的極大似然參數估計 95

4.3.1 極大似然遞推算法的原理及方法 95

4.3.2 似然遞推法辨識的MATLAB仿真 99

4.4 小結 103

習題 103

第5章 其它參數辨識方法及原理 104

5.1 梯度校正參數辨識 104

5.1.1 確定性問題的梯度校正參數辨識方法 104

5.1.2 脈衝響應梯度校正辨識及其MATLAB仿真 106

5.1.3 用梯度校正法辨識電液位置伺服系統 110

5.2 Bayes辨識 112

5.2.1 Bayes基本原理 112

5.2.2 最小二乘模型的Bayes參數辨識 114

5.2.3 Bayes辨識的MATLAB仿真 116

5.2.4 TRP激光陀螺温度控制系統的參數辨識 121

5.3 小結 131

習題 131 ^[1] 

第6章 神經網絡辨識及其改進的BP網絡應用 133

6.1 神經網絡的概念與特性 133

6.1.1 人工神經元模型 133

6.1.2 激發函數 134

6.1.3 神經網絡模型分類 134

6.1.4 神經網絡學習方法 136

6.1.5 神經元網絡的特點 139

6.2 神經網絡模型辨識中的常用結構 139

6.3 辨識中常用的網絡訓練算法 142

6.3.1 自適應控制系統基本結構 142

6.3.2 辨識中常用的BP網絡訓練算法 143

6.4 改進的BP網絡訓練算法 146

6.4.1 基於降低網絡靈敏度的網絡改進算法 147

6.4.2 提高一類神經網絡容錯性的理論和方法 149

6.4.3 提高神經網絡收斂速度的賦初值算法 151

6.4.4 其它網絡訓練技巧 157

6.5 神經網絡辨識的MATLAB仿真舉例 157

6.5.1 具有噪聲二階系統辨識的MATLAB程序剖析 157

6.5.2 多維非線性辨識的MATLAB程序剖析 161

6.6 基於改進遺傳算法的神經網絡及其應用 164

6.6.1 一種適應度函數的改進算法 164

6.6.2 一種改進的遺傳神經解耦方法 166

6.6.3 遺傳神經解耦仿真、實驗及結論 167

6.7 模糊神經網絡及其應用 168

6.7.1 模糊神經網絡原理及其應用 168

6.7.2 FNN對非線性多變量系統的MATLAB解耦仿真 171

6.8 小結 174

習題 175

第7章 小腦模型神經網絡辨識及其應用 177

7.1 CMAC網絡的特點 177

7.2 改進的CMAC乾式變壓器卷線機跑偏信號諧波分析 179

7.2.1 CMAC網絡對非線性函數的學習過程 180

7.2.2 乾式變壓器卷線機跑偏信號諧波分析方法 181

7.3 改進的CMAC算法及跑偏信號諧波仿真 182

7.4 改進的CMAC 學習多維函數 188

7.5 小結 190

習題 190 ^[1] 

第8章 非線性動態系統其它辨識方法 191

8.1 Volterra級數的表示及其辨識方法 191

8.1.1 非線性系統Volterra級數的表示 191

8.1.2 Volterra級數的辨識 193

8.2 複雜系統的混沌現象及其辨識 194

8.2.1 反饋系統和優化過程中的混沌現象 194

8.2.2 基於控制理論的混沌分析方法 196

8.2.3 混沌識別與混沌系統辨識 198

8.3 小結 201

思考題 201

光盤附件目錄 202

參考文獻 203 ^[1]