土木工程結(jié)構(gòu)的系統(tǒng)辨識技術(shù)內(nèi)容簡介

《土木工程結(jié)構(gòu)的系統(tǒng)辨識技術(shù)》點介紹土木工程結(jié)構(gòu)的系統(tǒng)辨識技術(shù)。書中分別針對單純結(jié)構(gòu)系統(tǒng)和流-固耦合系統(tǒng)進行闡述。第一章介紹結(jié)構(gòu)工程領域的系統(tǒng)辨識問題，第二章介紹模態(tài)分析及信號處理的基礎知識，第三章介紹單純結(jié)構(gòu)系統(tǒng)的動力學模型及辨識方法，第四章介紹有限元模型修正的相關內(nèi)容，第五章介紹橋梁結(jié)構(gòu)瞬態(tài)氣彈系統(tǒng)的辨識問題，第六章介紹橋梁結(jié)構(gòu)尾流激振氣彈系統(tǒng)的辨識問題。《土木工程結(jié)構(gòu)的系統(tǒng)辨識技術(shù)》可供結(jié)構(gòu)工程領域的科研工作者和工程技術(shù)人員參考，也可作為高等院校土木、交通、水利和機械等專業(yè)高年級本科生和研究生的教學參考書。

前言

第一章 結(jié)構(gòu)工程領域的系統(tǒng)辨識問題

1.1 結(jié)構(gòu)工程與系統(tǒng)辨識技術(shù)

1.2 結(jié)構(gòu)工程系統(tǒng)辨識的定義

1.3 結(jié)構(gòu)工程的系統(tǒng)辨識問題

1.3.1 單純結(jié)構(gòu)系統(tǒng)的辨識問題

1.3.2 流-固耦合體系的辨識問題

參考文獻

第二章 工程結(jié)構(gòu)模態(tài)分析及信號處理方法

2.1 工程結(jié)構(gòu)的實驗模態(tài)分析

2.1.1 多自由度結(jié)構(gòu)體系的頻響函數(shù)矩陣

2.1.2 多自由度結(jié)構(gòu)體系頻響函數(shù)的幾點討論

2.1.3 平穩(wěn)隨機荷載激勵下的結(jié)構(gòu)振動

2.1.4 隨機荷載激勵下頻響函數(shù)的估計

2.2 實驗信號處理方法

2.2.1 框架

2.2.2 傅里葉變換

2.2.3 時變系統(tǒng)的信號處理方法

2.2.4 Wigner-Ville分布

參考文獻

第三章 土木工程結(jié)構(gòu)的動力學特性辨識

3.1 常用的結(jié)構(gòu)動力學實驗模型

3.1.1 模態(tài)模型

3.1.2 狀態(tài)空間模型

3.1.3 ARMA模型

3.2 常用的結(jié)構(gòu)動力學系統(tǒng)辨識方法

3.2.1 全局性有理分式多項式方法

3.2.2 子空間類辨識法

3.3 橋梁結(jié)構(gòu)的動力學特性辨識實例

3.3.1 實驗環(huán)境

3.3.2 實驗荷載的簡化處理

3.3.3 運行模態(tài)實驗及結(jié)果

3.3.4 橋梁行車激勵特性辨識

參考文獻

第四章 工程結(jié)構(gòu)有限元模型修正

4.1 有限元模型修正的基本概念

4.2 有限元模型修正的基本方法

4.3 關于有限元模型修正的幾點討論

4.3.1 關于實驗模態(tài)與理論模態(tài)的討論

4.3.2 關于模態(tài)參數(shù)靈敏度計算的討論

4.3.3 關于修正量求解過程的討論

4.3.4 基于SVD關于修正量求解過程的討論

4.4 有限元模型修正的其他方法

4.4.1 響應面法

4.4.2 Generic單元法和子結(jié)構(gòu)法

4.4.3 多分辨率剛度函數(shù)修正方法

參考文獻

第五章 橋梁節(jié)段瞬態(tài)氣彈系統(tǒng)的辨識

5.1 橋梁風致振動的經(jīng)典耦合模型

5.1.1 經(jīng)典耦合模型——氣動導數(shù)模型

5.1.2 氣動導數(shù)的常規(guī)辨識方法

5.1.3 經(jīng)典模型的誤差模型

5.1.4 關于經(jīng)典耦合模型的實驗討論

5.2 橋梁風致振動的非線性耦合模型

5.2.1 模型分析

5.2.2 模型建立

5.3 非線性耦合模型的辨識方法

5.3.1 Hilbert-Huang變換及EMD方法

5.3.2 FM-EMD方法

5.3.3 FM-EMD方法的特性討論

5.3.4 FM-EMD方法的數(shù)值驗證

5.4 非線性耦合模型辨識實例

5.4.FM-EMD性能的提升

5.4.2 非線性耦合模型的辨識過程

5.4.3 辨識結(jié)果及討論

參考文獻

第六章 橋梁節(jié)段尾流激振系統(tǒng)的辨識

6.1 橋梁節(jié)段尾流激振的周期模型

6.1.1 周期尾流激振的常規(guī)辨識方法

6.1.2 渦振力的折算頻響函數(shù)模型

6.2 橋梁節(jié)段的尾流激振隨機周期模型

6.2.1 隨機周期尾流激振的常規(guī)辨識方法

6.2.2 隨機周期尾流激振過程非平穩(wěn)性的辨識方法

6.2.3 隨機周期尾流激振非平穩(wěn)過程的辨識

參考文獻2100433B

《系統(tǒng)辨識理論及matlab仿真》

第1章緒論

1.1建立數(shù)學模型的基本方法

1.2系統(tǒng)辨識的定義

1.3系統(tǒng)辨識的研究目的

1.4數(shù)學模型的分類

1.5幾種常見的數(shù)學模型的數(shù)學表示

1.6系統(tǒng)辨識常用的誤差準則

1.7系統(tǒng)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(nèi)容和步驟

1.9系統(tǒng)辨識方法

1.10系統(tǒng)辨識方法分類

1.10.1經(jīng)典系統(tǒng)辨識方法

1.10.2現(xiàn)代系統(tǒng)辨識方法

思考題與習題1

第2章系統(tǒng)辨識常用輸入信號

2.1系統(tǒng)辨識對輸入信號的要求

2.2系統(tǒng)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(chǎn)生

2.3m序列的產(chǎn)生及其性質(zhì)

思考題與習題2

第3章最小二乘參數(shù)辨識方法及應用

3.1最小二乘參數(shù)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(shù)

3.1.3仿真實例：熱敏電阻和溫度關系的最小二乘參數(shù)求解

3.2加權(quán)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(quán)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(tǒng)的遞推最小二乘參數(shù)辨識方法

3.3.5時變系統(tǒng)的遞推最小二乘參數(shù)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(tǒng)的最小二乘辨識算法

3.6.1多變量系統(tǒng)的最小二乘辨識算法的基本原理

3.6.2多變量系統(tǒng)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(shù)辨識方法

4.1引言

4.2極大似然參數(shù)估計的原理及性質(zhì)

4.2.1極大似然參數(shù)估計原理

4.2.2似然函數(shù)的構(gòu)造

4.2.3極大似然參數(shù)估計的統(tǒng)計性質(zhì)

4.3動態(tài)系統(tǒng)參數(shù)的極大似然參數(shù)估計

4.4newton-raphson法應用于極大似然參數(shù)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(shù)的時域和頻域辨識

5.1傳遞函數(shù)辨識的時域法

5.1.1一階慣性滯后環(huán)節(jié)的辨識

5.1.2二階慣性加純遲延的傳遞函數(shù)擬合

5.1.3用n階慣性環(huán)節(jié)加純延遲的傳遞函數(shù)擬合

5.2傳遞函數(shù)的頻率辨識

5.2.1利用bode圖特性求傳遞函數(shù)

5.2.2利用matlab工具求系統(tǒng)傳遞函數(shù)

5.3線性系統(tǒng)開環(huán)傳遞函數(shù)的辨識

5.3.1基本原理

5.3.2仿真實例

5.4閉環(huán)系統(tǒng)傳遞函數(shù)的辨識和前饋控制

5.4.1閉環(huán)系統(tǒng)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(tǒng)相移

5.4.5仿真實例

思考題與習題5

第6章神經(jīng)網(wǎng)絡辨識及其應用

6.1神經(jīng)網(wǎng)絡理論基礎

6.1.1神經(jīng)網(wǎng)絡原理

6.1.2神經(jīng)網(wǎng)絡學習算法

6.1.3神經(jīng)網(wǎng)絡的要素及特征

6.1.4人工神經(jīng)網(wǎng)絡辨識的特點

6.2bp神經(jīng)網(wǎng)絡辨識

6.2.1bp神經(jīng)網(wǎng)絡

6.2.2網(wǎng)絡結(jié)構(gòu)

6.2.3bp網(wǎng)絡的優(yōu)缺點

6.3bp網(wǎng)絡的逼近

6.3.1基本原理

6.3.2仿真實例

6.4基于數(shù)據(jù)的bp網(wǎng)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(jīng)網(wǎng)絡離線建模

6.5.1基本原理

6.5.2仿真實例

6.6rbf神經(jīng)網(wǎng)絡辨識及在自校正控制中的應用

6.6.1rbf神經(jīng)網(wǎng)絡

6.6.2rbf網(wǎng)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(wǎng)絡自校正控制

6.7.1神經(jīng)網(wǎng)絡自校正控制原理

6.7.2rbf網(wǎng)絡自校正控制

6.7.3仿真實例

6.8hopfield神經(jīng)網(wǎng)絡辨識

6.8.1hopfield網(wǎng)絡原理

6.8.2hopfield網(wǎng)絡線性系統(tǒng)參數(shù)辨識

6.8.3仿真實例

6.9rbf網(wǎng)絡建模應用——自適應神經(jīng)網(wǎng)絡控制

6.9.1問題描述

6.9.2rbf網(wǎng)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(tǒng)辨識

7.1模糊系統(tǒng)的理論基礎

7.1.1特征函數(shù)和隸屬函數(shù)

7.1.2模糊算子

7.1.3隸屬函數(shù)

7.1.4模糊系統(tǒng)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(tǒng)的設計

7.3.2模糊系統(tǒng)的逼近精度

7.3.3仿真實例

7.4模糊系統(tǒng)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(yōu)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(yōu)化設計

8.4.1遺傳算法的構(gòu)成要素

8.4.2遺傳算法的應用步驟

8.5遺傳算法求函數(shù)極大值

8.5.1二進制編碼遺傳算法求函數(shù)極大值

8.5.2實數(shù)編碼遺傳算法求函數(shù)極大值

8.6基于遺傳算法摩擦模型參數(shù)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(tǒng)靜態(tài)摩擦參數(shù)辨識

8.7.1伺服系統(tǒng)的靜態(tài)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(tài)摩擦參數(shù)辨識

8.7.4仿真實例

8.8基于遺傳算法的機械手參數(shù)辨識

8.8.1系統(tǒng)描述

8.8.2仿真實例

8.9粒子群優(yōu)化算法

8.9.1粒子群算法基本原理

8.9.2參數(shù)設置

8.9.3算法流程

8.10基于粒子群算法的函數(shù)優(yōu)化

8.11基于粒子群算法的機械手參數(shù)辨識

8.12基于粒子群算法的非線性系統(tǒng)參數(shù)辨識

8.12.1辨識非線性靜態(tài)模型

8.12.2辨識非線性動態(tài)模型

8.12.3基于粒子群算法的vtol飛行器參數(shù)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(shù)設置

8.13.4基于差分進化算法的函數(shù)優(yōu)化

8.14基于差分進化算法的非線性系統(tǒng)參數(shù)辨識

8.14.1辨識非線性靜態(tài)模型

8.14.2辨識非線性動態(tài)模型

8.14.3基于差分進化算法的vtol飛行器參數(shù)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(shù)辨識

8.16.1系統(tǒng)描述

8.16.2仿真實例

思考題與習題8

第9章灰色系統(tǒng)辨識

9.1灰色系統(tǒng)辨識原理

9.1.1生成數(shù)列

9.1.2gm灰色模型

9.2灰色系統(tǒng)參數(shù)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(tǒng)辨識常用輸入信號、最小二乘參數(shù)辨識方法及原理、極大似然參數(shù)辨識方法及其應用、傳遞函數(shù)的時域和頻域辨識、神經(jīng)網(wǎng)絡辨識及其應用、模糊系統(tǒng)辨識、智能優(yōu)化算法辨識及灰色系統(tǒng)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(nèi)容既相互聯(lián)系又相互獨立，讀者可根據(jù)自己需要選擇學習。

《系統(tǒng)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(yè)高年級本科生或研究生的教材或參考書，也可供相關專業(yè)的工程技術(shù)人員閱讀。

本書主要介紹在過程控制工程領域中比較成熟和有效的辨識技術(shù)，主要包含兩大部分內(nèi)容，除第一章引論、第二章過程的數(shù)學描述外，第一大部分為經(jīng)典辨識技術(shù)：第三章介紹了瞬態(tài)響應法，第四章介紹了頻率響應法；第二大部分為現(xiàn)代辨識技術(shù)：在第五章介紹統(tǒng)計學方法預備知識的基礎上，第六章介紹了脈沖響應函數(shù)的辨識，第七章介紹了線性方程模型的辨識。本書的主要特色在于試圖將作為現(xiàn)代控制理論重要分支的系統(tǒng)辨識理論進行工程化處理，使之成為一門實用技術(shù)。

本書可作為高等院校工業(yè)自動化類專業(yè)的教學用書，也可作為生產(chǎn)過程自動化工程技術(shù)領域的科技人員、工程師在實際工程應用中的參考資料。