土木工程結(jié)構(gòu)的系統(tǒng)辨識技術(shù)圖書目錄

前言

第一章 結(jié)構(gòu)工程領(lǐng)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?zāi)B(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(xué)特性辨識

3.1 常用的結(jié)構(gòu)動力學(xué)實驗?zāi)Ｐ?

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(xué)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(xué)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(guān)于有限元模型修正的幾點討論

4.3.1 關(guān)于實驗?zāi)B(tài)與理論模態(tài)的討論

4.3.2 關(guān)于模態(tài)參數(shù)靈敏度計算的討論

4.3.3 關(guān)于修正量求解過程的討論

4.3.4 基于SVD關(guān)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(yīng)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(fēng)致振動的經(jīng)典耦合模型

5.1.1 經(jīng)典耦合模型——氣動導(dǎo)數(shù)模型

5.1.2 氣動導(dǎo)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(guān)于經(jīng)典耦合模型的實驗討論

5.2 橋梁風(fēng)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

《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(lǐng)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(chǔ)知識，第三章介紹單純結(jié)構(gòu)系統(tǒng)的動力學(xué)模型及辨識方法，第四章介紹有限元模型修正的相關(guān)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?！锻聊竟こ探Y(jié)構(gòu)的系統(tǒng)辨識技術(shù)》可供結(jié)構(gòu)工程領(lǐng)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(xué)參考書。

《系統(tǒng)辨識理論及matlab仿真》

第1章緒論

1.1建立數(shù)學(xué)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(xué)模型的分類

1.5幾種常見的數(shù)學(xué)模型的數(shù)學(xué)表示

1.6系統(tǒng)辨識常用的誤差準(zhǔn)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(xí)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(xí)題2

第3章最小二乘參數(shù)辨識方法及應(yīng)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(guān)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(shè)計

3.2.2加權(quán)最小二乘法的分析與設(shè)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(shè)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(shè)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(shè)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(shè)計

3.6.3仿真實例

思考題與習(xí)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(yīng)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(xí)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(xí)題5

第6章神經(jīng)網(wǎng)絡(luò)辨識及其應(yīng)用

6.1神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

6.1.1神經(jīng)網(wǎng)絡(luò)原理

6.1.2神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法

6.1.3神經(jīng)網(wǎng)絡(luò)的要素及特征

6.1.4人工神經(jīng)網(wǎng)絡(luò)辨識的特點

6.2bp神經(jīng)網(wǎng)絡(luò)辨識

6.2.1bp神經(jīng)網(wǎng)絡(luò)

6.2.2網(wǎng)絡(luò)結(jié)構(gòu)

6.2.3bp網(wǎng)絡(luò)的優(yōu)缺點

6.3bp網(wǎng)絡(luò)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(luò)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(luò)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(luò)辨識及在自校正控制中的應(yīng)用

6.6.1rbf神經(jīng)網(wǎng)絡(luò)

6.6.2rbf網(wǎng)絡(luò)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(luò)自校正控制

6.7.1神經(jīng)網(wǎng)絡(luò)自校正控制原理

6.7.2rbf網(wǎng)絡(luò)自校正控制

6.7.3仿真實例

6.8hopfield神經(jīng)網(wǎng)絡(luò)辨識

6.8.1hopfield網(wǎng)絡(luò)原理

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

6.8.3仿真實例

6.9rbf網(wǎng)絡(luò)建模應(yīng)用——自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制

6.9.1問題描述

6.9.2rbf網(wǎng)絡(luò)逼近原理

6.9.3仿真實例

思考題與習(xí)題6

第7章模糊系統(tǒng)辨識

7.1模糊系統(tǒng)的理論基礎(chǔ)

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(shè)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(shè)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(yīng)用——自適應(yīng)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(shè)計與分析

7.4.4仿真實例

思考題與習(xí)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(yīng)用領(lǐng)域

8.4遺傳算法的優(yōu)化設(shè)計

8.4.1遺傳算法的構(gòu)成要素

8.4.2遺傳算法的應(yīng)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(shè)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(biāo)準(zhǔn)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(shè)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(yīng)用

8.15.3積分鏈?zhǔn)轿⒎制?

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(xí)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(yīng)用、傳遞函數(shù)的時域和頻域辨識、神經(jīng)網(wǎng)絡(luò)辨識及其應(yīng)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(yīng)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(xué)習(xí)。

《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(yīng)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(guān)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(lǐng)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(xué)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(yīng)法，第四章介紹了頻率響應(yīng)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(xué)方法預(yù)備知識的基礎(chǔ)上，第六章介紹了脈沖響應(yīng)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(xué)用書，也可作為生產(chǎn)過程自動化工程技術(shù)領(lǐng)域的科技人員、工程師在實際工程應(yīng)用中的參考資料。