系統(tǒng)辨識理論及Matlab仿真目錄

《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(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(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。

《MATLAB控制系統(tǒng)仿真與實例詳解》從讀者角度出發(fā)，以實用、易懂為特點，貼近讀者的實際學(xué)習(xí)過程，充分滿足讀者的學(xué)習(xí)需求。

《MATLAB控制系統(tǒng)仿真與實例詳解》語言簡潔，敘述清晰，圖文并茂，實例豐富，是廣大讀者學(xué)習(xí)MATLAB的理想選擇。

《MATLAB控制系統(tǒng)仿真與實例詳解》通過大量的實際案例，對MATLAB7x的功能、操作及其在控制系統(tǒng)中的應(yīng)用進行了細致的敘述，書中的大部分實例都經(jīng)過了試驗和驗證，是作者多年來從事工程與科研項目的結(jié)晶。

內(nèi)容深入淺出，實例豐富且具有代表性，實用性很強全面系統(tǒng)地介紹了MATLAB在各控制系統(tǒng)中的應(yīng)用系統(tǒng)地講解了MATLAB7×中與控制工程相關(guān)的基礎(chǔ)工具箱函數(shù)。

《MATLAB控制系統(tǒng)設(shè)計與仿真》分兩篇，共10章。上篇為MATLAB程序設(shè)計基礎(chǔ)，主要介紹MATLAB的基礎(chǔ)知識、MATLAB數(shù)值運算、MATLAB符號運算、MATLAB程序設(shè)計。下篇為自動控制系統(tǒng)的MATLAB實現(xiàn)，主要介紹控制系統(tǒng)理論基礎(chǔ)、仿真環(huán)境Simulink的使用基礎(chǔ)、控制系統(tǒng)數(shù)學(xué)模型的MATLAB實現(xiàn)、控制系統(tǒng)分析、經(jīng)典控制系統(tǒng)設(shè)計與仿真、現(xiàn)代控制系統(tǒng)設(shè)計與仿真。

《MATLAB控制系統(tǒng)設(shè)計與仿真》各章節(jié)之間既相互聯(lián)系又相互獨立，讀者可根據(jù)自己的需要選擇閱讀?！禡ATLAB控制系統(tǒng)設(shè)計與仿真》可作為高校理工科本科生和研究生的教學(xué)參考用書，也可供自動控制、計算機仿真及其相關(guān)領(lǐng)域的工程技術(shù)和研究人員參考。

《MATLAB控制系統(tǒng)仿真與實例詳解》詳細地講解了MATLAB7.x的功能與相關(guān)操作以及MATLAB在控制系統(tǒng)中的仿真應(yīng)用。《MATLAB控制系統(tǒng)仿真與實例詳解》內(nèi)容包括控制系統(tǒng)仿真基礎(chǔ)、MATLAB程序設(shè)計語言基礎(chǔ)、控制系統(tǒng)理論基礎(chǔ)、Simulink交互式仿真環(huán)境、控制系統(tǒng)建模、線性控制系統(tǒng)的分析與仿真、PID控制系統(tǒng)設(shè)計及仿真、最優(yōu)控制系統(tǒng)設(shè)計、魯棒控制系統(tǒng)設(shè)計、神經(jīng)網(wǎng)絡(luò)系統(tǒng)設(shè)計及其MATLAB實現(xiàn)、模糊控制系統(tǒng)設(shè)計和系統(tǒng)辨識。