本書較系統(tǒng)地介紹了系統(tǒng)辨識方法的基本理論和方法，重點論述了輸入設計與數(shù)據(jù)預處理方法、經(jīng)典的非參數(shù)和參數(shù)辨識方法，神經(jīng)網(wǎng)絡模型和模糊集合模型辨識方法、魯棒控制模型辨識方法，給出了系統(tǒng)辨識方法在飛行器試驗中的應用實例，并提供了一些仿真實例的MATLAB代碼。
本書內(nèi)容簡明扼要，理論緊密結合實際，較系統(tǒng)地闡述了系統(tǒng)辨識的主要步驟和內(nèi)容，具有很好的實用性。本書可供從事系統(tǒng)建模的研究人員，工程師，研究生和相關專業(yè)的技術人員閱讀參考。
空間技術及裝備的發(fā)展，促進了信息化戰(zhàn)爭形態(tài)的形成，豐富了信息化戰(zhàn)爭的內(nèi)容，給未來戰(zhàn)爭形式、作戰(zhàn)力量建設、指揮控制等帶來了深刻的影響。軍事航天技術發(fā)展、空間力量建設、空間力量應用是軍事航天學學科的主要研究內(nèi)容。因此，軍事航天學學科建設成為我軍軍事斗爭準備的重要任務。
裝備指揮技術學院軍事航天學學科是軍隊“2110工程”重點建設學科，其作戰(zhàn)指揮學學科是國家重點（培育）學科。為了總結梳理軍事航天學學科建設成果，提升學科建設水平和軍事航天人才培養(yǎng)質(zhì)量，在學院“2110工程”教材（著作）編審委員會統(tǒng)一組織指導下，軍事航天學學科領域的專家學者編著了一套適應軍事航天指揮技術人才培養(yǎng)需求，對我軍空間力量建設具有引領作用的系列叢書，將分別以學術專著和專業(yè)教材的形式陸續(xù)出版。
編輯這套叢書是軍事航天學學科建設的重要內(nèi)容，是軍事航天人才培養(yǎng)的重要基礎，也是體現(xiàn)軍事航天學學科建設水平的重要標志。旨在通過系統(tǒng)、全面的梳理，總結軍事航天學學科建設和軍事航天人才培養(yǎng)理論研究與實踐探索的重要成果和寶貴經(jīng)驗，促進軍事航天學學科發(fā)展；圍繞我軍空間力量建設和軍事斗爭準備需要，以空間力量建設、空間力量應用、航天指揮控制為主要內(nèi)容，培養(yǎng)高素質(zhì)軍事航天指揮技術人才，推動軍事航天發(fā)展。
本套叢書的編著出版對于系統(tǒng)深入總結軍事航天學學科建設和軍事航天人才培養(yǎng)的重要成果，推進軍事航天學學科建設，提高軍事航天人才的培養(yǎng)質(zhì)量，加快軍隊信息化建設和軍事斗爭準備具有重要的理論意義和現(xiàn)實意義。
第1章 緒論
1.1 系統(tǒng)與模型
1.2 系統(tǒng)辨識的基本思想
1.3 系統(tǒng)辨識的內(nèi)容和步驟
1.4 系統(tǒng)辨識的基本原則
1.5 系統(tǒng)辨識的應用
1.6 系統(tǒng)辨識軟件包
1.7 本書內(nèi)容安排
習題
第2章 輸入設計與數(shù)據(jù)預處理
2.1 隨機信號
2.1.1 隨機信號的均值和相關函數(shù)
2.1.2 相關函數(shù)和協(xié)方差函數(shù)的性質(zhì)
2.1.3 相關函數(shù)和譜密度函數(shù)
2.2 常用輸入信號
2.2.1 多正弦和函數(shù)信號
2.2.2 方波信號
2.2.3 白噪聲
2.2.4 有色噪聲
2.2.5 偽隨機二位式序列
2.2.6 逆m序列
2.3 輸入信號與開環(huán)可辨識性
2.3.1 輸入信號與開環(huán)可辨識性問題
2.3.2 2n階持續(xù)激勵信號
2.3.3 2n階持續(xù)激勵條件
2.4 輸入信號的選擇
2.5 采樣率的選擇
2.6 測量數(shù)據(jù)預處理
2.6.1 野值的剔除和補正
2.6.2 數(shù)據(jù)平滑
2.6.3 數(shù)字低通濾波
2.6.4 零均值化
2.6.5 消除數(shù)據(jù)變化趨勢
2.7 數(shù)據(jù)相容性檢驗
習題
第3章 系統(tǒng)模型與模型辨識
3.1 輸入輸出模型
3.1.1 連續(xù)型輸入輸出模型
3.1.2 離散型輸入輸出模型
3.2 狀態(tài)空間模型
3.2.1 連續(xù)型狀態(tài)空間模型
3.2.2 離散型狀態(tài)空間模型
3.3 隨機模型
3.3.1 隨機系統(tǒng)的差分模型
3.3.2 隨機系統(tǒng)的狀態(tài)空間模型
3.3.3 隨機系統(tǒng)的預測誤差方程
3.4 數(shù)學模型之間的等價變換
3.4.1 微分方程和差分方程的互相轉(zhuǎn)換
3.4.2 狀態(tài)方程到差分方程的轉(zhuǎn)換
3.5 模型結構的可辨識性
3.6 模型階次的辨識
3.6.1 行列式比定階法
3.6.2 PCA定階法
3.6.3 損失函數(shù)檢驗法
3.6.4 F檢驗法
3.6.5 Akaike準則法
3.6.6 預報誤差準則法
3.6.7 Hankel矩陣定階法
3.7 模型仿真與預測
3.7.1 一步超前預測
3.7.2 n步超前預測
3.8 辨識精度
3.8.1 參數(shù)辨識準度評價方法
3.8.2 參數(shù)置信區(qū)間的估計
3.9 模型檢驗
習題
第4章 非參數(shù)模型辨識方法
4.1 相關分析法
4.1.1 頻率響應的辨識
4.1.2 脈沖響應的辨識
4.2 譜分析法
4.2.1 周期圖法
4.2.2 估計頻率響應的平滑法
4.3 非參數(shù)模型轉(zhuǎn)化為參數(shù)模型
4.3.1 由脈沖響應求傳遞函數(shù)
4.3.2 由頻率響應求傳遞函數(shù)
習題
第5章 參數(shù)辨識最優(yōu)化方法
5.1 參數(shù)估計的梯度校正法
5.1.1 隨機逼近法
5.1.2 隨機Newton—R印hson法
5.1.3 Marquardt法
5.2 遺傳算法
5.2.1 基本遺傳算法
5.2.2 實數(shù)編碼遺傳算法
5.3 粒子群優(yōu)化算法
5.3.1 粒子群優(yōu)化算法
5.3.2 基于粒子群優(yōu)化的系統(tǒng)辨識
習題
第6章 最小二乘法
6.1 最小二乘法概述
6.1.1 最小二乘法的基本算法
6.1.2 最小二乘估計的性質(zhì)
6.1.3 最小二乘法的逐數(shù)據(jù)遞推算法
6.1.4 遞推平方根算法
6.1.5 最小二乘法的逐階次遞推算法
6.2 時變最小二乘法
6.2.1 限定記憶最小二乘法
6.2.2 遺忘因子法
6.2.3 分段折線最小二乘法
6.3 輔助變量法
6.4 增廣最小二乘法
6.4.1 增廣最小二乘法概述
6.4.2 廣義的增廣最小二乘法
6.5 多級最小二乘法
6.6 單輸入單輸出系統(tǒng)一般模型辨識的遞推算法
6.6.1 遞推算法
6.6.2 快速算法
6.7 系統(tǒng)辨識在故障檢測中的應用
6.7.1 故障檢測方法
6.7.2 在線故障檢測方法
習題
第7章 其他參數(shù)辨識法
7.1 極大似然
7.1.1 協(xié)方差矩陣已知的極大似然法
7.1.2 協(xié)方差矩陣未知的極大似然法
7.1.3 Newton-Raphson迭代求解法
7.1.4 遞推極大似然法
7.2 預報誤差法
7.3 基于卡爾曼濾波器的多模參數(shù)辨識
7.3.1 卡爾曼濾波方程
7.3.2 基于卡爾曼濾波方程的多模參數(shù)辨識算法
7.3.3 “移動”卡爾曼濾波器組多模參數(shù)辨識
7.4 基于系統(tǒng)辨識的自適應預報
7.4.1 間接法
7.4.2 直接法
7.4.3 多層遞階預報方法
習題
第8章 多變量線性系統(tǒng)辨識
8.1 狀態(tài)方程的規(guī)范形
8.1.1 代數(shù)等價系統(tǒng)
8.1.2 適宜選擇路線
8.1.3 規(guī)范形
……
第9章 閉環(huán)系統(tǒng)的模型辯識
第10章 神經(jīng)網(wǎng)絡模型的辯識
第11章 模糊系統(tǒng)的模型辯識
第12章 面向控制的魯棒辯識
第13章 系統(tǒng)辯識在飛行空口說白話試驗中的應用
第14章 基于Matlab的系統(tǒng)辯識實例
附錄
參考文獻
在工業(yè)控制、航空航天、天文學、海洋、醫(yī)學、生物學、生態(tài)學及社會經(jīng)濟學等眾多領域，研究的對象通常非常復雜，其內(nèi)部機理部分甚至完全不清楚，通常很難應用已有理論直接獲得相應的數(shù)學模型，只能利用觀測數(shù)據(jù)來確定研究對象的數(shù)學模型及其參數(shù)，這就是系統(tǒng)辨識所要解決的問題。系統(tǒng)辨識理論經(jīng)過幾十年的發(fā)展，研究越來越深入，應用越來越廣泛，已在上述領域獲得了十分成功的應用。
任何待研究的對象都可以看成是一個系統(tǒng)。在數(shù)學上，系統(tǒng)的基本特性可以用狀態(tài)參數(shù)加以描述，狀態(tài)參數(shù)一經(jīng)確定，系統(tǒng)也就確定了。系統(tǒng)的數(shù)學模型是系統(tǒng)本質(zhì)特征的數(shù)學抽象，是建立系統(tǒng)狀態(tài)參數(shù)之間以及與外作用之間最主要的相互作用、相互制約的數(shù)學表達式。研究系統(tǒng)不同側面的特性，則反映系統(tǒng)基本特性的狀態(tài)參數(shù)也不同。模型一般不可能考慮所有因素，通常僅考慮主要因素而忽略次要因素，以便簡化模型，但是模型的精度可能有所降低。如何折中模型的精確性和復雜性是建模中需要考慮的一個關鍵問題。
對于一些系統(tǒng)，可以從已知的原理、定律和定理出發(fā)，通過機理分析研究，找出系統(tǒng)內(nèi)在的運動規(guī)律，推導出系統(tǒng)中各狀態(tài)參數(shù)與外作用之間的解析關系式，即數(shù)學模型，這種方式稱為系統(tǒng)的理論建模。由于這類系統(tǒng)的基本規(guī)律已知，在控制論中稱之為“白箱”問題。對于另一些系統(tǒng)，由于對系統(tǒng)的客觀規(guī)律不清楚，只能從系統(tǒng)的輸入和輸出測量數(shù)據(jù)來建立其數(shù)學模型，稱之為“黑箱”問題，通常采用辨識建模方法。還有一些系統(tǒng)，其某些部分的機理清楚，可直接用理論建模的方法加以解決，對其中機理不清楚的部分，可使用辨識建模的方法，這種方式通常稱之為“灰箱”問題。
書單推薦
