目 錄
第1章 緒論 1
1.1 系統(tǒng)數(shù)學(xué)模型及建模方法 1
1.1.1 系統(tǒng)和模型 1
1.1.2 模型的表現(xiàn)形式 2
1.1.3 數(shù)學(xué)模型的分類 2
1.1.4 建模的主要目的和原則 4
1.1.5 建立數(shù)學(xué)模型的方法 4
1.2 系統(tǒng)辨識的定義、內(nèi)容和步驟 5
1.2.1 系統(tǒng)辨識的定義和要素 5
1.2.2 系統(tǒng)辨識的內(nèi)容和步驟 6
1.3 系統(tǒng)辨識中常用的誤差準(zhǔn)則 10
1.3.1 輸出誤差準(zhǔn)則 10
1.3.2 輸入誤差準(zhǔn)則 11
1.3.3 廣義誤差準(zhǔn)則 12
思考題 12
第2章 辨識相關(guān)基礎(chǔ)知識 13
2.1 隨機(jī)變量及其數(shù)字特征 13
2.2 隨機(jī)過程及其數(shù)字特征 17
2.3 平穩(wěn)隨機(jī)過程及其各態(tài)歷經(jīng)性 19
2.3.1 平穩(wěn)隨機(jī)過程 19
2.3.2 各態(tài)歷經(jīng)性 22
2.3.3 白噪聲 24
2.4 控制系統(tǒng)的時域響應(yīng)分析 25
2.4.1 常用的典型輸入信號 25
2.4.2 瞬態(tài)性能指標(biāo) 27
2.4.3 一階系統(tǒng)的瞬態(tài)性能分析 28
2.4.4 典型二階系統(tǒng)瞬態(tài)性能分析 30
2.5 系統(tǒng)傳遞函數(shù)與狀態(tài)方程的相互轉(zhuǎn)換 33
思考題 37
第3章 線性系統(tǒng)經(jīng)典辨識方法 38
3.1 階躍響應(yīng)法 38
3.2 脈沖響應(yīng)法 42
3.2.1 維納-霍夫方程 43
3.2.2 偽隨機(jī)二進(jìn)制序列 46
3.2.3 用M序列辨識線性系統(tǒng)的脈沖響應(yīng)函數(shù) 55
3.2.4 基于脈沖響應(yīng)曲線的系統(tǒng)辨識 57
3.2.5 用M序列辨識脈沖響應(yīng)的步驟 58
3.2.6 相關(guān)分析法的抗干擾性分析 62
3.3 頻率特性法 63
3.3.1 單一正弦波法 63
3.3.2 組合正弦波法 64
3.3.3 矩形波法 64
3.3.4 基于頻率特性法的一階/二階系統(tǒng)參數(shù)辨識算法 64
思考題 66
第4章 基于最小二乘法的參數(shù)辨識 67
4.1 確定模型與隨機(jī)模型 67
4.2 最小二乘批處理算法 71
4.2.1 普通最小二乘法 73
4.2.2 加權(quán)最小二乘法 75
4.2.3 正則化最小二乘法 76
4.2.4 基于最小二乘法的離散系統(tǒng)參數(shù)辨識與仿真 79
4.2.5 最小二乘法的統(tǒng)計特性分析 83
4.3 遞推最小二乘法 84
4.3.1 一般遞推最小二乘法 84
4.3.2 基于遞推最小二乘法的離散系統(tǒng)參數(shù)辨識與仿真 87
4.4 廣義最小二乘法 89
4.4.1 廣義最小二乘法參數(shù)辨識原理 90
4.4.2 廣義最小二乘法參數(shù)辨識步驟 91
4.4.3 增廣最小二乘法 95
4.4.4 基于廣義最小二乘法的離散系統(tǒng)參數(shù)辨識與仿真 96
4.4.5 遞推廣義最小二乘法 100
4.4.6 基于遞推廣義最小二乘法的離散系統(tǒng)參數(shù)辨識與仿真 101
4.4.7 夏氏法 105
4.5 極大似然法 107
4.6 小結(jié) 111
思考題 112
第5章 模型結(jié)構(gòu)辨識 113
5.1 階次檢驗法基本步驟 113
5.2 利用損失函數(shù)定階 113
5.3 利用F檢驗法定階 115
5.3.1 F檢驗法原理 115
5.3.2 基于F檢驗法的離散系統(tǒng)定階 115
5.4 利用赤池信息量準(zhǔn)則定階 116
5.5 離散系統(tǒng)定階與仿真案例 117
思考題 120
第6章 基于遺傳算法的參數(shù)辨識及其應(yīng)用 121
6.1 遺傳算法的基本原理 121
6.2 遺傳算法的構(gòu)成要素及設(shè)計流程 124
6.2.1 遺傳算法的構(gòu)成要素 124
6.2.2 遺傳算法的設(shè)計流程 125
6.3 遺傳算法應(yīng)用實例 125
6.4 遺傳算法的MATLAB模塊化代碼實現(xiàn) 131
6.4.1 初始化（編碼）子程序（initpop.m函數(shù)）的實現(xiàn) 132
6.4.2 計算目標(biāo)函數(shù)值 132
6.4.3 計算個體適應(yīng)度值的子程序calfitvalue.m的實現(xiàn) 133
6.4.4 選擇復(fù)制子程序selection.m的實現(xiàn) 133
6.4.5 交叉子程序crossover.m的實現(xiàn) 134
6.4.6 變異子程序mutation.m的實現(xiàn) 135
6.4.7 求群體中最大的適應(yīng)度值及其對應(yīng)個體的子程序best.m的實現(xiàn) 135
6.4.8 主程序genmain05.m的實現(xiàn) 135
6.5 直流伺服電機(jī)模型PID控制參數(shù)辨識仿真 137
6.5.1 直流伺服電機(jī)模型 137
6.5.2 PID校正 138
6.5.3 利用遺傳算法進(jìn)行PID參數(shù)優(yōu)化 139
思考題 146
第7章 基于差分進(jìn)化算法的參數(shù)辨識及其應(yīng)用 147
7.1 差分進(jìn)化算法的基本原理和案例仿真 147
7.1.1 差分進(jìn)化算法的基本原理 147
7.1.2 基于差分進(jìn)化算法的參數(shù)尋優(yōu)案例仿真 149
7.2 自適應(yīng)變異系數(shù)的改進(jìn)差分進(jìn)化算法 151
7.2.1 差分進(jìn)化算法存在的問題 151
7.2.2 差分進(jìn)化算法主要的改進(jìn)方向 152
7.2.3 差分進(jìn)化算法的改進(jìn)策略 154
7.2.4 基于自適應(yīng)變異系數(shù)的改進(jìn)差分進(jìn)化算法參數(shù)尋優(yōu) 154
7.3 三種改進(jìn)差分進(jìn)化算法及其性能分析 163
7.3.1 三種改進(jìn)差分進(jìn)化算法 163
7.3.2 三種改進(jìn)差分進(jìn)化算法在參數(shù)尋優(yōu)中的性能分析 164
7.3.3 MATLAB仿真程序 171
思考題 191
第8章 基于麻雀搜索算法的參數(shù)辨識及其應(yīng)用 192
8.1 麻雀搜索算法的基本原理 192
8.2 改進(jìn)麻雀搜索算法及案例仿真分析 193
8.2.1 基于精英反向?qū)W習(xí)策略和混合擾動策略的改進(jìn)麻雀搜索算法 193
8.2.2 基于改進(jìn)麻雀搜索算法的參數(shù)尋優(yōu)案例仿真 194
第9章 基于極限學(xué)習(xí)機(jī)的系統(tǒng)在線辨識 210
9.1 極限學(xué)習(xí)機(jī)建模原理 210
9.2 利用極限學(xué)習(xí)機(jī)辨識姿態(tài)動力學(xué)系統(tǒng)未建模部分 212
9.2.1 控制問題描述 212
9.2.2 基于極限學(xué)習(xí)機(jī)的控制器設(shè)計及穩(wěn)定性分析 213
9.2.3 航天器姿態(tài)控制仿真分析 216
9.3 基于改進(jìn)極限學(xué)習(xí)機(jī)的非線性系統(tǒng)預(yù)設(shè)時間滑模自適應(yīng)控制 222
9.3.1 控制問題描述 222
9.3.2 期望軌跡擴(kuò)充策略 223
9.3.3 預(yù)設(shè)時間收斂滑模面及其性質(zhì) 224
9.3.4 預(yù)設(shè)時間收斂的滑�？刂破髟O(shè)計 226
9.3.5 數(shù)值仿真分析 229
參考文獻(xiàn) 237