目錄中文版序ⅢPreface for the Chinese translationⅣ序Ⅴ譯著序言Ⅵ原著序言Ⅷ符號列表Ⅹ第1章緒論11理論建模與實驗建模12動態(tài)系統(tǒng)辨識的任務(wù)和問題13辨識方法的分類及在本書中的處理14辨識方法概述141非參數(shù)模型142參數(shù)模型143信號分析15激勵信號16特殊的應(yīng)用問題161輸入含有噪聲162多輸入或多輸出系統(tǒng)的辨識17應(yīng)用領(lǐng)域171增加對過程特性的認(rèn)識172理論模型的驗證173控制器參數(shù)的整定174基于計算機(jī)的數(shù)字控制算法設(shè)計175自適應(yīng)控制算法176過程監(jiān)控和故障檢測177信號預(yù)測178在線優(yōu)化18文獻(xiàn)綜述習(xí)題參考文獻(xiàn)第2章線性動態(tài)系統(tǒng)和隨機(jī)信號的數(shù)學(xué)模型21連續(xù)時間信號的動態(tài)系統(tǒng)數(shù)學(xué)模型211非參數(shù)模型，確定性信號212參數(shù)模型，確定性信號22離散時間信號的動態(tài)系統(tǒng)數(shù)學(xué)模型221參數(shù)模型，確定性信號23連續(xù)時間隨機(jī)信號模型231特殊的隨機(jī)信號過程24離散時間隨機(jī)信號模型25特征參數(shù)的確定251利用一階系統(tǒng)近似252利用二階系統(tǒng)近似253利用n階具有相等時間常數(shù)的時滯系統(tǒng)近似254利用具有遲延的一階系統(tǒng)近似26具有積分作用或微分作用的系統(tǒng)261積分作用262微分作用27小結(jié)習(xí)題參考文獻(xiàn)第Ⅰ部分頻域非參數(shù)模型辨識——連續(xù)時間信號第3章周期信號和非周期信號的譜分析方法31傅里葉變換的數(shù)值計算311周期信號的傅里葉級數(shù)312非周期信號的傅里葉變換313傅里葉變換的數(shù)值計算314加窗315短時傅里葉變換32小波變換33周期圖34小結(jié)習(xí)題參考文獻(xiàn)第4章利用非周期信號測量頻率響應(yīng)41基本方程42非周期信號的傅里葉變換421簡單脈沖422雙脈沖423階躍函數(shù)和斜坡函數(shù)43確定頻率響應(yīng)44噪聲的影響45小結(jié)習(xí)題參考文獻(xiàn)ⅩⅨ第5章利用周期測試信號測量頻率響應(yīng)51利用正弦測試信號測量頻率響應(yīng)52利用矩形和梯形測試信號測量頻率響應(yīng)53利用多頻率測試信號測量頻率響應(yīng)54利用連續(xù)變頻測試信號測量頻率響應(yīng)55利用相關(guān)函數(shù)測量頻率響應(yīng)551以相關(guān)函數(shù)測定頻率響應(yīng)552利用正交相關(guān)分析測量頻率響應(yīng)56小結(jié)習(xí)題參考文獻(xiàn)第Ⅱ部分利用相關(guān)分析法辨識非參數(shù)模型——連續(xù)時間和離散時間第6章連續(xù)時間模型的相關(guān)分析61相關(guān)函數(shù)的估計611互相關(guān)函數(shù)612自相關(guān)函數(shù)62用平穩(wěn)隨機(jī)信號激勵的動態(tài)過程相關(guān)分析621利用去卷積確定脈沖響應(yīng)622白噪聲作為輸入信號 623誤差估計624利用實際的自然噪聲作為輸入信號63利用二值隨機(jī)信號激勵的動態(tài)過程相關(guān)分析64閉環(huán)下的相關(guān)分析65小結(jié)習(xí)題參考文獻(xiàn)第7章離散時間模型的相關(guān)分析71相關(guān)函數(shù)估計711自相關(guān)函數(shù)712互相關(guān)函數(shù)713相關(guān)函數(shù)的快速計算714相關(guān)函數(shù)的遞推計算72線性動態(tài)系統(tǒng)的相關(guān)分析721利用去卷積確定脈沖響應(yīng)722隨機(jī)擾動的影響73離散時間二值測試信號74小結(jié)習(xí)題參考文獻(xiàn)第Ⅲ部分參數(shù)模型辨識——離散時間信號第8章穩(wěn)態(tài)過程的最小二乘參數(shù)估計81引言82線性穩(wěn)態(tài)過程83非線性穩(wěn)態(tài)過程84幾何解釋85極大似然和Cramér-Rao界86約束87小結(jié)習(xí)題參考文獻(xiàn)ⅩⅩ第9章動態(tài)過程的最小二乘參數(shù)估計91最小二乘（LS）非遞推方法911基本方程912收斂性913參數(shù)估計的協(xié)方差和模型的不確定性914參數(shù)可辨識性915未知直流分量92周期參數(shù)信號模型的譜分析921時域參數(shù)信號模型922頻域參數(shù)信號模型923系數(shù)的確定924幅值的估計93非參數(shù)中間模型的參數(shù)估計931非周期激勵響應(yīng)和最小二乘法932相關(guān)-最小二乘法（COR-LS）94最小二乘的遞推方法（RLS）941基本方程942隨機(jī)信號的遞推參數(shù)估計943未知直流分量95加權(quán)最小二乘方法（WLS）951Markov估計96指數(shù)遺忘的遞推參數(shù)估計961帶約束的最小二乘遞推方法962Tikhonov正則化97小結(jié)習(xí)題參考文獻(xiàn)第10章最小二乘參數(shù)估計的改進(jìn)101廣義最小二乘法1011廣義最小二乘的非遞推方法（GLS）1012廣義最小二乘的遞推方法（RGLS）102增廣最小二乘法（ELS）103偏差校正方法（CLS）104總體最小二乘法（TLS）105輔助變量法1051輔助變量的非遞推方法（IV）1052輔助變量的遞推方法（RIV）106隨機(jī)逼近法（STA）1061Robbins-Monro算法1062Kiefer-Wolfowitz算法107（歸一化）最小均方法（NLMS）108小結(jié)習(xí)題參考文獻(xiàn)第11章貝葉斯方法和極大似然法111貝葉斯方法112極大似然法（ML）1121非遞推的極大似然法1122遞推極大似然法（RML）1123Cramér-Rao界與最大精度113小結(jié)習(xí)題參考文獻(xiàn)第12章時變過程的參數(shù)估計121恒定遺忘因子的指數(shù)遺忘122可變遺忘因子的指數(shù)遺忘123協(xié)方差矩陣的調(diào)整124遞推參數(shù)估計方法的收斂性1241觀測器形式的參數(shù)估計125小結(jié)習(xí)題參考文獻(xiàn)第13章閉環(huán)參數(shù)估計131無額外測試信號的過程辨識1311間接過程辨識（情況a+c+e）1312直接過程辨識（情況b+d+e）132利用額外測試信號的過程辨識133閉環(huán)辨識方法1331無額外測試信號的間接過程辨識1332有額外測試信號的間接過程辨識1333無額外測試信號的直接過程辨識1334有額外測試信號的直接過程辨識133小結(jié)習(xí)題參考文獻(xiàn)第Ⅳ部分參數(shù)模型辨識——連續(xù)時間信號第14章頻率響應(yīng)的參數(shù)估計141引言142頻率響應(yīng)的最小二乘逼近法（FR-LS）ⅩⅪ143小結(jié)習(xí)題參考文獻(xiàn)第15章微分方程和連續(xù)時間過程的參數(shù)估計151最小二乘方法1511基本方程1512收斂性152導(dǎo)數(shù)的確定1521數(shù)值微分1522狀態(tài)變量濾波器1523有限脈沖響應(yīng)（FIR）濾波器153一致參數(shù)估計方法1531輔助變量法1532擴(kuò)展Kalman濾波器，極大似然法1533相關(guān)-最小二乘法1534離散時間模型的轉(zhuǎn)換154物理參數(shù)的估計155部分參數(shù)已知的參數(shù)估計156小結(jié)習(xí)題參考文獻(xiàn)第16章子空間法161引言162子空間163子空間辨識164利用脈沖響應(yīng)進(jìn)行辨識165原始形式的一些改進(jìn)166用于連續(xù)時間系統(tǒng)167小結(jié)習(xí)題參考文獻(xiàn)第Ⅴ部分多變量系統(tǒng)辨識第17章多輸入多輸出系統(tǒng)的參數(shù)估計171傳遞函數(shù)模型1711矩陣多項式表示172狀態(tài)空間模型1721狀態(tài)空間形式1722輸入/輸出模型173脈沖響應(yīng)模型和Markov參數(shù)174順序辨識175相關(guān)分析法1751去卷積法1752測試信號176參數(shù)估計方法1761最小二乘方法1762相關(guān)-最小二乘法177小結(jié)習(xí)題參考文獻(xiàn)第Ⅵ部分非線性系統(tǒng)辨識第18章非線性系統(tǒng)的參數(shù)估計181連續(xù)可導(dǎo)非線性的動態(tài)系統(tǒng)1811Volterra級數(shù)1812Hammerstein模型1813Wiener模型ⅩⅫ1814Lachmann提出的模型1815參數(shù)估計182不連續(xù)可導(dǎo)非線性的動態(tài)系統(tǒng)1821帶摩擦的系統(tǒng)1822具有死區(qū)的系統(tǒng)183小結(jié)習(xí)題參考文獻(xiàn)第19章迭代優(yōu)化191引言192非線性優(yōu)化算法193一維方法194多維優(yōu)化1941零階優(yōu)化器1942一階優(yōu)化器1943二階優(yōu)化器195約束1951序貫無約束極小化方法196利用迭代優(yōu)化的預(yù)報誤差法197梯度的確定198模型不確定性199小結(jié)習(xí)題參考文獻(xiàn)第20章用于辨識的神經(jīng)網(wǎng)絡(luò)和查詢表201用于辨識的人工神經(jīng)網(wǎng)絡(luò)2011用于穩(wěn)態(tài)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)2012用于動態(tài)系統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)2013半物理局部線性模型2014局部和全局參數(shù)估計2015局部線性動態(tài)模型2016帶子集選擇的局部多項式模型202用于穩(wěn)態(tài)過程的查詢表203小結(jié)習(xí)題參考文獻(xiàn)第21章基于Kalman濾波的狀態(tài)和參數(shù)估計211離散Kalman濾波器212穩(wěn)態(tài)Kalman濾波器213時變離散時間系統(tǒng)的Kalman濾波器214擴(kuò)展Kalman濾波器215擴(kuò)展Kalman濾波器用于參數(shù)估計216連續(xù)時間模型217小結(jié)習(xí)題參考文獻(xiàn)第Ⅶ部分其 他 問 題第22章數(shù)值計算221條件數(shù)222矩陣P的分解方法223矩陣P-1的分解方法224小結(jié)225習(xí)題226參考文獻(xiàn)第23章參數(shù)估計的實際問題231輸入信號的選擇232采樣速率的選擇2321預(yù)期的應(yīng)用2322辨識模型的精度2323數(shù)值計算問題233線性動態(tài)模型結(jié)構(gòu)參數(shù)的確定2331遲延時間的確定2332模型階次的確定234不同參數(shù)估計方法的比較2341導(dǎo)言Ⅹ2342先驗假設(shè)的比較2343辨識方法總結(jié)235具有積分作用過程的參數(shù)估計236系統(tǒng)輸入擾動237消除特殊的擾動2371漂移和高頻噪聲2372異常值238驗證239過程辨識所用的特殊設(shè)備2391硬件設(shè)備2392利用數(shù)字計算機(jī)辨識2310小結(jié)習(xí)題參考文獻(xiàn)第Ⅷ部分應(yīng)用第24章應(yīng)用實例241執(zhí)行器2411無刷直流執(zhí)行器2412電磁汽車節(jié)氣門執(zhí)行器2413液壓執(zhí)行器242機(jī)械設(shè)備2421機(jī)床2422工業(yè)機(jī)器人2423離心泵2424熱交換器2425空調(diào)2426旋轉(zhuǎn)式干燥器2427引擎試驗臺243汽車2431車輛參數(shù)估計2432制動系統(tǒng)2433汽車懸掛2434胎壓2435內(nèi)燃引擎244小結(jié)參考文獻(xiàn)第Ⅸ部分附錄附錄A數(shù)學(xué)方面A1隨機(jī)變量的收斂性A2參數(shù)估計方法的性質(zhì)A3向量和矩陣的導(dǎo)數(shù)A4矩陣求逆引理參考文獻(xiàn)附錄B實驗系統(tǒng)B1三質(zhì)量振蕩器參考文獻(xiàn)