- 系统辨识与建模(高等院校信息类新专业规划教材)/人工智能专业教材丛书
- - 作者：编者:李树荣|责编:刘春棠|总主编:郭军
  - 出版社：北京邮电大学
  - ISBN：9787563575367
  - 出版日期：2025/05/01
  - 页数：282
- 售价：23.2

内容大纲
系统辨识与建模是控制科学与工程学科的一门重要课程。本书主要内容包括引言、数学预备知识、动态系统的数学模型、最小二乘估计、系统辨识法、闭环系统辨识、自校正控制、沃尔泰拉模型及其辨识、哈默斯坦与维纳模型辨识、基于NARMAX模型的非线性系统辨识、基于K－L分解的时空建模、基于卷积神经网络的时空建模、线性系统的最优状态估计等。
本书可以作为控制科学与工程学科及相关学科高年级本科生与研究生的教材，也可以作为相关领域科技人员的参考书。
作者介绍
目录
第1章  引言
  1.1  系统辨识的发展
  1.2  系统辨识概述
    1.2.1  系统建模
    1.2.2  系统辨识的定义
    1.2.3  系统辨识的方法
    1.2.4  系统辨识的分类
    1.2.5  系统辨识的意义
  1.3  系统辨识的步骤
  1.4  系统辨识与建模的应用
  本章小结
  本章参考文献
  本章习题
第2章  数学预备知识
  2.1  概率论
    2.1.1  事件
    2.1.2  随机事件的概率
    2.1.3  条件概率和独立性
  2.2  随机变量及其概率分布
    2.2.1  随机变量的定义
    2.2.2  随机变量的分类
    2.2.3  随机变量的数字特征
    2.2.4  随机变量的正态分布
  2.3  多元随机变量及其联合分布
  2.4  统计估计
    2.4.1  最小方差估计
    2.4.2  极大验后估计与极大似然估计
  2.5  随机过程
    2.5.1  随机过程的定义及数字特征
    2.5.2  随机过程的功率谱及维纳   辛钦定理
    2.5.3  白噪声
    2.5.4  有色噪声
  2.6  M序列
    2.6.1  M序列的生成
    2.6.2  M序列的性质和应用
  本章小结
  本章参考文献
  本章习题
第3章  动态系统的数学模型
  3.1  线性模型
    3.1.1  非参数化模型——权模型
    3.1.2  参数化线性模型——线性差分方程
    3.1.3  非参数化模型与参数化模型之间的关系
    3.1.4  状态变量方程
  3.2  非线性模型
    3.2.1  沃尔泰拉模型
    3.2.2  维纳模型与哈默斯坦模型
    3.2.3  NARMAX模型
    3.2.4  神经网络模型
  3.3  时空模型

  本章小结
  本章参考文献
  本章习题
第4章  最小二乘估计
  4.1  一般原理
    4.1.1  最小二乘估计的算法推导
    4.1.2  最小二乘估计的统计特性
  4.2  加权最小二乘估计和马尔柯夫估计
  4.3  递推最小二乘估计
  4.4  加权递推最小二乘估计
  4.5  衰减记忆最小二乘估计
  4.6  限定记忆最小二乘估计
  本章小结
  本章参考文献
  本章习题
第5章  系统辨识法
  5.1  输入信号的设计
  5.2  非参数化模型的系统辨识
    5.2.1  基于相关分析法的系统辨识
    5.2.2  基于权函数模型的系统辨识
  5.3  参数化模型的系统辨识
    5.3.1  辨识模型的建立及辨识算法
    5.3.2  系统阶的确定与有效性检验
  5.4  基于广义最小二乘的系统辨识
    5.4.1  含有有色噪声系统的模型表达式
    5.4.2  系统的有偏估计
    5.4.3  广义最小二乘辨识算法
    5.4.4  广义最小二乘辨识的其他解法
  本章小结
  本章参考文献
  本章习题
第6章  闭环系统辨识
  6.1  直接辨识法
    6.1.1  问题的提出
    6.1.2  闭环系统的可辨识性
    6.1.3  闭环系统辨识方法
  6.2  间接辨识法
  6.3  两阶段辨识法
    6.3.1  第一阶段辨识
    6.3.2  第二阶段辨识
  本章小结
  本章参考文献
  本章习题
第7章  自校正控制
  7.1  最优预测模型
  7.2  最小方差控制
  7.3  最小方差自校正控制
  7.4  广义最小方差自校正控制
  7.5  广义自校正控制算法
    7.5.1  最优输出预测反馈

    7.5.2  被控对象的输出反馈
  7.6  极点配置自校正控制
  7.7  PID自校正控制
  本章小结
  本章参考文献
  本章习题
第8章  沃尔泰拉模型及其辨识
  8.1  线性与双线性系统的沃尔泰拉模型
  8.2  多项式与沃尔泰拉系统
  8.3  沃尔泰拉系统的辨识
  本章小结
  本章参考文献
  本章习题
第9章  哈默斯坦与维纳模型辨识
  9.1  基于广义最小二乘的哈默斯坦模型辨识
  9.2  基于广义最小二乘的维纳模型辨识
  9.3  维纳   哈默斯坦组合模型辨识
  本章小结
  本章参考文献
  本章习题
第10章  基于NARMAX模型的非线性系统辨识
  10.1  NARMAX模型及其辨识
    10.1.1  NARMAX模型
    10.1.2  NARMAX的参数估计方法
    10.1.3  NARMAX的噪声建模
    10.1.4  一般隐含参数模型的辨识
  10.2  基于神经网络的NARMAX模型辨识
    10.2.1  前向神经网络
    10.2.2  递归NARX网络
    10.2.3  开环与闭环NARX网络模型
  本章小结
  本章参考文献
  本章习题
第11章  基于K   L分解的时空建模
  11.1  正交分解
    11.1.1  K   L分解
    11.1.2  双正交K   L分解
    11.1.3  基于快照法的近似基函数计算
    11.1.4  维数选取
  11.2  基于K   L分解的分布参数系统时空建模
    11.2.1  分布参数系统的时空建模
    11.2.2  仿真实例
  本章小结
  本章参考文献
  本章习题
第12章  基于卷积神经网络的时空建模
  12.1  卷积神经网络的发展史
  12.2  卷积神经网络的架构
    12.2.1  输入层
    12.2.2  卷积层

    12.2.3  池化层
    12.2.4  全连接层
    12.2.5  输出层
  12.3  卷积神经网络的训练
    12.3.1  损失函数
    12.3.2  优化算法
    12.3.3  抛弃法
    12.3.4  网络训练的基本步骤
    12.3.5  CNN训练中的常见问题
  12.4  基于CNN的分布参数系统时空模型
  本章小结
  本章参考文献
  本章习题
第13章  线性系统的最优状态估计
  13.1  线性最小方差估计
    13.1.1  线性最小方差估计的描述及推导
    13.1.2  线性最小方差估计的几何性质
  13.2  离散线性系统
  13.3  最优滤波公式
  13.4  离散卡尔曼滤波的稳定性
  13.5  带有控制项的离散线性系统最优滤波
  13.6  基于状态空间模型的系统辨识
  本章小结
  本章参考文献
  本章习题
附录A 矩阵知识
  A.1  概念与基本性质
  A.2  正定与非负定矩阵
  A.3  矩阵微分方程
附录B 积分变换
  B.1  傅里叶级数与傅里叶变换
    B.1.1  傅里叶级数
    B.1.2  傅里叶变换
    B.1.3  傅里叶变换的性质
    B.1.4  二维傅里叶变换
  B.2  拉普拉斯变换
    B.2.1  拉普拉斯变换的定义
    B.2.2  拉普拉斯变换的性质
    B.2.3  特殊函数及其对应的拉普拉斯变换
  B.3  z变换
    B.3.1  z变换的定义
    B.3.2  z变换的性质
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目