系統(tǒng)辨識

定　價：￥30.00

作　者：	侯媛彬，周莉，王立琦等著
出版社：	西安電子科技大學出版社
叢編項：	高等學校電子與電氣工程及自動化專業(yè)"十二五"規(guī)劃教材
標　簽：	暫缺

購買這本書可以去

ISBN：	9787560633367	出版時間：	2014-04-01	包裝：	平裝
開本：	16開	頁數：	206	字數：

內容簡介

　　《系統(tǒng)辨識/高等學校電子與電氣工程及自動化專業(yè)“十二五”規(guī)劃教材》系統(tǒng)地論述了古典、現代辨識理論和方法，并探討了多種新的非線性智能辨識技術，如神經網絡、遺傳種經網絡算法、模糊神經網絡等；還介紹了誘導和辨識混沌方法，分析了各種方法的一致性及特點。并探討了MATLAB軟件對各類辨識方法的實現途徑。全書共8章，在理論分析的基礎上，列舉了大量的仿真程序，進行了程序剖析，并給出一些工程應用實例。《系統(tǒng)辨識/高等學校電子與電氣工程及自動化專業(yè)“十二五”規(guī)劃教材》內容新穎、信息量大，并附有作者開發(fā)的多種與辨識相關的源程序及多媒體課件，為讀者提供了系統(tǒng)辨識（或參數估計）的編程樣本和學習參考?！断到y(tǒng)辨識/高等學校電子與電氣工程及自動化專業(yè)“十二五”規(guī)劃教材》可供高等學校自動化、測控、通信、安全類及相關專業(yè)師生和工程技術人員選用。

作者簡介

　　侯媛彬，女。1953年11月出生。西安人，博士。教授。博士生導師。國家重點學科安全技術及工程博士點礦山設備安全運行理論及方法方向的學術帶頭人。兼任陜西省自動化學會教育委員會主任。西安科技大學電控學院學科主任。主要研究方向為智能控制、安全技術與工程，一直從事教學和研究工作。發(fā)表學術論文190余篇，其中EI收錄50余篇。出版專著及教材13部。主持承擔縱向及橫向項目20余項．獲國際專利9項。獲省廳級以上科技進步獎1O余項。2006年獲省級師德標兵。女。漢族，1964年3月出生，安徽淮南人，博士，副教授。1985年畢業(yè)于安徽理工大學電氣自動化專業(yè)?，F任安徽理工大學電氣與信息工程學院教師，主要從事自動控制系統(tǒng)、信號處理方面的教學與科研工作。近年來參與了安徽省縱向及橫向多項研究課題；發(fā)表論文20余篇。其中EI檢索4篇。男，1961年11月出生。西安市人，博士。副教授。1982年本科畢業(yè)于西北工業(yè)大學航空電氣工程專業(yè)：1985年碩士研究生畢業(yè)于西安交通大學；1998年博士研究生畢業(yè)于西安交通大學控制理論與控制工程專業(yè)。現為西安交通大學教師。長期從事系統(tǒng)辨識的教學和科研工作。主持承擔過多項科研項目，獲省級科技進步獎一項，發(fā)表學術論文20余篇。男。1977年7月出生。河南南陽人。講師。在讀博士。2005年7月碩士研究生畢業(yè)于西安科技大學控制理論與控制工程專業(yè)，并獲工學碩士學位，同年留校任教至今。主要從事控制理論與控制工程方面的科研與教學工作。發(fā)表論文10余篇。EI收錄3篇。主持和參與了多項科研項目。并獲省部級以上獎項3項。

圖書目錄

第1章辨識的基本概念
1.1 系統(tǒng)和模型
1.1.1 模型的表現形式
1.1.2 系統(tǒng)及其模型的分類
1.2 辨識建模的定義
1.3 辨識問題的表達形式及原理
1.3.1 辨識問題的表達形式
1.3.2 辨識算法的基本原理
1.3.3 誤差準則
1.4 辨識的內容和步驟
1.5 典型的非線性系統(tǒng)辨識與控制方法
1.5.1 非線性辨識典型模型及辨識、控制方法的的特點
1 5.2 非線性系統(tǒng)參數估計的特點
1.5.3 神經網絡及其系統(tǒng)控制結構
1.5.4 非線性解耦問題
1.5.5 需要深人研究的非線性問題
1.6 小結
思考題
第2章辨識理論基礎及古典辨識法
2.1 隨機過程及其數學描述
2.1.1 隨機過程的基本概念
2.1.2 相關函數和協(xié)方差函數的性質
2.2 譜密度與相關函數
2.2.1 巴塞伐爾定理與功率密度譜表示式
2.2.2 維納一辛欽關系式
2.3 線性系統(tǒng)在隨機輸人下的響應
2.4 白噪聲的產生方法及其仿真
2.4.1 白噪聲的概念
2.4.2 白噪聲的產生及其MATLAB仿真
2.4.3 偽隨機信號產生及MATLAB仿真舉例
2.5 古典辨識方法
2.5.1 M序列自相關函數
2.5.2 逆M序列
2.5.3 相關分析法頻率響應辨識
2.5.4 相關分析法脈沖響應辨識
2.5.5 相關分析法脈沖響應辨識的應用
2.6 小結
習題
第3章最小二乘參數辨識
3.1 基本最小二乘法
3.1.1 問題的提出
3.1.2 最小二乘法的原理
3.2 最小二乘法問題的描述
3.3 最小二乘問題的基本算法
3.3.1 基本最小二乘問題的解
3.3.2 加權最小二乘問題的解
3.3.3 最小二乘一次完成算法的MATLAB仿真
3.4 最小二乘參數估計的遞推算法
3.4.1 遞推算法的概念
3.4.2 遞推算法的推導
3.4.3 最小二乘遞推算法的MATLAB仿真
3.5 最小二乘法的統(tǒng)計特性及存在問題
3.5.1 最小二乘法的統(tǒng)計特性
3.5.2 最小二乘法存在的問題及解決辦法
3.6 最小二乘適應算法
3.6.1 遺忘因子法
3.6.2 限定記憶法
3.7 增廣最小二乘法
3.7.1 增廣最小二乘辨識
3.7.2 增廣最小二乘辨識的MATLAB仿真
3.8 廣義最小二乘法
3.9 小結
習題
第4章極大似然法辨識方法
4.1 極大似然參數辨識原理
4.2 動態(tài)系統(tǒng)模型參數的極大似然估計
4.2.1 動態(tài)模型描述
4.2.2 極大似然估計與最小二乘估計的關系
4.2.3 協(xié)方差陣未知時的極大似然參數估計
4.3 遞推的極大似然參數估計
4.3.1 極大似然遞推算法的原理及方法
4.3.2 似然遞推法辨識的MATLAB仿真
4.4 小結
習題
第5章其它參數辨識方法及原理
5.1 梯度校正參數辨識
5.1.1 確定性問題的梯度校正參數辨識方法
5.1.2 脈沖響應梯度校正辨識及其MATLAB仿真
5.1.3 用梯度校正法辨識電液位置伺服系統(tǒng)
5.2 Bayes辨識
5.2.1 Bayes基本原理
5.2.2 最小二乘模型的Bayes參數辨識.
5.2.3 Bayes辨識的MATLAB仿真
5.2.4 TRP激光陀螺溫度控制系統(tǒng)的參數辨識
5.3 小結
習題
第6章神經網絡辨識及其改進的BP網絡應用
6.1 神經網絡的概念與特性
6.1.1 人工神經元模型
6.1.2 激發(fā)函數
6.1.3 神經網絡模型分類
6.1.4 神經網絡學習方法
6.1.5 神經元網絡的特點
6.2 神經網絡模型辨識中的常用結構
6.3 辨識中常用的網絡訓練算法
6.3.1 自適應控制系統(tǒng)基本結構
6.3.2 辨識中常用的BP網絡訓練算法
6.4 改進的BP網絡訓練算法
6.4.1 基于降低網絡靈敏度的網絡改進算法
6.4.2 提高一類神經網絡容錯性的理論和方法
6.4.3 提高神經網絡收斂速度的賦初值算法
6.4.4 其它網絡訓練技巧
6.5 神經網絡辨識的MATLAB仿真舉例
6.5.1 具有噪聲二階系統(tǒng)辨識的MATLAB程序剖析
6.5.2 多維非線性辨識的MATLAB程序剖析
6.6 基于改進遺傳算法的神經網絡及其應用
6.6.1 一種適應度函數的改進算法
6 6.2 一種改進的遺傳神經解耦方法
6.6.3 遺傳神經解耦仿真、實驗及結論
6.7 模糊神經網絡及其應用
6.7.1 模糊神經網絡原理及其應用
6.7.2 FNN對非線性多變量系統(tǒng)的MATLAB解耦仿真
6.8 小結
習題
第7章小腦模型神經網絡辨識及其應用
7.1 CMA（：網絡的特點
7.2 改進的cMA（：干式變壓器卷線機跑偏信號諧波分析
7.2.1 CMAC網絡對非線性函數的學習過程
7.2.2 干式變壓器卷線機跑偏信號諧波分析方法
7.3 改進的CMAC算法及跑偏信號諧波仿真
7.4 改進的CMAC學習多維函數
7.5 小結
習題
第8章非線性動態(tài)系統(tǒng)其它辨識方法
8.1 volterra級數的表示及其辨識方法
8.1.1 非線性系統(tǒng)VolIterra級數的表示
8.1.2 volterra級數的辨識
8.2 復雜系統(tǒng)的混沌現象及其辨識
8.2.1 反饋系統(tǒng)和優(yōu)化過程中的混沌現象
8.2.2 基于控制理論的混沌分析方法
8.2.3 混沌識別與混沌系統(tǒng)辨識
8.3 小結
思考題
光盤附件目錄
參考文獻