第1章  辨识的基本概念

  1.1  系统和模型

    1.1.1  模型的表现形式

    1.1.2  系统及其模型的分类

  1.2  辨识建模的定义

  1.3  辨识问题的表达形式及原理

    1.3.1  辨识问题的表达形式

    1.3.2  辨识算法的基本原理

    1.3.3  误差准则

  1.4  辨识的内容和步骤  

  1.5  典型的非线性系统辨识与控制方法  

    1.5.1  非线性辨识典型模型及辨识、控制方法的的特点

    1 5.2  非线性系统参数估计的特点

    1.5.3  神经网络及其系统控制结构

    1.5.4  非线性解耦问题

    1.5.5  需要深人研究的非线性问题  

  1.6  小结  

  思考题    

第2章  辨识理论基础及古典辨识法

  2.1  随机过程及其数学描述

    2.1.1  随机过程的基本概念

    2.1.2  相关函数和协方差函数的性质

  2.2  谱密度与相关函数

    2.2.1  巴塞伐尔定理与功率密度谱表示式

    2.2.2  维纳一辛钦关系式

  2.3  线性系统在随机输人下的响应

  2.4  白噪声的产生方法及其仿真

    2.4.1  白噪声的概念

    2.4.2  白噪声的产生及其MATLAB仿真

    2.4.3  伪随机信号产生及MATLAB仿真举例

  2.5  古典辨识方法

    2.5.1  M序列自相关函数

    2.5.2  逆M序列  

    2.5.3  相关分析法频率响应辨识

    2.5.4  相关分析法脉冲响应辨识

    2.5.5  相关分析法脉冲响应辨识的应用

  2.6  小结

  习题

第3章  最小二乘参数辨识

  3.1  基本最小二乘法

    3.1.1  问题的提出

    3.1.2  最小二乘法的原理

  3.2  最小二乘法问题的描述

  3.3  最小二乘问题的基本算法

    3.3.1  基本最小二乘问题的解

    3.3.2  加权最小二乘问题的解

    3.3.3  最小二乘一次完成算法的MATLAB仿真

  3.4  最小二乘参数估计的递推算法

    3.4.1  递推算法的概念

    3.4.2  递推算法的推导

    3.4.3  最小二乘递推算法的MATLAB仿真

  3.5  最小二乘法的统计特性及存在问题

    3.5.1  最小二乘法的统计特性

    3.5.2  最小二乘法存在的问题及解决办法

  3.6  最小二乘适应算法

    3.6.1  遗忘因子法

    3.6.2  限定记忆法

  3.7  增广最小二乘法

    3.7.1  增广最小二乘辨识

    3.7.2  增广最小二乘辨识的MATLAB仿真

  3.8  广义最小二乘法

  3.9  小结

  习题

第4章  极大似然法辨识方法

  4.1  极大似然参数辨识原理

  4.2  动态系统模型参数的极大似然估计

    4.2.1  动态模型描述

    4.2.2  极大似然估计与最小二乘估计的关系

    4.2.3  协方差阵未知时的极大似然参数估计

  4.3  递推的极大似然参数估计

    4.3.1  极大似然递推算法的原理及方法

    4.3.2  似然递推法辨识的MATLAB仿真

  4.4  小结  

  习题

第5章  其它参数辨识方法及原理  

  5.1  梯度校正参数辨识

    5.1.1  确定性问题的梯度校正参数辨识方法  

    5.1.2  脉冲响应梯度校正辨识及其MATLAB仿真

    5.1.3  用梯度校正法辨识电液位置伺服系统

  5.2  Bayes辨识

    5.2.1  Bayes基本原理

    5.2.2  最小二乘模型的Bayes参数辨识.

    5.2.3  Bayes辨识的MATLAB仿真

    5.2.4  TRP激光陀螺温度控制系统的参数辨识

  5.3  小结  

  习题

第6章  神经网络辨识及其改进的BP网络应用

  6.1  神经网络的概念与特性

    6.1.1  人工神经元模型  

    6.1.2  激发函数  

    6.1.3  神经网络模型分类

    6.1.4  神经网络学习方法

    6.1.5  神经元网络的特点  

  6.2  神经网络模型辨识中的常用结构

  6.3  辨识中常用的网络训练算法

    6.3.1  自适应控制系统基本结构

    6.3.2  辨识中常用的BP网络训练算法

  6.4  改进的BP网络训练算法

    6.4.1  基于降低网络灵敏度的网络改进算法  

    6.4.2  提高一类神经网络容错性的理论和方法

    6.4.3  提高神经网络收敛速度的赋初值算法

    6.4.4  其它网络训练技巧

  6.5  神经网络辨识的MATLAB仿真举例

    6.5.1  具有噪声二阶系统辨识的MATLAB程序剖析

    6.5.2  多维非线性辨识的MATLAB程序剖析

  6.6  基于改进遗传算法的神经网络及其应用  

    6.6.1  一种适应度函数的改进算法    

    6 6.2  一种改进的遗传神经解耦方法  

    6.6.3  遗传神经解耦仿真、实验及结论

  6.7  模糊神经网络及其应用  

    6.7.1  模糊神经网络原理及其应用

    6.7.2  FNN对非线性多变量系统的MATLAB解耦仿真

  6.8  小结      

  习题

第7章  小脑模型神经网络辨识及其应用

  7.1  CMA(：网络的特点

  7.2  改进的cMA(：干式变压器卷线机跑偏信号谐波分析

    7.2.1  CMAC网络对非线性函数的学习过程

    7.2.2  干式变压器卷线机跑偏信号谐波分析方法

  7.3  改进的CMAC算法及跑偏信号谐波仿真

  7.4  改进的CMAC学习多维函数

  7.5  小结

  习题

第8章  非线性动态系统其它辨识方法

  8.1  volterra级数的表示及其辨识方法

    8.1.1  非线性系统VolIterra级数的表示

    8.1.2  volterra级数的辨识

  8.2  复杂系统的混沌现象及其辨识  

    8.2.1  反馈系统和优化过程中的混沌现象

    8.2.2  基于控制理论的混沌分析方法

    8.2.3  混沌识别与混沌系统辨识

  8.3  小结

思考题

光盘附件目录

参考文献