书籍详情
过程辨识
作者：方崇智，萧德云编著
出版社：清华大学出版社
出版时间：2002-07-01
ISBN：9787302002291
定价：¥29.00
购买这本书可以去
内容简介
本书荣获第二届机械电子部优秀教材二等奖。本书系统地论述了辨识的理论和各种辨识方法，分析了各种方法的统一性，并介绍了辨识技术的实际应用。全书共分17章。前3章是辨识的基本概念，随机信号的描述和分析，过程的数学描述。第4～10章论述各种辨识方法，包括经典的方法、最小二乘类参数方法、梯度校正参数方法、极大似然法和预报误差方法，以及Bayes方法和模型参考自适应方法。第10章叙述最小二乘类一次完成算法之间的内在联系。第11、12章叙述递推辨识算法的一般结构和收敛性分析。第13章是模型阶次的确定。第14、15章叙述闭环系统辨识和多变量线性过程辨识。最后两章介绍辨识问题的实际考虑和应用。各章均有大量的仿真例子和工程应用实例，并附有习题和上机实验，为读者提供了学习和模仿的蓝本。本书可供自动控制类及相关专业高校师生和科技人员选用。本书包括辨识的一些基本概念，随机信号的描述与分析，过程的数学描述，经典的辨识方法等共17章。
作者简介
暂缺《过程辨识》作者简介
目录
前言
第1章 辨识的一些基本概念
1．1 过程和模型
1．1．1过程
1．1．2模型
1．1．3建立过程数学模型的基本方法
1．2 辨识的定义
1．3 辨识问题的表达形式
1．4 辨识算法的基本原理
1．5 误差准则及其关于参数的空间线性问题
1．5．1输出误差
1．5．2输入误差
1．5．3广义误差
1．6 辨识的内容和步骤
1．6．1辨识目的
1．6．2 先验知识
1．6．3实验设计
1．6．4数据预处理
1．6．5模型结构辨识
1．6．6模型参数辨识
1．6．7模型检验
1．7 辨识的精度问题
1．8 辨识的应用
第2章 随机信号的描述与分析
2．1 随机过程的基本概念及其数学描述
2．1．1基本概念
2．1．2随机过程的数字特征--均值与相关函数
2．1．3平稳随机过程各态遍历性
2．1．4相关函数和协方差函数的性质
2．2 谱密度函数
2．2．1 Parseval定理与功率谱表示式
2．2．2 W1ener-Kh1ntch1ne关系式
2．3 线性过程在随机输入下的响应
2．3．1线性过程在随机输入下的输出谱密度
2．3．2线性过程在随机输入下的互谱密度
2．4 相关函数与谱密度的估计
2．4．1相关函数的估计
2．4．2利用FFT计算相关函数
2．4．3周期图
2．4．4谱密度的估计
2．5 白噪声及其产生方法
2．5．1 白噪声的概念
2．5．2 白噪声序列的产生方法
2．6 伪随机码的产生及其性质
2．6．1 M序列的产生
2．6．2 M序列的性质
2．6．3 M序列的自相关函数
2．6．4 M序列的谱密度
2．6．5逆M序列的产生及其性质
第3章 过程的数学描述
3．1 输入输出模型
3．1．1连续型输入输出模型
3．1．2离散型输入输出模型
3．2 状态空间模型
3．2．1连续型状态空间模型
3．2．2离散型状态空间模型
3．3 数学模型之间的等价变换
3．3．1 SISO过程微分方程化为差分方程
3．3．2 SISO过程离散型状态方程化为差分方程
3．4 随机模型
3．4．1一般概念
3．4．2噪声模型及其分类
第4章 经典的辨识方法
4．1 引言
4．2 阶跃响应法
4．2．1实验测取过程的阶跃响应
4．2．2由阶跃响应求过程的传递函数
4．3 脉冲响应法
4．3．1过程脉冲响应的辨识
4．3．2由脉冲响应求过程的传递函数
4．4 频率响应法
4．4．1实验测取过程的频率响应
4．4．2由频率响应求过程的传递函数
4．5 相关分析法
4．5．1频率响应的辨识
4．5．2脉冲响应的辨识
4．6谱分析法
4．6．1周期图法
4．6．2平滑法
4．7 一个工业上的应用实例
第5章 最小二乘类参数辨识方法（1）
5．1 引言
5．2 最小二乘法的基本概念
5．3 最小二乘问题的提法
5．4 最小二乘问题的解
5．5 最小二乘估计的几何解释
5．6 最小二乘参数估计量的统计性质
5．6．1无偏性
5．6．2参数估计偏差的协方差性质
5．6．3一致性
5．6．4有效性
5．6．5渐近正态性
5．7 噪声方差的估计
5．8 最小二乘参数估计的递推算法
5．8．1 依观测次序的递推算法
5．8．2仿真例
5．8．3问题讨论
5．8．4依模型阶次的递推算法
第6章 最小二乘类参数辨识方法（11）
6．1 引言
6．2 适应算法
6．2．1"数据饱和"现象
6．2．2遗忘因子法
6．2．3限定记忆法
6．3 偏差补偿最小二乘法
6．4 增广最小二乘法
6．5 广义最小二乘法
6．6 辅助变量法
6．6．1一次完成算法，
6．6．2辅助变量的选择
6．6．3递推算法
6．6．4问题讨论
6．6．5仿真例
6．7 二步法
6．7．1 COR-LS二步法
6．7．2仿真例
6．8 多级最小二乘法
6．9 Yule-Walker辨识算法
6．9．1一次完成算法
6．9．2依阶次递推算法
6．10 最小二乘类辨识方法的比较
6．11 工业上的一个应用突例
第7章 梯度校正参数辨识方法
7．1 引言
7．2 确定性问题的梯度校正参数辨识方法
7．2．1权矩阵尺（置）的选择
7．2．2应用例--脉冲响应辨识
7．3 随机性问题的梯度校正参数辨识方法
7．3．1随机性问题的提法
7．3．2随机性辨识问题的分类
7．3．3 随机性问题的梯度校正参数估计方法
7．4 梯度校正法在动态过程辨识中的应用
7．4．1状态方程的参数辨识
7．4．2差分方程的参数辨识
7．5 实例
7．6 随机逼近法
7．6．1随机逼近原理
7．6．2随机逼近参数估计方法
7．6．3随机牛顿法
第8章 极大似然法和预报误差方法
8．1 引言
8．2 极大似然参数辨识方法
8．2．1极大似然原理
8．2．2动态过程模型参数的极大似然估计
8.3预报误差参数辨识方法
第9章 其它两种辨识方法
第10章 最小二乘一次完成算法之间的内在联系
第11章 递推辨识算法的一般结构
第12章 递推辨识算法的收敛性分析
第13章 模型阶次的确定
第14章 闭环系统辨识
第15章 多变量线性过程辨识
第16章 辨识问题的一些实际考虑
第17章 辨识的应用
第1章 辨识的一些基本概念
1．1 过程和模型
1．1．1过程
1．1．2模型
1．1．3建立过程数学模型的基本方法
1．2 辨识的定义
1．3 辨识问题的表达形式
1．4 辨识算法的基本原理
1．5 误差准则及其关于参数的空间线性问题
1．5．1输出误差
1．5．2输入误差
1．5．3广义误差
1．6 辨识的内容和步骤
1．6．1辨识目的
1．6．2 先验知识
1．6．3实验设计
1．6．4数据预处理
1．6．5模型结构辨识
1．6．6模型参数辨识
1．6．7模型检验
1．7 辨识的精度问题
1．8 辨识的应用
第2章 随机信号的描述与分析
2．1 随机过程的基本概念及其数学描述
2．1．1基本概念
2．1．2随机过程的数字特征--均值与相关函数
2．1．3平稳随机过程各态遍历性
2．1．4相关函数和协方差函数的性质
2．2 谱密度函数
2．2．1 Parseval定理与功率谱表示式
2．2．2 W1ener-Kh1ntch1ne关系式
2．3 线性过程在随机输入下的响应
2．3．1线性过程在随机输入下的输出谱密度
2．3．2线性过程在随机输入下的互谱密度
2．4 相关函数与谱密度的估计
2．4．1相关函数的估计
2．4．2利用FFT计算相关函数
2．4．3周期图
2．4．4谱密度的估计
2．5 白噪声及其产生方法
2．5．1 白噪声的概念
2．5．2 白噪声序列的产生方法
2．6 伪随机码的产生及其性质
2．6．1 M序列的产生
2．6．2 M序列的性质
2．6．3 M序列的自相关函数
2．6．4 M序列的谱密度
2．6．5逆M序列的产生及其性质
第3章 过程的数学描述
3．1 输入输出模型
3．1．1连续型输入输出模型
3．1．2离散型输入输出模型
3．2 状态空间模型
3．2．1连续型状态空间模型
3．2．2离散型状态空间模型
3．3 数学模型之间的等价变换
3．3．1 SISO过程微分方程化为差分方程
3．3．2 SISO过程离散型状态方程化为差分方程
3．4 随机模型
3．4．1一般概念
3．4．2噪声模型及其分类
第4章 经典的辨识方法
4．1 引言
4．2 阶跃响应法
4．2．1实验测取过程的阶跃响应
4．2．2由阶跃响应求过程的传递函数
4．3 脉冲响应法
4．3．1过程脉冲响应的辨识
4．3．2由脉冲响应求过程的传递函数
4．4 频率响应法
4．4．1实验测取过程的频率响应
4．4．2由频率响应求过程的传递函数
4．5 相关分析法
4．5．1频率响应的辨识
4．5．2脉冲响应的辨识
4．6谱分析法
4．6．1周期图法
4．6．2平滑法
4．7 一个工业上的应用实例
第5章 最小二乘类参数辨识方法（1）
5．1 引言
5．2 最小二乘法的基本概念
5．3 最小二乘问题的提法
5．4 最小二乘问题的解
5．5 最小二乘估计的几何解释
5．6 最小二乘参数估计量的统计性质
5．6．1无偏性
5．6．2参数估计偏差的协方差性质
5．6．3一致性
5．6．4有效性
5．6．5渐近正态性
5．7 噪声方差的估计
5．8 最小二乘参数估计的递推算法
5．8．1 依观测次序的递推算法
5．8．2仿真例
5．8．3问题讨论
5．8．4依模型阶次的递推算法
第6章 最小二乘类参数辨识方法（11）
6．1 引言
6．2 适应算法
6．2．1"数据饱和"现象
6．2．2遗忘因子法
6．2．3限定记忆法
6．3 偏差补偿最小二乘法
6．4 增广最小二乘法
6．5 广义最小二乘法
6．6 辅助变量法
6．6．1一次完成算法，
6．6．2辅助变量的选择
6．6．3递推算法
6．6．4问题讨论
6．6．5仿真例
6．7 二步法
6．7．1 COR-LS二步法
6．7．2仿真例
6．8 多级最小二乘法
6．9 Yule-Walker辨识算法
6．9．1一次完成算法
6．9．2依阶次递推算法
6．10 最小二乘类辨识方法的比较
6．11 工业上的一个应用突例
第7章 梯度校正参数辨识方法
7．1 引言
7．2 确定性问题的梯度校正参数辨识方法
7．2．1权矩阵尺（置）的选择
7．2．2应用例--脉冲响应辨识
7．3 随机性问题的梯度校正参数辨识方法
7．3．1随机性问题的提法
7．3．2随机性辨识问题的分类
7．3．3 随机性问题的梯度校正参数估计方法
7．4 梯度校正法在动态过程辨识中的应用
7．4．1状态方程的参数辨识
7．4．2差分方程的参数辨识
7．5 实例
7．6 随机逼近法
7．6．1随机逼近原理
7．6．2随机逼近参数估计方法
7．6．3随机牛顿法
第8章 极大似然法和预报误差方法
8．1 引言
8．2 极大似然参数辨识方法
8．2．1极大似然原理
8．2．2动态过程模型参数的极大似然估计
8.3预报误差参数辨识方法
第9章 其它两种辨识方法
第10章 最小二乘一次完成算法之间的内在联系
第11章 递推辨识算法的一般结构
第12章 递推辨识算法的收敛性分析
第13章 模型阶次的确定
第14章 闭环系统辨识
第15章 多变量线性过程辨识
第16章 辨识问题的一些实际考虑
第17章 辨识的应用
猜您喜欢
