-- 會員 / 註冊 --  
 帳號:
 密碼:
  | 註冊 | 忘記密碼
3/26 新書到! 3/19 新書到! 3/14 新書到! 12/12 新書到!
購書流程Q & A站務留言版客服信箱
3ds MaxMayaRhinoAfter EffectsSketchUpZBrushPainterUnity
PhotoShopAutoCadMasterCamSolidWorksCreoUGRevitNuke
C#CC++Java遊戲程式Linux嵌入式PLCFPGAMatlab
駭客資料庫搜索引擎影像處理FluentVR+ARANSYS深度學習
單晶片AVROpenGLArduinoRaspberry Pi電路設計CadenceProtel
HadoopPythonStm32CortexLabview手機程式AndroidiPhone
可查書名,作者,ISBN,3dwoo書號
詳細書籍分類

系統辨識理論及MATLAB仿真(第2版)

( 簡體 字)
作者:劉金琨,沈曉蓉,趙龍類別:1. -> 工程繪圖與工程計算 -> Matlab
譯者:
出版社:電子工業出版社系統辨識理論及MATLAB仿真(第2版) 3dWoo書號: 53652
詢問書籍請說出此書號!

缺書
NT售價: 300

出版日:9/1/2020
頁數:316
光碟數:0
站長推薦:
印刷:黑白印刷語系: ( 簡體 版 )
加入購物車 加到我的最愛
(請先登入會員)
ISBN:9787121396960
作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 
(簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證)
作者序:

譯者序:

前言:

系統辨識理論是一門應用范圍很廣的學科,其應用已經遍及許多領域。目前不僅在控制領域需要建立數學模型,在其他領域如生物學、生態學、醫學、天文學及社會經濟學等,也需要建立數學模型,人們根據數學模型來確定最終的決策。而對于實際的復雜系統,很難用理論分析的方法獲得數學模型。系統辨識是根據系統的實驗數據來確定系統的數學模型的,為已經存在的系統建立數學模型提供了有效的解決方案。
有關系統辨識理論及其工程應用,已有大量的論文和著作發表。本書介紹系統辨識的基本理論、基本方法和應用技術,同時融入了國內外同行近年來所取得的新成果。為了使讀者能了解、掌握和應用這一領域的最新技術,并學會用MATLAB語言進行系統辨識算法的設計,作者編寫了本書,以拋磚引玉,供廣大讀者學習參考。
本書特點如下:
(1)系統辨識算法著重于基本概念、基本理論和基本方法,并介紹了一些有潛力的新思想、新方法和新技術。
(2)針對每種系統辨識算法都給出了完整的MATLAB仿真程序,程序設計力求簡單明了,并給出了程序的說明和仿真結果,具有很強的可讀性,便于自學和進一步開發。
(3)著重從應用領域角度出發,突出理論聯系實際,面向廣大工程技術人員,具有很強的工程性和實用性。書中有許多應用實例及其結果分析,為讀者提供了有益的借鑒。
本書是在第1版的基礎上修訂而成的,全書共12章,包括緒論、系統辨識的輸入信號、最小二乘參數辨識方法及應用、極大似然參數辨識方法及應用、傳遞函數的時域和頻域辨識、神經網絡辨識及應用、模糊系統辨識、智能優化算法辨識、智能辨識算法在機械手和飛行器中的應用、智能辨識算法在控制系統中的應用、微分器的信號提取及參數辨識和集員辨識理論及應用。書中提供大量實例,每個實例都進行了仿真分析,并給出相應的MATLAB仿真程序(受篇幅所限,部分仿真程序書中沒有提供,讀者可從網上下載)。本書可作為高等院校自動化、計算機應用、機械電子工程等專業高年級本科生或研究生的教材或參考書,也可供相關專業的工程技術人員閱讀。
本書是基于MATLAB的R2014a環境開發的,各個章節的內容具有很強的獨立性,讀者可以結合自己的方向深入進行研究。
本書由劉金琨、沈曉蓉、趙龍共同編著,其中,沈曉蓉編寫第2章和第4章,趙龍編寫第3章,其余各章由劉金琨編寫。
本書提供免費的電子課件、MATLAB仿真程序,讀者可登錄網站下載;或登錄電子工業出版社的華信教育資源網,注冊后免費下載;或通過郵件與作者聯系索取。
由于作者水平有限,書中難免存在一些不足和錯誤之處,歡迎廣大讀者批評指正。

作者
2020年9月于北京航空航天大學
內容簡介:

本書系統介紹系統辨識的基本理論、基本方法和應用技術,共12章,包括緒論、系統辨識的輸入信號、最小二乘參數辨識方法及應用、極大似然參數辨識方法及應用、傳遞函數的時域和頻域辨識、神經網絡辨識及應用、模糊系統辨識、智能優化算法辨識、智能辨識算法在機械手和飛行器中的應用、智能辨識算法在控制系統中的應用、微分器的信號提取及參數辨識、集員辨識理論及應用。書中提供大量實例,每個實例都進行了仿真分析,并給出相應的MATLAB仿真程序。本書可作為高等院校自動化、計算機應用、機械電子工程等專業高年級本科生或研究生的教材或參考書,也可供相關專業的工程技術人員閱讀。
目錄:

第1章 緒論
1.1 建立數學模型的基本方法
1.2 系統辨識的定義
1.3 系統辨識的研究目的
1.4 數學模型的分類
1.5 幾種常見數學模型的數學表示
1.6 系統辨識常用的誤差準則
1.7 系統辨識的分類
1.7.1 離線辨識
1.7.2 在線辨識
1.8 辨識的內容和步驟
1.9 系統辨識方法
1.10 系統辨識方法分類
1.10.1 經典系統辨識方法
1.10.2 現代系統辨識方法
思考題與習題1
第2章 系統辨識的輸入信號
2.1 系統辨識對輸入信號的要求
2.2 系統辨識常用的輸入信號
2.2.1 白噪聲信號
2.2.2 白噪聲序列的產生
2.3 M序列的產生及其性質
思考題與習題2
第3章 最小二乘參數辨識方法及應用
3.1 最小二乘法
3.1.1 基本原理
3.1.2 利用最小二乘法求取模型參數
3.1.3 仿真實例:熱敏電阻和溫度關系的最小二乘法求解
3.2 加權最小二乘法
3.2.1 一般最小二乘法的分析與設計
3.2.2 加權最小二乘法的分析與設計
3.2.3 仿真實例
3.3 遞推最小二乘法
3.3.1 遞推最小二乘法的基本原理
3.3.2 遞推最小二乘法的分析與設計
3.3.3 仿真實例
3.3.4 時不變系統的遞推最小二乘法
3.3.5 時變系統的遞推最小二乘法
3.4 遞推阻尼最小二乘法
3.4.1 遞推阻尼最小二乘法的基本原理
3.4.2 遞推阻尼最小二乘法的分析與設計
3.4.3 仿真實例
3.5 增廣最小二乘法
3.5.1 增廣最小二乘法的基本原理
3.5.2 增廣最小二乘法的分析與設計
3.5.3 仿真實例
3.6 廣義最小二乘法
3.6.1 廣義最小二乘法的基本原理
3.6.2 廣義最小二乘法的設計與分析
3.6.3 仿真實例
3.7 輔助變量最小二乘法
3.7.1 輔助變量最小二乘法的基本原理
3.7.2 輔助變量最小二乘法的設計與分析
3.7.3 仿真實例
3.8 多變量系統的最小二乘法
3.8.1 多變量系統的最小二乘法的基本原理
3.8.2 多變量系統的最小二乘法的分析與設計
3.8.3 仿真實例
思考題與習題3
第4章 極大似然參數辨識方法及應用
4.1 引言
4.2 極大似然參數估計的原理及性質
4.2.1 極大似然參數估計原理
4.2.2 似然函數的構造
4.2.3 極大似然參數估計的統計性質
4.3 動態系統參數的極大似然參數估計
4.4 Newton-Raphson法應用于極大似然參數估計求解
4.5 遞推極大似然參數估計
思考題與習題4
第5章 傳遞函數的時域和頻域辨識
5.1 傳遞函數辨識的時域法
5.1.1 一階慣性環節加純延遲的傳遞函數擬合
5.1.2 二階慣性環節加純延遲的傳遞函數擬合
5.1.3 n階慣性環節加純延遲的傳遞函數擬合
5.2 傳遞函數的頻率辨識
5.2.1 利用Bode圖特性求傳遞函數
5.2.2 利用MATLAB工具求系統傳遞函數
5.3 線性系統開環傳遞函數的辨識
5.3.1 基本原理
5.3.2 仿真實例
5.4 閉環系統傳遞函數的辨識和前饋控制
5.4.1 閉環系統傳遞函數的辨識
5.4.2 仿真實例
5.4.3 零相差前饋控制基本原理
5.4.4 系統相移
5.4.5 仿真實例
思考題與習題5
第6章 神經網絡辨識及應用
6.1 神經網絡理論基礎
6.1.1 神經網絡原理
6.1.2 神經網絡學習算法
6.1.3 神經網絡的要素及特征
6.1.4 神經網絡辨識的特點
6.2 BP網絡辨識
6.2.1 BP網絡
6.2.2 BP網絡結構
6.2.3 BP網絡的優缺點
6.3 BP網絡逼近
6.3.1 基本原理
6.3.2 仿真實例
6.4 基于數據的BP網絡離線建模
6.4.1 基本原理
6.4.2 仿真實例
6.5 基于模型的BP網絡離線建模
6.5.1 基本原理
6.5.2 仿真實例
6.6 RBF網絡的逼近
6.6.1 RBF網絡
6.6.2 RBF網絡的逼近
6.6.3 仿真實例
6.7 基于未知項在線建模的RBF網絡自校正控制
6.7.1 神經網絡自校正控制原理
6.7.2 RBF網絡自校正控制
6.7.3 仿真實例
6.8 Hopfield網絡辨識
6.8.1 Hopfield網絡原理
6.8.2 Hopfield網絡線性系統參數辨識
6.8.3 仿真實例
6.9 RBF網絡建模應用——自適應神經網絡控制
6.9.1 問題描述
6.9.2 RBF網絡逼近原理
6.9.3 仿真實例
思考題與習題6
第7章 模糊系統辨識
7.1 模糊系統的理論基礎
7.1.1 特征函數和隸屬函數
7.1.2 模糊算子
7.1.3 典型隸屬函數
7.1.4 模糊系統的設計
7.2 基于Sugeno模糊模型的建模
7.2.1 Sugeno模糊模型及仿真實例
7.2.2 基于簡單Sugeno模糊模型的倒立擺模糊控制及仿真實例
7.2.3 基于Sugeno模糊模型的倒立擺模糊控制及仿真實例
7.3 模糊逼近
7.3.1 模糊系統的設計
7.3.2 模糊系統的逼近精度
7.3.3 仿真實例
7.4 模糊系統建模應用——自適應模糊控制
7.4.1 問題描述
7.4.2 模糊逼近原理
7.4.3 控制算法設計與分析
7.4.4 仿真實例
7.5 模糊RBF網絡的在線逼近
7.5.1 網絡結構
7.5.2 基于模糊RBF網絡的逼近算法
7.5.3 仿真實例
7.6 模糊RBF網絡的數據建模
7.6.1 基本原理
7.6.2 仿真實例之一:SISO系統
7.6.3 仿真實例之二:MIMO系統
思考題與習題7
第8章 智能優化算法辨識
8.1 遺傳算法
8.1.1 遺傳算法基本操作
8.1.2 遺傳算法的特點
8.1.3 遺傳算法的應用領域
8.1.4 遺傳算法的優化設計
8.2 遺傳算法求函數極大值
8.2.1 二進制編碼遺傳算法求函數極大值
8.2.2 實數編碼遺傳算法求函數極大值
8.3 粒子群算法
8.3.1 粒子群算法的基本原理
8.3.2 粒子群算法的參數設置
8.3.3 粒子群算法的基本流程
8.4 基于粒子群算法的函數優化
8.5 基于粒子群算法的非線性系統參數辨識
8.5.1 辨識非線性靜態模型
8.5.2 辨識非線性動態模型
8.6 差分進化算法
8.6.1 差分進化算法的基本原理
8.6.2 差分進化算法的基本流程
8.6.3 差分進化算法的參數設置
8.6.4 基于差分進化算法的函數優化
8.7 基于差分進化算法的非線性系統參數辨識
8.7.1 辨識非線性靜態模型
8.7.2 辨識非線性動態模型
思考題與習題8
第9章 智能辨識算法在機械手和飛行器中的應用
9.1 機械手參數辨識
9.1.1 系統描述
9.1.2 基于最小二乘法的機械手參數辨識
9.1.3 基于粒子群算法的機械手參數辨識
9.2 柔性機械手動力學模型物理參數粒子群辨識
9.2.1 柔性機械手模型描述
9.2.2 仿真實例
9.3 飛行器縱向模型物理參數粒子群辨識
9.3.1 問題描述
9.3.2 仿真實例
9.4 VTOL飛行器參數辨識
9.4.1 VTOL飛行器參數辨識問題
9.4.2 基于粒子群算法的參數辨識
9.4.3 基于差分進化算法的VTOL飛行器參數辨識
9.5 四旋翼飛行器建模與參數辨識
9.5.1 四旋翼飛行器動力學模型
9.5.2 動力學模型的變換
9.5.3 參數辨識
9.5.4 基于粒子群算法的參數辨識
9.5.5 基于差分進化算法的參數辨識
思考題與習題9
第10章 智能辨識算法在控制系統中的應用
10.1 控制系統的摩擦現象
10.2 基于粒子群算法的控制系統摩擦參數辨識
10.2.1 系統描述
10.2.2 靜摩擦模型Stribeck曲線的獲取
10.2.3 基于粒子群算法的摩擦參數辨識
10.2.4 仿真實例
10.3 基于粒子群算法的摩擦模型參數在線辨識及PD控制
10.3.1 問題描述
10.3.2 仿真實例
思考題與習題10
第11章 微分器的信號提取及參數辨識
11.1 基于微分器的微分信號提取
11.1.1 微分器的由來
11.1.2 微分器的工程應用
11.1.3 積分鏈式微分器
11.1.4 仿真實例
11.2 基于微分器的差分進化參數辨識
11.2.1 系統描述
11.2.2 仿真實例
思考題與習題11
第12章 集員辨識理論及應用
12.1 集員辨識的定義及發展
12.2 集員辨識意義
12.3 集員辨識的數學描述
12.4 集員辨識主要算法
12.5 基于向量回歸的集員估計
12.5.1 基本原理
12.5.2 離散系統集員辨識
12.5.3 連續系統集員辨識
思考題與習題12
序: