目 录__eol__第1章 绪论 1__eol__1.1 系统数学模型及建模方法 1__eol__1.1.1 系统和模型 1__eol__1.1.2 模型的表现形式 2__eol__1.1.3 数学模型的分类 2__eol__1.1.4 建模的主要目的和原则 4__eol__1.1.5 建立数学模型的方法 4__eol__1.2 系统辨识的定义、内容和步骤 5__eol__1.2.1 系统辨识的定义和要素 5__eol__1.2.2 系统辨识的内容和步骤 6__eol__1.3 系统辨识中常用的误差准则 10__eol__1.3.1 输出误差准则 10__eol__1.3.2 输入误差准则 11__eol__1.3.3 广义误差准则 12__eol__思考题 12__eol__第2章 辨识相关基础知识 13__eol__2.1 随机变量及其数字特征 13__eol__2.2 随机过程及其数字特征 17__eol__2.3 平稳随机过程及其各态历经性 19__eol__2.3.1 平稳随机过程 19__eol__2.3.2 各态历经性 22__eol__2.3.3 白噪声 24__eol__2.4 控制系统的时域响应分析 25__eol__2.4.1 常用的典型输入信号 25__eol__2.4.2 瞬态性能指标 27__eol__2.4.3 一阶系统的瞬态性能分析 28__eol__2.4.4 典型二阶系统瞬态性能分析 30__eol__2.5 系统传递函数与状态方程的相互转换 33__eol__思考题 37__eol__第3章 线性系统经典辨识方法 38__eol__3.1 阶跃响应法 38__eol__3.2 脉冲响应法 42__eol__3.2.1 维纳-霍夫方程 43__eol__3.2.2 伪随机二进制序列 46__eol__3.2.3 用M序列辨识线性系统的脉冲响应函数 55__eol__3.2.4 基于脉冲响应曲线的系统辨识 57__eol__3.2.5 用M序列辨识脉冲响应的步骤 58__eol__3.2.6 相关分析法的抗干扰性分析 62__eol__3.3 频率特性法 63__eol__3.3.1 单一正弦波法 63__eol__3.3.2 组合正弦波法 64__eol__3.3.3 矩形波法 64__eol__3.3.4 基于频率特性法的一阶/二阶系统参数辨识算法 64__eol__思考题 66__eol__第4章 基于最小二乘法的参数辨识 67__eol__4.1 确定模型与随机模型 67__eol__4.2 最小二乘批处理算法 71__eol__4.2.1 普通最小二乘法 73__eol__4.2.2 加权最小二乘法 75__eol__4.2.3 正则化最小二乘法 76__eol__4.2.4 基于最小二乘法的离散系统参数辨识与仿真 79__eol__4.2.5 最小二乘法的统计特性分析 83__eol__4.3 递推最小二乘法 84__eol__4.3.1 一般递推最小二乘法 84__eol__4.3.2 基于递推最小二乘法的离散系统参数辨识与仿真 87__eol__4.4 广义最小二乘法 89__eol__4.4.1 广义最小二乘法参数辨识原理 90__eol__4.4.2 广义最小二乘法参数辨识步骤 91__eol__4.4.3 增广最小二乘法 95__eol__4.4.4 基于广义最小二乘法的离散系统参数辨识与仿真 96__eol__4.4.5 递推广义最小二乘法 100__eol__4.4.6 基于递推广义最小二乘法的离散系统参数辨识与仿真 101__eol__4.4.7 夏氏法 105__eol__4.5 极大似然法 107__eol__4.6 小结 111__eol__思考题 112__eol__第5章 模型结构辨识 113__eol__5.1 阶次检验法基本步骤 113__eol__5.2 利用损失函数定阶 113__eol__5.3 利用F检验法定阶 115__eol__5.3.1 F检验法原理 115__eol__5.3.2 基于F检验法的离散系统定阶 115__eol__5.4 利用赤池信息量准则定阶 116__eol__5.5 离散系统定阶与仿真案例 117__eol__思考题 120__eol__第6章 基于遗传算法的参数辨识及其应用 121__eol__6.1 遗传算法的基本原理 121__eol__6.2 遗传算法的构成要素及设计流程 124__eol__6.2.1 遗传算法的构成要素 124__eol__6.2.2 遗传算法的设计流程 125__eol__6.3 遗传算法应用实例 125__eol__6.4 遗传算法的MATLAB模块化代码实现 131__eol__6.4.1 初始化（编码）子程序（initpop.m函数）的实现 132__eol__6.4.2 计算目标函数值 132__eol__6.4.3 计算个体适应度值的子程序calfitvalue.m的实现 133__eol__6.4.4 选择复制子程序selection.m的实现 133__eol__6.4.5 交叉子程序crossover.m的实现 134__eol__6.4.6 变异子程序mutation.m的实现 135__eol__6.4.7 求群体中最大的适应度值及其对应个体的子程序best.m的实现 135__eol__6.4.8 主程序genmain05.m的实现 135__eol__6.5 直流伺服电机模型PID控制参数辨识仿真 137__eol__6.5.1 直流伺服电机模型 137__eol__6.5.2 PID校正 138__eol__6.5.3 利用遗传算法进行PID参数优化 139__eol__思考题 146__eol__第7章 基于差分进化算法的参数辨识及其应用 147__eol__7.1 差分进化算法的基本原理和案例仿真 147__eol__7.1.1 差分进化算法的基本原理 147__eol__7.1.2 基于差分进化算法的参数寻优案例仿真 149__eol__7.2 自适应变异系数的改进差分进化算法 151__eol__7.2.1 差分进化算法存在的问题 151__eol__7.2.2 差分进化算法主要的改进方向 152__eol__7.2.3 差分进化算法的改进策略 154__eol__7.2.4 基于自适应变异系数的改进差分进化算法参数寻优 154__eol__7.3 三种改进差分进化算法及其性能分析 163__eol__7.3.1 三种改进差分进化算法 163__eol__7.3.2 三种改进差分进化算法在参数寻优中的性能分析 164__eol__7.3.3 MATLAB仿真程序 171__eol__思考题 191__eol__第8章 基于麻雀搜索算法的参数辨识及其应用 192__eol__8.1 麻雀搜索算法的基本原理 192__eol__8.2 改进麻雀搜索算法及案例仿真分析 193__eol__8.2.1 基于精英反向学习策略和混合扰动策略的改进麻雀搜索算法 193__eol__8.2.2 基于改进麻雀搜索算法的参数寻优案例仿真 194__eol__第9章 基于极限学习机的系统在线辨识 210__eol__9.1 极限学习机建模原理 210__eol__9.2 利用极限学习机辨识姿态动力学系统未建模部分 212__eol__9.2.1 控制问题描述 212__eol__9.2.2 基于极限学习机的控制器设计及稳定性分析 213__eol__9.2.3 航天器姿态控制仿真分析 216__eol__9.3 基于改进极限学习机的非线性系统预设时间滑模自适应控制 222__eol__9.3.1 控制问题描述 222__eol__9.3.2 期望轨迹扩充策略 223__eol__9.3.3 预设时间收敛滑模面及其性质 224__eol__9.3.4 预设时间收敛的滑模控制器设计 226__eol__9.3.5 数值仿真分析 229__eol__参考文献 237__eol____eol____eol____eol____eol____eol__