第1章 绪论__eol__ 1.1 建立数学模型的基本方法__eol__ 1.2 系统辨识的定义__eol__ 1.3 系统辨识的研究目的__eol__ 1.4 数学模型的分类__eol__ 1.5 几种常见数学模型的数学表示__eol__ 1.6 系统辨识常用的误差准则__eol__ 1.7 系统辨识的分类__eol__ 1.7.1 离线辨识__eol__ 1.7.2 在线辨识__eol__ 1.8 辨识的内容和步骤__eol__ 1.9 系统辨识方法 __eol__ 1.10 系统辨识方法分类__eol__ 1.10.1 经典系统辨识方法__eol__ 1.10.2 现代系统辨识方法__eol__ 思考题与习题1__eol__第2章 系统辨识的输入信号__eol__ 2.1 系统辨识对输入信号的要求__eol__ 2.2 系统辨识常用的输入信号__eol__ 2.2.1 白噪声信号__eol__ 2.2.2 白噪声序列的产生__eol__ 2.3 M序列的产生及其性质__eol__ 思考题与习题2__eol__第3章 最小二乘参数辨识方法及应用__eol__ 3.1 最小二乘法__eol__ 3.1.1 基本原理__eol__ 3.1.2 利用最小二乘法求取模型参数__eol__ 3.1.3 仿真实例：热敏电阻和温度关系的最小二乘法求解__eol__ 3.2 加权最小二乘法__eol__ 3.2.1 一般最小二乘法的分析与设计__eol__ 3.2.2 加权最小二乘法的分析与设计__eol__ 3.2.3 仿真实例__eol__ 3.3 递推最小二乘法__eol__ 3.3.1 递推最小二乘法的基本原理__eol__ 3.3.2 递推最小二乘法的分析与设计__eol__ 3.3.3 仿真实例__eol__ 3.3.4 时不变系统的递推最小二乘法__eol__ 3.3.5 时变系统的递推最小二乘法__eol__ 3.4 递推阻尼最小二乘法__eol__ 3.4.1 递推阻尼最小二乘法的基本原理__eol__ 3.4.2 递推阻尼最小二乘法的分析与设计__eol__ 3.4.3 仿真实例__eol__ 3.5 增广最小二乘法__eol__ 3.5.1 增广最小二乘法的基本原理__eol__ 3.5.2 增广最小二乘法的分析与设计__eol__ 3.5.3 仿真实例__eol__ 3.6 广义最小二乘法__eol__ 3.6.1 广义最小二乘法的基本原理__eol__ 3.6.2 广义最小二乘法的设计与分析__eol__ 3.6.3 仿真实例__eol__ 3.7 辅助变量最小二乘法__eol__ 3.7.1 辅助变量最小二乘法的基本原理__eol__ 3.7.2 辅助变量最小二乘法的设计与分析__eol__ 3.7.3 仿真实例__eol__ 3.8 多变量系统的最小二乘法__eol__ 3.8.1 多变量系统的最小二乘法的基本原理__eol__ 3.8.2 多变量系统的最小二乘法的分析与设计__eol__ 3.8.3 仿真实例__eol__ 思考题与习题3__eol__第4章 极大似然参数辨识方法及应用__eol__ 4.1 引言__eol__ 4.2 极大似然参数估计的原理及性质__eol__ 4.2.1 极大似然参数估计原理__eol__ 4.2.2 似然函数的构造__eol__ 4.2.3 极大似然参数估计的统计性质__eol__ 4.3 动态系统参数的极大似然参数估计__eol__ 4.4 Newton-Raphson法应用于极大似然参数估计求解__eol__ 4.5 递推极大似然参数估计__eol__ 思考题与习题4__eol__第5章 传递函数的时域和频域辨识__eol__ 5.1 传递函数辨识的时域法__eol__ 5.1.1 一阶惯性环节加纯延迟的传递函数拟合__eol__ 5.1.2 二阶惯性环节加纯延迟的传递函数拟合__eol__ 5.1.3 n阶惯性环节加纯延迟的传递函数拟合__eol__ 5.2 传递函数的频率辨识__eol__ 5.2.1 利用Bode图特性求传递函数__eol__ 5.2.2 利用MATLAB工具求系统传递函数__eol__ 5.3 线性系统开环传递函数的辨识 __eol__ 5.3.1 基本原理 __eol__ 5.3.2 仿真实例__eol__ 5.4 闭环系统传递函数的辨识和前馈控制__eol__ 5.4.1 闭环系统传递函数的辨识__eol__ 5.4.2 仿真实例__eol__ 5.4.3 零相差前馈控制基本原理__eol__ 5.4.4 系统相移__eol__ 5.4.5 仿真实例__eol__ 思考题与习题5__eol__第6章 神经网络辨识及应用__eol__ 6.1 神经网络理论基础__eol__ 6.1.1 神经网络原理__eol__ 6.1.2 神经网络学习算法__eol__ 6.1.3 神经网络的要素及特征__eol__ 6.1.4 神经网络辨识的特点__eol__ 6.2 BP网络辨识__eol__ 6.2.1 BP网络__eol__ 6.2.2 BP网络结构__eol__ 6.2.3 BP网络的优缺点__eol__ 6.3 BP网络逼近__eol__ 6.3.1 基本原理__eol__ 6.3.2 仿真实例__eol__ 6.4 基于数据的BP网络离线建模__eol__ 6.4.1 基本原理__eol__ 6.4.2 仿真实例__eol__ 6.5 基于模型的BP网络离线建模__eol__ 6.5.1 基本原理__eol__ 6.5.2 仿真实例__eol__ 6.6 RBF网络的逼近__eol__ 6.6.1 RBF网络__eol__ 6.6.2 RBF网络的逼近__eol__ 6.6.3 仿真实例__eol__ 6.7 基于未知项在线建模的RBF网络自校正控制__eol__ 6.7.1 神经网络自校正控制原理__eol__ 6.7.2 RBF网络自校正控制__eol__ 6.7.3 仿真实例__eol__ 6.8 Hopfield网络辨识__eol__ 6.8.1 Hopfield网络原理__eol__ 6.8.2 Hopfield网络线性系统参数辨识__eol__ 6.8.3 仿真实例__eol__ 6.9 RBF网络建模应用——自适应神经网络控制__eol__ 6.9.1 问题描述__eol__ 6.9.2 RBF网络逼近原理__eol__ 6.9.3 仿真实例__eol__ 思考题与习题6__eol__第7章 模糊系统辨识__eol__ 7.1 模糊系统的理论基础__eol__ 7.1.1 特征函数和隶属函数__eol__ 7.1.2 模糊算子__eol__ 7.1.3 典型隶属函数__eol__ 7.1.4 模糊系统的设计__eol__ 7.2 基于Sugeno模糊模型的建模__eol__ 7.2.1 Sugeno模糊模型及仿真实例__eol__ 7.2.2 基于简单Sugeno模糊模型的倒立摆模糊控制及仿真实例__eol__ 7.2.3 基于Sugeno模糊模型的倒立摆模糊控制及仿真实例__eol__ 7.3 模糊逼近__eol__ 7.3.1 模糊系统的设计__eol__ 7.3.2 模糊系统的逼近精度__eol__ 7.3.3 仿真实例__eol__ 7.4 模糊系统建模应用——自适应模糊控制__eol__ 7.4.1 问题描述__eol__ 7.4.2