幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

系統辨識理論及MATLAB模擬(第2版電氣工程自動化專業規劃教材普通高等教育十三五規劃教材)

  • 作者：編者:劉金琨//沈曉蓉//趙龍|責編:凌毅
  • 出版社：電子工業
  • ISBN：9787121396960
  • 出版日期：2020/09/01
  • 裝幀：平裝
  • 頁數：306
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    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、神經網路辨識及應用、模糊系統辨識、智能優化演算法辨識、智能辨識演算法在機械手和飛行器中的應用、智能辨識演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，每個實例都進行了模擬分析，並給出相應的MATLAB模擬程序。
    本書可作為高等院校自動化、電腦應用、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。
作者介紹
編者:劉金琨//沈曉蓉//趙龍|責編:凌毅
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  白雜訊信號
    2.2.2  白雜訊序列的產生
  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  模擬實例：熱敏電阻和溫度關係的最小二乘法求解
  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  模擬實例
  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  模擬實例
    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  模擬實例
  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  模擬實例
  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  模擬實例

  3.7  輔助變數最小二乘法
    3.7.1  輔助變數最小二乘法的基本原理
    3.7.2  輔助變數最小二乘法的設計與分析
    3.7.3  模擬實例
  3.8  多變數系統的最小二乘法
    3.8.1  多變數系統的最小二乘法的基本原理
    3.8.2  多變數系統的最小二乘法的分析與設計
    3.8.3  模擬實例
  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法應用於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  模擬實例
  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  模擬實例
    5.4.3  零相差前饋控制基本原理
    5.4.4  系統相移
    5.4.5  模擬實例
  思考題與習題5
第6章  神經網路辨識及應用
  6.1  神經網路理論基礎
    6.1.1  神經網路原理
    6.1.2  神經網路學習演算法
    6.1.3  神經網路的要素及特徵
    6.1.4  神經網路辨識的特點
  6.2  BP網路辨識
    6.2.1  BP網路
    6.2.2  BP網路結構
    6.2.3  BP網路的優缺點
  6.3  BP網路逼近
    6.3.1  基本原理
    6.3.2  模擬實例

  6.4  基於數據的BP網路離線建模
    6.4.1  基本原理
    6.4.2  模擬實例
  6.5  基於模型的BP網路離線建模
    6.5.1  基本原理
    6.5.2  模擬實例
  6.6  RBF網路的逼近
    6.6.1  RBF網路
    6.6.2  RBF網路的逼近
    6.6.3  模擬實例
  6.7  基於未知項在線建模的RBF網路自校正控制
    6.7.1  神經網路自校正控制原理
    6.7.2  RBF網路自校正控制
    6.7.3  模擬實例
  6.8  Hopfield網路辨識
    6.8.1  Hopfield網路原理
    6.8.2  Hopfield網路線性系統參數辨識
    6.8.3  模擬實例
  6.9  RBF網路建模應用——自適應神經網路控制
    6.9.1  問題描述
    6.9.2  RBF網路逼近原理
    6.9.3  模擬實例
  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  特徵函數和隸屬函數
    7.1.2  模糊運算元
    7.1.3  典型隸屬函數
    7.1.4  模糊系統的設計
  7.2  基於Sugeno模糊模型的建模
    7.2.1  Sugeno模糊模型及模擬實例
    7.2.2  基於簡單Sugeno模糊模型的倒立擺模糊控制及模擬實例
    7.2.3  基於Sugeno模糊模型的倒立擺模糊控制及模擬實例
  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  模擬實例
  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  控制演算法設計與分析
    7.4.4  模擬實例
  7.5  模糊RBF網路的在線逼近
    7.5.1  網路結構
    7.5.2  基於模糊RBF網路的逼近演算法
    7.5.3  模擬實例
  7.6  模糊RBF網路的數據建模
    7.6.1  基本原理
    7.6.2  模擬實例之一：SISO系統
    7.6.3  模擬實例之二：MIMO系統

  思考題與習題7
第8章  智能優化演算法辨識
  8.1  遺傳演算法
    8.1.1  遺傳演算法基本操作
    8.1.2  遺傳演算法的特點
    8.1.3  遺傳演算法的應用領域
    8.1.4  遺傳演算法的優化設計
  8.2  遺傳演算法求函數極大值
    8.2.1  二進位編碼遺傳演算法求函數極大值
    8.2.2  實數編碼遺傳演算法求函數極大值
  8.3  粒子群演算法
    8.3.1  粒子群演算法的基本原理
    8.3.2  粒子群演算法的參數設置
    8.3.3  粒子群演算法的基本流程
  8.4  基於粒子群演算法的函數優化
  8.5  基於粒子群演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  差分進化演算法
    8.6.1  差分進化演算法的基本原理
    8.6.2  差分進化演算法的基本流程
    8.6.3  差分進化演算法的參數設置
    8.6.4  基於差分進化演算法的函數優化
  8.7  基於差分進化演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  智能辨識演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  基於最小二乘法的機械手參數辨識
    9.1.3  基於粒子群演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  模擬實例
  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  模擬實例
  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  基於粒子群演算法的參數辨識
    9.4.3  基於差分進化演算法的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  基於粒子群演算法的參數辨識
    9.5.5  基於差分進化演算法的參數辨識
  思考題與習題9
第10章  智能辨識演算法在控制系統中的應用

  10.1  控制系統的摩擦現象
  10.2  基於粒子群演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  基於粒子群演算法的摩擦參數辨識
    10.2.4  模擬實例
  10.3  基於粒子群演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  模擬實例
  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  基於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  模擬實例
  11.2  基於微分器的差分進化參數辨識
    11.2.1  系統描述
    11.2.2  模擬實例
  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  集員辨識主要演算法
  12.5  基於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

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032