系統(tǒng)建模與辨識(shí)

定　價(jià)：￥22.00

作　者：	王秀峰，盧桂章編著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：	高等學(xué)校自動(dòng)化專業(yè)教材
標(biāo)　簽：	科學(xué)與自然綜合大學(xué) 教材教輔與參考書(shū)

購(gòu)買這本書(shū)可以去

ISBN：	9787121000669	出版時(shí)間：	2004-08-01	包裝：	膠版紙
開(kāi)本：	24cm	頁(yè)數(shù)：	251	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)比較全面、系統(tǒng)地介紹目前在不同領(lǐng)域中常用的有效建模與辨識(shí)方法。主要內(nèi)容包括：線性系統(tǒng)的辨識(shí)，多變量線性系統(tǒng)的辨識(shí)，線性系統(tǒng)的非參數(shù)表示和辨識(shí)，非線性系統(tǒng)的辨識(shí)，時(shí)間序列建模，房室模型（多用于醫(yī)學(xué)、生物工程中）的辨識(shí)，神經(jīng)網(wǎng)絡(luò)模型的辨識(shí)，模糊系統(tǒng)的建模與辨識(shí)，遺傳算法及其在辨識(shí)中的應(yīng)用，辨識(shí)的實(shí)施等。各種方法都給出具體的計(jì)算步驟或框圖，并結(jié)合實(shí)例或仿真例子給予說(shuō)明，盡量使讀者易學(xué)會(huì)用。本書(shū)為天津市高校"十五"規(guī)劃教材，可作為高等學(xué)校自動(dòng)化、系統(tǒng)工程、經(jīng)濟(jì)管理、應(yīng)用數(shù)學(xué)等專業(yè)的高年級(jí)本科生和研究生的教材或參考書(shū)，也可作為有關(guān)科技工作者、工程技術(shù)和管理人員的參考書(shū)。在中國(guó)大百科全書(shū)"自動(dòng)控制與系統(tǒng)工程"卷中對(duì)"模型"的解釋是：對(duì)于現(xiàn)實(shí)的事物、現(xiàn)象、過(guò)程或系統(tǒng)的簡(jiǎn)化描述，或其部分屬性的模仿。模型不存在一種統(tǒng)一的分類方式，常見(jiàn)的有物理模型、數(shù)學(xué)模型和仿真模型等。隨著科學(xué)技術(shù)不斷進(jìn)步和社會(huì)經(jīng)濟(jì)的不斷發(fā)展，為了提高決策的科學(xué)性和準(zhǔn)確性，定量化分析的重要性日益顯現(xiàn)出來(lái)，這就要求對(duì)所研究對(duì)象的各種量之間建立定量的關(guān)系：數(shù)學(xué)模型。對(duì)不同的領(lǐng)域、對(duì)象和不同的目的，數(shù)學(xué)模型的形式和內(nèi)容也有很大的不同?？茖W(xué)實(shí)驗(yàn)中依據(jù)物理規(guī)律、化學(xué)定律等建立精確機(jī)理模型比較多，生產(chǎn)過(guò)程中根據(jù)生產(chǎn)原理和實(shí)驗(yàn)數(shù)據(jù)相結(jié)合的半機(jī)理模型用得比較普遍，而在社會(huì)經(jīng)濟(jì)、管理、金融等領(lǐng)域內(nèi)更多的是用實(shí)際數(shù)據(jù)與經(jīng)濟(jì)理論結(jié)合而產(chǎn)生的模型?？傊?，不同的應(yīng)用需要建立不同類型的模型，建立不同類型的模型需要不同的方法。建立模型的過(guò)程稱為"建模"（Modelling）。由于模型在科學(xué)技術(shù)中的重要作用，而模型所要描述的又是涉及到各個(gè)領(lǐng)域的多種多樣的過(guò)程。因此，在建模過(guò)程中也自然會(huì)遇到許多困難和問(wèn)題。比如，有些過(guò)程的內(nèi)在運(yùn)動(dòng)機(jī)理尚未認(rèn)識(shí)清楚，只能從外在的現(xiàn)象去認(rèn)識(shí)，并在此基礎(chǔ)上去建模；對(duì)有些過(guò)程的內(nèi)在規(guī)律雖然有所認(rèn)識(shí)但又過(guò)于復(fù)雜，因此必須進(jìn)行合理的簡(jiǎn)化，并在此基礎(chǔ)上建模；有些問(wèn)題的目的（如預(yù)報(bào)）并不在于了解過(guò)程的內(nèi)在規(guī)律而只關(guān)心其外在綜合表現(xiàn)的變化，因此，只需基于這種需求建模?？傊?，建模是一項(xiàng)十分重要而復(fù)雜的工作，需要從實(shí)際出發(fā)，"去粗取精，去偽存真，由表及里"，才能建立一個(gè)真正合用的模型。在建模過(guò)程中，除了運(yùn)用已有的知識(shí)對(duì)過(guò)程本身的規(guī)律進(jìn)行分析外，實(shí)驗(yàn)數(shù)據(jù)是非常重要的依據(jù)，即使是分析過(guò)程本身的規(guī)律，往往也需要實(shí)驗(yàn)數(shù)據(jù)的檢驗(yàn)。通過(guò)實(shí)驗(yàn)數(shù)據(jù)建模，稱為"辨識(shí)"（Identification），它是建模的一條十分重要的途徑，這也是本書(shū)的主要內(nèi)容。建模是更廣泛的概念，建模與辨識(shí)是密不可分的兩個(gè)范疇，只是在實(shí)際工作中，辨識(shí)主要依據(jù)數(shù)據(jù)，因此往往用到的算法多，工作量大，似乎是主角，實(shí)際上兩者是不可或缺、相互依存的。本書(shū)不可能廣泛地涉及到建模的所有領(lǐng)域，只是從系統(tǒng)分析、仿真、預(yù)測(cè)、控制這幾個(gè)最常用的方面討論建模與辨識(shí)，并以數(shù)學(xué)模型的辨識(shí)為主線，因?yàn)檫@已經(jīng)是現(xiàn)代控制工程的一個(gè)公認(rèn)的分支。作者從2世紀(jì)7年代末開(kāi)始從事"建模與辨識(shí)"的教學(xué)，2多年來(lái)科學(xué)技術(shù)獲得了極大的發(fā)展，新的科技成果對(duì)這一學(xué)科方向無(wú)疑要產(chǎn)生影響：一方面由于發(fā)展需要，建模的對(duì)象日趨復(fù)雜，一些新的內(nèi)容、新方法、新理論不斷地融入教學(xué)內(nèi)容，如神經(jīng)網(wǎng)絡(luò)模型的辨識(shí)、模糊系統(tǒng)的建模、遺傳算法的應(yīng)用等；另一方面，一些經(jīng)典的內(nèi)容，如線性系統(tǒng)模型辨識(shí)、一般非線性系統(tǒng)模型辨識(shí)至今仍在辨識(shí)中占有重要的地位。本書(shū)從這兩個(gè)側(cè)面選擇了作者認(rèn)為最主要的、最有代表性的內(nèi)容。從多年的教學(xué)和科研的實(shí)踐中，作者深深感到"建模與辨識(shí)"在科技發(fā)展中日益發(fā)揮的重要作用，除了在控制工程中的廣泛應(yīng)用外，在經(jīng)濟(jì)系統(tǒng)、金融系統(tǒng)、生物醫(yī)學(xué)工程系統(tǒng)、生態(tài)系統(tǒng)及其他社會(huì)人文系統(tǒng)等中，模型分析的方法都得到普遍的運(yùn)用，而且越來(lái)越受到重視，因此建模與辨識(shí)自然也備受關(guān)注。學(xué)習(xí)"建模與辨識(shí)"這門課程，作者認(rèn)為應(yīng)該本著"清楚了解背景知識(shí)，靈活分析運(yùn)用方法，實(shí)事求是檢驗(yàn)結(jié)果"的精神把建模辨識(shí)和應(yīng)用結(jié)合起來(lái)，全面準(zhǔn)確地掌握方法和應(yīng)用。本書(shū)作為教材，力求把基本概念、基本理論和基本方法講清楚，并盡量結(jié)合實(shí)例分析給出方法的具體步驟和應(yīng)用領(lǐng)域，使讀者易學(xué)會(huì)用。另外，對(duì)不同的學(xué)時(shí)和專業(yè)要求，在內(nèi)容上可以做適當(dāng)?shù)倪x擇（目錄中用*號(hào)標(biāo)出）。如第6章多變量線性系統(tǒng)辨識(shí)本書(shū)討論得比較細(xì)致，不一定作為普遍的要求；時(shí)間序列模型的辨識(shí)可能在經(jīng)濟(jì)及其他預(yù)測(cè)系統(tǒng)用得較多，房室模型則在生物、生態(tài)等系統(tǒng)用得較多，等等，這些都可以供內(nèi)容選擇時(shí)考慮。作者期望這本教材對(duì)建模與辨識(shí)方法的學(xué)習(xí)有所幫助，從而將通過(guò)模型（特別是數(shù)學(xué)模型）分析系統(tǒng)的思想和方法能為更多的領(lǐng)域運(yùn)用，同時(shí)，也衷心地希望讀者在使用的過(guò)程中對(duì)本書(shū)的錯(cuò)誤和不足提出批評(píng)和建議。本書(shū)作為天津市高校"十五"規(guī)劃教材出版，得到了天津市教委和南開(kāi)大學(xué)教務(wù)處的大力支持和資助；編著過(guò)程中研究室的廣大師生給予了許多具體幫助；電子工業(yè)出版社凌毅編輯為本書(shū)的出版做了大量工作，在此特向他們表示衷心的感謝！

作者簡(jiǎn)介

暫缺《系統(tǒng)建模與辨識(shí)》作者簡(jiǎn)介

圖書(shū)目錄

目錄第1章引論(1) 1.1 建模與系統(tǒng)辨識(shí)概述    1.1.1 系統(tǒng)辨識(shí)研究的對(duì)象    1.1.2 系統(tǒng)辨識(shí)    1.1.3 系統(tǒng)辨識(shí)的目的    1.1.4 辨識(shí)中的先驗(yàn)知識(shí)    1.1.5 先驗(yàn)知識(shí)的獲得    1.1.6 系統(tǒng)辨識(shí)的基本步驟 1.2 數(shù)學(xué)模型    1.2.1 概述    1.2.2 線性系統(tǒng)的4種數(shù)學(xué)模型 1.3 本書(shū)的指導(dǎo)思想和布局第2章線性靜態(tài)模型的辨識(shí)(12) 2．1 問(wèn)題的提出 2．2 最小二乘法（LS）    2.2.1 最小二乘估計(jì)    2.2.2 最小二乘估計(jì)的性質(zhì)    2.2.3 逐步回歸方法 2.3 病態(tài)方程的求解方法    2.3.1 病態(tài)對(duì)參數(shù)估計(jì)的影響    2.3.2 條件數(shù)    2.3.3 病態(tài)方程的求解方法
2.4 模型參數(shù)的最大似然估計(jì)（ML）    2.4.1 最大似然準(zhǔn)則    2.4.2 最大似然估計(jì) 習(xí)題第3章離散線性動(dòng)態(tài)模型的最小二乘估計(jì)(27) 3．1 問(wèn)題的提法及一次完成最小二乘估計(jì) 3.2 最小二乘估計(jì)的遞推算法(RLS)    3.2.1 遞推最小二乘法    3.2.2 初始值的選擇    3.2.3 計(jì)算步驟及舉例 3.3 時(shí)變系統(tǒng)的實(shí)時(shí)算法
3.3.1 漸消記憶（指數(shù)窗）的遞推算法    3.3.2 限定記憶（固定窗）的遞推算法    3.3.3 變遺忘因子的實(shí)時(shí)算法 3.4 遞推平方根算法 3.5 最大似然估計(jì)(ML) 習(xí)題第4章相關(guān)(有色)噪聲情形的辨識(shí)算法(42) 4.1 輔助變量法 4.2 增廣最小二乘法 (ELS)    4.2.1 增廣最小二乘法    4.2.2 改進(jìn)的增廣最小二乘法 4.3 最大似然法（ML） 4.4 閉環(huán)系統(tǒng)的辨識(shí)    4.4.1 問(wèn)題的提出    4.4.2 可辨識(shí)性    4.4.3 閉環(huán)條件下的最小二乘估計(jì)    習(xí)題第5章模型階的辨識(shí) 5.1 單變量線性系統(tǒng)階的辨識(shí)    5.1.1 損失函數(shù)檢驗(yàn)法    5.1.2 F檢驗(yàn)法    5.1.3 赤池信息準(zhǔn)則（AIC準(zhǔn)則） 5.2 階與參數(shù)同時(shí)辨識(shí)的遞推算法    5.2.1 辨識(shí)階次的基本思想和方法    5.2.2 階的遞推辨識(shí)算法    5.2.3 幾點(diǎn)說(shuō)明 5.3 仿真研究    5.3.1 辨識(shí)方法的仿真研究    5.3.2 對(duì)模型適用性的仿真研究
5.3.3 控制系統(tǒng)設(shè)計(jì)中的計(jì)算機(jī)仿真研究習(xí)題第6章多變量線性系統(tǒng)的辨識(shí) 6.1 不變量、適宜選擇路線及規(guī)范形    6.1.1 代數(shù)等價(jià)系統(tǒng)    6.1.2 適宜選擇路線與不變量    6.1.3 適宜選擇路線與規(guī)范形 6.2 輸入/輸出方程    6.2.1 輸入/輸出方程一般形式
6.2.2 PCF規(guī)范形對(duì)應(yīng)的輸入/輸出方程 6.3 PCF規(guī)范形的辨識(shí)    6.3.1 結(jié)構(gòu)確定及參數(shù)辨識(shí)    6.3.2 *和*的實(shí)現(xiàn)算法習(xí)題第7章線性系統(tǒng)的非參數(shù)表示和辨識(shí) 7.1 線性系統(tǒng)的非參數(shù)表示    7.1.1 脈沖響應(yīng)函數(shù)    7.1.2 Markov參數(shù)（Hankel模型） 7.2 估計(jì)脈沖響應(yīng)函數(shù)的相關(guān)方法    7.2.1 相關(guān)方法的基本原理    7.2.2 偽隨機(jī)二位式信號(hào)（M序列）
7.2.3 用M序列做輸入信號(hào)時(shí)脈沖響應(yīng)函數(shù)的估計(jì)    7.2.4 估計(jì)h(t)的具體步驟與實(shí)施習(xí)題第8章非線性系統(tǒng)辨識(shí) 8.1 引言 8.2 單純形搜索法    8.2.1 問(wèn)題的提法    8.2.2 單純形搜索法 8.3 迭代算法的基本原理    8.3.1 迭代算法的一般步驟    8.3.2 可接受方向 8.4 牛頓—拉夫森算法 8.5 麥夸特方法 8.6 數(shù)據(jù)處理的分組方法(GMDH)    8.6.1 背景    8.6.2 一般模型結(jié)構(gòu)及基本原則    8.6.3 基本的GMDH方法    8.6.4 變量的預(yù)選擇    8.6.5 數(shù)據(jù)的分組和部分實(shí)現(xiàn)檢驗(yàn)準(zhǔn)則    8.6.6 選擇層——中間變量的選擇    8.6.7 部分實(shí)現(xiàn)的形式    8.6.8 GMDH方法總結(jié)及應(yīng)用 8.7 NARMAX 模型的辨識(shí)    8.7.1 引言    8.7.2 非線性動(dòng)態(tài)系統(tǒng)的描述    8.7.3 “新息—貢獻(xiàn)”準(zhǔn)則與矩陣求逆定理    8.7.4 NARMAX模型的遞推辨識(shí)算法    8.7.5 小結(jié) 習(xí)題第9章房室模型的辨識(shí) 9.1 問(wèn)題的提出 9.2 房室模型的建模    9.2.1 房室    9.2.2 物質(zhì)轉(zhuǎn)移速度    9.2.3 房室模型    9.2.4 房室模型分類    9.2.5 房室模型建模示例 9.3 參數(shù)估計(jì)    9.3.1 問(wèn)題    9.3.2 參數(shù)估計(jì)算法    9.3.3 參數(shù)估計(jì)中遇到的幾個(gè)問(wèn)題 9.4 可辨識(shí)性問(wèn)題    9.4.1 問(wèn)題    9.4.2 一房室模型    9.4.3 二房室模型    9.4.4 三房室模型    9.4.5 多房室模型的可辨識(shí)性問(wèn)題 9.5 應(yīng)用實(shí)例習(xí)題第10章時(shí)間序列的建模與辨識(shí) 10.1 引言    10.1.1 模型形式    10.1.2 格林函數(shù)    10.1.3 穩(wěn)定性 10.2 模型的參數(shù)估計(jì)    10.2.1 AR（n）模型的參數(shù)估計(jì)    10.2.2 ARMA(n,m)模型的參數(shù)估計(jì)    10.2.3 初值的求法 10.3 模型階的確定 10.4 確定性的趨向和季節(jié)性:非平穩(wěn)序列習(xí)題第11章神經(jīng)網(wǎng)絡(luò)模型 11.1 引言 11．2 神經(jīng)組織的基本特征和人工神經(jīng)元    11．2．1 神經(jīng)組織的基本特征    11．2．2 人工神經(jīng)元的MP模型 11.3 多層前饋神經(jīng)網(wǎng)絡(luò)模型    11.3.1 前饋神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)    11.3.2 確定網(wǎng)絡(luò)模型權(quán)值問(wèn)題的數(shù)學(xué)描述    11.3.3 BP算法    11.3.4 神經(jīng)網(wǎng)絡(luò)的幾個(gè)有關(guān)概念 11.4 神經(jīng)網(wǎng)絡(luò)在辨識(shí)中的應(yīng)用 11.5 徑向基函數(shù)網(wǎng)絡(luò)及其應(yīng)用    11.5.1 徑向基函數(shù)網(wǎng)絡(luò)的結(jié)構(gòu)    11.5.2 RBF網(wǎng)絡(luò)的辨識(shí)    11.5.3 用RBF網(wǎng)絡(luò)建模實(shí)例習(xí)題第12章模糊建模與辨識(shí) 12．1 模糊集合的基本概念    12.1.1 模糊集合及其表示    12.1.2 模糊集的運(yùn)算    12.1.3 常用的隸屬函數(shù)    12.1.4 模糊邏輯關(guān)系的格式    12.1.5 推理算法 12.2 基于TS模型的模糊辨識(shí)    12.2.1 結(jié)論參數(shù)的辨識(shí)    12.2.2 前提參數(shù)的辨識(shí)    12.2.3 前提變量的選擇 12.3 應(yīng)用實(shí)例 12.4 小結(jié) 習(xí)題第13章遺傳算法及應(yīng)用簡(jiǎn)介 13.1 引言    13.1.1 遺傳算法的基本思想    13.1.2 基本遺傳算法的工作步驟 13.2 遺傳算法的計(jì)算機(jī)實(shí)現(xiàn) 13.3 遺傳算法的工作過(guò)程舉例 13.4 實(shí)數(shù)編碼遺傳算法    13.4.1 實(shí)數(shù)編碼遺傳算法及其在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的應(yīng)用    13.4.2 結(jié)果與討論 13.5 關(guān)于遺傳算法的幾點(diǎn)說(shuō)明    13.5.1 模式定理    13.5.2 GA算法的收斂性分析    13.5.3 GA是一種優(yōu)化算法的方法論習(xí)題第14章辨識(shí)的實(shí)施 14.1 辨識(shí)的實(shí)驗(yàn)設(shè)計(jì)    14.1.1 問(wèn)題的提出    14.1.2 設(shè)計(jì)準(zhǔn)則    14.1.3 輸入信號(hào)的設(shè)計(jì)    14.1.4 采樣區(qū)間的設(shè)計(jì) 14.2 模型適用性檢驗(yàn)    14.2.1 通過(guò)先驗(yàn)知識(shí)的檢驗(yàn)    14.2.2 通過(guò)數(shù)據(jù)的檢驗(yàn)    14.2.3 通過(guò)對(duì)預(yù)測(cè)誤差序列的檢驗(yàn)    14.2.4 應(yīng)用實(shí)例習(xí)題附錄A 矩陣運(yùn)算的兩個(gè)結(jié)果附錄B 矩陣微分的幾個(gè)結(jié)果附錄C 偽隨機(jī)二位式序列附錄D 正態(tài)偽隨機(jī)數(shù) 參考文獻(xiàn)