第1章 绪论

1.1 理论建模与实验建模

1.2 动态系统辨识的任务和问题

1.3 辨识方法的分类及在本书中的处理

1.4 辨识方法概述

1.4.1 非参数模型

1.4.2 参数模型

1.4.3 信号分析

1.5 激励信号

1.6 特殊的应用问题

1.6.1 输入含有噪声

1.6.2 多输入或多输出系统的辨识

1.7 应用领域

1.7.1 增加对过程特性的认识

1.7.2 理论模型的验证

1.7.3 控制器参数的整定

1.7.4 基于计算机的数字控制算法设计

1.7.5 自适应控制算法

1.7.6 过程监控和故障检测

1.7.7 信号预测

1.7.8 在线优化

1.8 文献综述

习题

参考文献

第2章 线性动态系统和随机信号的数学模型

2.1 连续时间信号的动态系统数学模型

2.1.1 非参数模型，确定性信号

2.1.2 参数模型，确定性信号

2.2 离散时间信号的动态系统数学模型

2.2.1 参数模型，确定性信号

2.3 连续时间随机信号模型

2.3.1 特殊的随机信号过程

2.4 离散时间随机信号模型

2.5 特征参数的确定

2.5.1 利用一阶系统近似

2.5.2 利用二阶系统近似

2.5.3 利用n阶具有相等时间常数的时滞系统近似

2.5.4 利用具有迟延的一阶系统近似

2.6 具有积分作用或微分作用的系统

2.6.1 积分作用

2.6.2 微分作用

2.7 小结

习题

参考文献

第Ⅰ部分 频域非参数模型辨识——连续时间信号

第3章 周期信号和非周期信号的谱分析方法

3.1 傅里叶变换的数值计算

3.1.1 周期信号的傅里叶级数

3.1.2 非周期信号的傅里叶变换

3.1.3 傅里叶变换的数值计算

3.1.4 加窗

3.1.5 短时傅里叶变换

3.2 小波变换

3.3 周期图

3.4 小结

习题

参考文献

第4章 利用非周期信号测量频率响应

4.1 基本方程

4.2 非周期信号的傅里叶变换

4.2.1 简单脉冲

4.2.2 双脉冲

4.2.3 阶跃函数和斜坡函数

4.3 确定频率响应

4.4 噪声的影响

4.5 小结

习题

参考文献

第5章 利用周期测试信号测量频率响应

5.1 利用正弦测试信号测量频率响应

5.2 利用矩形和梯形测试信号测量频率响应

5.3 利用多频率测试信号测量频率响应

5.4 利用连续变频测试信号测量频率响应

5.5 利用相关函数测量频率响应

5.5.1 以相关函数测定频率响应

5.5.2 利用正交相关分析测量频率响应

5.6 小结

习题

参考文献

第Ⅱ部分 利用相关分析法辨识非参数模型——连续时间和离散时间

第6章 连续时间模型的相关分析

6.1 相关函数的估计

6.1.1 互相关函数

6.1.2 自相关函数

6.2 用平稳随机信号激励的动态过程相关分析

6.2.1 利用去卷积确定脉冲响应

6.2.2 白噪声作为输入信号

6.2.3 误差估计

6.2.4 利用实际的自然噪声作为输入信号

6.3 利用二值随机信号激励的动态过程相关分析

6.4 闭环下的相关分析

6.5 小结

习题

参考文献

第7章 离散时间模型的相关分析

7.1 相关函数估计

7.1.1 自相关函数

7.1.2 互相关函数

7.1.3 相关函数的快速计算

7.1.4 相关函数的递推计算

7.2 线性动态系统的相关分析

7.2.1 利用去卷积确定脉冲响应

7.2.2 随机扰动的影响

7.3 离散时间二值测试信号

7.4 小结

习题

参考文献

第Ⅲ部分 参数模型辨识——离散时间信号

第8章 稳态过程的最小二乘参数估计

8.1 引言

8.2 线性稳态过程

8.3 非线性稳态过程

8.4 几何解释

8.5 极大似然和Cramér-Rao界

8.6 约束

8.7 小结

习题

参考文献

第9章 动态过程的最小二乘参数估计

9.1 最小二乘（LS）非递推方法

9.1.1 基本方程

9.1.2 收敛性

9.1.3 参数估计的协方差和模型的不确定性

9.1.4 参数可辨识性

9.1.5 未知直流分量

9.2 周期参数信号模型的谱分析

9.2.1 时域参数信号模型

9.2.2 频域参数信号模型

9.2.3 系数的确定

9.2.4 幅值的估计

9.3 非参数中间模型的参数估计

9.3.1 非周期激励响应和最小二乘法

9.3.2 相关-最小二乘法（COR-LS）

9.4 最小二乘的递推方法（RLS）

9.4.1 基本方程

9.4.2 随机信号的递推参数估计

9.4.3 未知直流分量

9.5 加权最小二乘方法（WLS）

9.5.1 Markov估计

9.6 指数遗忘的递推参数估计

9.6.1 带约束的最小二乘递推方法

9.6.2 Tikhonov正则化

9.7 小结

习题

参考文献

第10章 最小二乘参数估计的改进

10.1 广义最小二乘法

10.1.1 广义最小二乘的非递推方法（GLS）

10.1.2 广义最小二乘的递推方法（RGLS）

10.2 增广最小二乘法（ELS）

10.3 偏差校正方法（CLS）

10.4 总体最小二乘法（TLS）

10.5 辅助变量法

10.5.1 辅助变量的非递推方法（IV）

10.5.2 辅助变量的递推方法（RIV）

10.6 随机逼近法（STA）

10.6.1 Robbins-Monro算法

10.6.2 Kiefer-Wolfowitz算法

10.7 （归一化）最小均方法（NLMS）

10.8 小结

习题

参考文献

第11章 贝叶斯方法和极大似然法

11.1 贝叶斯方法

11.2 极大似然法（ML）

11.2.1 非递推的极大似然法

11.2.2 递推极大似然法（RML）

11.2.3 Cramér-Rao界与最大精度

11.3 小结

习题

参考文献

第12章 时变过程的参数估计

12.1 恒定遗忘因子的指数遗忘

12.2 可变遗忘因子的指数遗忘

12.3 协方差矩阵的调整

12.4 递推参数估计方法的收敛性

12.4.1 观测器形式的参数估计

12.5 小结

习题

参考文献

第13章 闭环参数估计

13.1 无额外测试信号的过程辨识

13.1.1 间接过程辨识（情况a+c+e）

13.1.2 直接过程辨识（情况b+d+e）

13.2 利用额外测试信号的过程辨识

13.3 闭环辨识方法

13.3.1 无额外测试信号的间接过程辨识

13.3.2 有额外测试信号的间接过程辨识

13.3.3 无额外测试信号的直接过程辨识

13.3.4 有额外测试信号的直接过程辨识

13.3 小结

习题

参考文献

第Ⅳ部分 参数模型辨识——连续时间信号

第14章 频率响应的参数估计

14.1 引言

14.2 频率响应的最小二乘逼近法（FR-LS）

14.3 小结

习题

参考文献

第15章 微分方程和连续时间过程的参数估计

15.1 最小二乘方法

15.1.1 基本方程

15.1.2 收敛性

15.2 导数的确定

15.2.1 数值微分

15.2.2 状态变量滤波器

15.2.3 有限脉冲响应（FIR）滤波器

15.3 一致参数估计方法

15.3.1 辅助变量法

15.3.2 扩展Kalman滤波器，极大似然法

15.3.3 相关-最小二乘法

15.3.4 离散时间模型的转换

15.4 物理参数的估计

15.5 部分参数已知的参数估计

15.6 小结

习题

参考文献

第16章 子空间法

16.1 引言

16.2 子空间

16.3 子空间辨识

16.4 利用脉冲响应进行辨识

16.5 原始形式的一些改进

16.6 用于连续时间系统

16.7 小结

习题

参考文献

第Ⅴ部分 多变量系统辨识

第17章 多输入多输出系统的参数估计

17.1 传递函数模型

17.1.1 矩阵多项式表示

17.2 状态空间模型

17.2.1 状态空间形式

17.2.2 输入／输出模型

17.3 脉冲响应模型和Markov参数

17.4 顺序辨识

17.5 相关分析法

17.5.1 去卷积法

17.5.2 测试信号

17.6 参数估计方法

17.6.1 最小二乘方法

17.6.2 相关-最小二乘法

17.7 小结

习题

参考文献

第Ⅵ部分 非线性系统辨识

第18章 非线性系统的参数估计

18.1 连续可导非线性的动态系统

18.1.1 Volterra级数

18.1.2 Hammerstein模型

18.1.3 Wiener模型

18.1.4 Lachmann提出的模型

18.1.5 参数估计

18.2 不连续可导非线性的动态系统

18.2.1 带摩擦的系统

18.2.2 具有死区的系统

18.3 小结

习题

参考文献

第19章 迭代优化

19.1 引言

19.2 非线性优化算法

19.3 一维方法

19.4 多维优化

19.4.1 零阶优化器

19.4.2 一阶优化器

19.4.3 二阶优化器

19.5 约束

19.5.1 序贯无约束极小化方法

19.6 利用迭代优化的预报误差法

19.7 梯度的确定

19.8 模型不确定性

19.9 小结

习题

参考文献

第20章 用于辨识的神经网络和查询表

20.1 用于辨识的人工神经网络

20.1.1 用于稳态系统的人工神经网络

20.1.2 用于动态系统的人工神经网络

20.1.3 半物理局部线性模型

20.1.4 局部和全局参数估计

20.1.5 局部线性动态模型

20.1.6 带子集选择的局部多项式模型

20.2 用于稳态过程的查询表

20.3 小结

习题

参考文献

第21章 基于Kalman滤波的状态和参数估计

21.1 离散Kalman滤波器

21.2 稳态Kalman滤波器

21.3 时变离散时间系统的Kalman滤波器

21.4 扩展Kalman滤波器

21.5 扩展Kalman滤波器用于参数估计

21.6 连续时间模型

21.7 小结

习题

参考文献

第Ⅶ部分 其他问题

第22章 数值计算

22.1 条件数

22.2 矩阵P的分解方法

22.3 矩阵P-1的分解方法

22.4 小结

22.5 习题

22.6 参考文献

第23章 参数估计的实际问题

23.1 输入信号的选择

23.2 采样速率的选择

23.2.1 预期的应用

23.2.2 辨识模型的精度

23.2.3 数值计算问题

23.3 线性动态模型结构参数的确定

23.3.1 迟延时间的确定

23.3.2 模型阶次的确定

23.4 不同参数估计方法的比较

23.4.1 导言

23.4.2 先验假设的比较

23.4.3 辨识方法总结

23.5 具有积分作用过程的参数估计

23.6 系统输入扰动

23.7 消除特殊的扰动

23.7.1 漂移和高频噪声

23.7.2 异常值

23.8 验证

23.9 过程辨识所用的特殊设备

23.9.1 硬件设备

23.9.2 利用数字计算机辨识

23.10 小结

习题

参考文献

第Ⅷ部分 应用

第24章 应用实例

24.1 执行器

24.1.1 无刷直流执行器

24.1.2 电磁汽车节气门执行器

24.1.3 液压执行器

24.2 机械设备

24.2.1 机床

24.2.2 工业机器人

24.2.3 离心泵

24.2.4 热交换器

24.2.5 空调

24.2.6 旋转式干燥器

24.2.7 引擎试验台

24.3 汽车

24.3.1 车辆参数估计

24.3.2 制动系统

24.3.3 汽车悬挂

24.3.4 胎压

24.3.5 内燃引擎

24.4 小结

参考文献

第Ⅸ部分 附录

附录A 数学方面

A.1 随机变量的收敛性

A.2 参数估计方法的性质

A.3 向量和矩阵的导数

A.4 矩阵求逆引理

参考文献

附录B 实验系统

B.1 三质量振荡器

参考文献

索引