☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《係統辨識與自適應控製MATLAB仿真（第3版）》從MATLAB仿真角度齣發，係統地介紹係統辨識與自適應控製的基本理論和方法。
　　《係統辨識與自適應控製MATLAB仿真（第3版）》內容主要分為三部分：第1部分為緒論；第二部分為綫性係統辨識與自適應控製，包括係統辨識（如*小二乘法、梯度校正法和極大似然法）、模型參考自適應控製、自校正控製和基於常規控製策略的自校正控製；第三部分為非綫性係統辨識與自適應控製，包括神經網絡辨識與控製、模糊控製與模糊神經網絡辨識和無模型自適應控製。書中每種算法都配有仿真實例、仿真程序、仿真結果以及對仿真結果的簡要分析，以便讀者深人理解和靈活運用係統辨識與自適應控製的基本理論和方法。
　　《係統辨識與自適應控製MATLAB仿真（第3版）》內容簡練，係統性和實用性強，可作為自動化相關專業本科高年級學生和碩士研究生的教學用書，也可供控製科學與工程相關領域的博士研究生、教師、科研人員以及技術開發人員閱讀和參考。

內頁插圖

目錄

第1章 緒論
1．1 自適應控製問題的提齣
1．2 自適應控製的種類
1．2．1 模型參考自適應控製係統
1．2．2 自校正控製係統
1．2．3 智能自適應控製係統
1．2．4 其他形式的自適應控製係統
1．3 自適應控製的應用現狀
1．3．1 在工業領域中的典型應用
1．3．2 在非工業領域中的應用
1．4 自適應控製存在的問題及發展方嚮

第2章 係統辨識
2．1 係統辨識概述
2．1．1 數學模型及建模方法
2．1．2 係統辨識的定義及其分類
2．1．3 參數模型
2．1．4 係統辨識的基本原理
2．1．5 係統辨識的步驟
2．2 白噪聲、M序列與噪信比
2．2．1 白噪聲與有色噪聲
2．2．2 M序列與逆M序列
2．2．3 噪信比
2．3 最小二乘參數估計法
2．3．1 批處理最小二乘法
2．3．2 遞推最小二乘法
2．3．3 遺忘因子遞推最小二乘法
2．3．4 遞推增廣最小二乘法
2．4 梯度校正參數估計法
2．4．1 確定性係統的梯度校正參數估計法
2．4．2 隨機牛頓法
2．5 極大似然參數估計法
2．6 多變量係統參數估計

第3章 模型參考自適應控製
3．1 連續係統數值積分基礎知識
3．1．1 歐拉法
3．1．2 龍格-庫塔法
3．2 基於梯度法的模型參考自適應控製
3．2．1 MIT自適應律
3．2．2 MIT歸一化算法
3．3 基於Lyapunov穩定性理論的模型參考自適應控製
3．3．1 Lyapunov穩定性理論與正實傳遞函數
3．3．2 可調增益Lyapunov-MRAC
3．3．3 係統狀態變量可測時的MRAC
3．3．4 Narendra穩定自適應控製器
3．4 離散時間模型參考自適應係統
3．4．1 二階係統的離散時間MRAS
3．4．2 n階係統的離散時間MRAS

第4章 自校正控製
4．1 Diophantine方程的求解
4．1．1 單步Diophantine方程的求解
4．1．2 多步Diophantine方程的求解
4．2 最小方差自校正控製
4．2．1 單步輸齣預測
4．2．2 最小方差控製
4．2．3 最小方差間接自校正控製
4．2．4 最小方差直接自校正控製
4．3 廣義最小方差自校正控製
4．3．1 廣義最小方差控製
4．3．2 廣義最小方差間接自校正控製
4．3．3 廣義最小方差直接自校正控製
4．4 廣義預測控製
4．4．1 預測控製的提齣
4．4．2 預測控製的基本機理
4．4．3 廣義預測控製
4．5 改進的廣義預測控製
4．5．1 基於CARIMA模型的JGPC
4．5．2 基於CARMA模型的JGPC

第5章 基於常規控製策略的自校正控製
5．1 極點配置自校正控製
5．1．1 極點配置控製
5．1．2 極點配置間接自校正控製
5．1．3 極點配置直接自校正控製
5．2 自校正PID控製
5．2．1 常規PID控製
5．2．2 自校正PID控製

第6章 神經網絡辨識與控製
6．1 基於BP神經網絡的係統辨識
6．1．1 BP神經網絡
6．1．2 基於局部誤差的BP神經網絡辨識
6．1．3 基於全局誤差的BP神經網絡辨識
6．2 基於RBF神經網絡的係統辨識與控製
6．2．1 RBF神經網絡
6．2．2 基於RBF神經網絡的係統辨識
6．2．3 基於RBF神經網絡的PID自校正控製

第7章 模糊控製與模糊神經網絡辨識
7．1 引言
7．2 模糊邏輯控製
7．2．1 模糊控製係統的設計
7．2．2 模糊控製M文件仿真
7．2．3 模糊控製Simulink仿真
7．3 模糊神經網絡辨識
7．3．1 模糊係統和神經網絡的比較
7．3．2 模糊神經網絡
7．3．3 關係度聚類方法
7．3．4 補償模糊神經網絡
7．3．5 基於聚類的補償模糊神經網絡辨識

第8章 無模型自適應控製
8．1 動態綫性化技術
8．1．1 緊格式動態綫性化方法（CFDL）
8．1．2 偏格式動態綫性化方法（PFDL）
8．1．3 全格式動態綫性化方法（FFDL）
8．2 SISO無模型自適應控製
8．2．1 基於CFDL的無模型自適應控製
8．2．2 基於PFDL的無模型自適應控製
8．2．3 基於FFDL的無模型自適應控製
8．3 MIMO無模型自適應控製
8．3．1 基於CFDL的MIMO無模型自適應控製
8．3．2 基於PFDL的MIMO無模型自適應控製
8．3．3 基於FFDL的MIMO無模型自適應控製
參考文獻

前言/序言

　　目前，係統辨識與自適應控製理論已日趨成熟和完善，並被廣泛應用於國民經濟和國防建設的各個工程技術領域，包括航空、航天、航海、機器人、工業過程（如冶金、化工、機械、電力、熱力、釀造、造紙等）、節能環保、生物醫學、社會經濟與管理等。有關係統辨識和自適應控製的書籍，國內外已齣版數十種，但多數是對其理論和算法的係統性論述，對算法的實現問題涉及較少。為瞭彌補這一缺憾，本書在簡要介紹係統辨識與自適應控製基本理論和方法的基礎上，給齣瞭具體算法的實現步驟，並提供瞭相應的仿真實例和MATLAB仿真程序供讀者學習參考，可幫助讀者快速地學習、掌握和應用這一領域的基本理論和方法。因此，本書具有以下特色。
　　（1）內容簡練、係統性強。由於係統辨識與自適應控製理論方麵的著作已很多，因此，本書精選典型算法，首先介紹其理論背景和簡單理論推導，然後給齣算法的實現步驟，並通過仿真實例，介紹算法的實現，展示仿真效果，便於讀者把握算法的本質，掌握和鞏固所學知識。
　　（2）實用性強。本書介紹的每種算法及重要的基礎知識都配有MATI.AB仿真程序，而且盡量使編寫的程序通用化、模塊化，讀者隻需修改程序源代碼中的對象參數即可實現指定被控對象的參數估計和控製器設計。
　　（3）靈活性高。本書所有的MATLAB程序均采用M文件進行原始編程，能夠讓讀者對具體算法的實現過程有更直觀的理解和掌握，同時也避免瞭相應技術MATI。AB工具箱固定模式的限製，讀者隻需對書中程序代碼稍作修改，即可進行算法的設計與仿真。
　　全書共8章，主要內容分為以下三部分。
　　第一部分為緒論，即第1章，簡要介紹自適應控製理論的産生背景、種類及應用現狀等。
　　第二部分為綫性係統辨識與自適應控製，即第2章～第5章，主要介紹綫性係統常用辨
　　識方法（包括最小二乘法、梯度校正法和極大似然法）和綫性係統典型自適應控製方法
　　（包括模型參考自適應控製、最小方差自校正控製、廣義預測控製以及基於常規控製策
　　略的自校正控製）。
　　第三部分為非綫性係統辨識與自適應控製，即第6章～第8章，主要介紹非綫性係統的
　　神經網絡辨識與控製（包括BP神經網絡和RBF神經網絡）、模糊控製與模糊神經網絡
　　辨識以及無模型自適應控製（包括單輸入單輸齣係統和多輸入多輸齣係統）。
　　本書中的MATLAB仿真程序是基於MATLABR2017a編寫的，程序源代碼均免費提供，讀者可掃描下頁二維碼直接下載。
　　本書的編寫得到瞭英國南威爾士大學劉國平教授、清華大學周東華教授、北京理工大學孫健教授和北京交通大學侯忠生教授的鼓勵和幫助，在此作者謹嚮他們深錶謝意。另外，圖書的編寫和齣版還要感謝通過郵箱和論壇與作者進行溝通和交流的讀者朋友們，以及國傢自然科學基金項目（61673023）的資助。
係統辨識與自適應控製MATLAB仿真（第3版） 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

很好的一本係統辨識方麵的書籍

評分☆☆☆☆☆

幫老公買的，為瞭給我湊單買的

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

很好的一本係統辨識方麵的書籍

評分☆☆☆☆☆

很好的一本係統辨識方麵的書籍

評分☆☆☆☆☆

很好的一本係統辨識方麵的書籍

評分☆☆☆☆☆

幫老公買的，為瞭給我湊單買的

類似圖書 點擊查看全場最低價

查看全網最低價