控制系統辨識算法與模擬

目 錄
第1章 緒論 1
1.1 系統數學模型及建模方法 1
1.1.1 系統和模型 1
1.1.2 模型的表現形式 2
1.1.3 數學模型的分類 2
1.1.4 建模的主要目的和原則 4
1.1.5 建立數學模型的方法 4
1.2 系統辨識的定義、內容和步驟 5
1.2.1 系統辨識的定義和要素 5
1.2.2 系統辨識的內容和步驟 6
1.3 系統辨識中常用的誤差準則 10
1.3.1 輸出誤差準則 10
1.3.2 輸入誤差準則 11
1.3.3 廣義誤差準則 12
思考題 12
第2章 辨識相關基礎知識 13
2.1 隨機變量及其數字特徵 13
2.2 隨機過程及其數字特徵 17
2.3 平穩隨機過程及其各態歷經性 19
2.3.1 平穩隨機過程 19
2.3.2 各態歷經性 22
2.3.3 白噪聲 24
2.4 控制系統的時域響應分析 25
2.4.1 常用的典型輸入信號 25
2.4.2 瞬態性能指標 27
2.4.3 一階系統的瞬態性能分析 28
2.4.4 典型二階系統瞬態性能分析 30
2.5 系統傳遞函數與狀態方程的相互轉換 33
思考題 37
第3章 線性系統經典辨識方法 38
3.1 階躍響應法 38
3.2 脈沖響應法 42
3.2.1 維納-霍夫方程 43
3.2.2 偽隨機二進制序列 46
3.2.3 用M序列辨識線性系統的脈沖響應函數 55
3.2.4 基於脈沖響應曲線的系統辨識 57
3.2.5 用M序列辨識脈沖響應的步驟 58
3.2.6 相關分析法的抗乾擾性分析 62
3.3 頻率特性法 63
3.3.1 單一正弦波法 63
3.3.2 組合正弦波法 64
3.3.3 矩形波法 64
3.3.4 基於頻率特性法的一階/二階系統參數辨識算法 64
思考題 66
第4章 基於最小二乘法的參數辨識 67
4.1 確定模型與隨機模型 67
4.2 最小二乘批處理算法 71
4.2.1 普通最小二乘法 73
4.2.2 加權最小二乘法 75
4.2.3 正則化最小二乘法 76
4.2.4 基於最小二乘法的離散系統參數辨識與模擬 79
4.2.5 最小二乘法的統計特性分析 83
4.3 遞推最小二乘法 84
4.3.1 一般遞推最小二乘法 84
4.3.2 基於遞推最小二乘法的離散系統參數辨識與模擬 87
4.4 廣義最小二乘法 89
4.4.1 廣義最小二乘法參數辨識原理 90
4.4.2 廣義最小二乘法參數辨識步驟 91
4.4.3 增廣最小二乘法 95
4.4.4 基於廣義最小二乘法的離散系統參數辨識與模擬 96
4.4.5 遞推廣義最小二乘法 100
4.4.6 基於遞推廣義最小二乘法的離散系統參數辨識與模擬 101
4.4.7 夏氏法 105
4.5 極大似然法 107
4.6 小結 111
思考題 112
第5章 模型結構辨識 113
5.1 階次檢驗法基本步驟 113
5.2 利用損失函數定階 113
5.3 利用F檢驗法定階 115
5.3.1 F檢驗法原理 115
5.3.2 基於F檢驗法的離散系統定階 115
5.4 利用赤池信息量準則定階 116
5.5 離散系統定階與模擬案例 117
思考題 120
第6章 基於遺傳算法的參數辨識及其應用 121
6.1 遺傳算法的基本原理 121
6.2 遺傳算法的構成要素及設計流程 124
6.2.1 遺傳算法的構成要素 124
6.2.2 遺傳算法的設計流程 125
6.3 遺傳算法應用實例 125
6.4 遺傳算法的MATLAB模塊化代碼實現 131
6.4.1 初始化（編碼）子程序（initpop.m函數）的實現 132
6.4.2 計算目標函數值 132
6.4.3 計算個體適應度值的子程序calfitvalue.m的實現 133
6.4.4 選擇復制子程序selection.m的實現 133
6.4.5 交叉子程序crossover.m的實現 134
6.4.6 變異子程序mutation.m的實現 135
6.4.7 求群體中最大的適應度值及其對應個體的子程序best.m的實現 135
6.4.8 主程序genmain05.m的實現 135
6.5 直流伺服電機模型PID控制參數辨識模擬 137
6.5.1 直流伺服電機模型 137
6.5.2 PID校正 138
6.5.3 利用遺傳算法進行PID參數優化 139
思考題 146
第7章 基於差分進化算法的參數辨識及其應用 147
7.1 差分進化算法的基本原理和案例模擬 147
7.1.1 差分進化算法的基本原理 147
7.1.2 基於差分進化算法的參數尋優案例模擬 149
7.2 自適應變異系數的改進差分進化算法 151
7.2.1 差分進化算法存在的問題 151
7.2.2 差分進化算法主要的改進方向 152
7.2.3 差分進化算法的改進策略 154
7.2.4 基於自適應變異系數的改進差分進化算法參數尋優 154
7.3 三種改進差分進化算法及其性能分析 163
7.3.1 三種改進差分進化算法 163
7.3.2 三種改進差分進化算法在參數尋優中的性能分析 164
7.3.3 MATLAB模擬程序 171
思考題 191
第8章 基於麻雀搜索算法的參數辨識及其應用 192
8.1 麻雀搜索算法的基本原理 192
8.2 改進麻雀搜索算法及案例模擬分析 193
8.2.1 基於精英反向學習策略和混合擾動策略的改進麻雀搜索算法 193
8.2.2 基於改進麻雀搜索算法的參數尋優案例模擬 194
第9章 基於極限學習機的系統在線辨識 210
9.1 極限學習機建模原理 210
9.2 利用極限學習機辨識姿態動力學系統未建模部分 212
9.2.1 控制問題描述 212
9.2.2 基於極限學習機的控制器設計及穩定性分析 213
9.2.3 航天器姿態控制模擬分析 216
9.3 基於改進極限學習機的非線性系統預設時間滑模自適應控制 222
9.3.1 控制問題描述 222
9.3.2 期望軌跡擴充策略 223
9.3.3 預設時間收斂滑模面及其性質 224
9.3.4 預設時間收斂的滑模控制器設計 226
9.3.5 數值模擬分析 229
參考文獻 237