●中文版序
Preface for the Chinese translation
序
譯著序言
原著序言
符號列表
章緒論
1.1理論建模與實驗建模
1.2動態繫統辨識的任務和問題
1.3辨識方法的分類及在本書中的處理
1.4辨識方法概述
1.4.1非參數模型
1.4.2參數模型
1.4.3信號分析
1.5激勵信號
1.6特殊的應用問題
1.6.1輸入含有噪聲
1.6.2多輸入或多輸出繫統的辨識
1.7.應用領域
1.7.1增加對過程特性的認識
1.7.2理論模型的驗證
1.7.3控制器參數的整定
1.7.4基於計算機的數字控制算法設計
1.7.5自適應控制算法
1.7.6過程監控和故障檢測
1.7.7信號預測
1.7.8在線優化
1.8文獻綜述
習題
參考文獻
第2章線性動態繫統和隨機信號的數學模型
2.1.連續時間信號的動態繫統
數學模型
2.1.1非參數模型，確定性信號
2.1.2參數模型，確定性信號
2.2離散時間信號的動態繫統數學模型
2.2.1參數模型，確定性信號
2.3連續時間隨機信號模型
2.3.1特殊的隨機信號過程
2.4離散時間隨機信號模型
2.5特征參數的確定
2.5.1利用一階繫統近似
2.5.2利用二階繫統近似
2.5.3利用n階具有相等時間常數的時滯繫統近似
2.5.4利用具有遲延的一階繫統近似
2.6具有積分作用或微分作用的繫統
2.6.1積分作用
2.6.2微分作用
2.7小結
習題
參考文獻
第Ⅰ部分頻域非參數模型辨識——連續時間信號
第3章周期信號和非周期信號的譜分析方法
3.1傅裡葉變換的數值計算
3.1.1周期信號的傅裡葉級數
3.1.2非周期信號的傅裡葉變換
3.1.3傅裡葉變換的數值計算
3.1.4加窗
3.1.5短時傅裡葉變換
3.2小波變換
3.3周期圖
3.4小結
習題
參考文獻
第4章利用非周期信號測量頻率響應
4.1基本方程
4.2非周期信號的傅裡葉變換
4.2.1簡單脈衝
4.2.2雙脈衝
4.2.3階躍函數和斜坡函數
4.3確定頻率響應
4.4噪聲的影響
4.5小結
習題
參考文獻
第5章利用周期測試信號測量頻率響應
5.1利用正弦測試信號測量頻率響應
5.2利用矩形和梯形測試信號測量頻率響應
5.3利用多頻率測試信號測量頻率響應
5.4利用連續變頻測試信號測量頻率響應
5.5利用相關函數測量頻率響應
5.5.1以相關函數測定頻率響應
5.5.2利用正交相關分析測量頻率響應
5.6小結
習題
參考文獻
第Ⅱ部分利用相關分析法辨識非參數模型——連續時間和離散時間
第6章連續時間模型的相關分析
6.1相關函數的估計
6.1.1互相關函數
6.1.2自相關函數
6.2用平穩隨機信號激勵的動態過程相關分析
6.2.1利用去卷積確定脈衝響應
6.2.2白噪聲作為輸入信號
6.2.3誤差估計
6.2.4利用實際的自然噪聲作為輸入信號
6.3利用二值隨機信號激勵的動態過程相關分析
6.4閉環下的相關分析
6.5小結習題
參考文獻
第7章離散時間模型的相關分析
7.1相關函數估計
7.1.1自相關函數
7.1.2互相關函數
7.1.3相關函數的快速計算
7.1.4相關函數的遞推計算
7.2線性動態繫統的相關分析
7.2.1利用去卷積確定脈衝響應
7.2.2隨機擾動的影響
7.3離散時間二值測試信號
7.4小結
習題
參考文獻
第Ⅲ部分參數模型辨識——離散時間信號
第8章穩態過程的最小二乘參數估計
8.1引言
8.2線性穩態過程
8.3非線性穩態過程
8.4幾何解釋
8.5極大似然和Cramér-Rao界
8.6約束
8.7小結
習題
參考文獻
第9章動態過程的最小二乘參數估計
9.1最小二乘（LS）非遞推方法
9.1.1基本方程
9.1.2收斂性
9.1.3參數估計的協方差和模型的不確定性
9.1.4參數可辨識性
9.1.5未知直流分量
9.2周期參數信號模型的譜分析
9.2.1時域參數信號模型
9.2.2頻域參數信號模型
9.2.3繫數的確定
9.2.4幅值的估計
9.3非參數中間模型的參數估計
9.3.1非周期激勵響應和最小二乘法
9.3.2相關-最小二乘法（COR-LS）
9.4最小二乘的遞推方法（RLS）
9.4.1基本方程
9.4.2隨機信號的遞推參數估計
9.4.3未知直流分量
9.5加權最小二乘方法（WLS）
9.5.1Markov估計
9.6指數遺忘的遞推參數估計
9.6.1帶約束的最小二乘遞推方法
9.6.2Tikhonov正則化
9.7小結
習題
參考文獻
0章最小二乘參數估計的改進
10.1廣義最小二乘法
10.1.1廣義最小二乘的非遞推方法（GLS）
10.1.2廣義最小二乘的遞推方法（RGLS）
10.2增廣最小二乘法（ELS）
10.3偏差校正方法（CLS）
10.4總體最小二乘法（TLS）
10.5輔助變量法
10.5.1輔助變量的非遞推方法（IV）
10.5.2輔助變量的遞推方法（RIV）
10.6隨機逼近法（STA）
10.6.1Robbins-Monro算法
10.6.2Kiefer-Wolfowitz算法
10.7（歸一化）最小均方法（NLMS）
10.8小結
習題
參考文獻
1章貝葉斯方法和極大似然法
11.1貝葉斯方法
11.2極大似然法（ML）
112.1非遞推的極大似然法
11.2.2遞推極大似然法（RML）
11.2.3Cramér-Rao界與優選精度
11.3小結
習題
參考文獻
2章時變過程的參數估計
12.1恆定遺忘因子的指數遺忘
12.2可變遺忘因子的指數遺忘
12.3協方差矩陣的調整
12.4遞推參數估計方法的收斂性
12.4.1觀測器形式的參數估計
12.5小結
習題
參考文獻
3章閉環參數估計
13.1無額外測試信號的過程辨識
13.1.1間接過程辨識（情況a+c+e）
13.1.2直接過程辨識（情況b+d+e）
13.2利用額外測試信號的
過程辨識
13.3閉環辨識方法
13.3.1無額外測試信號的間接過程辨識
13.3.2有額外測試信號的間接過程辨識
13.3.3無額外測試信號的直接過程辨識
13.3.4有額外測試信號的直接過程辨識
13.3小結
習題
參考文獻
第Ⅳ部分參數模型辨識——連續時間信號
4章頻率響應的參數估計
14.1引言
14.2頻率響應的最小二乘逼近法（FR-LS）
14.3小結
習題
參考文獻
5章微分方程和連續時間過程的參數估計
15.1最小二乘方法
15.1.1基本方程
15.1.2收斂性
15.2導數的確定
15.2.1數值微分
15.2.2狀態變量濾波器
15.2.3有限脈衝響應（FIR）濾波器
15.3一致參數估計方法
15.3.1輔助變量法
15.3.2擴展Kalman濾波器，極大似然法
15.3.3相關-最小二乘法
15.3.4離散時間模型的轉換
15.4物理參數的估計
15.5部分參數已知的參數估計
15.6小結
習題
參考文獻
6章子空間法
16.1引言
16.2子空間
16.3子空間辨識
16.4利用脈衝響應進行辨識
16.5原始形式的一些改進
16.6用於連續時間繫統
16.7小結
習題
參考文獻第Ⅴ部分多變量繫統辨識
7章多輸入多輸出繫統的
參數估計
17.1傳遞函數模型
17.1.1矩陣多項式表示
17.2狀態空間模型
17.2.1狀態空間形式
17.2.2輸入/輸出模型
17.3脈衝響應模型和Markov參數
17.4順序辨識
17.5相關分析法
17.5.1去卷積法
17.5.2測試信號
17.6參數估計方法
17.61最小二乘方法
17.6.2相關-最小二乘法
17.7小結
習題
參考文獻
第Ⅵ部分非線性繫統辨識
8章非線性繫統的參數估計
18.1連續可導非線性的動態繫統
18.1.1Volterra級數
18.1.2Hammerstein模型
18.1.3Wiener模型
18.1.4Lachmann提出的模型
18.1.5參數估計
18.2不連續可導非線性的動態
繫統
18.2.1.帶摩擦的繫統
18.2.2具有死區的繫統
18.3小結
習題
參考文獻
9章迭代優化
19.1引言
19.2非線性優化算法
19.3一維方法
19.4多維優化
19.4.1零階優化器
19.4.2一階優化器
19.4.3二階優化器
19.5約束
19.5.1序貫無約束極小化方法
19.6利用迭代優化的預報誤差法
19.7梯度的確定
19.8模型不確定性
19.9小結
習題
參考文獻
第20章用於辨識的神經網絡和
查詢表
20.1用於辨識的人工神經網絡
20.1.1用於穩態繫統的人工神經網絡
20.1.2用於動態繫統的人工神經網絡
20.1.3半物理局部線性模型
20.1.4局部和全局參數估計
20.1.5局部線性動態模型
20.1.6帶子集選擇的局部多項式模型
20.2用於穩態過程的查詢表
20.3小結
習題
參考文獻
第21章基於Kalman濾波的狀態和
參數估計
21.1離散Kalman濾波器
21.2穩態Kalman濾波器
21.3時變離散時間繫統的Kalman濾波器
21.4擴展Kalman濾波器
21.5擴展Kalman濾波器用於參數估計
21.6連續時間模型
21.7小結
習題
參考文獻
第Ⅶ部分其他問題
第22章數值計算
22.1條件數
22.2矩陣P的分解方法
22.3矩陣P-1的分解方法
22.4小結
22.5習題
22.6參考文獻
第23章參數估計的實際問題
23.1輸入信號的選擇
23.2采樣速率的選擇
23.2.1預期的應用
23.2.2辨識模型的精度
23.2.3數值計算問題
23.3線性動態模型結構參數的確定
23.3.1遲延時間的確定
23.3.2模型階次的確定
23.4不同參數估計方法的比較
23.4.1導言
23.4.2先驗假設的比較
23.4.3辨識方法總結
23.5具有積分作用過程的參數估計
23.6繫統輸入擾動
23.7消除特殊的擾動
23.7.1漂移和高頻噪聲
23.7.2異常值
23.8驗證
23.9過程辨識所用的特殊設備
23.9.1硬件設備
23.9.2利用數字計算機辨識
23.10小結
習題
參考文獻第Ⅷ部分應用
第24章應用實例
24.1執行器
24.1.1無刷直流執行器
24.1.2電磁汽車節氣門執行器
24.1.3液壓執行器
24.2機械設備
24.2.1機床
24.2.2工業機器人
24.2.3離心泵
24.2.4熱交換器
24.2.5空調
24.2.6旋轉式干燥器
24.2.7引擎試驗臺
24.3汽車
24.3.1車輛參數估計
24.3.2制動繫統
24.3.3汽車懸掛
24.3.4胎壓
24.3.5內燃引擎
24.4小結
參考文獻
第Ⅸ部分附錄
附錄A數學方面
A.1隨機變量的收斂性
A.2參數估計方法的性質
A.3向量和矩陣的導數
A.4矩陣求逆引理
參考文獻
附錄B實驗繫統
B.1三質量振蕩器
參考文獻
索引

本書以一種易懂、明晰、有條理的方式論述繫統辨識，而且特別注重面向應用的辨識方法。主要內容包括時域與頻域、連續時間與離散時間的非參數模型辨識和參數模型辨識，比較深入地討論了辨識的數值計算和實際應用中的若干問題；對多變量繫統辨識、非線性繫統辨識以及閉環繫統辨識等也有較為繫統的論述。全書共分9個部分，24章，各章論述繫統、簡要，配有習題和數據集，供讀者練習，以加強理解。
本書可供自動化類及相關專業高校師生和工程科技人員選用。

(德)R.伊澤曼(Rolf Isermann),(德)M.明奇霍夫(Macro Münchhof) 著;楊帆,耿立輝,倪博溢 譯 著

原 著 序 言自動控制繫統的設計、實現和操作等許多問題都需要相對準確的數學模型，以用於描述過程的穩態和動態特性。自然科學的各個領域，特別是物理、化學和生物學，以及在醫學工程和經濟學中，一般也是如此。如果物理定律（基本原理）的解析形式已知，那麼基本的穩態和動態特性可以通過理論分析或物理建模得到。然而，如果這些定律未知或者隻有部分已知，或者關鍵參數不能足夠準確地獲得，那麼就必須進行實驗建模，稱作過程辨識或繫統辨識，也就是利用測量信號在所選的數學模型類中確定過程或繫統的模型。繫統辨識這個科學領域是在1960年左右開始繫統地發展起來的，尤其是在控制和通信工程領域。它以繫統理論、信號理論、控制理論和統計估計理論的方法為基礎，且受現代測量技術、數值計算和準確信號處理、控制及自動化功能等需求的影響。辨識方法的發展可訴諸大量的文章和書籍，然而產生重要影響的是IFAC繫統辨識專題會議。該會議從1967年等