面向控制的系統(tǒng)辨識(shí)導(dǎo)論

內(nèi)容概要

魯棒性是控制系統(tǒng)分析與綜合中的一個(gè)重要性能指標(biāo)。為了實(shí)現(xiàn)這個(gè)性能指標(biāo)，要求在建模過(guò)程中同時(shí)提供控制對(duì)象的名義模型及其與魯棒控制理論相匹配的誤差限。在系統(tǒng)辨識(shí)領(lǐng)域，該問(wèn)題被稱(chēng)為模型集辨識(shí)。本書(shū)結(jié)合作者對(duì)該問(wèn)題十余年研究的體會(huì)和結(jié)果，系統(tǒng)介紹魯棒控制建模與傳統(tǒng)系統(tǒng)辨識(shí)的異同、模型集辨識(shí)與魯棒控制的聯(lián)系以及魯棒控制建模中的主要方法和結(jié)果。這些方法包括確定性框架下的模型集辨識(shí)與檢驗(yàn)、隨機(jī)框架下的模型集辨識(shí)與檢驗(yàn)以及基于閉環(huán)實(shí)驗(yàn)數(shù)據(jù)的模型集辨識(shí)與檢驗(yàn)等。具體內(nèi)容包括基于這些方法的基本結(jié)論和其中尚需進(jìn)一步研究的課題。本書(shū)同時(shí)還對(duì)這些方法所涉及的主要參考文獻(xiàn)作了簡(jiǎn)要介紹。    本書(shū)內(nèi)容豐富，在敘述過(guò)程中盡量兼顧結(jié)論的物理含義和理論的嚴(yán)謹(jǐn)性。本書(shū)可以作為控制科學(xué)與控制工程、系統(tǒng)科學(xué)、應(yīng)用數(shù)學(xué)及其相關(guān)專(zhuān)業(yè)的理工科研究生和高年級(jí)本科生的教材，也可供從事該領(lǐng)域研究或教學(xué)的科技工作者和高等院校教師參考。

作者簡(jiǎn)介

周彤，出生于1964年。1984年成都電訊工程學(xué)院本科畢業(yè)，獲工學(xué)學(xué)士學(xué)位。1994年日本大阪大學(xué)博士研究生畢業(yè)，獲工學(xué)博士學(xué)位?，F(xiàn)為清華大學(xué)自動(dòng)化系教授、博士研究生導(dǎo)師。
    周彤長(zhǎng)期從事系統(tǒng)辯識(shí)、控制系統(tǒng)分析與設(shè)計(jì)、信號(hào)處理等方面的理論和工業(yè)應(yīng)用研究工作。曾

書(shū)籍目錄

書(shū)中采用的主要符號(hào)（notation）書(shū)中采用的主要記號(hào)（symbol）第1章 緒論  1.1 系統(tǒng)辨識(shí)的發(fā)展  1.2 經(jīng)典系統(tǒng)辨識(shí)方法的缺陷  1.3 魯棒控制建模問(wèn)題的提出與發(fā)展  1.4 本書(shū)的構(gòu)成  1.5 附注第2章 模型集辨識(shí)的數(shù)學(xué)基礎(chǔ)  2.1 凸集、凸函數(shù)與凸優(yōu)化  2.2 信號(hào)與系統(tǒng)的范數(shù)  2.3 哈代空間與插值理論  2.4 Hankel范數(shù)函數(shù)近似  2.5 隨機(jī)信號(hào)離散傅里葉變換的統(tǒng)計(jì)特性  2.6 系統(tǒng)辨識(shí)中的正交基  2.7 附注第3章 模型集辨識(shí)與魯棒控制的關(guān)系  3.1 模型集的描述  3.2 小增益定理  3.3 模型集辨識(shí)  3.4 附注第4章 確定性框架下的模型集辨識(shí)——頻域?qū)嶒?yàn)數(shù)據(jù)情形  4.1 頻域模型集辨識(shí)的問(wèn)題描述  4.2 先驗(yàn)信息獨(dú)立型線性辨識(shí)算法  4.3 先驗(yàn)信息依存型線性辨識(shí)算法  4.4 先驗(yàn)信息獨(dú)立型非線性辨識(shí)算法  4.5 基于頻域?qū)嶒?yàn)數(shù)據(jù)的非偽模型構(gòu)造  4.6 基于Nevanlinna-Pick插值理論的辨識(shí)算法  4.7 附注第5章 確定性框架下的模型集辨識(shí)——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形  5.1 問(wèn)題描述  5.2 非偽模型集的構(gòu)造  5.3 插值型辨識(shí)算法  5.4 近似插值型辨識(shí)算法  5.5 附注第6章 隨機(jī)框架下的模型集辨識(shí)——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形  6.1 時(shí)域信號(hào)下的模型集辨識(shí)——一般情形  6.2 基于時(shí)域信號(hào)的模型集辨識(shí)——周期激勵(lì)信號(hào)情形  6.3 附注第7章 隨機(jī)框架下的模型集辨識(shí)——頻域?qū)嶒?yàn)數(shù)據(jù)情形  7.1 有限維系統(tǒng)辨識(shí)  7.2 無(wú)限維系統(tǒng)辨識(shí)  7.3 附注第8章 模型集檢驗(yàn)——時(shí)域?qū)嶒?yàn)數(shù)據(jù)情形  8.1 模型集檢驗(yàn)的時(shí)域描述  8.2 具有非構(gòu)造性誤差的模型集檢驗(yàn)  8.3 誤差具有結(jié)構(gòu)性信息時(shí)的模型集檢驗(yàn)  8.4 最小模型集辨識(shí)  8.5 附注第9章 模型集檢驗(yàn)——頻域?qū)嶒?yàn)數(shù)據(jù)情形  9.1 輸入輸出數(shù)據(jù)情形  9.2 基于控制對(duì)象頻率響應(yīng)估計(jì)的模型集檢驗(yàn)  9.3 隨機(jī)框架下的模型集檢驗(yàn)  9.4 一個(gè)模型集檢驗(yàn)的數(shù)值仿真例  9.5 附注第10章 模型集的閉環(huán)辨識(shí)與檢驗(yàn)  10.1 Youla-Kucera參數(shù)化定理  10.2 正規(guī)互質(zhì)因子的閉環(huán)辨識(shí)  10.3 正規(guī)互質(zhì)因子擾動(dòng)模型集的閉環(huán)檢驗(yàn)  10.4 附注參考文獻(xiàn)

圖書(shū)封面

圖書(shū)標(biāo)簽Tags

無(wú)

評(píng)論、評(píng)分、閱讀與下載

---

    面向控制的系統(tǒng)辨識(shí)導(dǎo)論 PDF格式下載

---