重磅推荐
本书特色：
★ 体系完整，包括了时域与频域、连续时间与离散时间的各种常用辨识方法，并对多变量系统辨识、非线性系统辨识、闭环系统辨识等也有较为系统的论述。对子空间辨识、神经网络辨识等较新的研究成果做了专题介绍，弥补了经典专著在这方面的缺失。
★ 书中没有过多和过于严格的数学推导和证明，特别强调方法的思路和应用，对问题的原始出处给了许多参考文献，为读者的进一步探讨提供方便。参考文献中近十年的占有较大比例，可以看出作者特别注意学术界的新发展。
★ 作者为读者着想，花了较大篇幅介绍了信号处理以及相关领域的基础知识和基本方法，又对算法的数值性能做了恰到好处的讨论，这是辨识方法在实际应用中必然要面临的问题。
★ 应用导向是本书的宗旨，因此书中对各种方法的适用性、特点和实践中的若干问题作了很多讨论，又专门介绍了辨识方法在几类典型实际对象上的应用，这一定会给读者留下深刻的印象。
本书多数章节都配有习题，这些习题多数属于概念题或思考题，也有一些需要算法实现的题目，认真做一做对理解正文内容会有很大好处。
本书配套授课电子课件，需要的教师可登录www.cmpedu.com免费注册、审核通过后下载，或联系编辑索取（微信：15910938545 ，QQ：2681679180，email：2681679180@qq.com，电话：010-88379739）另外，为方便任课教师进行交流，提供电气信息类教师QQ交流群： 33811098，欢迎加入！
【内容简介】
本书以一种易懂、明晰、有条理的方式论述系统辨识，而且特别注重面向应用的辨识方法。主要内容包括时域与频域、连续时间与离散时间的非参数模型辨识和参数模型辨识，比较深入地讨论了辨识的数值计算和实际应用中的若干问题；对多变量系统辨识、非线性系统辨识以及闭环系统辨识等也有较为系统的论述。全书共分9个部分，24章，各章论述系统、简要，配有习题和数据集，供读者练习，以加强理解。本书可供自动化类及相关专业高校师生和工程科技人员选用。
【作者简介】
罗尔夫伊泽曼（Rolf Isermann），德国达姆施塔特工业大学自动控制研究所荣休教授、控制系统与过程自动化实验室主任，国际自动控制联合会（IFAC）Fellow，IFAC技术过程的故障检测、监控和安全性技术委员会委员。1965年于德国斯图加特大学获得博士学位，先后在斯图加特大学和达姆施塔特工业大学任教，讲授系统辨识课多年。研究方向包括工业控制、系统辨识、故障诊断等。著有德文和英文专著多部。马克罗明奇霍夫（Macro Münchhof），德国爱科曼集团（EckelmannAG）董事，机械自动化领域负责人。2006年于德国达姆施塔特工业大学获得博士学位，其后曾该校任教，从2006~2011年起讲授“动态系统辨识”课。研究方向包括系统辨识、故障诊断等
【目录】
目录中文版序ⅢPreface for the Chinese translationⅣ序Ⅴ译著序言Ⅵ原著序言Ⅷ符号列表Ⅹ第1章绪论11理论建模与实验建模12动态系统辨识的任务和问题13辨识方法的分类及在本书中的处理14辨识方法概述141非参数模型142参数模型143信号分析15激励信号16特殊的应用问题161输入含有噪声162多输入或多输出系统的辨识17应用领域171增加对过程特性的认识172理论模型的验证173控制器参数的整定174基于计算机的数字控制算法设计175自适应控制算法176过程监控和故障检测177信号预测178在线优化18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21连续时间信号的动态系统数学模型211非参数模型，确定性信号212参数模型，确定性信号22离散时间信号的动态系统数学模型221参数模型，确定性信号23连续时间随机信号模型231特殊的随机信号过程24离散时间随机信号模型25特征参数的确定251利用一阶系统近似252利用二阶系统近似253利用n阶具有相等时间常数的时滞系统近似254利用具有迟延的一阶系统近似26具有积分作用或微分作用的系统261积分作用262微分作用27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31傅里叶变换的数值计算311周期信号的傅里叶级数312非周期信号的傅里叶变换313傅里叶变换的数值计算314加窗315短时傅里叶变换32小波变换33周期图34小结习题参考文献第4章利用非周期信号测量频率响应41基本方程42非周期信号的傅里叶变换421简单脉冲422双脉冲423阶跃函数和斜坡函数43确定频率响应44噪声的影响45小结习题参考文献ⅩⅨ第5章利用周期测试信号测量频率响应51利用正弦测试信号测量频率响应52利用矩形和梯形测试信号测量频率响应53利用多频率测试信号测量频率响应54利用连续变频测试信号测量频率响应55利用相关函数测量频率响应551以相关函数测定频率响应552利用正交相关分析测量频率响应56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61相关函数的估计611互相关函数612自相关函数62用平稳随机信号激励的动态过程相关分析621利用去卷积确定脉冲响应622白噪声作为输入信号 623误差估计624利用实际的自然噪声作为输入信号63利用二值随机信号激励的动态过程相关分析64闭环下的相关分析65小结习题参考文献第7章离散时间模型的相关分析71相关函数估计711自相关函数712互相关函数713相关函数的快速计算714相关函数的递推计算72线性动态系统的相关分析721利用去卷积确定脉冲响应722随机扰动的影响73离散时间二值测试信号74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*小二乘参数估计81引言82线性稳态过程83非线性稳态过程84几何解释85极大似然和Cramér-Rao界86约束87小结习题参考文献ⅩⅩ第9章动态过程的*小二乘参数估计91*小二乘（LS）非递推方法911基本方程912收敛性913参数估计的协方差和模型的不确定性914参数可辨识性915未知直流分量92周期参数信号模型的谱分析921时域参数信号模型922频域参数信号模型923系数的确定924幅值的估计93非参数中间模型的参数估计931非周期激励响应和*小二乘法932相关-*小二乘法（COR-LS）94*小二乘的递推方法（RLS）941基本方程942随机信号的递推参数估计943未知直流分量95加权*小二乘方法（WLS）951Markov估计96指数遗忘的递推参数估计961带约束的*小二乘递推方法962Tikhonov正则化97小结习题参考文献第10章*小二乘参数估计的改进101广义*小二乘法1011广义*小二乘的非递推方法（GLS）1012广义*小二乘的递推方法（RGLS）102增广*小二乘法（ELS）103偏差校正方法（CLS）104总体*小二乘法（TLS）105辅助变量法1051辅助变量的非递推方法（IV）1052辅助变量的递推方法（RIV）106随机逼近法（STA）1061Robbins-Monro算法1062Kiefer-Wolfowitz算法107（归一化）*小均方法（NLMS）108小结习题参考文献第11章贝叶斯方法和极大似然法111贝叶斯方法112极大似然法（ML）1121非递推的极大似然法1122递推极大似然法（RML）1123Cramér-Rao界与*精度113小结习题参考文献第12章时变过程的参数估计121恒定遗忘因子的指数遗忘122可变遗忘因子的指数遗忘123协方差矩阵的调整124递推参数估计方法的收敛性1241观测器形式的参数估计125小结习题参考文献第13章闭环参数估计131无额外测试信号的过程辨识1311间接过程辨识（情况a c e）1312直接过程辨识（情况b d e）132利用额外测试信号的过程辨识133闭环辨识方法1331无额外测试信号的间接过程辨识1332有额外测试信号的间接过程辨识1333无额外测试信号的直接过程辨识1334有额外测试信号的直接过程辨识133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141引言142频率响应的*小二乘逼近法（FR-LS）ⅩⅪ143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151*小二乘方法1511基本方程1512收敛性152导数的确定1521数值微分1522状态变量滤波器1523有限脉冲响应（FIR）滤波器153一致参数估计方法1531辅助变量法1532扩展Kalman滤波器，极大似然法1533相关-*小二乘法1534离散时间模型的转换154物理参数的估计155部分参数已知的参数估计156小结习题参考文献第16章子空间法161引言162子空间163子空间辨识164利用脉冲响应进行辨识165原始形式的一些改进166用于连续时间系统167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171传递函数模型1711矩阵多项式表示172状态空间模型1721状态空间形式1722输入/输出模型173脉冲响应模型和Markov参数174顺序辨识175相关分析法1751去卷积法1752测试信号176参数估计方法1761*小二乘方法1762相关-*小二乘法177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181连续可导非线性的动态系统1811Volterra级数1812Hammerstein模型1813Wiener模型ⅩⅫ1814Lachmann提出的模型1815参数估计182不连续可导非线性的动态系统1821带摩擦的系统1822具有死区的系统183小结习题参考文献第19章迭代优化191引言192非线性优化算法193一维方法194多维优化1941零阶优化器1942一阶优化器1943二阶优化器195约束1951序贯无约束极小化方法196利用迭代优化的预报误差法197梯度的确定198模型不确定性199小结习题参考文献第20章用于辨识的神经网络和查询表201用于辨识的人工神经网络2011用于稳态系统的人工神经网络2012用于动态系统的人工神经网络2013半物理局部线性模型2014局部和全局参数估计2015局部线性动态模型2016带子集选择的局部多项式模型202用于稳态过程的查询表203小结习题参考文献第21章基于Kalman滤波的状态和参数估计211离散Kalman滤波器212稳态Kalman滤波器213时变离散时间系统的Kalman滤波器214扩展Kalman滤波器215扩展Kalman滤波器用于参数估计216连续时间模型217小结习题参考文献第Ⅶ部分其 他 问 题第22章数值计算221条件数222矩阵P的分解方法223矩阵P-1的分解方法224小结225习题226参考文献第23章参数估计的实际问题231输入信号的选择232采样速率的选择2321预期的应用2322辨识模型的精度2323数值计算问题233线性动态模型结构参数的确定2331迟延时间的确定2332模型阶次的确定234不同参数估计方法的比较2341导言Ⅹ2342先验假设的比较2343辨识方法总结235具有积分作用过程的参数估计236系统输入扰动237消除特殊的扰动2371漂移和高频噪声2372异常值238验证239过程辨识所用的特殊设备2391硬件设备2392利用数字计算机辨识2310小结习题参考文献第Ⅷ部分应用第24章应用实例241执行器2411无刷直流执行器2412电磁汽车节气门执行器2413液压执行器242机械设备2421机床2422工业机器人2423离心泵2424热交换器2425空调2426旋转式干燥器2427引擎试验台243汽车2431车辆参数估计2432制动系统2433汽车悬挂2434胎压2435内燃引擎244小结参考文献第Ⅸ部分附录附录A数学方面A1随机变量的收敛性A2参数估计方法的性质A3向量和矩阵的导数A4矩阵求逆引理参考文献附录B实验系统B1三质量振荡器参考文献
【前言】
原 著 序 言自动控制系统的设计、实现和操作等许多问题都需要相对准确的数学模型，以用于描述过程的稳态和动态特性。自然科学的各个领域，特别是物理、化学和生物学，以及在医学工程和经济学中，一般也是如此。如果物理定律（基本原理）的解析形式已知，那么基本的稳态和动态特性可以通过理论分析或物理建模得到。然而，如果这些定律未知或者只有部分已知，或者关键参数不能足够精确地获得，那么就必须进行实验建模，称作过程辨识或系统辨识，也就是利用测量信号在所选的数学模型类中确定过程或系统的模型。系统辨识这个科学领域是在1960年左右开始系统地发展起来的，尤其是在控制和通信工程领域。它以系统理论、信号理论、控制理论和统计估计理论的方法为基础，且受现代测量技术、数值计算和精确信号处理、控制及自动化功能等需求的影响。辨识方法的发展可诉诸大量的文章和书籍，然而产生重要影响的是IFAC系统辨识专题会议。该会议从1967年以来在全世界范围内每三年组织一次，2009年在法国圣马洛召开的是第15届。本书旨在以一种易懂、明晰、有条理的方式论述系统辨识，而且特别注重面向应用的方法，这对使用者解决实验建模问题很有帮助。本书以1971、1974、1991以及1992年出版的德文书和多年讲授的课程为基础，内容包括过去30年来自己的研究成果和许多其他研究团队的论著。全书分9个部分。在“绪论”及“线性动态系统和随机信号的数学模型”两章之后，第I部分论述非参数模型和连续时间信号的辨识方法。利用非周期和周期测试信号确定频率响应的经典方法对理解辨识的一些基本概念是非常有益的，而且是其他辨识方法的基础。第II部分讨论利用自相关和互相关函数确定脉冲响应的方法，包括连续时间和离散时间。这些相关分析方法可以看作是用于具有随机干扰测量数据的基本辨识方法，它们是后面章节论述的其他估计方法的基本要素，并可直接用于二值测试信号的设计。第III部分中论述离散时间参数模型（比如差分方程）的辨识方法主要基于*小二乘参数估计。首先，针对稳态过程讨论这些估计方法，也称作回归分析，然后扩展到动态过程，导出非递推和递推的两种参数估计方法，并给出多种改进方法，如增广*小二乘法、总体*小二乘法以及辅助变量法等。贝叶斯方法和极大似然方法需要更深的理论背景，也涉及性能边界的讨论。另外，专门有两章探讨时变系统和闭环条件下的参数估计。第IV部分介绍连续时间模型的参数估计方法。首先将参数估计方法扩展用于可测的频率响应，然后讨论微分方程的参数估计和利用状态变量滤波器的子空间方法。第V部分集中讨论多变量系统（MIMO）的辨识。首先讨论线性传递函数和状态空间模型的基本结构，然后讨论相关分析和参数估计方法，包括同时激励几个输入情况下特殊的不相关测试信号的设计。然而，有时逐个依次辨识单输入多输出（SIMO）过程反而会更加简单。对许多复杂的过程，非线性系统辨识非常重要，第VI部分讨论这个问题。对一些特殊的模型结构，如Volterra级数、Hammerstein模型和Wiener模型，可以直接使用线性系统所用的参数估计方法。然后探讨多维、非线性问题的迭代优化方法和一些已经发展起来的其他有效方法，包括基于结合参数模型的非线性网络模型方法，如神经网络及其变形，以及以非参数表示的查表（图）法等。此外，还讨论使用扩展Kalman滤波器的方法。第VII部分总结了几种辨识方法所共有的一些其他问题，包括数值计算问题、参数估计的实际考虑和不同参数估计方法的比较等。第VIII部分论述几种辨识方法在实际过程中的应用，如电动和液压执行器、机床和机器人、热交换器、内燃引擎和汽车的驱动动态特性等。第IX部分是附录，给出一些数学方面的知识和三质量振荡器过程的描述，它被用作贯穿全书的实例。读者可以从Springer网页下载测量数据，供应用使用。动态系统辨识的主题非常宽广，且以许多专家的研究为基础。一些早期的贡献是许多其他方面发展的基础，下面仅列出少部分作者，他们是早期重大成果的贡献者。V Strejc（1959）发表了阶跃响应特征参数的确定方法；Schaefer and Feissel（1955）和Balchen（1962）首先利用正交相关分析法测量频率响应；Chow and Davies（1964）、Schweitzer（1966）、Briggs（1967）、Godfrey（1970）和Davies（1970）等人提出了相关分析法和伪随机二进序列信号的设计方法。大约1960年至1974年期间，J Durbin、RCK Lee、V Strejc、P Eykhoff、KJ 珦琀爀渀淥、V Peterka、H Akaike、P Young、D埠 Clarke、RK Mehra、JMMendel、G Goodwin、L Ljung、T S擥攀爀猀琀爀渀淥等人的工作，大大推动了动态过程参数估计理论和应用的发展。其他一些对辨识领域的贡献在相应章节中给出了引用，也请参见表14辨识领域的文献概述。作者还想感谢自1973年至今我们组的研究人员为发展和应用辨识方法所作出的许多贡献，如M Ayoubi、W Bamberger、U Baur, P Blessing、H Hensel、R Kofahl、H Kurz、KH Lachmann、O Nelles、KH Peter、R Schumann、S Toepfer、M Vogt、R嫠椀洀洀攀爀猀挀栀椀攀搀等。其他许多有关特殊动态过程的研发成果在应用章节中做了引用。本书是专门为电子和电气工程、机械和化学工程以及计算机科学专业的本科生和研究生论述系统辨识的，同时也面向研发、设计和生产的从业工程师。先修知识包括系统理论、自动控制、机械和/或电气工程等专业基本的本科课程。每章后面的习题对深入理解所讲的内容很有帮助。*后感谢Springer-Verlag的大力协助。R伊泽曼，M明奇霍夫2010年6月于达姆施塔特
