本书系统介绍系统辨识的基本理论、基本方法和应用技术，共12章，包括绪论、系统辨识的输入信号、很小二乘参数辨识方法及应用、极大似然参数辨识方法及应用、传递函数的时域和频域辨识、神经网络辨识及应用、模糊系统辨识、智能优化算法辨识、智能辨识算法在机械手和飞行器中的应用、智能辨识算法在控制系统中的应用、微分器的信号提取及参数辨识、集员辨识理论及应用。书中提供大量实例，每个实例都进行了仿真分析，并给出相应的MATLAB仿真程序。本书可作为高等院校自动化、计算机应用、机械电子工程等专业高年级本科生或研究生的教材或参考书，也可供相关专业的工程技术人员阅读。

刘金琨，北京航空航天大学教授，一直从事PID控制、智能控制、系统辨识及智能控制算法等控制方面的教学与研究工作，发表论文多篇，出版过多部著作相关方面的著作。

章绪论
1．1建立数学模型的基本方法
1．2系统辨识的定义
1．3系统辨识的研究目的
1．4数学模型的分类
1．5几种常见数学模型的数学表示
1．6系统辨识常用的误差准则
1．7系统辨识的分类
1．7．1离线辨识
1．7．2在线辨识
1．8辨识的内容和步骤
1．9系统辨识方法
1．10系统辨识方法分类
1．10．1经典系统辨识方法
1．10．2现代系统辨识方法
思考题与习题1
第2章系统辨识的输入信号
2．1系统辨识对输入信号的要求
2．2系统辨识常用的输入信号
2．2．1白噪声信号
2．2．2白噪声序列的产生
2．3M序列的产生及其性质
思考题与习题2
第3章最小二乘参数辨识方法及应用
3．1最小二乘法
3．1．1基本原理
3．1．2利用最小二乘法求取模型参数
3．1．3仿真实例：热敏电阻和温度关系的最小二乘法求解
3．2加权最小二乘法
3．2．1一般最小二乘法的分析与设计
3．2．2加权最小二乘法的分析与设计
3．2．3仿真实例
3．3递推最小二乘法
3．3．1递推最小二乘法的基本原理
3．3．2递推最小二乘法的分析与设计
3．3．3仿真实例
3．3．4时不变系统的递推最小二乘法
3．3．5时变系统的递推最小二乘法
3．4递推阻尼最小二乘法
3．4．1递推阻尼最小二乘法的基本原理
3．4．2递推阻尼最小二乘法的分析与设计
3．4．3仿真实例
3．5增广最小二乘法
3．5．1增广最小二乘法的基本原理
3．5．2增广最小二乘法的分析与设计
3．5．3仿真实例
3．6广义最小二乘法
3．6．1广义最小二乘法的基本原理
3．6．2广义最小二乘法的设计与分析
3．6．3仿真实例
3．7辅助变量最小二乘法
3．7．1辅助变量最小二乘法的基本原理
3．7．2辅助变量最小二乘法的设计与分析
3．7．3仿真实例
3．8多变量系统的最小二乘法
3．8．1多变量系统的最小二乘法的基本原理
3．8．2多变量系统的最小二乘法的分析与设计
3．8．3仿真实例
思考题与习题3
第4章极大似然参数辨识方法及应用
4．1引言
4．2极大似然参数估计的原理及性质
4．2．1极大似然参数估计原理
4．2．2似然函数的构造
4．2．3极大似然参数估计的统计性质
4．3动态系统参数的极大似然参数估计
4．4Newton-Raphson法应用于极大似然参数估计求解
4．5递推极大似然参数估计
思考题与习题4
第5章传递函数的时域和频域辨识
5．1传递函数辨识的时域法
5．1．1一阶惯性环节加纯延迟的传递函数拟合
5．1．2二阶惯性环节加纯延迟的传递函数拟合
5．1．3n阶惯性环节加纯延迟的传递函数拟合
5．2传递函数的频率辨识
5．2．1利用Bode图特性求传递函数
5．2．2利用MATLAB工具求系统传递函数
5．3线性系统开环传递函数的辨识
5．3．1基本原理
5．3．2仿真实例
5．4闭环系统传递函数的辨识和前馈控制
5．4．1闭环系统传递函数的辨识
5．4．2仿真实例
5．4．3零相差前馈控制基本原理
5．4．4系统相移
5．4．5仿真实例
思考题与习题5
第6章神经网络辨识及应用
6．1神经网络理论基础
6．1．1神经网络原理
6．1．2神经网络学习算法
6．1．3神经网络的要素及特征
6．1．4神经网络辨识的特点
6．2BP网络辨识
6．2．1BP网络
6．2．2BP网络结构
6．2．3BP网络的优缺点
6．3BP网络逼近
6．3．1基本原理
6．3．2仿真实例
6．4基于数据的BP网络离线建模
6．4．1基本原理
6．4．2仿真实例
6．5基于模型的BP网络离线建模
6．5．1基本原理
6．5．2仿真实例
6．6RBF网络的逼近
6．6．1RBF网络
6．6．2RBF网络的逼近
6．6．3仿真实例
6．7基于未知项在线建模的RBF网络自校正控制
6．7．1神经网络自校正控制原理
6．7．2RBF网络自校正控制
6．7．3仿真实例
6．8Hopfield网络辨识
6．8．1Hopfield网络原理
6．8．2Hopfield网络线性系统参数辨识
6．8．3仿真实例
6．9RBF网络建模应用――自适应神经网络控制
6．9．1问题描述
6．9．2RBF网络逼近原理
6．9．3仿真实例
思考题与习题6
第7章模糊系统辨识
7．1模糊系统的理论基础
7．1．1特征函数和隶属函数
7．1．2模糊算子
7．1．3典型隶属函数
7．1．4模糊系统的设计
7．2基于Sugeno模糊模型的建模
7．2．1Sugeno模糊模型及仿真实例
7．2．2基于简单Sugeno模糊模型的倒立摆模糊控制及仿真实例
7．2．3基于Sugeno模糊模型的倒立摆模糊控制及仿真实例
7．3模糊逼近
7．3．1模糊系统的设计
7．3．2模糊系统的逼近精度
7．3．3仿真实例
7．4模糊系统建模应用――自适应模糊控制
7．4．1问题描述
7．4．2模糊逼近原理
7．4．3控制算法设计与分析
7．4．4仿真实例
7．5模糊RBF网络的在线逼近
7．5．1网络结构
7．5．2基于模糊RBF网络的逼近算法
7．5．3仿真实例
7．6模糊RBF网络的数据建模
7．6．1基本原理
7．6．2仿真实例之一：SISO系统
7．6．3仿真实例之二：MIMO系统
思考题与习题7
第8章智能优化算法辨识
8．1遗传算法
8．1．1遗传算法基本操作
8．1．2遗传算法的特点
8．1．3遗传算法的应用领域
8．1．4遗传算法的优化设计
8．2遗传算法求函数极大值
8．2．1二进制编码遗传算法求函数极大值
8．2．2实数编码遗传算法求函数极大值
8．3粒子群算法
8．3．1粒子群算法的基本原理
8．3．2粒子群算法的参数设置
8．3．3粒子群算法的基本流程
8．4基于粒子群算法的函数优化
8．5基于粒子群算法的非线性系统参数辨识
8．5．1辨识非线性静态模型
8．5．2辨识非线性动态模型
8．6差分进化算法
8．6．1差分进化算法的基本原理
8．6．2差分进化算法的基本流程
8．6．3差分进化算法的参数设置
8．6．4基于差分进化算法的函数优化
8．7基于差分进化算法的非线性系统参数辨识
8．7．1辨识非线性静态模型
8．7．2辨识非线性动态模型
思考题与习题8
第9章智能辨识算法在机械手和飞行器中的应用
9．1机械手参数辨识
9．1．1系统描述
9．1．2基于最小二乘法的机械手参数辨识
9．1．3基于粒子群算法的机械手参数辨识
9．2柔性机械手动力学模型物理参数粒子群辨识
9．2．1柔性机械手模型描述
9．2．2仿真实例
9．3飞行器纵向模型物理参数粒子群辨识
9．3．1问题描述
9．3．2仿真实例
9．4VTOL飞行器参数辨识
9．4．1VTOL飞行器参数辨识问题
9．4．2基于粒子群算法的参数辨识
9．4．3基于差分进化算法的VTOL飞行器参数辨识
9．5四旋翼飞行器建模与参数辨识
9．5．1四旋翼飞行器动力学模型
9．5．2动力学模型的变换
9．5．3参数辨识
9．5．4基于粒子群算法的参数辨识
9．5．5基于差分进化算法的参数辨识
思考题与习题9
0章智能辨识算法在控制系统中的应用
10．1控制系统的摩擦现象
10．2基于粒子群算法的控制系统摩擦参数辨识
10．2．1系统描述
10．2．2静摩擦模型Stribeck曲线的获取
10．2．3基于粒子群算法的摩擦参数辨识
10．2．4仿真实例
10．3基于粒子群算法的摩擦模型参数在线辨识及PD控制
10．3．1问题描述
10．3．2仿真实例
思考题与习题10
1章微分器的信号提取及参数辨识
11．1基于微分器的微分信号提取
11．1．1微分器的由来
11．1．2微分器的工程应用
11．1．3积分链式微分器
11．1．4仿真实例
11．2基于微分器的差分进化参数辨识
11．2．1系统描述
11．2．2仿真实例
思考题与习题11
2章集员辨识理论及应用
12．1集员辨识的定义及发展
12．2集员辨识意义
12．3集员辨识的数学描述
12．4集员辨识主要算法
12．5基于向量回归的集员估计
12．5．1基本原理
12．5．2离散系统集员辨识
12．5．3连续系统集员辨识
思考题与习题12