基于EM算法的多模型系统辨识
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究意义 | 第7-8页 |
| 1.2 系统辨识 | 第8-10页 |
| 1.3 多模型方法 | 第10页 |
| 1.4 研究现状 | 第10-11页 |
| 1.5 本文研究内容 | 第11-13页 |
| 第二章 多模型辨识基础 | 第13-19页 |
| 2.1 概率密度与贝叶斯估计 | 第13-14页 |
| 2.1.1 概率密度函数 | 第13页 |
| 2.1.2 数学期望 | 第13-14页 |
| 2.1.3 全概率公式与贝叶斯公式 | 第14页 |
| 2.2 卡尔曼滤波与平滑 | 第14-15页 |
| 2.3 LPV模型及权函数 | 第15页 |
| 2.4 期望最大算法 | 第15-16页 |
| 2.5 数据缺失与马尔科夫随机跳变 | 第16-18页 |
| 2.5.1 数据缺失 | 第16-17页 |
| 2.5.2 马尔科夫跳变特性 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第三章 数据缺失情况下的非线性系统辨识 | 第19-37页 |
| 3.1 问题的引出 | 第19页 |
| 3.2 具有不确定调度变量的非线性系统描述 | 第19-22页 |
| 3.2.1 含有缺失数据的非线性系统 | 第19-21页 |
| 3.2.2 运用多模型方法局部化非线性系统 | 第21-22页 |
| 3.3 多模型EM算法 | 第22-29页 |
| 3.3.1 算法的推导 | 第22-28页 |
| 3.3.2 算法的实现 | 第28-29页 |
| 3.4 仿真实验 | 第29-36页 |
| 3.4.1 数值仿真 | 第29-32页 |
| 3.4.2 连续搅拌反应釜实验仿真 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 调度变量具有随机特性的非线性系统辨识 | 第37-50页 |
| 4.1 问题的提出 | 第37页 |
| 4.2 随机调度变量下的多模型辨识 | 第37-40页 |
| 4.3 实例的仿真 | 第40-45页 |
| 4.3.1 数值仿真 | 第40-42页 |
| 4.3.2 CSTR实验验证 | 第42-45页 |
| 4.4 观测数据缺失情况下的仿真 | 第45-49页 |
| 4.4.1 数值仿真 | 第45-47页 |
| 4.4.2 CSTR实验仿真 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
