| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 1. 绪论 | 第9-23页 |
| ·引言 | 第9页 |
| ·非线性系统辨识发展现状 | 第9-21页 |
| ·参数化辨识方法 | 第10-15页 |
| ·非参数化辨识方法 | 第15-17页 |
| ·Hammerstein模型及其辨识算法 | 第17-21页 |
| ·本文结构与安排 | 第21-23页 |
| 2. 基于RIV算法的Hammerstein系统辨识研究 | 第23-45页 |
| ·HammersteinARMAX模型介绍 | 第23-30页 |
| ·HARMAX-LSI算法 | 第25-28页 |
| ·HARMAX-RLS算法 | 第28-30页 |
| ·辅助变量法在非线性辨识中的应用 | 第30-35页 |
| ·辅助变量法(IV)介绍 | 第30-32页 |
| ·辅助变量的选择 | 第32-35页 |
| ·递推辅助变量法(RIV)与非线性辨识相结合 | 第35-43页 |
| ·小结与讨论 | 第43-45页 |
| 3. 基于OE-PSO算法的Hammerstein系统辨识研究 | 第45-57页 |
| ·PSO算法 | 第45-48页 |
| ·PSO结合输出误差法在非线性辨识中的应用 | 第48-54页 |
| ·小结与讨论 | 第54-57页 |
| 4. 基于ML_MAPSO算法的Hammerstein辨识研究 | 第57-75页 |
| ·极大似然准则在非线性辨识中的应用 | 第57-61页 |
| ·极大似然原理 | 第57-60页 |
| ·Hammerstein模型的极大似然估计 | 第60-61页 |
| ·改进的自适应粒子群算法(MAPSO) | 第61-65页 |
| ·利用ML_MAPSO算法辨识Hammerstein模型 | 第65-67页 |
| ·ML_MAPSO算法辨识结果分析 | 第67-74页 |
| ·小结与讨论 | 第74-75页 |
| 5. 总结与展望 | 第75-79页 |
| ·全文总结 | 第75-76页 |
| ·研究展望 | 第76-79页 |
| 参考文献 | 第79-85页 |
| 作者攻读硕士期间的主要成果 | 第85页 |
