| 学位论文原创性声明 | 第1-3页 |
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·辨识的定义及发展 | 第9-10页 |
| ·模型基础 | 第10-17页 |
| ·本论文的工作 | 第17-18页 |
| 第二章 系统辨识的经典方法介绍 | 第18-27页 |
| ·经典系统理论的产生背景 | 第18-21页 |
| ·机理模型 | 第21页 |
| ·系统辨识 | 第21-27页 |
| ·预测 | 第24页 |
| ·线性回归 | 第24-25页 |
| ·最小化预测误差 | 第25页 |
| ·最小二乘估计 | 第25-27页 |
| 第三章 基于MME在线非线性递推算法的改进及仿真 | 第27-32页 |
| ·引言 | 第27-28页 |
| ·最小模型误差递推估计算法 | 第28-30页 |
| ·两点边值问题 | 第28-29页 |
| ·协方差约束 | 第29-30页 |
| ·仿真实例 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 模糊理论基础 | 第32-39页 |
| ·模糊集 | 第32-34页 |
| ·模糊集上的运算 | 第34-35页 |
| ·模糊模型相关背景 | 第35-36页 |
| ·模糊语言模型 | 第36-37页 |
| ·模糊函数模型 | 第37-39页 |
| 第五章 基于聚类方法的模糊模型辨识 | 第39-61页 |
| ·Gustafson-KesseI(G-K)聚类方法 | 第39-42页 |
| ·基本G-K算法 | 第39页 |
| ·改进G-K算法——PGK和改进的PGK方法 | 第39-40页 |
| ·具有适应系数ρ的G-K算法——引进MD距离 | 第40-42页 |
| ·C-均值聚类方法 | 第42-44页 |
| ·基于模糊聚类的模型辨识 | 第44-50页 |
| ·聚类估计 | 第44-47页 |
| ·规则提取 | 第47-49页 |
| ·仿真例子 | 第49-50页 |
| ·用强跟踪滤波器改进非线性模糊模型 | 第50-57页 |
| ·引言 | 第50页 |
| ·强跟踪滤波器理论 | 第50-53页 |
| ·基于T-S粗模型的强跟踪滤波器辨识算法 | 第53-54页 |
| ·仿真例子一 | 第54-55页 |
| ·仿真例子二 | 第55-56页 |
| ·小结 | 第56-57页 |
| ·基于T-S模型的多变量系统辨识 | 第57-61页 |
| ·引言 | 第57页 |
| ·建立模型 | 第57-58页 |
| ·模糊辨识算法 | 第58-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |