| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-28页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 非线性系统辨识发展现状 | 第13-25页 |
| 1.2.1 非线性系统的结构模型 | 第13-22页 |
| 1.2.2 非线性系统的辨识方法 | 第22-25页 |
| 1.3 本文组织结构 | 第25-28页 |
| 第2章 基于RIV算法的Hammerstein ARMAX系统辨识研究 | 第28-46页 |
| 2.1. 引言 | 第28页 |
| 2.2. Hammerstein ARMAX模型介绍 | 第28-30页 |
| 2.3. 辅助变量法在Hammerstein ARMAX非线性参数辨识中的应用 | 第30-35页 |
| 2.3.1. 辅助变量的引入 | 第30-32页 |
| 2.3.2. 辅助变量的选择 | 第32-35页 |
| 2.4. Hammerstein ARMAX递推辅助变量算法在非线性参数辨识中的应用 | 第35-40页 |
| 2.4.1. Hammerstein ARMAX递推辅助变量法的推导 | 第36-37页 |
| 2.4.2. HammersteinARMAX递推辅助变量法的均方收敛性 | 第37-40页 |
| 2.5. 数值例子测试 | 第40-45页 |
| 2.6. 小结与讨论 | 第45-46页 |
| 第3章 基于RML算法的Hammerstein ARMAX系统辨识研究 | 第46-62页 |
| 3.1. 引言 | 第46页 |
| 3.2. 极大似然法的概念及原理 | 第46-48页 |
| 3.2.1 极大似然法的概念 | 第46-47页 |
| 3.2.2 极大似然法的原理 | 第47-48页 |
| 3.3. 极大似然法在Hammerstein ARMAX非线性参数辨识中的应用 | 第48-50页 |
| 3.4. Hammerstein ARMAX递推极大似然法 | 第50-54页 |
| 3.5. 数值例子测试 | 第54-61页 |
| 3.6. 小结与讨论 | 第61-62页 |
| 第4章 基于APSO WLSSVM算法的Hammerstein ARMAX系统的辨识研究 | 第62-78页 |
| 4.1. 引言 | 第62页 |
| 4.2. Hammerstein ARMAX WLSSVM算法 | 第62-64页 |
| 4.3. Hammerstein ARMAX PSO_WLSSVM算法 | 第64-67页 |
| 4.4. APSO算法的基本原理 | 第67-70页 |
| 4.5. Hammerstein ARMAX APSO_WLSSVM算法 | 第70-73页 |
| 4.6. 数值例子测试 | 第73-77页 |
| 4.7. 小结与讨论 | 第77-78页 |
| 第5章 基于AM_FOA_WLSSVM算法的Hammerstein ARMAX系统的辨识研究 | 第78-90页 |
| 5.1. 引言 | 第78页 |
| 5.2. Hammerstein ARMAX FOA_WLSSVM算法 | 第78-81页 |
| 5.3. 自适应变异果蝇优化算法原理 | 第81-83页 |
| 5.4. Hammerstein ARMAX AM_FOA_WLSSVM算法 | 第83-84页 |
| 5.5. 数值例子测试 | 第84-89页 |
| 5.6. 小结与讨论 | 第89-90页 |
| 第6章 总结与展望 | 第90-94页 |
| 6.1. 全文工作总结 | 第90-91页 |
| 6.2. 未来工作展望 | 第91-94页 |
| 参考文献 | 第94-100页 |
| 作者攻读博士学位期间的主要成果 | 第100-101页 |
