| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 问题的提出与研究意义 | 第8-9页 |
| 1.2 非线性系统辨识综述 | 第9-10页 |
| 1.3 多变量系统辨识综述 | 第10-11页 |
| 1.4 闭环系统辨识综述 | 第11-12页 |
| 1.5 偏最小一乘综述 | 第12-13页 |
| 1.6 本文主要研究内容 | 第13-15页 |
| 第2章 基于近似最小一乘准则的Hammerstein模型增广随机梯度辨识算法 | 第15-33页 |
| 2.1 引言 | 第15-16页 |
| 2.2 有色噪声系统Hammerstein模型的问题描述 | 第16-18页 |
| 2.3 基于近似最小一乘准则的增广随机梯度辨识算法 | 第18-23页 |
| 2.3.1 近似绝对值函数 | 第18页 |
| 2.3.2 算法推导 | 第18-21页 |
| 2.3.3 算法收敛性分析 | 第21-23页 |
| 2.3.4 平均值法进行参数分离 | 第23页 |
| 2.4 仿真实验 | 第23-32页 |
| 2.4.1 惯性项对辨识结果的影响 | 第24-26页 |
| 2.4.2 与最小二乘增广随机梯度算法辨识结果的比较 | 第26-31页 |
| 2.4.3 结论 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于近似偏最小一乘的闭环系统辨识算法研究 | 第33-54页 |
| 3.1 基于近似偏最小一乘的闭环系统辨识算法研究 | 第33-48页 |
| 3.1.1 引言 | 第33-34页 |
| 3.1.2 闭环系统模型描述 | 第34-36页 |
| 3.1.3 基于近似偏最小一乘的闭环系统辨识算法 | 第36-39页 |
| 3.1.4 仿真实验 | 第39-48页 |
| 3.2 基于偏最小一乘的闭环系统辨识算法研究 | 第48-53页 |
| 3.2.1 引言 | 第48页 |
| 3.2.2 最小一乘准则与线性规划 | 第48-49页 |
| 3.2.3 基于偏最小一乘的闭环系统辨识算法研究 | 第49-50页 |
| 3.2.4 仿真实验 | 第50-53页 |
| 3.3 本章小结 | 第53-54页 |
| 第4章 基于近似偏最小一乘的多变量系统辨识算法研究 | 第54-74页 |
| 4.1 基于近似最小一乘准则的多变量系统辨识算法 | 第54-65页 |
| 4.1.1 引言 | 第54-55页 |
| 4.1.2 多变量系统模型描述 | 第55-56页 |
| 4.1.3 基于近似最小一乘准则的多变量系统全耦合辨识算法 | 第56-59页 |
| 4.1.4 仿真实验 | 第59-65页 |
| 4.2 基于近似偏最小一乘的多变量系统辨识算法 | 第65-73页 |
| 4.2.1 引言 | 第65页 |
| 4.2.2 多变量系统模型的问题描述 | 第65-66页 |
| 4.2.3 基于近似偏最小一乘的多变量系统辨识算法 | 第66-68页 |
| 4.2.4 仿真实验 | 第68-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第5章 结论与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 在学期间研究成果 | 第80-81页 |
| 致谢 | 第81页 |
