| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 系统辨识简介 | 第11-15页 |
| 1.2.1 系统辨识概念 | 第11-12页 |
| 1.2.2 系统辨识方法 | 第12-15页 |
| 1.3 Hammerstein-Wiener型非线性系统参数辨识研究现状 | 第15-17页 |
| 1.4 本文工作 | 第17-20页 |
| 第2章 单变量Hammerstein-Wiener系统的递阶最小二乘辨识 | 第20-38页 |
| 2.1 单变量Hammerstein-Wiener型非线性系统描述 | 第20-22页 |
| 2.2 递阶最小二乘递推辨识算法简介 | 第22-28页 |
| 2.2.1 最小二乘递推算法 | 第23-26页 |
| 2.2.2 递阶最小二乘算法 | 第26-28页 |
| 2.3 带辅助模型的单变量Hammerstein-Wiener系统的参数辨识 | 第28-32页 |
| 2.3.1 单变量Hammerstein-Wiener系统参数辨识过程 | 第28-29页 |
| 2.3.2 辅助模型思想介绍 | 第29-31页 |
| 2.3.3 带辅助模型的单变量Hammerstein-Wiener系统参数辨识过程 | 第31-32页 |
| 2.4 仿真验证 | 第32-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第3章 单变量Hammerstein-Wiener神经网络的参数辨识 | 第38-52页 |
| 3.1 神经网络概述 | 第38-39页 |
| 3.2 动量最速下降法 | 第39-43页 |
| 3.3 单变量Hammerstein-Wiener神经网络的动量最速下降法辨识 | 第43-48页 |
| 3.3.1 单变量Hammerstein-Wiener神经网络描述 | 第43-44页 |
| 3.3.2 单变量Hammerstein-Wiener神经网络权值调整过程 | 第44-48页 |
| 3.4 仿真验证 | 第48-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 多变量Hammerstein-Wiener系统参数辨识 | 第52-74页 |
| 4.1 多变量Hammerstein-Wiener系统的递阶最小二乘辨识 | 第52-63页 |
| 4.1.1 多变量Hammerstein-Wiener型非线性系统描述 | 第52-55页 |
| 4.1.2 带辅助模型的多变量Hammerstein-Wiener系统参数辨识过程 | 第55-57页 |
| 4.1.3 仿真验证 | 第57-63页 |
| 4.2 多变量Hammerstein-Wiener神经网络的动量最速下降法辨识 | 第63-73页 |
| 4.2.1 第一类多变量Hammerstein-Wiener神经网络参数辨识 | 第63-68页 |
| 4.2.2 第二类多变量Hammerstein-Wiener神经网络参数辨识 | 第68-73页 |
| 4.3 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 工作总结 | 第74-75页 |
| 5.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 攻读硕士学位期间完成论文 | 第82页 |
