| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5页 |
| 第一章 引言 | 第10-29页 |
| 1．1 引言 | 第10-11页 |
| 1．1．1 系统辨识的概念 | 第10页 |
| 1．1．2 学科形成的历史 | 第10-11页 |
| 1．2 文献综述 | 第11-21页 |
| 1．2．1 辨识与鲁棒控制的结合问题 | 第11-12页 |
| 1．2．2 鲁棒辨识 | 第12-15页 |
| 1．2．3 时变动态系统的跟踪 | 第15-16页 |
| 1．2．4 连续时间系统的辨识 | 第16-19页 |
| 1．2．5 智能辨识算法 | 第19-20页 |
| 1．2．6 辨识应用领域的不断拓广 | 第20-21页 |
| 1．3 论文结构 | 第21页 |
| 参考文献 | 第21-29页 |
| 第二章 变参数增量估计递推最小二乘算法研究 | 第29-52页 |
| 2．1 基本最小二乘方法 | 第29-34页 |
| 2．1．1 问题的提出 | 第29-30页 |
| 2．1．2 最小二乘问题的解 | 第30-32页 |
| 2．1．3 最小二乘估计的统计特性 | 第32-34页 |
| 2．2 递推最小二乘法 | 第34-37页 |
| 2．2．1 递推最小二乘算法推导 | 第34-36页 |
| 2．2．2 渐消记忆递推最小二乘算法 | 第36-37页 |
| 2．3 增量估计递推最小二乘法 | 第37-42页 |
| 2．3．1 增量估计递推最小二乘基本算法 | 第38-40页 |
| 2．3．2 增量估计递推最小二乘算法改进 | 第40-41页 |
| 2．3．3 增量估计递推最小二乘算法分析 | 第41-42页 |
| 2．4 具有局部多项式逼近的变参数增量估计递推最小二乘法 | 第42-50页 |
| 2．4．1 基于局部多项式逼近的增量估计算法模型描述 | 第43-44页 |
| 2．4．2 变参数递归增量递归估计算法 | 第44-47页 |
| 2．4．3 参数选择 | 第47页 |
| 2．4．4 仿真实例 | 第47-50页 |
| 2．4．5 结论 | 第50页 |
| 参考文献 | 第50-52页 |
| 第三章 变参数递归梯度估计算法 | 第52-73页 |
| 3．1 确定性问题的梯度估计方法 | 第52-55页 |
| 3．2 随机性问题的梯度估计方法 | 第55-59页 |
| 3．2．1 随机性问题的提法 | 第55-56页 |
| 3．2．2 随机性辨识问题的分类 | 第56-58页 |
| 3．2．3 随机性问题的梯度校正算法 | 第58-59页 |
| 3．3 鲁棒自适应梯度估计算法 | 第59-64页 |
| 3．3．1 鲁棒自适应梯度估计算法 | 第59-61页 |
| 3．3．2 Mathelin辨识算法 | 第61-64页 |
| 3．4 变参数梯度估计算法 | 第64-70页 |
| 3．4．1 模型描述 | 第65-66页 |
| 3．4．2 算法 | 第66-69页 |
| 3．4．3 仿真 | 第69-70页 |
| 3．4．4 结论 | 第70页 |
| 参考文献 | 第70-73页 |
| 第四章 递归鲁棒极小极大估计算法研究 | 第73-87页 |
| 4．1 问题陈述 | 第74-76页 |
| 4．2 锥修改算法 | 第76-80页 |
| 4．2．1 锥修改算法 | 第76-78页 |
| 4．2．2 仿真实例 | 第78-80页 |
| 4．3 基于移动时间窗的鲁棒极小极大估计算法研究 | 第80-84页 |
| 4．3．1 锥修改算法的缺点 | 第80-81页 |
| 4．3．2 基于移动时间窗的鲁棒极小极大估计算法 | 第81-82页 |
| 4．3．3 参数选择 | 第82-83页 |
| 4．3．4 仿真研究 | 第83-84页 |
| 4．4 小结 | 第84页 |
| 参考文献 | 第84-87页 |
| 第五章 基于改进遗传算法的参数辨识方法研究 | 第87-100页 |
| 5．1 基本遗传算法 | 第87-90页 |
| 5．1．1 SGA的算法描述 | 第88页 |
| 5．1．2 SGA的基本组成 | 第88-90页 |
| 5．1．3 SGA的基本流程 | 第90页 |
| 5．2 具有二元变异算子的改进遗传算法 | 第90-94页 |
| 5．2．1 基本遗传算法的局限性 | 第90-91页 |
| 5．2．2 二元变异算子改进遗传算法 | 第91-94页 |
| 5．3 基于改进遗传算法的系统参数辨识 | 第94-97页 |
| 5．3．1 模型 | 第94-95页 |
| 5．3．2 仿真算法 | 第95页 |
| 5．3．3 仿真实例 | 第95-97页 |
| 5．4 结论 | 第97-98页 |
| 参考文献 | 第98-100页 |
| 第六章 复合参数估计算法研究 | 第100-111页 |
| 6．1 带死区的EWRLS算法 | 第100-102页 |
| 6．2 一种基于鲁棒极小极大和EWRLS的复合辨识算法 | 第102-106页 |
| 6．2．1 鲁棒极小极大和EWRLS的复合估计算法的基本思想 | 第102-103页 |
| 6．2．2 参数选择 | 第103-104页 |
| 6．2．3 仿真 | 第104-105页 |
| 6．2．4 小结 | 第105-106页 |
| 6．3 一种基于改进遗传算法和EWRLS算法的复合辨识算法 | 第106-109页 |
| 6．3．1 改进遗传算法和EWRLS算法的复合辨识算法的基本思想 | 第107页 |
| 6．3．2 参数选择 | 第107-108页 |
| 6．3．3 仿真 | 第108-109页 |
| 6．3．4 小结 | 第109页 |
| 参考文献 | 第109-111页 |
| 第七章 结束语 | 第111-113页 |
| 致谢 | 第113-114页 |
| 攻读博士学位期间发表的论文 | 第114页 |
