《智能科学技术著作丛书》序
前言
部分 块结构模型
章 块结构模型概述
1.1 引言
1.2 静态非线性环节与动态线性环节的同步辨识法
1.2.1 过参数化法
1.2.2 子空间法
1.2.3 调制函数法
1.2.4 直接辨识法
1.3 静态非线性环节与动态线性环节的分步辨识法
1.3.1 迭代法
1.3.2 分离最小二乘法
1.3.3 多信号源法
1.3.4 盲辨识法
1.3.5 频域法
1.3.6 随机法
1.4 基于Hammerstein模型的控制系统设计
1.5 块结构模型研究中存在的关键问题
1.6 全书概况
参考文献
第二部分 基于二进制—随机复合信号源的块结构模型辨识方法
第2章 基于二进制—随机复合信号源的Hammerstein模型辨识方法
2.1 基于泰勒级数展开法的Hammerstein模型辨识
2.1.1 基于神经模糊的Hammerstein模型
2.1.2 基于神经模糊Hammerstein模型的辨识
2.1.3 实验结果
2.1.4 小结
2.2 基于Lyapunoy方法的Hammerstein模型辨识
2.2.1 神经模糊Hammerstein模型
2.2.2 神经模糊Hammerstein模型辨识
2.2.3 实验结果
2.2.4 小结
参考文献
第3章 基于二进制—随机复合信号源的Hammerstein-Wiener模型辨识方法
3.1 基于二进制—随机复合信号源的Hammerstein-Wiener模型
3.1.1 神经模糊Hammerstein-Wiener模型
3.1.2 神经模糊Hammerstein-Wiener模型各串联环节的分离
3.1.3 基于神经模糊Hammerstein-Wiener模型的控制系统
3.1.4 实验结果
3.1.5 小结
3.2 基于两阶段复合信号的Hammerstein-Wiener模型
3.2.1 基于两阶段复合信号的神经模糊Hammerstein-Wiener模型
3.2.2 实验结果
3.2.3 小结
参考文献
第4章 含过程噪声的块结构模型二进制一随机复合信号源辨识方法
4.1 基于辅助模型递推最小二乘法的Hammerstein模型
4.1.1 一类含过程噪声的Hammerstein模型
4.1.2 基于辅助模型递推最小二乘法的Hammerstein模型多信号源辨识方法
4.1.3 实验结果
4.1.4 小结
4.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型
4.2.1 一类含过程噪声的Hammerstein-Wiener模型
4.2.2 基于偏差补偿递推最小二乘法的Hammerstein-Wiener模型多信号源辨识方法
4.2.3 实验结果
4.2.4 小结
4.3 基于辅助模型多新息随机梯度法的Hammerstein模型
4.3.1 基于辅助模型多新息随机梯度法的Hammerstein模型多信号源辨识方法
4.3.2 实验结果
4.3.3 小结
参考文献
第三部分 基于可分离信号源的块结构模型辨识方法
第5章 基于可分离信号源的多输入多输出Hammerstein模型辨识方法
5.1 多输入多输出Hammerstein模型
5.2 基于可分离信号源的多输入多输出Hammerstein模型辨识
5.2.1 基于神经模糊的多输人多输出Hammerstein模型
5.2.2 基于可分离信号源的多输入多输出Hammerstein模型辨识
5.2.3 实验结果
5.2.4 小结
参考文献
第6章 含过程噪声的多输入多输出Hammerstein模型可分离信号源辨识方法
6.1 含过程噪声的多输人多输出Hammerstein模型辨识
6.1.1 含过程噪声的多输人多输出Hammerstein模型
6.1.2 含过程噪声的多输入多输出Hammerstein模型辨识
6.1.3 实验结果
6.1.4 小结
6.2 基于可分离信号的Hammerstein输出误差滑动平均系统辨识
6.2.1 Hammerstein输出误差滑动平均系统
6.2.2 神经模糊Hammerstein输出误差滑动平均系统辨识
6.2.3 实验结果
6.2.4 小结
参考文献
第7章 含过程噪声的Hammerstein-Wiener模型可分离信号源辨识方法
7.1 基于可分离信号的Hammerstein-Wiener模型辨识方法
7.1.1 神经模糊Hammerstein-Wiener模型
7.1.2 神经模糊Hammerstein-Wiener模型辨识方法
7.1.3 基于Hammerstein-Wiener模型的控制系统设计
7.1.4 实验结果
7.1.5 小结
7.2 基于递推广义增广最小二乘法的Hammerstein-Wiener模型可分离信号源辨识
7.2.1 噪声干扰下的FIR Hammerstein-Wiener模型
7.2.2 基于递推广义增广最小二乘法的Hammerstein-Wiener辨识
7.2.3 实验结果
7.2.4 小结
参考文献

复杂工业过程具有多变量、变量间非线性和强耦合等特点，且受多种不确定因素干扰导致难以建模，针对这一问题，《智能科学技术著作丛书：基于组合式信号源的块结构模型辨识方法》从块结构模型中间变量不可测量的角度出发，分析块结构模型各串联模块在不同激励信号作用下的特性，系统地提出复杂工业过程块结构非线性动态模型描述和辨识的新方法，主要包括采用神经模糊技术的串联模块建模方法、全新智能分离算法和模块参数辨识算法、利用补偿技术的块结构非线性动态系统过程噪声建模方法等，并利用随机过程理论分析和比较所提方法的性能。
《智能科学技术著作丛书：基于组合式信号源的块结构模型辨识方法》可以作为自动控制专业研究生的教学参考书，同时对从事自动化系统研究、设计、开发和应用的广大科技工作者也具有一定的参考价值。