本书结合作者近年来的研究工作，系统介绍非线性分布参数系统的智能建模方法及其在实际工程领域的应用，重点阐述分布参数系统建模的基础知识及方法。在此基础上，针对工业系统广泛存在的不确定性、强非线性、时变、大尺度特征等问题，提出了基于流形学习的非线性时空模型、基于数据学习机的非线性时空模型、基于有限高斯混合模型的时空多模型、基于改进连续超限学习机的在线时空模型、基于降阶观测器的在线时空模型，最后针对电动汽车锂离子电池的温度场分布问题给出了应用实例。
本书既注重理论方法分析，又结合工程实际需求，可供从事自动控制工作的相关科研人员、工程技术人员，以及高等院校自动化、机械、信息及其他相关专业的教师、研究生和高年级本科生参考。

前言
第1章 绪论
1.1 工业热过程介绍
1.2 分布参数系统建模研究现状
1.3 模型已知的分布参数系统建模
1.3.1 加权残值法
1.3.2 有限差分法
1.3.3 特征函数方法
1.3.4 格林函数方法
1.3.5 谱方法
1.4 模型未知的分布参数系统建模
1.4.1 有限元方法
1.4.2 有限差分法
1.4.3 Karhunen-Loève方法
1.5 本书主要解决的问题及结构安排
1.5.1 本书主要解决的问题
1.5.2 本书结构安排
第2章 基于流形学习的非线性时空模型
2.1 基于局部特征嵌入的非线性时空建模
2.1.1 问题描述
2.1.2 基于局部特征嵌入的非线性时空建模方法
2.1.3 仿真研究
2.2 基于等距特征映射的非线性时空建模
2.2.1 基于等距特征映射的非线性时空建模方法
2.2.2 模型的推广性界
2.2.3 仿真研究
2.3 基于双尺度流形学习的非线性时空建模
2.3.1 问题描述
2.3.2 基于双尺度流形学习的非线性时空建模方法
2.3.3 仿真研究
2.4 本章小结
第3章 基于数据学习机的非线性时空模型
3.1 基于Dual LS-SVM的时空建模
3.1.1 问题描述
3.1.2 基于Dual LS-SVM的时空建模方法
3.1.3 模型的推广性界
3.1.4 仿真研究
3.2 基于Dual ELM的分布参数系统快速建模
3.2.1 传统的ELM建模方法
3.2.2 基于Dual ELM的时空建模方法
3.2.3 仿真研究
3.3 本章小结
第4章 基于FGMM的时空多模型
4.1 基于FGMM的时空多模型的构建方法
4.1.1 基于FGMM的操作空间分离
4.1.2 局部时空模型构建
4.1.3 基于PCR的局部时空模型集成
4.1.4 模型分析
4.2 Rademacher推广界
4.3 仿真研究
4.4 本章小结
第5章 基于改进连续ELM的在线时空模型
5.1 基于OS-ELM的传统在线参数学习方法
5.2 改进的在线参数学习优化方法
5.2.1 基于FAOS-ELM的在线参数学习优化方法
5.2.2 基于CAOS-ELM的在线参数学习优化方法
5.3 温度场在线时空模型
5.3.1 温度场的时空合成与预测
5.3.2 温度场在线时空建模步骤
5.4 温度场在线时空模型的仿真分析
5.4.1 温度场在线时空模型仿真实验一
5.4.2 温度场在线时空模型仿真实验二
5.4.3 仿真研究
5.5 本章小结
第6章 基于降阶观测器的在线时空模型
6.1 基于降阶观测器的在线时空建模方法
6.2 在线连续学习算法
6.3 仿真研究
6.3.1 离线时空模型
6.3.2 在线时空模型
6.3.3 模型对比
6.4 本章小结
第7章 实验验证及仿真分析
7.1 锂离子电池实验
7.1.1 锂离子电池热动态模型
7.1.2 锂离子电池热特性实验
7.2 锂离子电池的时空智能建模与仿真分析
7.3 基于双重非线性结构的锂离子电池热动态时空建模
7.4 基于降阶观测器的锂离子电池热动态在线时空智能建模
7.5 本章小结
参考文献