本章要点： 介绍两种复杂非线性动态系统辨识方法 1 Volterra级数表示及其辨识方法； 2 复杂系统混沌及其建模方法； 难点: 1 Volterra级数描述系统的脉冲响应； 2 未知模型混沌系统的三种识别方法；

5.1 梯度校正参数辨识 5.2 Bayes辨识 5.3 小结

学习要求：1培养独立学习一门新课程的能力,为今后学习和研究打下基础(要求大家尽量少依赖 听课,多自学)。 2掌握基本的辨识理论和辨识技术 3能独立设计辨识实验,并编程计算 4学习一些现代建模技术

1. 系统和模型及建模分类 2. 辩识问题的表示形式及原理 3.辩识的内容和步骤（难点） 4.典型的非线性系统辨识与控制方法

6.1 神经网络概念与特性 6.2 神经网络模型辨识中常用结构 6.3 辨识中常用网络训练算法 6.4 改进的BP网络训练算法 6.5 神经网络辨识MATLAB仿真举例 6.6 基于改进遗传算法的神经网络及其应用 6.7 模糊神经网络及其应用 6.8 小结

2.1 随机过程基本概念及其数学描述 2.2 谱密度与相关函数 2.3 线性系统在随机输入下的响应 2.4 白噪声产生方法及其仿真 2.5 古典辨识方法 2.6 小结及习题

•极大似然法辨识概念 •动态系统模型参数的极大似然估计 •协方差阵未知时的极大似然参数估计 •递推的极大似然参数估计 •似然递推法辨识MATLAB仿真程序剖析

•CMAC网络特点 •改进的CMAC干式变压器卷线机跑偏信号谐波分析 •CMAC网络对非线性函数学习过程 •干式变压器卷线机跑偏信号谐波分析 •跑偏信号谐波仿真与分析 •改进的CMAC学习多维函数 •CMAC网络辨识MATLAB仿真举例 •CMAC网络原理及其应用

1)最小二乘法的概念 2)一次完成的最小二乘法 3)递推的最小二乘法（适应在线辨识） 4)最小二乘遗忘因子法 5)增广的、广义的最小二乘法

10.1系统辨识的概念 10.1.1系统辨识的定义 系统辨识是利用观测到的系统输入输出数据构造系统数学模型的方法。 在实际应用中,往往把分析法和实验法这两种建模方法结合起来。尽量利 用对物理过程的认识,将系统模型分为已知的和未知的两部分,用实验法确定 未知部分的模型