声明
摘要
第1章 绪论
1.1 研究背景
1.2 连续时间模型时域子空间辨识研究现状
1.3 本文主要工作
第2章 基础知识
2.1 子空间方法
2.2 连续时间模型辨识
2.3 分数阶系统
2.3.1 分数阶微分定义
2.3.2 分数阶系统数学描述
2.4 本章小结
第3章 基于核范数最小化的子空间方法
3.1 引言
3.2 连续时间模型的子空间辨识
3.2.1 问题背景
3.2.2 传统连续时间模型子空间辨识
3.2.3 含噪声污染的情况
3.3 基于连续时间模型的核范数法
3.3.1 构建优化问题
3.3.2 噪声约束的处理
3.3.3 核范数法总结
3.4 仿真算例
3.5 本章小结
第4章 多输入多输出连续时间系统的递推子空间方法
4.1 引言
4.2 离线方法
4.2.1 基于连续时间模型的子空间方法
4.2.2 信号预滤波
4.3 问题描述
4.3.1 时间窗建立
4.3.2 更新目标
4.4 更新阶段和提取阶段的实现
4.4.1 更新阶段
4.4.2 数据窗
4.4.3 提取阶段
4.5 仿真算例
4.5.1 线性定常情形
4.5.2 时变系统情形
4.5.3 数据窗的影响
4.6 本章小结
第5章 基于非一致采样数据的分数阶多输入多输出系统的参数辨识
5.1 引言
5.2 分数阶系统模型
5.3 处理非一致采样数据
5.3.1 分数阶Laguerre生成函数
5.3.2 数据补全
5.4 基于连续时间分数阶模型的MOESP法
5.4.1 构造数据矩阵
5.4.2 时间微分的预处理
5.4.3 基于预滤波后的数据矩阵的MOESP算法
5.4.4 基于连续时间分数阶模型的MOESP法的参数选择与特性分析
5.5 仿真算例
5.6 本章小结
第6章 结束语
6.1 主要工作和贡献
6.2 前景展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果