第1章
课程导论
什么是模型辨识？为什么在策略训练中需要模型？课程目标与学习路径。
导论概览
第2章
系统建模基础
白箱、灰箱、黑箱模型的概念与选择。
建模分类
第3章
数学预备知识（上）
概率论基础——随机变量、期望、方差、协方差。
概率数学
第4章
数学预备知识（下）
线性代数基础——矩阵运算、特征值、奇异值分解。
线代SVD
第5章
信号与系统基础
线性时不变系统、脉冲响应、传递函数、状态空间。
LTI传递函数
第6章
辨识实验设计
输入信号设计（PRBS、正弦扫频）、采样率选择、数据预处理。
实验PRBS
第7章
数据预处理实战
去趋势、滤波、异常值处理、数据分割。
清洗滤波
第8章
最小二乘法（LS）
批量最小二乘原理、公式推导、Python实现。
LSPython
第9章
递推最小二乘法（RLS）
在线辨识、遗忘因子、Python实现。
RLS在线
第10章
工具变量法（IV）
解决噪声相关性问题、原理与实现。
IV噪声
第11章
极大似然估计（MLE）
概率视角下的辨识、似然函数构造。
MLE似然
第12章
预测误差法（PEM）
通用框架、与MLE的关系。
PEM框架
第13章
子空间辨识方法（上）
基本原理、Hankel矩阵、投影。
子空间Hankel
第14章
子空间辨识方法（下）
N4SID算法、MOESP算法、Python实战。
N4SIDMOESP
第15章
频域辨识方法
频率响应估计、ETFE、频域最小二乘。
频域ETFE
第16章
神经网络辨识
用MLP/RNN拟合非线性系统动态。
神经网络MLP
第17章
高斯过程回归辨识
不确定性量化、超参数调优。
GPR不确定性
第18章
模型验证与评估
残差分析、交叉验证、AIC/BIC准则。
验证AIC
第19章
模型降阶
平衡截断、Hankel范数近似、POD方法。
降阶POD
第20章
策略训练概述
从模型到策略——MPC、RL、ILC简介。
策略MPC
第21章
基于模型的强化学习（MBRL）
Dyna框架、规划与学习。
MBRLDyna
第22章
模型预测控制（MPC）中的模型
线性MPC、非线性MPC对模型的要求。
MPC线性
第23章
迭代学习控制（ILC）中的模型
模型误差对收敛性的影响。
ILC收敛
第24章
仿真环境搭建
用Python（Gym/自定义）构建辨识与策略训练联合仿真。
仿真Gym
第25章
案例实战（一）
倒立摆系统的模型辨识与LQR控制。
倒立摆LQR
第26章
案例实战（二）
四旋翼无人机姿态模型的辨识与MPC。
四旋翼MPC
第27章
案例实战（三）
化学反应釜的神经网络辨识与RL策略。
反应釜RL
第28章
模型失配与鲁棒策略
如何处理辨识误差？鲁棒MPC、鲁棒RL。
鲁棒失配
第29章
前沿话题
端到端辨识与控制、元学习在辨识中的应用。
前沿元学习
第30章
课程总结与未来展望
工业界应用、学术前沿、学习资源推荐。
总结展望