第1章
模型辨识概述
什么是模型辨识？工程意义、三大要素：数据、模型类、准则。
基础概念
第2章
系统与模型基础
线性时不变、非线性、状态空间、传递函数、脉冲响应模型。
LTI建模
第3章
辨识实验设计
输入信号设计(白噪声、PRBS)、采样时间选择、数据预处理。
实验PRBS
第4章
经典辨识方法
阶跃响应法、脉冲响应法、相关分析法。
经典时域
第5章
最小二乘法基础
最小二乘原理、批处理最小二乘、递推最小二乘。
LS递推
第6章
最小二乘法进阶
加权最小二乘、广义最小二乘、辅助变量法。
WLSIV
第7章
极大似然估计
极大似然原理、预测误差法、数值优化实现。
MLE优化
第8章
子空间辨识方法
基本思想、N4SID、MOESP、与经典方法对比。
子空间N4SID
第9章
频域辨识方法
频率响应辨识、正弦扫描法、频域最小二乘。
频域正弦
第10章
神经网络辨识
前馈神经网络、动态NARX、训练技巧与过拟合防范。
NNNARX
第11章
模糊系统辨识
T-S模糊模型、模糊聚类、前提与结论参数辨识。
模糊T-S
第12章
非线性系统辨识
Hammerstein、Wiener、非线性ARX模型。
非线性块结构
第13章
闭环辨识
闭环挑战、直接法、间接法、联合输入输出法。
闭环反馈
第14章
递推与在线辨识
递推最小二乘工程实现、遗忘因子、自适应辨识。
在线自适应
第15章
模型验证与选择
残差分析、交叉验证、AIC/BIC、过/欠拟合。
验证AIC
第16章
数据预处理实战
去趋势、滤波、异常值处理、数据重采样。
预处理滤波
第17章
Python环境搭建
Anaconda、Jupyter、必备库(numpy, scipy, matplotlib, control, pytorch)。
Python环境
第18章
Python数据处理实战
pandas读取数据、可视化、数据清洗。
pandas清洗
第19章
传递函数辨识实战
scipy.signal阶跃响应拟合、最小二乘拟合传递函数。
传递函数拟合
第20章
状态空间模型辨识实战
python-control的n4sid子空间辨识。
状态空间n4sid
第21章
ARX模型辨识实战
statsmodels ARX估计、阶次选择。
ARXstatsmodels
第22章
神经网络辨识实战
PyTorch搭建NARX网络、训练与预测。
PyTorchNARX
第23章
频域辨识实战
计算频率响应、scipy.optimize频域拟合。
频域优化
第24章
模型验证实战
拟合度FIT、残差自相关检验、交叉验证。
验证FIT
第25章
案例1：电机参数辨识
从实验设计到模型验证全流程。
案例电机
第26章
案例2：化工过程(CSTR)传递函数辨识
CSTR反应器传递函数辨识。
案例化工
第27章
案例3：飞行器气动参数神经网络辨识
气动参数神经网络辨识。
案例飞行器
第28章
案例4：电力系统负荷在线辨识与预测
电力负荷在线辨识与预测。
案例电力
第29章
模型辨识的工程陷阱
数据质量问题、模型结构误区、工程解释。
陷阱工程
第30章
课程总结与前沿展望
数字孪生、机器学习融合、未来趋势。
总结前沿