8 (905) 200-03-37 Владивосток
с 09:00 до 19:00
CHN - 1.14 руб. Сайт - 21.13 руб.

Динамическое распознавание системы (немецкий) Р. Исерманн (Рольф Исерманн), (немецкий) M. Macro M & Uuml (NCHHHOF) - Ян Фан, Geng Lihui, Ni Boyi Перевод искусственного интеллекта.

Цена: 2 154руб.    (¥101.9)
Артикул: 531456722632

Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.

Этот товар на Таобао Описание товара
Продавец:学富五车图书专营店
Адрес:Сычуань
Рейтинг:
Всего отзывов:0
Положительных:0
Добавить в корзину
Другие товары этого продавца
¥42.8905руб.
¥57.71 220руб.
¥36.8778руб.
¥36.8778руб.

Динамическое распознавание системы

делать  (Германия) Р. Исманн (Рольф Исерманн), (немецкий) М. Макро М.ü
Конечно   цена:129
из&Ensp; издание&Encp; Общество:Машиностроительная промышленность Пресса
Дата публикации:01 апреля 2016 г.
Страница &Nbsp; номер:537
Пакет   кадр:Оплата в мягкой обложке
ISBN:9787111532170
Редакционная рекомендация

  

Оглавление
Китайская версия ПРЕДИСЛОВИЕ
Preface for the Chinese translation
последовательность
Переводить
Исходное предисловие
Символ
Главы
1.1 Теоретическое моделирование и моделирование экспериментов
1.2 Задачи и проблемы динамического распознавания системы
1.3 Классификация методов распознавания и обработки в этой книге
1.4 Обзор метода распознавания
1.4.1 непараметтра модель
1.4.2 Модель параметров
1.4.3 Анализ сигнала
1.5 Стимутный сигнал
1.6 Специальные вопросы приложения
1.6.1 Вход содержит шум
1.6.2 Множественное входное или множественное распознавание системы вывода
1.7
1.7.1. Повышение понимания характеристик процесса
1.7.2 Проверка теоретической модели
1.7.3 Формирование параметра контроллера
1.7.4 Компьютерный дизайн алгоритма цифрового управления
1.7.5 Алгоритм адаптивного управления
1.7.6 Мониторинг процесса и обнаружение неисправностей
1.7.7 Прогноз сигнала
1.7.8 онлайн -оптимизация
1.8 Обзор литературы
упражнение
Рекомендации
Глава 2 Математическая модель линейной динамической системы и случайного сигнала
2.1.
математическая модель
2.1.1 непараметтра модель, сигнал уверенности
2.1.2 Модель параметра, определенный сигнал
2.2 Математическая модель динамической системы дискретных сигналов времени
2.2.1 Модель параметра, сигнал уверенности
2.3 Модель случайного сигнала
2.3.1 Специальный процесс случайного сигнала
2.4 Модель случайного сигнала дискретного времени
2.5 Определение параметров признаков
2.5.1 Используйте первую систему заказа
2.5.2 Используйте систему второго порядка для приблизительного
2.5.3 Используйте n -заказ, чтобы иметь постоянную постоянную времени.
2.5.4 Используйте систему с задержкой первого порядка для подхода
2.6 Система, которая имеет точки или микроэлементы
2.6.1 Эффект установки
2.6.2 Эффект микро -дивизиона
2.7 Резюме
упражнение
Рекомендации
Часть ⅰ непараметтра модели распознавание частотной области——
Глава 3 Метод анализа спектра циклического сигнала и непериодического сигнала
3.1 Расчет преобразования Фурье
3.1.1 Уровень Фурье сигнала цикла
3.1.2 Трансформация непериодического сигнала Фурье
3.1.3 Расчет преобразования Фурье
3.1.4 Добавить окно
3.1.5 Короткое преобразование Фурье Фурье
3.2 ВЕВЕРЕТА
3.3 Цикл -диаграмма
3.4 Резюме
упражнение
Рекомендации
Глава 4 Используйте частотный характер не -циклического сигнала
4.1 Основное уравнение
4.2 Трансформация Фурье непериодического сигнала
4.2.1 Простой импульс
4.2.2 Двойной импульс
4.2.3 Функция шага и функция склона
4.3 Определить частотную характеристику
4.4 Влияние шума
4.5 Резюме
упражнение
Рекомендации
Глава 5 Используйте частоту измерения тестового сигнала цикла
5.1 Используйте Sine Test Signal для измерения частотной реакции
5.2 Используйте прямоугольные и трапециевидные тестовые сигналы для измерения частотной реакции
5.3 Используйте многочастотную частоту тестового сигнала.
5.4 Используйте частоту частоты тестового сигнала непрерывного преобразования частоты
5.5 Используйте связанные функции для измерения частотной характеристики
5.5.1. Частотная частота рельефа с помощью связанных функций
5.5.2. Используйте ортогональный анализ и измерения частотной характеристики.
5.6 Резюме
упражнение
Рекомендации
Часть II использует соответствующий анализ для идентификации непараметтра моделей——
Глава 6 Связанный анализ модели модели
6.1 Оценка связанных функций
6.1.1 Связанная функция
6.1.2 Связанные функции
6.2 Анализ динамического процесса со стабильным стимулом случайного сигнала
6.2.1 Используйте DE -Convolution, чтобы определить импульсную реакцию
6.2.2 Белый шум в качестве входного сигнала
6.2.3 Оценка ошибок
6.2.4 Используйте фактический естественный шум в качестве входного сигнала
6.3 Анализ динамических процессов в мотивации стимулов случайного сигнала двойного значения
6.4 Связанный анализ под закрытым циклом
6.5 Сводные упражнения
Рекомендации
Глава 7 Связанный анализ модели дискретного времени
7.1 Оценка связанной функции
7.1.1 Связанная функция
7.1.2 анти -перепущенная функция
7.1.3 Быстрый расчет связанных функций
7.1.4 Требует расчета связанных функций
7.2 Связанный анализ линейной динамической системы
7.2.1 Используйте De -Convolution, чтобы определить импульсную реакцию
7.2.2 Влияние случайных нарушений
7.3 Время раскрытия двух сигналов теста
7.4 Резюме
упражнение
Рекомендации
Часть II часть распознавания модели параметров——
Глава 8 Оценка минимального второго множественного платежа стабильного процесса
8.1 Введение
8.2 Линейный устойчивый процесс
8.3 Нелинейный процесс устойчивого состояния
8.4 Геометрия Объяснение
8.5 Отлично, как и чашка&Eacte;
8.6 Ограничение
8.7 Резюме
упражнение
Рекомендации
Глава 9 Минимальная вторая оценка множественных платежей динамического процесса
9.1 Неоцененный метод двух самых маленьких мультиплизаций (LS)
9.1.1 Основные уравнения
9.1.2 Конвергенция
9.1.3 Оценка параметров совместной разницы и неопределенности модели
9.1.4 Параметр может быть узнаваемым
9.1.5 Неизвестный компонент постоянного тока
9.2 Анализ спектра спектра периодического параметра
9.2.1 модель сигнала параметров временной доменной домены
9.2.2 Модель сигнала параметров частотного домена
9.2.3 Определение коэффициентов
9.2.4 Оценка стоимости
9.3 Оценка параметров непараметрической промежуточной модели
9.3.1 Непериодический стимулирующий отклик и минимальный ежедневный метод
9.3.2 Связанный COR-LS (COR-LS)
9.4 Метод рецидива минимальной двух -дегри (RLS)
9.4.1 Основные уравнения
9.4.2 Оценка рекурсивного параметра случайного сигнала
9.4.3 Неизвестный компонент постоянного тока
9,5 взвешенного минимального вторичного метода (WLS)
9.5.1markov Оценка
9.6 Оценка перепечатанного параметра, забытого индекса
9.6.1 Минимальный второй метод умножения с ограничениями
9.6.2 Ретализация
9.7 Резюме
упражнение
Рекомендации
ГЛАВА 0 Оценка оценки статьи периода небольшого периода
10.1 В целом маленький метод Троицы
10.1.1 НЕ -рекурсивный метод двух самых маленьких дегровых (GLS)
10.1.2 Метод вещания (RGLS)
10.2 Добавлен самый маленький ежедневный метод (ELS) (ELS)
10.3 Метод коррекции отклонения (CLS)
10.4 Общий минимальный ежедневный метод (TLS)
10.5 Метод вспомогательной переменной
10.5.1 Нерекурсивный метод вспомогательных переменных (IV)
10.5.2 Метод ремонта (RIV)
10.6 Случайный подход (STA)
10.6.1ROBBINS-MONRO ALGORITHM
10.6.2kiefer-WolfoWitz Algorithm
10,7 (нормативный) минимальный средний метод (NLMS)
10.8 Резюме
упражнение
Рекомендации
Глава 1 Байесовский метод и великий метод Рениана
11.1 Байесовский метод
11.2 Отличный аналогичный метод (ML)
112.1 Нерекурсивный великий путь
11.2.2 Рекурсивный отличный способ
11.2.3CramÉ
11.3 Резюме
упражнение
Рекомендации
Глава 2 Оценка параметров процесса изменения
12.1 Индекс факторов постоянного забывания забыта
12.2 Индекс переменного забывчивого фактора забыта
12.3 Корректировка совместной дифференциальной матрицы
12.4 Метод сходимости перепечатанного параметра
12.4.1 Оценка параметров в форме наблюдателя
12.5 Резюме
упражнение
Рекомендации
Глава 3 Оценка параметра закрытого кольца
13.1 Распознавание процесса отсутствия дополнительного тестового сигнала
13.1.1 Косвное распознавание процесса (ситуация A+C+E)
13.1.2 Прямое распознавание процесса (ситуация B+D+E)
13.2 Используйте дополнительные тестовые сигналы
Распознавание процесса
13.3 Метод распознавания с закрытыми
13.3.1 Косвенное распознавание процесса отсутствия дополнительного тестового сигнала
13.3.2 Косвенное распознавание процесса с помощью дополнительных тестовых сигналов
13.3.3 Прямое распознавание процесса отсутствия дополнительного тестового сигнала
13.3.4 Прямое распознавание процесса с помощью дополнительных тестовых сигналов
13.3 Резюме
упражнение
Рекомендации
Распознавание модели параметров части IV——
Оценка параметра оценки частотной характеристики главы
14.1 Введение
14.2 Частотная характеристика на минимальный подход с двумя степенями (FR-LS)
14.3 Резюме
упражнение
Рекомендации
Глава 5 Параметры уравнения микро -дивизии и процесс непрерывного времени
15.1 Метод Multipocing Multiper Lien
15.1.1 Основные уравнения
15.1.2 Конвергенция
15.2 Определение номера руководства
15.2.1 Числовое микро -дивизию
15.2.2 Переменный фильтр
15.2.3 Фильтр с ограниченным импульсным откликом (FIR)
15.3 Метод оценки последовательной оценки параметров
15.3.1 Метод вспомогательной переменной
15.3.2 Расширение фильтра Калмана, очень похоже на
15.3.3 Связанный метод ежедневного Minimum
15.3.4 Преобразование модели дискретного времени
15.4 Оценка физических параметров
15.5 Параметры параметров известны
15.6 Резюме
упражнение
Рекомендации
ГЛАВА 6 СПАС
16.1 Введение
16.2 Маленькое пространство
16.3 Распознавание подразделения
16.4 Используйте импульсную реакцию для идентификации
16.5 Некоторые улучшения в исходной форме
16.6 Используется для системы непрерывного времени
16.7 Резюме
упражнение
Список литературы 变 Распознавание частичной переменной системы
Глава 7 Введите несколько систем вывода
Оценка параметров
17.1 Модель трансферной функции
17.1.1 Матричное полиномиальное представление
17.2 Космическая модель
17.2.1 Пространственная форма
17.2.2 Входная/выходная модель
17.3 Модель импульсного отклика и параметр Маркова
17.4 Распознавание последовательности
17.5 Связанный метод анализа
17.5.1 В зависимости от метода свертки
17.5.2 Тестовый сигнал
17.6 Метод оценки параметров
17,61 Минимальный вторичный метод
17.6.2.
17.7 Резюме
упражнение
Рекомендации
Некоторое нелинейное распознавание системы
Глава 8 Параметры нелинейной оценки системы
18.1 Непрерывное руководство нелинейной динамической системы
18.1.1 Номер номера Volterra
18.1.2 Модель Hhammerstein
18.1.3wiener Model
18.1.4 Модель, предложенная Bylachmann
18.1.5 Оценка параметров
18.2 DISAR непрерывная и управляемая нелинейная динамика
система
18.2.1
18.2.2 Система мертвой зоны
18.3 Резюме
упражнение
Рекомендации
Глава 9 Оптимизация итерации
19.1 Введение
19.2 нелинейный алгоритм оптимизации
19.3 Один измеренный метод
19.4 Многомерная оптимизация
19.4.1 Оптимизатор с нулевым порядком
19.4.2. Оптимизатор первого заказа
19.4.3 Второй оптимизатор заказа
19.5 Ограничение
19.5.1 Предисловие без ограничения метода миниатюризации
19.6 Используйте метод ошибки прогнозирования итеративной оптимизации
19.7 Определение градиента
19.8 Модель неопределенности
19.9 Резюме
упражнение
Рекомендации
Глава 20 Нейронная сеть и
Таблица запросов
20.1 Искусственная нейронная сеть для выявления
20.1.1 Искусственная нейронная сеть для системы стабильности
20.1.2 Искусственная нейронная сеть, используемая для динамических систем
20.1.3 Полуфизическая локальная линейная модель
20.1.4 Оценка локальных и глобальных параметров
20.1.5 локальная линейная динамическая модель
20.1.6 Локальная модель сжигания, выбранная набором ремней
20.2 Форма запроса для стабильного процесса
20.3 Резюме
упражнение
Рекомендации
Глава 21 на основе фильтрации на основе Калмана
Оценка параметров
21.1 Дискретный фильтр Калмана
21.2 Устойчивый фильтр Калмана
21.3 Калман фильтр системы дискретного времени
21.4 Расширение фильтра Калмана
21.5 Расширение фильтра Калмана для оценки параметров
21,6 модель непрерывного времени
21.7 Резюме
упражнение
Рекомендации
Другие другие проблемы
Глава 22 Расчет
22.1 Условия
22.2 Метод разложения матрицы P
22.3 Метод разложения матрицы P-1
22.4 Резюме
22,5 Упражнения
22.6 Ссылки
Глава 23 Фактические проблемы, оцененные по параметрам
23.1 Выбор входного сигнала
23.2 Выбор скорости отбора проб
23.2.1 Ожидаемая заявка
23.2.2 Распознавание точности модели
23.2.3 Проблемы с численным расчетом
23.3 Определение параметров структуры линейной динамической модели
23.3.1 Определение времени задержки
23.3.2 Определение порядка модели
23.4 Сравнение различных методов оценки параметров
23.4.1 Введение
23.4.2 Сравнение гипотезы приоритета
23.4.3 Сводка методов распознавания
23.5 Оценка параметров процесса точек
23.6 Системное входное нарушение
23.7 Устранение особых нарушений
23.7.1 дрейф и высокий уровень шума
23.7.2 Аномальная ценность
23.8 Проверка
23.9 Специальное оборудование, используемое при распознавании процессов
23.9.1 Аппаратное оборудование
23.9.2 Используйте распознавание цифрового компьютера
23.10 Резюме
упражнение
Список литературы 参 Частичное приложение
Глава 24 Пример приложения
24.1 Проводник
24.1.1 Бесщеточный привод постоянного тока.
24.1.2 Электромагнитный привод дроссельной заслонки
24.1.3 Гидравлический привод
24.2 Машины и оборудование
24.2.1 Строительный инструмент
24.2.2 Промышленный робот
24.2.3 Центробежный насос
24.2.4 Термический обмен
24.2.5 Кондиционер
24.2.6 Вращающаяся сушилка
24.2.7.
24.3 Автомобиль
24.3.1 Оценка параметров транспортного средства
24.3.2 Тормозная система
24.3.3 Торговая подвеска
24.3.4 Давление в шинах
24.3.5 Двигатель внутреннего сгорания
24.4 Резюме
Рекомендации
Ⅸ Частичное приложение
Приложение математика
A.1 Конвергенция случайных величин
A.2 Метод оценки параметров
A.3 vector и matrix Guide Number
A.4 Матрица для поиска неблагоприятной теории
Рекомендации
Приложение B Экспериментальная система
B.1 Трехкачественный генератор
Рекомендации
индекс
Пунктирное содержание

краткое введение

В этой книге обсуждается систематическая идентификация таким образом, чтобы это было легко понять, ясно и организовать, и уделяет особое внимание методам идентификации применения.Основное содержимое включает в себя непараметрическое распознавание модели и распознавание модели параметров временной области и частотной области, непрерывное время и дискретное время, а также обсуждалось несколько вопросов выявленных численных расчетов и некоторых проблем в практических приложениях; относительно систематическое обсуждение.Книга разделена на 9 частей, 24 глав, каждая система обсуждения главы, краткие, с упражнениями и наборами данных для читателей, чтобы практиковать для укрепления понимания.
Эта книга может быть выбрана учителями, студентами и инженерными науками и техническими сотрудниками связанных специальностей и связанных с ними специальностей.

об авторе

(Германия) Р. Исманн (Рольф Исерманн), (немецкий) М. Макро М.ü

Р. Рольф Исерманн, профессор Ронгсиу из Института исследований автоматического контроля, Диам Спел -Тета Специальный технологический университет, директор по системе управления и лаборатории автоматизации управления.В 1965 году он получил докторскую степень в Университете Штутгарта, Германия, и преподавал в Университете Штутгарта и технологическом университете Дам Стелер.Направление исследования включает в себя промышленную контроль, систематическую идентификацию, диагностику сбоев и т. Д.Он является автором немецких и английских монографий.
M. Macro M Macro mÜВ 2006 году он получил докторскую степень в Специальном технологическом институте Университета Диама Тета в Германии, а затем преподавал школу с 2006 года ~ 2 ......

Краткое содержание

Многие проблемы, такие как проектирование, реализация и работа исходной системы управления предисловием, должны быть относительно точными для описания стационарных и динамических характеристик процесса.Все области естественных наук, особенно физика, химия и биология, а также в области медицинской инженерии и экономики, как правило, одинаковы.Если анализ закона физических (основных принципов) известен, основная стабильность и динамические характеристики могут быть получены посредством теоретического анализа или физического моделирования.Однако, если эти законы неизвестны или известны только или ключевые параметры не могут быть получены достаточно, то необходимо выполнить экспериментальное моделирование, которое называется распознавание процесса или систематическое распознавание, то есть сигнал измерения используется в выбранной категории математической модели. . Определить процесс или модель системы.Систематическая идентификация этой научной области была разработана систематически в 1960 году, особенно в области контроля и коммуникации.Он основан на методах теории системы, теории сигналов, теории управления и теории статистической оценки и влияет современная технология измерения, численные расчеты и точные функции обработки сигналов, управление и автоматизацию.Разработка метода распознавания может прибегнуть к большому количеству статей и книг, но то, что оказывает важное влияние, так это специальное собрание распознавания системы IFAC.Встреча была в 1967 году ...