课程名称：系统辨识与建模（00521003、00522019）
英文名称：system identification and modeling
一、课程学时： 36 学分： 2 开课学院： 电气与信息工程 学院
二、课程性质：
专业选修课程
三、适用学科专业〔类别（领域）〕：
电气工程
四、预修课程：高等数学，线性代数，MATLAB编程、自动控制理论等
五、教学目标：通过学习系统辨识的基本原理和建模方法等方面的基本知识与基本方法，使学生能掌握系统多种辨识方法和手段，并应用仿真实现手段解决系统辨识的有关问题。
六、教学要求：
课堂教学、小组讨论、专题讨论等。
章节 |
课程内容 |
教学方法 和教学形式 |
学时 |
备注 |
1.辨识的基本概念 |
（1）系统和模型、辨识建模的定义 （2）辨识问题的原理、内容和步骤、典型的非线性系统辨识 |
课堂教学 |
2学时 |
|
2.辨识理论基础及古典辨识方法 |
（1）随机过程及其属性描述、谱密度与相关函数 （2）古典辨识方法 |
课堂教学 |
3学时 |
* |
3、最小二乘参数辨识（6学时） |
（1）基本最小二乘法及问题描述 |
课堂教学 |
1学时 |
* |
（2）最小二乘问题的算法、参数估计的递推算法 |
课堂教学 |
3学时 |
*# |
（3）最小二乘法的统计及存在问题和适应算法 |
课堂教学 |
2学时 |
* |
4、极大似然辨识方法 |
（1）极大似然参数辨识、动态系统模型参数的极大似然估计 |
课堂教学 |
2学时 |
*# |
（2）递推的极大似然参数估计、白噪声的产生方法及其仿真 |
课堂教学 |
2学时 |
*# |
5、其它参数辨识方法及原理 |
（1）梯度校正参数辨识与Bayes辨识 |
课堂教学 |
2学时 |
* |
（2）递推的极大似然参数估计、白噪声的产生方法及其仿真 |
课堂教学 |
2学时 |
# |
6、神经网络辨识及其 的BP网络应用 |
（1）神经网络的概念与特性及模型辨识中的常用结构 |
课堂教学 |
2学时 |
* |
（2）常用的网络训练算法与改进的BP网络训练算法、举例 |
课堂教学 |
4学时 |
*# |
7、小脑模型神经网络辨识及其应用 |
（1）CMAC网络的特点与改进CMAC应用 |
课堂教学 |
2学时 |
# |
（2）改进CMAC学习多维函数 |
课堂教学 |
1学时 |
|
8、讨论 |
针对以上学习的方法展开讨论 |
分组讨论 |
8学时 |
● |
七、教学主要内容及时间要求：（备注：“*”表示重点，“#”表示难点，“★”
表示涉及学科前沿，“●”表示研究性内容）
八、教材、参考书目及学生必读参考资料：
教材：
侯媛彬、周莉、王立琦等编著，系统辨识. 西安：西安电子科技大学出版社，2014年
参考书目：
[1] 潘立登、潘仰东编著，系统辨识与建模. 北京：化学工业出版社，2004年
[2] 丁峰著，系统辨识—辨识方法性能分析. 北京：科学出版社，2014年
必读参考资料：
潘立登、潘仰东编著，系统辨识与建模. 北京：化学工业出版社，2004年
九、建议考核方式：考查
十、大纲撰写人：欧阳名三
十一、任课教师：欧阳名三、姜媛媛
十二、大纲说明：
该课程是电气工程专业研究生的选修课，主要培养学生了解系统辨识的方法，掌握一般系统的建模手段。该课程教学采用课堂教学和课堂讨论方式。在讲授完成辨识和建模方法后，由学生针对自己感兴趣的辨识方法在课堂上进行举例介绍，并进行讨论，以加深学生对相关方法的理解，从而达到教学的目的。
