System Identification: Theory for the UserThe field's leading text, now completely updated. Modeling dynamical systems — theory, methodology, and applications. Lennart Ljung's System Identification: Theory for the User is a complete, coherent description of the theory, methodology, and practice of System Identification. This completely revised Second Edition introduces subspace methods, methods that utilize frequency domain data, and general non-linear black box methods, including neural networks and neuro-fuzzy modeling. The book contains many new computer-based examples designed for Ljung's market-leading software, System Identification Toolbox for MATLAB. Ljung combines careful mathematics, a practical understanding of real-world applications, and extensive exercises. He introduces both black-box and tailor-made models of linear as well as non-linear systems, and he describes principles, properties, and algorithms for a variety of identification techniques:
Ljung also presents detailed coverage of the key issues that can make or break system identification projects, such as defining objectives, designing experiments, controlling the bias distribution of transfer-function estimates, and carefully validating the resulting models. The first edition of System Identification has been the field's most widely cited reference for over a decade. This new edition will be the new text of choice for anyone concerned with system identification theory and practice. |
What people are saying - Write a review
Sistema de identificación: Teoría del usuario
Lennart Ljung - 1998
El campo de texto principal, ahora completamente actualizado. Modelado de sistemas dinámicos - Teoría, metodología y aplicaciones. Lennart Ljung Identificación del Sistema: Teoría para el usuario es una descripción completa y coherente de la teoría, la metodología y la práctica de la identificación del sistema. Esta segunda edición completamente revisada introduce métodos de subespacios, métodos que utilizan los datos de frecuencia de dominio, y en general no lineales métodos de caja negra, incluidas las redes neuronales y modelos neuro-fuzzy. El libro contiene muchos nuevos basados en computadoras ejemplos diseñados para líderes en el mercado de software de Ljung, Sistema de Identificación Toolbox para MATLAB. Ljung combina matemáticas cuidadosas y un conocimiento práctico de las aplicaciones reales y ejercicios extensos. Él introduce dos modelos de recuadro negro ya la medida de lineal, así como sistemas no lineales, y él se describen los principios, propiedades y algoritmos para una variedad de técnicas de identificación: métodos no paramétricos de dominio de tiempo y frecuencia de dominio. Métodos de estimación de parámetros en un entorno de error de predicción en general. Los datos de frecuencia de dominio e interpretaciones dominio de la frecuencia. Análisis asintótica de las estimaciones de los parámetros. Regresiones lineales, los métodos iterativos de búsqueda, y otras maneras de calcular las estimaciones. Recursiva (adaptación) técnicas de estimación. Ljung también presenta una cobertura detallada de las cuestiones clave que pueden hacer o romper los proyectos de sistemas de identificación, tales como la definición de objetivos, diseño de experimentos, control de la distribución sesgo en las estimaciones de la función de transferencia, y con cuidado la validación de los modelos resultantes. La primera edición de la identificación del sistema ha hecho referencia más citada del campo durante más de una década. Esta nueva edición será el nuevo texto de la opción para cualquier persona preocupada por la teoría de sistemas de identificación y práctica.
Very nice book, mathematically on rather basic and straight forward, thus easy to ready even for undergrad reader.
Contents
Models of Linear TimeInvariant Systems | |
Aspects | |
Models for Timevarying and Nonlinear Systems | |
Classical Models | |
Parameter Estimation Methods | |
Asymptotic Distribution of Parameter Estimates | |
Computing the Estimate | |
Recursive Estimation Methods | |
users choices | |
Experiment Design | |
Preprocessing Data | |
methods | |
Simulation and Prediction | |
Maximum Likelihood Method | |
Convergence and Consistency | |
of the Limit Model | |
Some Concepts From Probability Theory | |
Some Statistical Techniques for Linear Regressions | |