Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
Przedmowa
Niniejszamonografiapoświęconajestmodelowaniuiidentyfikacjinieliniowych
systemówdynamicznychzwykorzystaniemtechnikagregacjiestymatoróworaz
pewnychzagadnieńwieloetapowejestymacjiparametrycznejinieparametrycz-
nej.Zasadniczymcelemautorajestprzedstawieniewybranychmetodagregacji
modelisystemównieliniowychwujęciuformalnym–wodniesieniudogłów-
nychnurtówobecnychwliteraturze.
Dyskusjęomawianychpodejśćrozpoczynawprowadzeniewzagadnienie
prezentacjakoncepcjiopartychoszeregiVolterryisystemówposiadających
własnośćzanikającejpamięci(ang.fadingmemory).Opisytestanowiązkolei
punktwyjściadlaprezentacjisystemówostrukturzeblokowej,wszczegól-
nościsystemówHammersteina,WieneraorazWienera-Hammersteina(LNL).
Nawiązującdokoncepcjisystemówblokowo-zorientowanych,wrozdzialedru-
gimprzedstawionezostaływybranealgorytmyidentyfikacjisystemówWienera
orazWienera-Hammersteina,atakżepewneaspektyidentyfikacjinieliniowości
wobiektachwielowejściowych.WszczególnościdlasystemówWieneradysku-
towanajestklasaalgorytmówidentyfikacjidwuetapowej,adlasystemówLNL,
identyfikacjitrójetapowej.Rozważaniadotycząceidentyfikacjisystemówwie-
lowejściowychskupiająsięzkoleinatrudnościachzwiązanychzwielowymia-
rowościąisąomawianewodniesieniudowielowejściowychsystemówHam-
mersteina.Rozdziałdrugizawieraponadtodyskusjępodstawowejklasyfikacji
metodidentyfikacjisystemówwoparciuoposiadanąinformacjęaprioryczną.
Przedstawionetamwłasnościpodejśćparametrycznych,nieparametrycznych
orazmieszanychstanowiąnastępniepunktwyjściadlakoncepcjimodelowania
agregacyjnego,tj.podejścia,wktórymłączysięm.in.otrzymanewcześniej
(różnorodne)rezultatyidentyfikacji,wceluuzyskaniamożliwiedokładnego,
zagregowanego,modeluidentyfikowanegosystemu.
1