●前言
第1章多變量過程辨識研究進展點評
1.1基於最小二乘法的多變量過程辨識研究
1.2基於子空間法的多變量過程辨識研究
1.3基於閉環順序激勵法的多變量過程辨識研究
1.4基於智能優化法的多變量過程辨識研究
1.5現有多變量過程辨識理論的工程應用問題思考
1.6基於自然激勵動態響應數據的多變量過程智能優化辨識研究
1.7融入數據挖掘技術的多變量過程辨識研究
1.8融入機理分析建模的多變量過程辨識研究
第2章多變量過程智能優化辨識理論
2.1多變量過程模型智能優化辨識問題
2.2多變量過程模型辨識準確度計算準則
2.3多變量過程模型智能優化辨識算法
2.4多變量過程模型準確辨識的激勵條件
2.5非零初態條件下的多變量過程辨識
2.6多變量過程模型結構的確定方法
2.7基於閉環控制機理的多變量過程模型框架構建
第3章基於機理分析的典型多變量過程建模原理及模型
3.1機械過程的動態特性機理分析模型
3.2流體過程的動態特性機理分析模型
3.3傳熱過程的動態特性機理分析模型
3.4電氣過程的動態特性機理分析模型
3.5化學反應過程的動態特性機理分析模型
3.6混合繫統的動態特性機理分析模型
第4章融入機理分析建模的多變量過程辨識
4.1用機理分析方法確定多變量過程模型總體架構
4.2用機理分析建模方法確定多變量過程模型的子模型結構
4.3用機理分析方法確定的多變量過程模型的子模型參數域
4.4融合機理分析建模的多變量過程模型辨識流程
第5章基於M批不相關自然激勵和彙總智能優化的多變量過程辨識理論
5.1基於M批不相關自然激勵和彙總優化的多變量過程辨識理論概述
5.1.1多變量過程模型的傳遞函數矩陣表達
5.1.2多變量過程模型辨識的M批不相關激勵
5.1.3多變量過程模型辨識的M批不相關自然激勵響應數據的選取
5.1.4多變量過程模型辨識的彙總優化指標設計和智能優化辨識算法
5.2多變量過程辨識的MUNEAIO方法的實驗驗證
5.2.1基於已知模型的多變量過程辨識的MUNEAIO方法的實驗驗證
5.2.2多變量過程辨識的MUNEAIO方法與傳統方法的實驗對比
5.2.3針對未知模型的實際多變量過程辨識的MUNEAIO方法的實驗驗證
第6章多變量過程辨識新理論的應用案例——再熱汽溫過程建模
6.1換熱過程的動態機理分析建模方法
6.1.1單相受熱管分布參數模型及建模基本假定
6.1.2單相受熱管分布參數模型的基本方程組
6.1.3線性化處理
6.1.4傳遞函數模型的導出
6.1.5單相受熱管分布參數傳遞函數模型的簡化
6.1.6單相受熱管簡化模型的工程應用問題與解決方法
6.1.7單相受熱管分布參數簡化模型的誤差分析與準確度評價
6.2再熱器汽溫動態過程的機理建模
6.2.1再熱汽溫繫統的影響因素
6.2.2再熱汽溫過程機理建模
6.3再熱器過程模型的多變量過程辨識新理論應用案例
6.3.1再熱汽溫繫統模型結構的確定
6.3.2低溫再熱汽溫過程的MUNEAIO建模
6.3.3高溫再熱汽溫過程的MUNEAIO建模
第7章多變量過程辨識新理論的應用案例——過熱汽溫過程建模
7.1過熱蒸汽溫度噴水減溫過程的模型結構
7.2模型辨識數據的采集和選用
7.2.1模型辨識數據的采集
7.2.2模型辨識數據的選用
7.2.3模型辨識數據和模型驗證數據的分配
7.3基於MUNEAIO方法的過熱器減溫器過程融合建模實驗
7.4基於傳統MIMO方法的過熱器減溫器過程融合建模實驗
7.5兩種辨識方法建模的模型驗證比較
第8章多變量過程辨識新理論的應用案例——脫硝過程建模
8.1脫硝過程的動態機理分析建模
8.1.1SCR脫硝過程工藝
8.1.2基於機理分析的SCR脫硝反應器非線性動態模型
8.1.3SCR脫硝反應器的線性狀態空間模型
8.1.4SCR脫硝反應器的傳遞函數模型
8.2SCR脫硝過程的過程模型的多變量過程辨識案例
第9章結論與展望
9.1結論
9.1.1多變量過程辨識的研究進展點評
9.1.2多變量過程模型智能優化辨識問題陳述
9.1.3多變量模型辨識準確度計算和評價
9.1.4多變量過程的模型框架和結構確定方法
9.1.5多變量過程模型準確辨識的激勵條件
9.1.6典型多變量過程的機理分析建模原理及傳遞函數模型
9.1.7融入機理分析建模的多變量過程模型辨識方法
9.1.8基於M批不相關自然激勵和彙總智能優化的多變量過程辨識
9.1.9多變量過程模型辨識新理論的應用案例研究
9.2展望
參考文獻

本專著主要探討面向控制工程需求的多變量過程辨識的應用理論問題，探索可工程實現的多變量過程辨識新方法和新技術。本專著給出一種多變量過程模型智能優化辨識問題陳述，提出了多變量過程模型辨識準確度計算與評價方法，提出了多變量過程的模型框架和結構確定方法，提出了多變量過程模型準確辨識的激勵條件，提出了融入機理分析建模的多變量過程模型辨識思路，提出了基於M批不相關自然激勵和彙總智能優化的多變量過程辨識理論，通過再熱汽溫過程、過熱汽溫過程和脫硝過程的建模案例研究驗證了所提出的關於多變量過程模型辨識新理論方法的有效性。本專著盡力避免晦澀難懂和故弄玄虛的理論闡述，專注於可解決工程實際問題的應用理論問題研究。所提出的理論方法和應用技術可認為是當前流行的大數據分析中急需的一種人工智能應用技術——數據驅動建模技術。本專著適合於從事控制理論應用研究以及有關大數據分析、人工智能、智能工廠、智能機器和智能識別研究的高校等