دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 2 نویسندگان: Christiaan Heij, André C. M. Ran, Frederik van Schagen سری: ISBN (شابک) : 9783030596521, 9783030596545 ناشر: Springer سال نشر: 2021 تعداد صفحات: 199 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Introduction to Mathematical Systems Theory: Discrete time Linear Systems, Control and Identification به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مقدمه ای بر نظریه سیستم های ریاضی: سیستم های خطی زمان گسسته ، کنترل و شناسایی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب مقدمه ای بر تئوری سیستم های خطی و کنترل برای دانشجویان در رشته های ریاضیات بازرگانی، اقتصاد سنجی، علوم کامپیوتر و مهندسی ارائه می دهد. تمرکز بر روی سیستمهای زمانی گسسته است که در برنامههای تجاری مرتبطترین هستند، برخلاف سیستمهای زمان پیوسته، که به مقدمات ریاضی کمتری نیاز دارند. موضوعات مورد بررسی از جمله موضوعات اصلی نظریه سیستم خطی قطعی هستند: کنترل پذیری، مشاهده پذیری، نظریه تحقق، ثبات و تثبیت با بازخورد، نظریه کنترل بهینه LQ. فیلتر کالمن و کنترل LQC سیستمهای تصادفی نیز مورد بحث قرار میگیرند، همچنین مدلسازی، تحلیل سریهای زمانی و مشخصات مدل، همراه با اعتبارسنجی مدل مورد بحث قرار میگیرند. این نسخه دوم به روز شده و کمی گسترش یافته است. علاوه بر این، مطالب تکمیلی حاوی تمرینات هم اکنون در وب سایت کتاب Springer Link موجود است.
This book provides an introduction to the theory of linear systems and control for students in business mathematics, econometrics, computer science, and engineering. The focus is on discrete time systems, which are the most relevant in business applications, as opposed to continuous time systems, requiring less mathematical preliminaries. The subjects treated are among the central topics of deterministic linear system theory: controllability, observability, realization theory, stability and stabilization by feedback, LQ-optimal control theory. Kalman filtering and LQC-control of stochastic systems are also discussed, as are modeling, time series analysis and model specification, along with model validation. This second edition has been updated and slightly expanded. In addition, supplementary material containing the exercises is now available on the Springer Link's book website.
Preface Preface to the Second Edition Contents 1 Dynamical Systems 1.1 Introduction 1.2 Systems and Laws 1.3 State Representations 1.4 Illustration 2 Input-Output Systems 2.1 Inputs and Outputs in the Time Domain 2.2 Frequency Domain and Transfer Functions 2.3 State Space Models 2.4 Equivalent and Minimal Realizations 2.5 The Restricted Shift Realization 3 State Space Models 3.1 Controllability 3.2 Observability 3.3 Structure Theory of Realizations 3.4 An Algorithm for Minimal Realizations 3.5 The Subspace Identification Algorithm 3.6 An Example 4 Stability 4.1 Internal Stability 4.2 Input-Output Stability 4.3 Stabilization by State Feedback 4.4 Stabilization by Output Feedback 5 Optimal Control 5.1 Problem Statement 5.2 Dynamic Programming 5.3 Linear Quadratic Control 6 Stochastic Systems 6.1 Modelling 6.2 Stationary Processes 6.3 ARMA Processes 6.4 State Space Models 6.5 Spectra and the Frequency Domain 6.6 Stochastic Input-Output Systems 7 Filtering and Prediction 7.1 The Filtering Problem 7.2 Spectral Filtering 7.3 The Kalman Filter 7.4 The Steady State Filter 8 Stochastic Control 8.1 Introduction 8.2 Stochastic Dynamic Programming 8.3 LQG Control with State Feedback 8.4 LQG Control with Output Feedback 9 System Identification 9.1 Identification 9.2 Regression Models 9.3 Maximum Likelihood 9.4 Estimation of Autoregressive Models 9.5 Estimation of ARMAX Models 9.6 Model Validation 9.6.1 Lag Orders 9.6.2 Residual Tests 9.6.3 Inputs and Outputs 9.6.4 Model Selection 10 Cycles and Trends 10.1 The Periodogram 10.2 Spectral Identification 10.3 Trends 10.4 Seasonality and Nonlinearities 11 Further Developments 11.1 Continuous Time Systems 11.2 Optimal Control 11.3 Nonlinear Systems 11.3.1 Applications in Life Sciences 11.4 Infinite Dimensional Systems 11.5 Robust and Adaptive Control 11.6 Stochastic Systems 11.7 Networked Systems 11.8 Hybrid Systems 11.9 System Identification Bibliography Index