鲁棒性是控制系统分析与综合中的一个重要性能指标。为了实现这个性能指标，要求在建模过程中同时提供控制对象的名义模型及其与鲁棒控制理论相匹配的误差限。在系统辨识领域，该问题被称为模型集辨识。本书结合作者对该问题十余年研究的体会和结果，系统介绍鲁棒控制建模与传统系统辨识的异同、模型集辨识与鲁棒控制的联系以及鲁棒控制建模中的主要方法和结果。这些方法包括确定性框架下的模型集辨识与检验、随机框架下的模型集辨识与检验以及基于闭环实验数据的模型集辨识与检验等。具体内容包括基于这些方法的基本结论和其中尚需进一步研究的课题。本书同时还对这些方法所涉及的主要参考文献作了简要介绍。 本书内容丰富，在叙述过程中尽量兼顾结论的物理含义和理论的严谨性。本书可以作为控制科学与控制工程、系统科学、应用数学及其相关专业的理工科研究生和高年级本科生的教材，也可供从事该领域研究或教学的科技工作者和高等院校教师参考。

对于复杂的物理世界，人们经常希望能够以简单的数学模型对其主要特征进行描述，并在此基础上对其行为进行预测乃至控制。为了保证根据简单数学模型设计的系统能够达到预定目标，在其综合过程中，要求控制器对控制对象的模型误差具有一定的“容忍性”。这种“容忍性”在学术上一般被称为控制系统的鲁棒性。控制系统设计中对鲁棒性的普适性要求意味着，在建模过程中不仅需要提供控制对象的名义模型，而且需要提供该名义模型与鲁棒控制理论相匹配的误差限。 由于实际控制对象对外部激励信号响应过程的复杂性，因此其名义模型所能反映的通常仅仅是它动态特性的“主导”部分。换言之，鲁棒控制理论中所要求的名义模型误差不仅需要包含该名义模型的参数误差，同时还必须包含控制对象未建模动态所导致的误差。鲁棒控制理论的这些特点导致了与其相对应的建模理论必须采用同经典系统辨识理论中“系统辨识=模型定阶+参数辨识”具有实质性差异的研究方法。 前言自20世纪80年代中后期以来，在以H∞优化理论为代表的鲁棒控制理论发展的激励下，研究人员对鲁棒控制建模问题的兴趣越来越高。经过众多研究人员二十余年的辛勤工作，围绕这一课题目前已经形成了一系列系统性很强的理论结果。虽然宣称这些理论结果已经完全成熟现在尚为时过早，但笔者认为对其现阶段结果进行系统性总结是非常必要的。这主要是因为，针对该课题所积累的大量研究文献已经到了初学者难以入门的状况。同时，对于该课题中的一些基本问题，目前已形成了一些被广泛接受的结论。鉴于以上考虑，本书尝试着结合作者本人对模型集辨识问题十余年研究工作的体会和结果，对其主要内容和基本结论进行系统性总结。其中包括确定性和随机性框架下模型...