在工业过程控制领域,非线性现象广泛存在。非线性系统辨识正逐渐成为辨识领域的热点问题。输入非线系统由一个静态的非线性环节串联一个线性动态子系统构成,其结构简单,被广泛用来描述在系统输入环节中存在非线性现象的动态过程。论文主要讨论这类输入非线性输出误差系统的参数辨识问题。主要取得的成果如下。1.针对饱和输入非线性输出误差滑动平均系统,借助关键项分离和数据滤波技术,分别推导了基于数据滤波的随机梯度辨识算法和基于数据滤波的遗忘因子随机梯度辨识算法。运用鞅收敛定理,在持续激励的条件下证明了基于数据滤波的随机梯度辨识算法所得到的参数估计收敛于真参数。进一步,将推导的算法推广到预负载输入非线性输出误差系统。2.针对静态非线性环节是由已知基和未知系数的线性组合所描述的输入非线性输出误差自回归系统,运用递阶辨识的思想,把待辨识的系统分解成两个含有较低维数参数向量的子系统,推导了基于模型分解的最小二乘迭代辨识算法。进一步运用数据滤波技术,推导了输入非线性输出误差自回归系统的基于模型分解的移动数据窗滤波最小二乘迭代算法。数值仿真的实验表明了所推导的算法的有效性。3.针对规范型输入非线性状态空间系统,借助卡尔曼状态滤波,推导了已知输出迟延的最小二乘迭代参数估计算法和递推最小二乘参数估计算法。通过扩展信息向量和参数向量的维数,推导了未知迟延的基于卡尔曼状态滤波的递推增广最小二乘参数估计算法,实现了未知参数和状态以及未知迟延的联合估计。两个数值仿真的例子说明了算法的有效性。4.针对一般输入非线性状态空间系统,运用过参数化方法把单输入单输出的输入非线性状态空间系统转化为虚拟的多输入单输出线性状态空间系统。从极大化观测数据似然函数的角度出发,运用期望最大化原理和卡尔曼状态平滑,得到了输入非线性状态空间系统的期望最大化参数估计算法,并讨论了期望最大化算法的初值选取策略。通过一个数值仿真和一个三容水箱的实验来验证了所推导算法的有效性。5.讨论了基于多模型的输入非线性输出误差系统的参数辨识问题。取每个局部划分空间内的模型为输入非线性输出误差模型,在每个工作点附近辨识局部模型并对每个局部模型分配一个归一化的指数函数作为权函数,从而得到加权的全局模型。运用变分贝叶斯方法,推导了辨识多模型结构的输入非线性系统的参数估计算法,得到了未知参数的后验概率分布。两个数值仿真的例子和一个三容水箱实验验证了算法的有效性。