系统辨识已广泛应用于工业过程动态响应建模、先进控制系统设计、以及在线自整定优化。在工业控制系统中采用的内模控制方法、模型预测控制、Smith预估器等,都是基于过程动态响应传递函数模型来设计控制器和整定系统性能参数。很多工业生产过程中含有系统操作输入时滞或输出响应时滞,对于日益广泛采用的计算机采样控制系统,准确估计出整数型时滞参数是有效辨识模型参数和设计控制系统的基本前提。此外,在实际生产过程和辨识实验中经常会遇到未知动态的负载干扰,采用现有的基于无扰动或白噪声假设的辨识方法会造成不可忽略甚至较大的模型参数估计误差。因此,针对工业时滞过程开展抗扰辨识研究具有重要的理论意义和工程应用价值。本文的主要内容和创新点包括:(1)辨识在有色噪声干扰下的采样时滞系统的输出误差模型(Output error model,缩写OEM)。本文提出一个插值方法和一维搜索算法来估计时滞参数,从而解决了同时辨识整数型时滞和实数型传递函数模型参数这个具有非凸特性的混合整数优化问题,并且分别采用辅助变量法和辅助模型法来消除有色噪声的影响,能实现OEM参数的一致估计。而且,基于随机过程理论,对所提出的辨识方法给出了一致收敛性分析和证明。(2)辨识在未知时变性负载干扰下的采样时滞系统的OEM参数。考虑把扰动输出响应看作一个慢时变参数,将其连同系统模型参数一起进行估计。引入自适应遗忘因子,构造矩阵遗忘因子来更新参数估计协方差矩阵,从而提高辨识算法对时变性扰动响应的跟踪估计性能,以及对时不变系统模型参数估计的一致收敛性。其中,整数型时滞参数采用一维搜索算法确定。同时,对所提出的辨识算法进行了一致收敛性分析和证明。(3)辨识在未知时变性负载干扰下的双率采样时滞系统的OEM参数。通过构造辅助模型预估因双率采样而欠缺的输出数据,将双率辨识问题转换到统一采样率框架下进行研究。扰动输出响应视为一个时变参数进行估计。基于分离策略,采用两个递推最小二乘方法,交替估计系统模型参数和扰动参数。根据两种参数的不同性质来设置两个自适应遗忘因子,以提高辨识算法对时不变系统模型参数的一致收敛估计和对时变性扰动参数的跟踪估计性能。对所提出的算法给出在时不变负载干扰下实现参数一致估计的充分条件。(4)辨识在未知时变性负载干扰下的Hammerstein非线性时滞系统。采用过参数化方法和分离策略,建立双递推最小二乘法交替估计模型参数和时变性扰动输出响应,而且应用多新息策略扩展辨识新息矩阵的维数,从而提高对时不变系统模型参数的估计精度。对于时变性扰动输出响应,采用单新息进行快速跟踪估计。同时,给出所提出辨识算法的收敛性分析和证明。