工业系统中大多存在非线性特性,随着现代工业对控制精度要求的提高,采用线性模型拟合非线性系统已不能满足控制的要求,非线性系统建模逐渐成为研究的重要方向。本文选取结构简单且灵活多变的Hammerstein模型作为研究模型,从传统辨识算法、改进粒子群算法和改进萤火虫算法两种群智能优化算法,辨识Hammerstein模型的参数,并采用改进的群智能优化算法对交流伺服系统Hammerstein模型进行辨识。本文主要工作内容如下:首先,采用传统辨识算法中的迭代法和递推法对Hammerstein模型进行参数辨识。对迭代法和递推法在Hammerstein模型辨识中的数学形式进行推导,并对不同噪声强度干扰下的Hammerstein模型进行辨识实验。实验结果表明两种辨识算法在Hammerstein模型辨识中的有效性,同时也存在精度不高且辨识精度受噪声干扰影响较大的缺点。其次,采用改进的PSO算法进行Hammerstein模型的参数辨识研究。提出了基于种群聚合度的惯性权重调整策略和自适应L0)?vy变异策略,对PSO算法中的惯性权重系数和种群变异进行改进。标准数值测试算例的仿真结果表明:改进算法对Hammerstein模型的辨识效果更优。然后,提出改进FA算法进行Hammerstein模型的参数辨识研究。针对FA算法中步长和吸引度两个重要参数,提出了变步长和动态吸引度策略对FA算法进行改进,并采用改进FA算法对Hammerstein模型进行参数辨识。标准数值测试算例的仿真结果表明:改进FA算法比传统FA算法具有更好的辨识效果。最后,采用改进的群优化算法对交流伺服系统Hammerstein模型进行辨识研究。对伺服系统模型结构和常见非线性特性进行分析,建立伺服系统的仿真模型和Hammerstein模型,采用本文提出的改进优化算法对伺服系统Hammerstein模型进行辨识。实验结果表明改进算法在交流伺服系统Hammerstein模型辨识中性能有明显提升。