参数时变的现象广泛存在于过程控制、航空航天、故障诊断、机器人控制等领域,由于时变系统的广泛性、复杂性以及从时变系统获得信息的局限性,时变系统的辨识与控制问题已经成为系统科学和控制科学的热点问题之一。目前普遍采用的辨识算法在实际应用中存在一定的局限性,因为传统的定常参数辨识方法建立在时不变或平稳过程的假设基础上,而现实中存在的信号或过程总是呈现出各种各样的非平稳性和时变性。本文在参阅大量相关文献并深入研究线性时变系统参数辨识方法的基础上,提出三种对线性时变系统参数进行快速估计的方法,具有一定的理论意义和实用价值,论文的主要工作如下:(1)线性时变系统常采用定常遗忘因子法进行参数辨识,但定常遗忘因子存在难以及时跟踪系统动态特性变化的缺点。本文提出一种采用自调整遗忘因子进行参数辨识的算法,能够有效地跟踪无规律参数变化。该算法利用后验误差自动调整遗忘因子,同时为防止意外干扰对遗忘因子造成的影响,引入参数σ,并借助新息的变化限定时变遗忘因子的上下界。通过仿真算例,进一步证实该算法可以对时变参数进行很好地跟踪,有效地克服了采用定常遗忘因子难以及时跟踪系统动态特性变化的问题。(2)针对时变输出误差模型,在广义准则函数及能够获取的先验知识的基础上,提出一种改进准则函数的时变OE模型参数辨识算法。该算法借助可利用的先验知识,通过引入权因子α保证算法的有效性,即使在输入信号不满足持续激励的条件下仍然适用于时变参数辨识,并且具有运算量小、收敛性好的特点,为获得时变参数的估计值和克服病态估计提供了更多的灵活性,尤其适用于观测次数较少的参数估计问题。最后给出仿真例子,结果表明改进的准则函数在线性时变系统的参数辨识中具有更好的参数估计性能。(3)针对最小二乘算法存在随协方差矩阵的减小易产生参数爆发现象的缺点,在时变输出误差模型的辨识算法中同时引入阻尼因子和遗忘因子,有效地克服参数爆发现象,并能够对时变参数进行很好地跟踪。通过引入阻尼因子体现参数变化增量在准则函数取极小时的相对重要性。