控制问题的基本为系统数学模型的确定,只有了解系统的运动模型,才能更好地理解系统的运动规律,分析系统的行为特性,设计系统的控制策略或估计系统的运动状态.系统辨识作为一种实验统计方法,对工业过程中得到系统的模型至关重要.作者在查阅了相关文献的基础上,针对双线性系统,详细推导了其辨识模型以及一些有效的辨识方法,主要内容包括:1.在白噪声干扰下,针对双线性状态空间系统,论文通过对系统中状态向量与控制向量的乘积项进行等价变换得到系统的辨识模型,此模型消除了系统中难于辨识的双线性项,使得信息向量中仅包括可观测数据,变换后的系统模型可以近似为方程误差(CAR)模型,针对此模型,采用递推最小二乘算法与随机梯度算法进行辨识,同时,对系统中的实时状态进行了估计,论文也利用估计出的参数得到了预测输出,并与实际输出进行拟合.为提高随机梯度辨识算法收敛速度和精度,通过扩展新息向量来推导多新息辨识算法.2.论文推导了方程误差双线性系统和输出误差双线性系统的辨识模型,并讨论了递推最小二乘辨识方法与多新息随机梯度辨识方法,为了进一步改善辨识性能,论文利用递阶辨识原理,将双线性参数系统的辨识模型分解成几个辨识子系统,采用交互估计算法,将分解思想与递推最小二乘以及多新息随机梯度算法结合对双线性系统进行辨识.仿真结果表明分解算法能够有效减小算法的计算量.针对每一种辨识算法,文中都进行了数值仿真实验,证实了算法对系统的有效性.论文最后给出了总结与展望,并对研究双线性系统辨识问题所面临的一些困难和值得继续深入探讨的方向作了简单介绍.