现代控制理论的发展为先进控制奠定了应用理论基础,而控制计算机尤其是集散控制系统、现场总线控制系统等为先进控制和在线优化的应用提供了强有力的硬件和软件平台,先进控制的应用需要先进控制算法,而算法都要求有生产过程的数学模型,这就意味着模型越准确,控制算法精度越高,生产过程也相应的越平稳。目前大多数的实际工业过程都是多变量系统,所以本文的研究目的就是研究多变量的建模方法,提高模型精度。具体内容如下:首先学习了多变量尤其是子空间辨识法的理论基础,构建了子空间辨识算法统一理论框架,总结了确定性系统和联合系统子空间辨识法的具体实现步骤,通过两个仿真实例分别验证了各算法的适用性和正确性。接着根据实际情况,提出了一种将单个数据组改造而成的多数据组子空间辨识算法,这是一种极具工程实用价值的新算法。该算法的特点是允许处理在同一系统上,不同初时条件,不同输入信号条件下获得的多组实验数据,并可取得良好的辨识效果。离散时间辨识法在辨识连续时间系统时采取的处理方法存在的一些问题,主要是:输入是连续信号,用离散辨识法在典型的采用时间内很难得到较好的数学模型;离散时间辨识法得到的模型相对误差随着采样时间的减小而不断增大;离散时间辨识法得到极点在采样周期和截断误差选择不当时,容易使它在z-域的单位圆上漂移,使系统不稳定。针对这种情况,研究了连续时间频域子空间辨识法,这种方法跟采样周期的选择无关,通过仿真对比,此法确实比离散时间辨识法精度要高,能提高2%左右。