在实际的工业应用中,广泛的存在着一类系统的输入刷新和输出采样呈现不等时间间隔的非线性系统。针对此类系统辨识问题,传统的辨识方法对此类系统不在适用。为解决非均匀采样数据驱动的非线性系统辨识问题,本文在标准粒子群算法的基础上,提出一种混沌自然选择粒子群算法。将混沌自然选择粒子群算法运用到不同非均匀采样数据驱动的非线性系统中,分别探讨了具有已知基的非均匀采样数据驱动的Hammerstein模型、Wiener模型和Hammerstein-Wiener模型、带有死区特性的非均匀采样数据驱动的Hammerstein模型、Wiener模型的辨识问题以及混沌自然选择粒子群算法在电弧炉电极调节系统中的应用。本文的具体工作如下:(1)针对标准粒子群算法中存在的易陷入局部最优、在收敛后期种群多样性变差等缺点,提出混沌自然选择粒子群算法。通过在初始种群位置的设置中引入混沌序列,提高粒子位置初始覆盖范围,从而增加寻找到最优解的精度;在控制算法中,算法的探索和开发能力对于算法性能也具有重要的作用,通过引入非线性递减惯性权重调节方式和异步变化的学习因子调节方式,从而增加算法开发和探索能力;通过引入自然选择,对粒子种群进行更新,提高算法的种群多样性。通过以上三个方面的改进,提高算法的收敛精度和收敛速度。(2)针对一类具有已知基函数的非均匀采样数据驱动的Hammerstein模型、Wiener模型和Hammerstein-Wiener模型的辨识问题,利用本文提出的混沌自然选择粒子群算法分别对以上三种模型进行辨识。进一步将所提算法推广到具有死区特性的非均匀采样数据驱动的Hammerstein模型和Wiener模型的辨识中并利用仿真实例验证本文算法对于非均匀采样数据驱动的非线性系统辨识的有效性。(3)探讨电弧炉电极调节系统辨识问题。对电弧炉炼钢工艺设备进行介绍,对电弧炉炼钢过程中的核心部分:电弧炉电极调节系统进一步进行研究。首先对电弧炉电极调节系统进行建模,该系统可以表示成一种由死区非线性环节、液压三阶线性环节和电弧非线性环节串联而成的Hammerstein-Wiener型非线性块状结构;然后利用本文提出的混沌自然选择粒子群算法对该系统进行辨识。