随着社会各行各业的发展,伺服系统的性能要求也随之不断提高。提高系统的性能要求,设计高性能控制器,预测设备使用寿命,监测系统状态,这些条件的前提都是要搭建一个精确的系统物理模型并获取其准确参数。由于复杂机电伺服系统的非线性、强耦合性质,在建模时需要根据人为经验分析系统的非理想因素,且在辨识过程中传统的辨识方法很难达到高精度辨识的效果。在此背景下,本文研究了机电伺服系统的建模及辨识问题,主要内容如下:首先,分析实际系统的结构和工作原理,建立理想条件下永磁同步电机驱动系统模型,对系统运行中的模型摄动的因素进行分析,给出了各种影响因素的作用形式和近似表达式,建立复杂系统仿真模型。其次,设计模型参数辨识实验,针对仿真模型中所有未知参数,分成驱动模型标称参数和干扰模型参数两大类,分别设计测量实验和开环/闭环条件下实验,求解模型中的未知参数,并进行实验验证参数的准确性。再次,根据系统实际采集的输入输出数据,采用线性子空间辨识法（SMI）辨识系统线性模型,分析辨识方法的原理,给出辨识方法的实现步骤,并结合物理系统实测数据完成实验验证,验证方法的有效性。最后,对辨识结果进行优化改进,结合线性SMI模型,设计扩张状态观测器（ESO）观测系统总扰动,利用RBF神经网络来辨识系统输入到扰动输出的非线性模型,将其与线性模型叠加,比较叠加模型与实际系统的相似性,验证了SMIESO-RBF辨识方法的可行性。