系统辨识在现代控制理论和控制科学中占有非常重要的地位。现代工业中广泛应用的控制器,如PID控制器、内模控制器、Smith预估器等,需要以过程传递函数模型为设计基础。由于较少的系统参数可以简化控制器设计,现代工业过程多用低阶模型描述,即使是高阶系统也可以通过低阶模型有效拟合。因此研究低阶传递函数模型辨识尤其是含时滞参数的低阶传递函数模型辨识对于我们充分认识工业过程,实现工业过程的控制有着重要的意义。本文正是从这一需求出发,研究了工业过程中常见的一阶传递函数模型、二阶欠阻尼传递函数模型、二阶临界阻尼传递函数模型,二阶过阻尼传递函数模型的辨识问题。本文主要研究工作如下：(1)针对工业过程中常用的低阶传递函数模型,分别提出了基于梯度的阶跃响应辨识算法。基本思想是：通过收集阶跃测试的输入输出数据,利用传递函数模型的阶跃响应表达式构建超越方程组,并通过梯度算法将超越方程求解转化为代数方程求解,简化了运算,提高了估计精度。仿真实例证明算法不仅具有较高的辨识精度,也具有很好的鲁棒性。(2)利用辅助模型思想,削弱噪声对算法影响,并通过严格的理论推导说明了本文所提算法具有较好的收敛性及抗噪能力。文中分析对比不同激励下损失函数的凹凸性,得到在阶跃激励条件下损失函数具有较大的凸域,并利用这一特点,给出了辨识算法的收敛性和鲁棒性分析,进一步佐证了仿真结果的真实性。(3)为了实现算法的全局收敛性,本文尝试引入目标函数的辅助函数。其基本思想是将非凸函数的优化问题转化为一系列的凸函数优化问题,通过逐步减小辅助参数,实现辅助函数与目标函数的逐步趋近。文中以含时滞参数的一阶传递函数模型为例推导这一算法的具体步骤,给出了算法收敛性和一致性分析。仿真实例证实了算法的有效性。综上所述,本文根据系统的阶跃响应时域表达式构建了基于梯度的迭代辨识算法,仿真实例和理论推导均说明算法具有较高的辨识精度和较好的鲁棒性。同时,对比于多重积分法,本文所提出的算法具有更低的计算量,且降低了采样频率对算法的影响。之后为了实现算法的全局收敛,尝试了一种辅助函数方法,并给出了仿真和证明。最后给出了本文的结论,并对本课题有待深入研究的方面做了简单的介绍。