闭环辨识中，获得系统有效特征信息要比没有反馈机制的系统少，而且系统输入与输出的噪声总是相关的，这使得传统的辨识方法很难解决反馈回路中的对象辨识问题。本文提出了一种适应于任意输入信号的辨识新方法NPSO，引入了一种计算初值邻域的方法，对闭环下的复杂高阶未知系统和多变量系统，分别提出了相应的辨识策略。1、介绍本课题的背景及发展状况，阐述了经典的最小二乘法及其改进算法RGELS，针对高阶复杂系统，提出了基于特征建模的辨识策略，并进行仿真实验。2、针对多变量开环系统，引入了子模型与子子模型的思想，将MIMO系统先分解成多个MISO系统，并借助辅助输出变量构造各个SISO系统，于是可以利用现有的算法对子子模型进行估计。3、研究了一种基于粒子群优化的频率响应辨识新方法.该方法基于系统的频率响应对开环系统和闭环系统均可以进行参数辨识，并利用粒子群优化算法的良好搜索能力，解决了频率响应估计法在辨识对象时因衰减因子的选取不当而造成辨识结果精度不高的问题。此外，本文还提出了扩展输入的改进方法，使得输入信号不再局限于阶跃信号，减低了方法对实验条件的要求。4、实际应用中，考虑到过程对象可能本身不稳定及安全经济性因素，需要一种在闭环下可以保障结果的无偏性和准确性的辨识方法。本文提出了一种适应于任意输入信号的新方法NPSO，将指定迭代中粒子群优化算法的全局最优粒子邻域再进行随机搜索寻求最佳位置，并选取合适的策略将闭环辨识转换为等效的开环辨识，引入系统频率响应计算出模型参数的初值邻域，克服了寻优算法普遍存在的盲目搜索和低效收敛问题。此外，本方法应用于连续多变量闭环系统辨识时可以极大的简化系统结构，为多变量辨识提供了一种新思路。