随着经济的发展，科技的进步，工业生产的自动化程度越来越高。这就要求作为建模技术的学科—系统辨识技术得到更加迅速的发展。由于时变系统的广泛性和复杂性，以及人们从时变系统获得信息的局限性，时变系统的跟踪仍是一个有许多问题要解决的难题。本文对系统辨识的若干问题进行了深入的研究，重点研究了时变系统的跟踪问题。提出了多种快速跟踪算法。本文的工作主要包括以下内容：1．提出了一种基于局部多项式逼近的变参数增量估计最小二乘算法，给出了误差域的概念和其取值范围。给出了参数取值范围。该算法具有较快的跟踪性能和较强的抗噪声能力。2．提出了一种基于局部多项式逼近的变参数递归梯度估计算法，该算法是一种准鲁棒辨识算法。给出了误差域和参数的取值范围。该算法具有较快的跟踪性能和较强的抗噪声能力。3．提出了一种具有移动时间窗的鲁棒极小极大估计算法。给出了算法阀值取值的原则和参数取值的大小。该算法具有较快的跟踪性能。4．提出了一种基于改进遗传算法的系统辨识新算法。给出了算法参数取值准则。该算法保留了遗传算法的特点，具有较快的响应速度和良好的抗噪性能。5．提出了遗传算法和具有死区的改进最小二乘算法的复合辨识算法，提出了鲁棒极小极大参数估计算法和具有死区的改进最小二乘算法的复合辨识算法。这两种辨识算法保留了原带死区的改进最小二乘算法的优点。提高了 薛云灿参数突变的系统辨识算法研究浙江大学博士学位论文 算法的响应速度。