近年来,多项式系统辨识问题是非线性系统辨识领域的一个研究热点。针对多项式系统状态和参数的估计精度受初值影响较大的问题,本文提出了一种基于扩展卡尔曼滤波(Extended Kalman Filtering, EKF)的多项式系统状态和参数联合估计方法。首先用最小二乘法对多项式系统进行参数估计,将估计结果作为EKF的初值,之后对多项式系统的状态和参数进行联合估计。仿真结果显示,与EKF相比,该方法使得系统状态估计误差的方差减小。同时,本文提出了一种基于模糊多目标进化算法的多项式系统结构辨识方法。先采用基于相关性的正交前向搜索(Correlation-based Orthogonal Forward Search, COFS)方法确定一阶项,然后根据各单项式与输出的相关系数以及每个单项对输出的贡献度,缩小候选单项式范围。将Pareto支配改为模糊Pareto支配,将快速非支配排序算法改为模糊型算法,用模糊多目标进化算法获得辨识结果。仿真结果显示,与非支配排序遗传算法NSGA-II (Nondominated Sorting Genetic Algorithm-II)和信息准则法(Akaike information criterion, AIC)相比,本文所提方法可得到唯一解,并具有较高的系统结构辨识正确率。