科学技术的快速发展使得工业生产的控制与优化技术越来越受到重视,现有的控制理论和技术的研究大多是以模型为基础的,大多数模型都是未知的,辨识作为建模的一种有利工具,已经成为了重要的研究领域。辨识又被称为从可观测的数据中提炼数学模型的过程,研究系统辨识具有重要的理论意义与实际意义。尽管系统辨识在线性系统领域已经发展比较完善,但是实际系统中常出现非线性、不确定性、数据遗失或随机性等问题,使得辨识更加复杂。针对这些问题,本文采用基于EM算法的多模型方法对具有调度变量的非线性系统进行辨识研究。主要工作包括:(1)运用多模型方法对观测数据有缺失的且具有不确定调度变量的非线性系统进行了辨识研究。具体做法如下:首先根据多模型原理将非线性系统分解成多个局部模型,以高斯函数为每个局部模型的权重函数,从而将局部模型整合成原非线性系统,针对观测数据的缺失,引入响应变量kD来表征k时刻数据是否缺失,随后应用EM算法处理数据的缺失以及辨识局部模型与权函数中的未知参数。随后应用两个仿真例子证明所提方法的有效性。(2)运用基于期望最大算法的多模型方法对具有随机调度变量的非线性系统进行辨识。调度变量本身的动态特性有可能会随着外部环境等因素的影响而发生变化,对此我们提出了应用马尔科夫跳变特性来描述调度变量的随机变化规律,在此基础上,应用多模型方法将非线性系统按照不同的工况分解为多个子系统,以归一化指数函数为每个子系统的权函数,从而将所有的子系统组合成整体非线性系统,应用期望最大算法估计系统中的未知参数。应用数值仿真与实验验证证实所提出的方法是可行的。随后结合(1)中的理论,对含有随机调度变量的非线性系统在观测数据缺失情况下进行了仿真实验,从而进一步说明(1)与(2)中所提观点都是可行的。