近年来，人们对系统辨识的兴趣愈加浓厚，学者相继提出许多方法理论，其中经典的辨识理论已经逐步趋于完善，包括阶跃响应法、脉冲响应法、频率响应法、相关分析法、谱分析法、最小二乘法[7]和极大似然法等。其中最小二乘法(LS)和极大似然法是最为基本的，也是到目前为止应用最广泛的方法。但另一方面是，由最小二乘法的原理我们可以知道它是一种非一致性估计的方法，依然存在着偏差，为了克服这一缺陷，许多学者提出了一些以最小二乘法为基础的改良型系统辨识方法：移动最小二乘法[8](MLS)、辅助变量法(IV)、偏最小二乘法(PLS)，同时，一些学者将其他将其他优秀方法与最小二乘法相结合，如最小二乘两步法[9](COR-LS)和随机逼近等改良算法。随着科学技术的不断发展，越来越多的工业过程内部都存在很多不确定性的复杂环节。对于这样的一类系统，经典的系统辨识方法很难得比较准确的拟合模型，也就是说，经典的系统辨识方法还存在着一定的不足，不具有普遍适用性。大多数经典的系统辨识方法一般要求系统的输入信号已知，甚至有些方法还必须要求系统的输入信号要具有较丰富的变化，但在某些特殊的情况下，比如说在某些动态系统中，系统的输入常常无法保证，这样经典的系统辨识方法在这种情况下就不适用了。至于极大似然法[10]，它同样存在着一些缺陷，这样方法计算耗费大，可能得到的是损失函数的局部极小值。随着智能控制理论研究的不断深入及其在控制领域的广泛应用，从逼近理论和模型研究的发展来看，论文网非线性系统建模已从用线性模型逼近发展到用非线性模型逼近的阶段。而另一方面，非线性系统内部包含许多非常复杂的环节，想要得到一种适用于各类非线性系统的辨识方法是很难实现的。之后，学者们陆续提出了多层递阶系统辨识法、集员系统辨识法、遗传算法系统辨识法、神经网络系统辨识法、小波网络系统辨识法、模糊逻辑系统辨识法等许多现代先进辨识新方法。28695
近几十年来，系统辨识理论在实际运用当中得到了飞速的发展，已经成为了控制理论学科中的一个相当活跃而且十分重要的章节。逐渐从对线性系统的研究过渡到了对非线性系统的研究。随着神经网络理论、遗传算法理论等多种现代先进系统辨识方法的不断发展，出现了越来越多的现代系统辨识方法，而且在许多实际问题应用中取得了很好的效果。对于含有不确定性环节的复杂系统的辨识研究是很难找到一种统一的辨识方法来使用的，这就要求人我们必须分门别类地去对各类不同系统进行研究，去解决所遇到的各种具体的问题。我们可以预见，系统辨识未来的发展趋势必定将是经典系统辨识方法理论的逐步完善，同时随着一些新型学科的产生，有可能会形成与之相关的系统辨识方法，使系统辨识成为一种综合多学科理论的科学。 系统辨识的发展研究现状:http://www.youerw.com/yanjiu/lunwen_23649.html