经典的系统辨识理论与方法的发展已经比较成熟和完善，包括脉冲响应法、阶跃响应法、频率响应法、相关分析法、谱分析法、最小二乘法和极大似然法等[6]。其中最小二乘法是一种经典的和最基本的辨识方法，也是应用最广泛的方法。但是最小二乘估计具有非一致性，并且最小二乘法是存在偏差的，所以为了弥补它的不足，在最小二乘法的基础上对系统辨识方法进行了一些改进，如广义最小二乘法、递推最小二乘法、递推增广最小二乘法和辅助模型递推最小二乘法，以及将一般的最小二乘法与其他方法相结合的方法，有最小二乘两步法和随机逼近算法等[7]。在社会飞速发展的现代社会生活中，所涉及实际系统很多都是具有不确定性复杂性。如果要想研究并掌握这些复杂系统，经典的辨识建模方法难以获得令人满意的结果，也就是说经典的系统辨识方法还存在着一定的不足[8]:
(1)利用最小二乘法进行系统辨识时一般要求输入信号已知,并且必须具有较丰富的变化,然而,这一点在某些动态系统中,系统的输入常常无法保证；30083
(2)极大似然法计算耗费大，可能得到的是损失函数的局部极小值；
(3)经典的辨识理论在面对一些复杂系统时并不能给出符合实际的分析思路[9]。
    这些缺陷引起了相关专家的注意，如今已有许多研究人员将精力放在了讨论与分析具有不确定性的复杂系统上。
如今在系统辨识研究领域已经有了很大的进步，并且成为了控制学科中一个重要的分支。在研究现代的系统辨识时，随着智能控制在现代控制领域的应用也越来越广泛并且对智能控制的研究也取得了很大的发展，从逼近理论和模型研究的发展来看,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。但是由于非线性系统本身所包含的现象非常复杂,很难推导出能适应各种非线性系统的辨识方法,因此非线性系统的辨识还没有构成完整的科学体系[10]。论文网
从研究线性现象和线性系统到对非线性现象和系统的深入研究，这是人类社会不断发展，对外在世界探寻的升华，更是给研究者们提出了更加复杂艰巨的任务与挑战。随着现代辨识理论与方法的不断发展，包括智能控制理论、遗传算法理论、神经网络辨识等越来越多的应用到实际问题中，并取得了很好的效果。虽然对于不确定性的复杂系统辨识很难找出统一性的方法，但是通过对不同问题具体深入的研究，我们仍然可以预见系统辨识理论与方法的发展，并极有可能成为内容丰富的综合性学科。通过对现代辨识理论不断的研究，对实际生产中涉及到的复杂、非线性系统的分析与控制将更加精确和有效。辨识方法不断改进与完善，也将使辨识理论不断发展。 系统辨识理论与方法国内外研究现状:http://www.youerw.com/yanjiu/lunwen_25618.html