传统的控制与辨识理论主要是基于线性系统的,对非线性系统没有通用的分析方法.八十年代中期以来,随着对人工神经网络研究的复兴,其在辨识与控制领域的应用越来越广泛.步入九十年代,人工神经网络与模糊逻辑的融合发展,使得模糊推理系统的应用也从控制领域扩展到辨识领域.该论文着重研究这两大类信息处理系统在非线性系统辨识中的应用,主要内容如下:首先,在对神经网络辨识方法的研究中,论文在深入探讨了最广泛应用的前向神经网络(BP神经网络、RBF网络)的同时,还对两类递归网络(Elman网络与Jordan网络及它们的改变型)在辨识中的应用进行了研究.其次,在对模糊辨识方法的研究中,首先分析了三种不同的模糊推理系统的特点,指出了Sugeno型模糊推理系统最适合用于非线性系统辨识.同时,还分析了传统的B样条逼近与模糊推理系统的等价性.最后,通过对一个实际的非线性电机系统的辨识,以一阶Sugeno模糊推理系统为例阐述了非线性动态系统辨识的全过程:从激励信号的选取和预处理,到选择模型输入变量的最佳组合,再到模型的结构辨识与参数辨识,以及模糊验证等等具体问题.在比较一阶Sugeno模糊推理系统、B样条逼近、BP网络、RBF网络的辨识过程以及辨识结果后,得出如下结论:在辨识实际的非线性系统时,基于一阶Sugeno模糊推理系统的模糊辨识方法比其它辨识方法优越.