块结构模型是由动态线性环节和静态非线性环节级联而成的一类非线性模型,具有计算量较小、易于辨识以及能比较精确地反映过程特征等特点,可以表述一大类非线性工业过程。本文从块结构模型的中间变量不可测量角度出发,考虑到工业过程中普遍存在有色噪声干扰的影响,分别构建了含测量噪声和含过程噪声的块结构模型,并结合可分离信号源、相关分析法、聚类算法、最小二乘法等辨识方法辨识块结构模型。所提出的方法不仅有效克服了中间变量不可测、噪声环节辨识难等问题,而且简化了模型的辨识步骤。本文主要研究成果如下:(1)提出了一种含滑动测量噪声的Wiener模型辨识方法。首先,采用高斯信号-二进制组合可分离信号源,实现Wiener模型的线性环节和非线性环节的分离辨识,极大地简化了辨识过程。进而可以通过相关分析法和最小二乘法的方法辨识出动态线性环节参数。考虑到多项式不能很好的拟合非线性函数,采用神经模糊模型描述静态非线性环节,神经模糊的前件参数采用聚类算法获取。最后,通过递推广义最小二乘法辨识出静态非线性环节和噪声环节的参数,有效地补偿噪声环节的干扰。(2)在以上研究成果的基础上,考虑到另一类更为复杂的Wiener模型辨识问题,提出了一种含自回归过程噪声的Wiener模型辨识方法。首先采用两个呈倍数关系的组合信号分离静态非线性环节和动态线性环节。随后采用神经模糊模型拟合非线性环节,通过聚类算法辨识出神经模糊的前件参数,并设计非迭代优化算法辨识出神经模糊的后件参数。进而可以通过非线性环节估计出中间不可测变量,解决了中间变量不可测问题,提高了各串联环节的分离精度,大大地简化了辨识过程。最后,通过最小二乘法辨识出线性环节和噪声环节的参数,从而补偿了过程噪声的影响。