系统辨识是高性能自动化技术(如适应控制与学习控制)中的重要内容。随着人们生活水平和工业生产水平的提高,人们对工业产品质量的要求越来越高,生产工艺对自动化技术的依赖程度也随之提高,对系统辨识理论与方法提出了更高的要求。许多实际系统动力学特性中的参数随时间变化,这要求辨识方法具有跟踪能力,能够估计时变参数。在实际中也存在着受突发异常干扰的辨识环境,因此,有必要研究鲁棒辨识算法。针对这样两个方面,本文的研究工作主要包括以下几部分:1.讨论时变遗忘因子和加权配合的递推辨识算法的算法性质和确定性收敛性。2.针对一类在有限时间区间上重复运行的离散时变系统,讨论用于系统时变参数估计的迭代学习辨识算法。文中进一步讨论迭代学习投影算法、迭代学习最小二乘算法的理论性质,并给出数值仿真结果;推导得到两种迭代学习辨识算法:迭代学习贝叶斯法和迭代学习随机牛顿法。不同于常规跟踪算法的有界收敛性,迭代学习辨识算法可在有限时间区间上实现对时变参数的完全估计,使得沿整个区间参数估计误差为零。3.将近似最小l_l模递推算法应用于回波消除,分析了这种算法的收敛性能。分析表明,这种算法一旦收敛,对于有界干扰具有强鲁棒性。这一性能有利于提高回波消除质量。双讲时在不增加系统硬件(对讲检测器)情形下,算法仍具有良好的收敛性能,避免了在双讲情况下设置双方对讲监测器。4.依据非线性PCA准则,以迭代加权最小二乘算法极小化目标函数,近似一类l_p模指标下的盲分离递推算法,文中给出了算法性质。和RLS算法相比,所提算法未显著增加计算复杂度,对幅度较大的非正态分布或统计特性未知的噪声有较强的抑止能力。5.设计实现冰球式蓄冷空调系统。用时变系统来近似实际系统,采用遗忘和加权配合的辨识算法来预测能量。在系统实现上,利用组态王实现数据采集、友好人机界面设计,利用MATLAB完成复杂的预测算法,充分发挥组态软件在工业控制上组态方便、开发周期短和MATLAB强大数值计算功能的优势,两者之间通过DDE技术实现数据实时通信。