近些年来,闭环系统辨识一直是自动控制领域的研究热点之一。对于闭环系统的辨识,其有效特征信息要比开环系统辨识少很多,并且由于反馈的存在,使得系统的输出噪声和输入总是相关的,那么用传统的辨识方法对含有反馈通道的对象模型进行辨识,很难得到精确的结果。基于以上原因,本文提出了一种对输入信号不敏感,可以用任意信号作为输入信号的新的辨识方法CPSO,用此方法来辨识多变量闭环系统,可以得到良好的辨识效果。本文首先介绍了课题研究的背景和目的,经典的最小二乘辨识法、辅助变量法以及递推广义增广最小二乘法,比较了这几种方法的适用噪声模型并分别对其进行仿真；然后针对闭环时滞系统模型的结构特点,提出用粒子群优化算法对其进行辨识,通过仿真实例证明该方法的可行性；基本的粒子群算法虽然可以用来辨识闭环时滞系统,但是由于基本的粒子群算法容易陷入局部最优,导致辨识结果不够准确,所以在此基础上本文提出了基于CPSO算法的闭环系统的辨识方法。该方法主要是通过混沌系统所特有的遍历性特点来实现的,可以防止搜索过程中的演化算法陷入局部极小的优化机制。用该方法分别对单变量系统和多变量系统进行了仿真研究,对于单变量系统的辨识采用基于CPSO频域响应的辨识方法；对于多变量系统的辨识,首先把多变量系统经过多次加入阶跃响应测试来转化成多个单变量系统,然后再用CPSO算法对多变量系统的每个子系统进行辨识,最终得到待辨识的多变量系统的模型参数。