在实际工程应用中,考虑到产品使用便捷与外形美观等原因,工业产品会尽量减少非必要零部件。相对而言,在信息监测与反馈环节会较为薄弱,只会留下部分必要传感器。因此,对于这类工业产品,仅依靠自身携带的传感器很难得到精确且充足的采样数据,往往只能得到稀疏甚至非均匀的采样数据。若想要对设备进一步开发,首要问题是需要一个较为准确的数学模型,为研究提供基础。考虑到这一较为广泛的工程现象,对于此类仅能得到非均匀稀疏采样数据的真实系统,实现较为精确的建模具有很重要的实际意义。针对这一实际工程问题,本文进行以下几点创新。首先,提出了非均匀稀疏采样数据的数据重构方法。详细分析当前研究对象存在的特征与难点,突出现有方法论无法解决的问题。以综述性基础内容为启发点,从研究对象的物理特征和实验设计等多角度考虑,提出预处理过程以及两种数据重构方法。接着进行实验设计,介绍实验装置以及激励信号的选择,并进行大量实验。同时,基于原始采样数据进一步深入分析一类旋转机械非均匀稀疏采样的采样机制。最后使用数据重构方法,对非均匀稀疏采样数据进行处理,得到多组重构数据集。其次,实现了基于重构数据集的数据驱动建模。非均匀稀疏采样系统由于存在数据采集问题,很难直接进行数据驱动建模。因此,在数据重构环节的铺垫下,立足于待建模对象的物理特征,实现了一种基于梯度下降法的动力学建模方法。在实验过程中,考虑到研究对象的运行特点与数据采样特征,分别沿用不同重构数据集作为对照组。最后,提出多个模型评价指标,客观地对多组实验结果进行评估,从而对得到的训练模型进行多角度的分析与比较。此外,完成了多组训练模型的评价分析及应用。针对仅使用原始测量数据进行多个训练模型评价存在不准确、不完善的问题,进行基于多组训练模型的开环交叉验证测试实验设计。随后,对多组训练模型分别进行大量的开环测试工作。依据可靠的模型评价指标,对所有训练模型的测试结果进行分析,并以个别模型为例,用图形加以描述。另外,本文从控制角度,对模型进行了特性分析,分别包括可控性、可观性以及稳定性的分析。在此基础上进行了应用,针对系统设计多个控制器,并逐一分析比较。