工业过程对象的辨识建模研究中，往往需要人为加入特定形式的激励信号，以期最大限度的获取过程对象的动态特性，并利用相应的动态输出数据生成辨识建模数据集。这种基于实验数据的辨识建模方法不但需要耗费大量的时间和财力，且对实际工业过程的安全性和满负荷生产都有比较大的影响，因此不容易被工厂所接受，在具体实施过程中也会受到各种条件的限制；对于复杂的多变量系统，辨识实验的开展会更加困难。另一方面，工业实时数据库系统中存储了大量的包含过程动态信息的工业数据，但由于辨识建模方法等原因目前并没有被很好地应用于辨识建模的实践中。针对上述问题，本文选用子空间辨识建模方法，完全利用工业过程运行数据，进行实际工业精馏塔的辨识建模研究；减少对工厂正常生产的影响，摆脱目前辨识建模对于辨识实验的过度依赖。本文研究的主要内容包括：　　 第一方面：对TB-SIM(Three Blocks Subspace Identification Method)子空间辨识方法的理论和数学基础进行深入的研究，并通过基于两个精馏塔仿真模型的算法研究，证明了该算法对受到较大噪声干扰的工业过程数据的多变量系统建模的有效性和可靠性。　　 第二方面：对实际工业精馏塔进行辨识建模。通过分析和筛选工业过程历史数据，不进行额外的辨识建模实验而建立辨识建模数据样本集；充分利用SIM算法计算速度快，适合大规模数据计算，并且对建模数据的形式没有特别要求，且能够通过输入-输出数据直接构建状态空间模型的优点，采用完全数据驱动的TB-SIM方法，建立了动态性能良好的MIMO状态空间模型。证明了该种辨识算法在实际工业过程多变量建模中的应用价值。　　 第三方面：辨识建模过程中的辅助工作。针对海量数据的分析和筛选工作，开发了基于Excel VBA的数据分析筛选模块；将小波变换方法应用于工业过程数据预处理中，取得比较好的降噪效果。　　 第四方面：基于.NET平台开发了系统辨识软件，以更好的将基于TB-SIM算法的辨识建模应用于工业现场。　　 采用完全基于工业过程数据的SIM方法建立了动态性能较好的MIMO状态空间模型，表明了该种方法对于实际工业精馏塔的辨识建模具有比较好的效果，同时对于其它工业对象的数据驱动建模也具有一定的参考价值。