系统辨识技术是自动控制、信号处理等学科的主要分支之一，在航天、航空、工程控制、化学、金融等领域日益发挥出重要作用。当前，对各种非线性系统的建模、辨识己引起人们的广泛注意，但是，使用建立在线性或本质线性系统基础上的传统辨识方法难以获得理想结果。神经网络是一种高度非线性的模型，具有充分逼近任意复杂非线性关系的能力，因此近年来，基于神经网络的系统辨识技术成为辨识领域的研究热点之一。本文对神经网络理论及神经网络辨识方法进行了较深入研究，通过计算机仿真实例表明神经网络在对线性、非线性系统建模方面具有独特的优越性。 本文首先介绍了系统辨识的内容，步骤和分类，对传统的系统辨识方法作了总结，比较了几种方法的优缺点；并回顾了神经网络的发展历程，详细介绍了前馈型网络与递归网络的结构、功能和算法以及在实际应用中设计神经网络需考虑的问题。然后利用递归网络对动态非线性系统进行辨识，并与传统的预报误差方法作了比较。结果表明，在无噪和有噪情况下，神经网络模型的辨识精度和泛化能力都要优于传统方法。最后本文对一飞行器系统进行建模仿真，得到三个子系统的仿真数据。并在此基础上，利用多神经网络辨识模型分别对三个系统进行辨识，结果表明该辨识模型具有很高的精度，能很好地反映系统的特性。