作为状态空间模型估计的有力工具,子空间辨识凭借其数值计算简单、没有非线性优化、鲁棒性强、适用于多输入多输出系统等优点,自上世纪90年代问世以来,便获得了在控制领域、信号处理以及过程辨识等多个领域的广泛关注。随着子空间辨识在理论和工业应用方面的不断发展,对辨识模型精确度的要求也进一步提高。但和大多数系统辨识的其他方法一样,子空间辨识模型的精度极易受到数据质量的影响。已有证明加入先验知识能改善开环子空间辨识模型的精度,但这在闭环条件下的研究却很少。针对这个问题,本文提出了两种新的融合先验知识的闭环子空间辨识算法,以致力于提高辨识模型的精度。第一种算法是基于先验知识和主成分分析的闭环子空间算法。先通过辅助变量消除噪声的影响,然后通过奇异值分解和线性重排构建脉冲响应系数矩阵的关系等式,最后通过带约束的最小二乘法融合先验知识到系统矩阵的求解过程中。第二种算法是基于先验知识和正交投影的递推闭环子空间辨识算法。首先利用QR分解实现正交投影,并通过Bona-Fide算法在线更新QR分解,最后通过特征值分解和带约束的最小二乘法融合先验知识求解系统矩阵。本文对提出的两种融合先验知识的子空间辨识算法进行了多次仿真实验,仿真结果表明所提出算法能有效提高辨识模型精度和稳定性,并能适用于闭环系统。