控制工程实践中,由于实际被控对象本身的复杂性和外界环境的影响,被控对象的过程特性一般存在一定的非线性。对于带有多模型切换特性的一类非线性过程,可以采用马尔可夫跳变系统进行建模。另一方面,在工业过程中时常面临信息缺失的情况,部分信息难以获取。当系统的部分信息缺失时,需要根据可测数据对缺失信息进行推断,从而完成对整个系统模型的辨识和估计。本文在前人工作的基础之上,对部分变量或者数据信息缺失或不可测时马尔可夫跳变系统的建模与参数辨识领域中的一些问题进行了研究。主要研究内容包括:(1)针对带有未知延迟的马尔可夫跳变系统的离线参数估计问题进行了研究。马尔可夫跳变系统是一种特殊的混杂系统,其中连续动态和离散模态共存,而离散模态的演化满足马尔可夫性。未知延迟是工业过程经常会出现的实际问题,影响系统模型的辨识精度。在系统参数辨识过程中,需要对延迟进行考虑。本文将随机模态和未知延迟一同视为系统信息缺失的问题,并使用ARX模型对马尔可夫跳变系统的连续动态进行建模,采用期望最大化算法、变分贝叶斯推断方法对带有未知延迟的马尔可夫跳变系统参数辨识问题进行了研究,分别得到系统参数的点估计和后验分布。随后,采用数值仿真和连续发酵反应器过程例子对算法的有效性进行了验证。(2)采用递推期望最大化算法对带有未知延迟的马尔可夫跳变ARX系统的在线辨识问题进行了研究。传统的期望最大化算法是一种迭代算法,以批处理的方式对存在信息缺失的系统进行参数估计。虽然传统期望最大化算法可以解决部分信息缺失的问题,但是对于在线估计问题却难以处理。递推期望最大化算法弥补了传统期望最大化算法在在线应用方面的不足,以递推充分统计量的方式,实现了参数的在线更新。在本文中,针对马尔可夫跳变ARX系统中的未知延迟问题,以递推Q-函数为媒介,完成了充分统计量递推更新方程的推导,实现了参数和模态转移概率的在线更新。文中采用数值仿真和连续发酵反应器过程对算法特性进行了验证。(3)针对带有异常检测数据的马尔可夫跳变ARX系统参数估计问题进行了研究。异常检测数据是实际工业过程中经常出现的现象,本文针对检测数据随机缺失和界外点这两种类型的检测数据异常情况,采用变分贝叶斯推断的方法进行了处理。对于检测数据随机缺失的情况,采用期望进行替代,最终得到参数的后验分布。对于界外点,采用学生t分布对检测噪声进行描述,得到针对马尔可夫跳变ARX系统的鲁棒变分贝叶斯推断方法。最终,采用数值仿真和连续发酵反应器过程验证了算法的有效性。综上所述,本文对于马尔可夫跳变ARX系统中的一些特定问题,如延迟、检测值缺失、界外点存在等条件下的辨识问题进行了研究,对于马尔可夫跳变ARX系统参数辨识的期望最大化算法、变分贝叶斯推断和递推期望最大化算法的构造进行了一定程度的探索。在正文中,将会对以上问题进行详细的分析,并对未来的工作作出展望。