在工业控制中,信号传送的实时性和精确性对系统的稳定性和性能有重要的影响。现代工业中控制系统通常是由一些复杂的控制过程组成,考虑到控制过程中信道传输容量的限制,对数据的量化处理是有必要的,其主要目的是减少信道中需传输的信息总量,节约系统通信资源,便于系统的监控和扩展等。随着计算机、网络等数字设备广泛应用于现代控制系统中,形成了一类在控制器和被控对象间具有通信约束的系统。在这类系统中,一些控制循环包含的通道只能传输有限的实时数据,因此这种通信约束的影响在进行系统分析和综合时往往不能忽略,特别是在系统参数估计和辨识领域,系统量化输出信息本身的不精确再加上量测噪声的存在会对参数辨识带来更多的困难,因此对量化控制系统进行参数辨识方法的研究具有重要的理论和实际意义。本文首先针对具有通信约束的量化控制系统模型,在采用随机重复性试验测量信息的基础上,提出了基于辅助模型的量化系统参数辨识方法。分析了在随机重复性试验方法下量化系统的模型特征并给出了两步辨识的策略。分析表明,在上述模型里系统具有时变的估计误差,推导了进行参数辨识的持续激励条件,给出了基于辅助模型的多新息量化辨识递推算法,并给出了辨识算法的收敛性分析,得到了系统参数估计误差上界的计算式。数字仿真验证了该方法的有效性。其次,针对双率采样和信号量化的控制系统,采用随机重复性试验测量信息,提出基于辅助模型的双率采样量化控制系统辨识方法。分析了在随机重复试验和放松估计误差方差条件下,双率采样量化系统的模型特征并给出了两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,给出了基于辅助模型的双率采样控制系统量化辨识递推算法;接着分析了所给出量化辨识递推算法的收敛性,得到了双率采样量化系统参数估计误差上界的计算式,最后数字仿真验证了算法有效性。最后,针对输出信号量化的单率采样Hammerstein非线性系统和双率采样Hammerstein非线性系统,分别采用随机重复试验测量信息技术,提出基于辅助模型的Hammerstein系统量化辨识方法,分析了在随机重复性试验和放松估计误差方差的条件下,输出信号量化的Hammerstein非线性系统的模型特征并给出了两步辨识的策略,推导了进行参数辨识所满足的持续激励条件,得到了基于辅助模型的Hammerstein非线性系统量化辨识递推算法,分析了各自算法的收敛性,得到了量化系统参数估计误差上界,最后数字仿真验证了算法及结论的有效性。