为解决生产装置中出现的手动控制频繁、系统稳定性不高、自控率低等问题,专家学者们提出了许多先进控制技术,但是这些技术多数是需要基于精确对象数学模型的。系统辨识就是通过测量系统的输入、输出数据来建立过程对象数学模型的一种有效的方法。论文研究了最小二乘法和粒子群优化算法针对八种常见离散系统模型辨识的理论及应用,并进行了 MATLAB环境下的仿真分析,验证了在可以获得系统初始状态为零的阶跃响应曲线条件下两种算法的适用性;通过比较辨识结果,得出了该条件下最小二乘法的辨识准确度优于粒子群优化算法的结论。同时研究了粒子群优化算法中,种群规模和惯性权重对算法寻优性能的影响,并针对离散系统辨识,给出了这两个参数组合的优化。利用从工业现场实际采集的系统输入输出数据,本文研究了在不能获得系统阶跃响应曲线的情况下,使用最小二乘法和粒子群优化算法对离散系统模型进行辨识。通过仿真分析验证了两种算法在该条件下的适用性;对比辨识结果,得出了该条件下粒子群优化算法的辨识准确度优于最小二乘法的结论,并给出了合适的系统模型。通过对比辨识输出与实际输出数据的误差曲线验证了系统模型的正确性。