系统辨识的目的是建立控制对象的精确模型,任何好的控制算法都需要以好的系统辨识算法为前提。在实际工业过程中,连续时间系统通常都具有不稳定的初始状态,这时应用以往的辨识算法都得无法获得精确的模型参数,使得很难对这些系统进行有效控制。本论文针对传统辨识算法不适用于具有不稳定初始状态的连续时间系统的问题,提出了一整套解决方案,这套方案主要以测试方法作为分类依据,包括基于阶跃测试的多步积分辨识法,基于脉冲测试的两阶段最小二乘法和对测试信号无要求的状态估计辨识法,并分别对每种方法进行了深入的研究。完成的主要工作如下：1、收集和研究了近年来系统辨识领域的新发展,并进行整理分类,对各种辨识方法的优缺点进行了比较,对各种方法在工业中的适用性进行了评估。深入工业现场,调查实际过程对象对系统辨识的新需求,发现具有不稳定初始状态的连续系统在辨识中存在诸多困难,从而确定了研究攻关的方向。2、要将工业现场采集的数据应用于连续时间系统的辨识,计算机仿真技术是关键。研究了计算机仿真的原理,并对各种算法的优缺点进行了比较,重点分析了四阶龙哥库塔法的运算过程,计算精度和实用性。提供了两种工程方法,用于模型快速转化、理论预测和仿真结果验证。3、在最近几年系统辨识的发展中,一种基于阶跃测试的多步积分方法已经提出,用于辨识在测试开始时过程处于稳态的带时滞的连续时间系统。提出了一种新的基于阶跃测试的多步积分方法,用于对具有不稳定初始状态的连续时间系统进行辨识,原理简单,不需要迭代,一步就可得到所有模型参数和时滞时间。4、针对现场测试中常遇到的实际辨识困难,例如不稳定初始状态、负载扰动和被噪声破坏的测量值,提出了两阶段最小二乘算法。首先,对于阶跃和斜坡响应,通过对不同的系统方程进行多步积分得到一般的线性回归方程。然后考虑四种脉冲输入,他们在应用中各有优势而且都能表示成阶跃或脉冲输入的组合。基于其中任何一种脉冲响应,算法都能克服上述困难并获得精确的参数辨识。5、针对传统辨识方法不适用于具有不稳定初始状态的连续时间系统的问题,提出一种全新的状态估计辨识法,首先用系统状态空间描述下的状态量表征系统初始状态,然后将初始时刻的状态量看作待辨识参数的一部分,用粒子群算法寻找最优解。对测试信号无任何要求,也不需要知道系统初始状态的测量值,可直接用于闭环辨识。仿真实验证明该算法是有效的。