在现代工业过程中,学者们提出了更多的先进控制技术,但是这些技术多数是需要基于精确对象数学模型的。系统辨识是建立过程对象数学模型的一种有效的方法。目前,我们已经具备了完善和成熟的经典的传统辨识方法,比较流行的辨识算法包括：最小二乘算法、遗传算法、差分进化算法、粒子群算法等,可以在一定程度上克服传统的估计方法的缺点。但是,在这些算法中还有一些可以提出改进措施的地方。在本论文中,首先我们基于标准的粒子群算法提出了一些改进措施,并将该改进算法称之为改进的二阶粒子群算法,随后将该改进算法应用在一类模型结构已知的可以描述成块联模型的非线性系统工业过程中,仿真结果表明该改进算法在非线性系统中的应用是非常有效的。然后,针对一类多输入、单输出的静态系统,提出了一种系统辨识的新方法。该新方法可以实现多变量系统的结构和参数的同时辨识。基本思想是：同时将典型的数学模型与输入变量相互组合,形成众多的子模型,然后在众多子模型中选取拟合实际系统最佳的子模型,同时确定该模型的参数,最终我们将系统的结构辨识问题转化为模型优化问题。随后利用结合了全局和局部搜索的混合PSO-SQP算法,同时实现了系统的结构辨识和参数辨识。仿真结果表明,提出的系统辨识新方法可以实现,具有良好的实用性,给出的混合算法是有效的,具有较高的辨识精度。