Wiener模型是一种模块化非线性模型,由一个动态线性模块和静态非线性模块级联组成。由于其简单的结构、良好的逼近性能被广泛地应用于工业过程控制中,如pH中和过程、蒸馏塔、机械系统和通信系统等。然而,Wiener模型的参数辨识仍存在很多难点,如噪声源的位置,非线性结构辨识等。因此,本文针对含不同噪声的Wiener模型辨识展开研究,具体工作如下:针对结构已知带输出噪声的Wiener模型提出了一种改进的头脑风暴优化算法辨识模型参数。首先在经典头脑风暴优化算法的基础上,增加个体组合方式,并引入动态调整因子,自适应地调整个体搜索最优解范围,提高算法的收敛速度。再利用马尔科夫模型,证明了算法的收敛性。数值仿真和CE8双电驱动系统证实了所提算法的有效性。针对结构未知带过程噪声的Wiener模型采用三次样条逼近贝叶斯复合分位数回归算法。采用高阶ARX模型表示Wiener模型的线性结构,并假设非线性模块可逆,用三次样条函数逼近Wiener模型非线性模块结构。基于贝叶斯原理,通过贝叶斯复合分位数回归算法辨识模型参数。为了减少参数辨识过程中的计算量,采用马尔科夫链蒙特卡洛算法求解参数后验分布期望值(即:待估参数值)。非线性模块和线性模块阶次的确定则分别选用FOE准则和AIC准则,最后通过数值和工业仿真验证算法的有效性。文章针对噪声源位置不同的Wiener模型提出了不同的参数辨识方法,对于噪声位于系统输出端的情形,采用mBSO算法辨识;而对于噪声位于系统内的情形,采用CSA-BCQR算法辨识。仿真实验表明这两种算法在收敛速度和辨识准确性上相较于其他算法都有所改善。