迟延现象普遍存在于实际的工业系统中。由于迟延的存在,使得控制系统中被控参数不能立即响应控制器的变化,这不仅影响控制系统的控制效果,还有可能产生非常明显的超调量和较长的调节时间,使实际生产过程出现严重的生产事故。因此动态系统的迟延辨识一直备受关注,成为最重要的课题之一。主流的迟延辨识方法依赖系统结构的先验知识,或假定系统模型已知,但实际系统往往结构复杂,对系统结构建模困难,导致此类方法难以进行实际应用。本文针对这些方法的不足展开研究,主要研究工作如下:(1)将Copula理论引入系统迟延辨识领域,把系统的输入与输出信号看作随机变量,把系统输入与输出的间隔固定时长的采样点值视为随机变量的观察值,通过Copula理论中的相依性度量刻画系统输入与输出信号的依赖程度;(2)认为当系统不存在迟延时,系统的输入与输出信号之间的依赖程度最大,即相依性度量值最大。在此前提下,针对一阶SISO系统提出了DB-TDE(Dependency-based time-delay estimation)迟延辨识算法,该算法通过最大化系统输入与输出之间的相依性度量值来估计得到系统迟延。针对线性系统包括一阶惯性系统、微分系统、积分系统以及非线性系统的仿真实验说明,该算法简单有效,且对系统的高斯噪声鲁棒;(3)DB-TDE算法在一阶SISO系统的迟延计算上表现十分良好,但是对于高阶SISO系统(二阶及二阶以上系统),DB-TDE算法的迟延辨识结果存在着一定的误差。通过大量仿真实验发现,此误差有很强的规律性。基于此规律,我们提出了针对高阶SISO系统迟延辨识的补偿公式,通过实验验证了该补偿公式的有效性。