许多工业过程,如蒸馏塔、热交换器和反应堆等,都可以用时滞多变量系统建模.时滞的存在使得系统的输出不能及时响应,且稳定性变差,设计系统控制器时对时滞参数的精度要求较高,因此,时滞的估计和系统参数估计都是系统辨识的重要内容.本文针对不同的含有未知时滞的多变量系统,采用过参数化方法建立具有高维稀疏参数向量的辨识模型.除非时滞是预先确定的,传统辨识方法不能得到稀疏解且需要大量观测数据.受稀疏优化和压缩感知重构(compressed sensing reconstruction,CSR)理论启发,本文基于凸优化方法和贪婪算法,利用辅助模型和迭代辨识思想,提出相应的联合时滞和参数辨识方法,具体研究成果如下.1.针对含有未知时滞的多输入单输出受控自回归系统,基于凸松弛理论,改进基追踪降噪方法提出阈值基追踪降噪算法.基于贪婪搜索策略,提出执行速度更快的阈值正则化正交匹配追踪算法.为进一步提高计算效率,运用梯度搜索原理提出梯度追踪(gradient pursuit,GP)算法.提出的算法能够在少量采样数据的情况下获得有效的参数估计,系统未知时滞可根据估计参数向量的稀疏结构确定.仿真算例验证了所提算法的有效性.计算量分析说明,GP算法具有最小的计算量.2.针对含有未知时滞的多输入单输出输出误差(multiple-input single-output output-error,MISO-OE)系统,辨识模型的信息向量中含有未知信息项,基于辅助模型思想和CSR算法,分别提出基于辅助模型的基追踪降噪迭代,正交匹配追踪迭代和梯度追踪迭代算法.在每次迭代过程中,对参数向量和辅助模型的输出进行交互估计,即利用CSR算法获得参数向量的估计,再利用参数估计值计算辅助模型的输出,并用辅助模型的输出值代替信息向量中的不可测信息项以更新参数估计.根据参数向量的稀疏特征,获得系统的时滞估计.仿真结果表明了算法的有效性.3.针对含有未知时滞的多输入单输出输出误差滑动平均系统,系统干扰是有色噪声,与MISO-OE系统相比,该系统辨识模型的信息向量中除了含有不可测中间变量,还含有未知噪声回归项.基于迭代辨识原理和辅助模型辨识思想,将CSR算法嵌套于迭代算法,即通过内部CSR算法得到参数估计,并刷新中间变量和估计残差,分别提出基于辅助模型的增广基追踪降噪迭代,增广正交匹配追踪迭代和增广梯度追踪迭代算法.所提出算法可利用少量的采样数据信息同时获得系统参数和时滞的估计值.综上所述,本文针对时滞多输入系统的时滞与参数辨识问题,基于凸松弛理论和贪婪搜索策略,分别推导了辨识模型及相应的辨识算法.数值仿真说明提出的算法是有效的.