随着控制理论的发展与工程实践的需要，工业控制系统的目标已不再局限于只含某个或某几个变量的单变量系统，而是特性复杂、变量数多的多变量系统。本文基于最小二乘辨识原理，辅助变量辨识方法，辅助模型辨识思想，递阶辨识原理，多新息辨识理论和迭代辨识技术研究了输出误差类多输入单输出系统的辨识问题，研究成果如下：l对于白噪声干扰下的输出误差多输入单输出系统，把系统的r 1个输入作为不可测噪声对待，r为系统的总输入个数，与系统固有的噪声一起构成一个总噪声，用辅助变量法估计系统的参数，推导出辨识这类系统的辅助变量递推最小二乘算法，并将辅助变量递推最小二乘算法和辅助模型递推最小二乘算法的计算量和收敛性进行了对比分析。结合递阶辨识原理和辅助模型辨识思想，提出基于辅助模型的多输入单输出系统递阶最小二乘算法。2对于有色噪声干扰下的输出误差多输入单输出系统，用辅助模型的输出代替辨识模型信息向量中的未知不可测变量，推导出其辅助模型增广随机梯度算法和辅助模型广义随机梯度算法，再通过引入新息长度扩展标量新息为新息向量，推导出基于辅助模型的多输入单输出系统多新息增广随机梯度算法和基于辅助模型的多输入单输出系统多新息广义随机梯度算法。所得算法在每一次的迭代中不仅使用了当前数据和新息，而且使用了过去数据和新息，提高了参数估计精度和收敛速度。3对于有色噪声干扰下的输出误差多输入单输出系统，将辅助模型辨识思想与最小二乘迭代辨识方法相结合，利用系统的可测信息建立一个辅助模型，然后分别用辅助模型的输出和噪声估计值代替辨识模型信息向量中未知的真实输出和不可测噪声项，再使用迭代技术，推导出多输入单输出系统的辅助模型最小二乘迭代算法。并将辅助模型最小二乘迭代算法与传统的辅助模型递推增广最小二乘算法以及辅助模型递推广义最小二乘算法进行了对比和分析。综上所述，论文主要运用辅助模型辨识思想，系统地推导和分析了基于辅助模型的输出误差类多输入单输出系统中的几种参数辨识算法。论文最后给出了总结和展望，并对研究中所面I临的一些困难和急需解决的一些问题做了简单的介绍，如某些辨识算法的收敛性证明问题，这些辨识算法在工业控制中的应用等。