现代社会对工业过程提出了越来越高的要求，由于工业过程中对于控制和优化等方面的研究均以数学模型为基础，因此针对工业过程的辨识研究有着重要的理论意义和实际价值，也受到了越来越多研究人员和工程师的关注。工业过程中常出现非线性、不确定性、时间延迟、遗失数据以及数据采样频率不同等问题，传统基于单个线性模型的辨识方法存在一定的局限性。因此，本文针对这类相关的问题展开了深入研究，推导其过程模型，并通过一系列的仿真试验以及小规模实验验证所提辨识方法的有效性。论文的主要研究工作包括以下几个方面：(1)研究了工业过程中具有时间延迟且不同数据采样频率的线性系统辨识问题。推导出基于离散化技术的慢速率状态空间模型，提出了基于比传统方法计算负荷低的状态增广策略的卡尔曼滤波方法来解决时间延迟系统的状态估计，并应用随机梯度算法或递推最小二乘算法估计参数，通过仿真例子和三容水箱系统实验验证了所提方法的有效性。(2)研究了工业过程中具有单个不确定调度变量的非线性系统辨识问题，其中调度变量的动态特性通过状态空间方程来表达，并分别考虑线性和非线性的不同工况。选取带外加输入的自回归模型(AutoRegressive model with eXogenous input,ARX)作为局部模型，在每个工作点附近辨识局部ARX模型，应用归一化的指数函数作为权函数，全局模型为局部模型及其权函数的组合，应用期望最大化(Expectation Maximization, EM)算法同时估计ARX模型以及权函数的未知参数。为了求解EM算法中的积分问题，对于具有线性动态特性的调度变量，应用卡尔曼平滑算法估计隐藏调度变量的分布；对于具有非线性动态特性的调度变量，应用粒子平滑算法。通过连续搅拌反应釜和精馏塔的仿真例子以及混杂水箱系统实验对所提方法的有效性进行了验证。(3)研究了工业过程中具有多个互相关调度变量的非线性系统辨识问题。在不同工作点空间内辨识局部ARX模型，应用归一化的指数函数将局部模型整合成全局非线性系统。提出了基于多模型方法及EM算法的辨识方法，使得局部模型及其权函数的参数被同时估计，通过具有两个互相关调度变量的非线性系统的仿真例子验证了所提方法的有效性。(4)研究了工业过程中具有多个互相关调度变量的非线性系统，其中真实的调度变量为隐藏变量，调度变量的动态特性通过状态空间方程来表达，并考虑当观测到的调度变量含有遗失数据以及调度变量模型中含有未知参数的情况下非线性系统的辨识问题。提出了基于多模型方法及EM算法的辨识方法来同时估计局部ARX模型的参数、权函数的参数和调度变量状态空间方程的参数，通过数值仿真和精馏塔的仿真例子以及三容水箱系统实验对所提方法的有效性进行了验证。(5)研究了工业过程中具有不确定调度变量且含有未知时间延迟的非线性系统辨识问题，提出了基于多模型方法及EM算法的辨识方法，使得局部模型的参数、权函数的参数以及未知的时间延迟被同时估计，通过连续搅拌反应釜仿真例子验证了所提算法的有效性。