分数阶系统辨识作为分数阶控制理论的分支,已经成为控制领域的一个研究热点。研究表明,实际系统几乎都是分数阶的,而且分数阶微积分比整数阶微积分的建模精度高。精确的系统模型有利于控制器的设计,实现较优的控制效果。因此,对于分数阶系统辨识方法的研究有其理论和应用价值。在前人研究的基础上,本文对分数阶系统辨识方法进行了如下几个方面的研究:首先,将经典的整数阶最小二乘辨识法推广到成比例分数阶系统的时域辨识。对于成比例分数阶系统,其阶次成等比,有类似整数阶系统的模型结构,通过公因子阶次和模型参数辨识分离的方法实现成比例分数阶系统的时域最小二乘辨识。分数阶公因子阶次在确定范围内数值遍历,利用分数阶微积分的G-L定义直接计算相应阶次的分数阶导数,按照整数阶最小二乘辨识法的思想得到相应的参数辨识结果,比较每组辨识结果的辨识误差,误差最小的为最优辨识结果。数值仿真验证了算法的有效性。其次,针对不成比例分数阶系统,基于改进的粒子群算法提出了一种分数阶系统辨识方法。利用惯性权值自适应律来改进基本粒子群算法,增加了粒子种群多样性,提高了算法搜索速度。选取实际系统与辨识系统的输出误差平方和作为目标函数,将改进的粒子群算法应用到分数阶系统时域辨识,可以同时辨识分数阶模型参数和分数阶阶次,适用于成比例和不成比例分数阶系统的时域辨识,而且适用于整数阶系统辨识。该方法辨识精度高,容易编程实现,有一定的抗干扰能力。最后,针对成比例分数阶时滞系统,提出一种分数阶系统频域辨识方法。在频域下,利用欧拉公式,把时滞参数化简到多项式系数中,将系统传递函数写成虚部实部形式,把运算数据虚部和实部分离计算引入辨识过程,降低了计算的复杂度。基于最小二乘思想,得到多组数据,作为权值自适应粒子群算法的初始数据,把分数阶系统辨识问题转化成优化问题,进而实现了分数阶公因子阶次和时滞参数的辨识。仿真研究表明了算法的有效性。