为提高飞行器的在线辨识精度,有效降低制导系统的误差,以无动力滑翔飞行器为研究对象,以扩展卡尔曼滤波为基础,结合迭代滤波理论,提出了一种改进的迭代扩展卡尔曼滤波算法以实现飞行器气动参数的在线辨识。该方法在扩展卡尔曼滤波得到的估计点上,对量测方程重新进行泰勒级数展开,并进行进一步的迭代,能有效降低算法的线性化误差。在仿真实验中,将传统的卡尔曼滤波方法与该方法进行对比,结果表明,该方法具有较好的收敛性,同时提高了参数辨识的精度,并在计算时间上符合在线辨识的要求。

介绍了液压振动锤的工作原理。建立了锤-桩-土系统的单自由度模型。以共振理论为依据,为实现自适应振动沉桩,提出一种在线测量土体参数的方法。仿真研究结果表明采用带遗忘因子的增广最小二乘算法模型能够较好地辨识出土体的参数。

针对航空发动机数学模型的复杂、多变，建立了以Elman反馈神经网络为基础的模型参考自适应控制系统。为提高控制系统的响应性能，神经网络控制器和辨识器同时采用动态Elman网络，利用动态反向传播（DBP）算法实现参数的在线调整和辨识，并利用李雅普诺夫函数对算法的收敛性进行了证明。采用某涡喷发动机的地面模型和高空模型作为控制对象进行了大量的仿真研究；结果表明：此控制系统具有自适应能力强、响应速度快、稳态误差小等优点；理论分析与仿真结果一致，证明算法和结果是正确有效的，对复杂动态系统控制具有参考价值。

为了实现飞行控制参数的在线更新以及飞行器故障的在线检测,提出了一种支持控制参数在线优化的气动参数实时辨识方法,通过对噪声方差的在线估计,判断参数是否发生突变,进而通过修改协方差矩阵,保证递推最小二乘法的收敛速度和辨识精度,实现在线高精度辨识。最后,基于某飞行器对该方法进行了仿真验证,并与传统辨识方法进行对比,说明了该方法对时变参数有较强的辨识能力,验证了该方法的有效性。

介绍了利用伪随机信号对系统进行在线辨识的方法，并应用它对一个具体的电液饲服系统进行了在线辨识，得出系统的数学模型，通过仿真验证，证明辨识的结果是正确的。

根据板坯连铸机结晶器的振动规律，设计并实现了结晶器振动参数在线辨识及其计算软件。实际运行表明：该软件操作简单。运行稳定，在不同拉速工况下均可精确、快速地对结晶器的振动状态检测、计算、显示、报警和存储。为进一步提高板坯连铸机的拉坯质量和产量，判断传动系统磨损、导向系统偏差等设备故障提供了依据。

针对汽车驾驶员转向特性分类与在线辨识问题,基于驾驶模拟器实验台,设计典型实验工况,选取具有一定驾驶经验的驾驶员进行实验研究。采集驾驶员转向过程实验数据并提取特征值,应用模糊C均值聚类算法将驾驶员转向特性分为谨慎型、一般型和激进型三类;根据分类实验数据应用BP神经网络算法建立驾驶员转向特性辨识模型,对模型辨识准确度进行离线验证,并基于辨识模型设计在线辨识方法。实验结果表明：研究方法能够实现对驾驶员转向特性的合理分类和在线准确辨识。

针对基于电气比例减压阀的气动压力控制系统具有时延、强非线性、系统参数时变等特点，提出用灰色预估模型对系统输出进行预测，并将此预估值作为系统的反馈量和神经网络辨识器的输入量，通过神经网络对系统进行辨识，最后利用神经网络控制器对系统进行控制。实验结果表明，该方法有效降低了时延对系统的影响，提高了动态响应的快速性和精确性，使系统具有较强的鲁棒性和实用性。

设计了基于BP神经网络的自适应PID控制器该控制器充分利用了经典PID控制算法简单的特点又利用了神经网络良好的自适应和抗干扰能力通过神经网络的学习和对系统的在线辨识自适应调整PID参数使控制系统对参数变化表现出良好的鲁棒性和控制性能并通过仿真证明了所设计系统的合理性.

结合用伪随机信号进行系统在线辨识的原理，采用工控机作为控制计算装置，辅以PCL-818L数据采集卡，设计了完整的实验系统。并对一个具体的电液伺服系统进行了在线辨识，通过实验验证了辨识结果的正确性。