由于状态空间模型能够方便地描述多输入多输出系统的动态响应特性,而且适用于在时间域发展和广泛应用的模型预测控制理论和设计方法,近三十年来在系统辨识研究领域受到了大量的关注和深入探讨。现已发展的状态空间(亦称子空间)辨识方法大多数是基于待辨识系统只受白噪声影响的假设。然而在实际工业生产过程操作运行中,包括辨识实验,经常受到不确定或未知负载干扰的影响,如果采用现有状态空间辨识方法辨识模型会得到有偏的参数估计,从而影响控制系统设计及其运行性能。因此,研究能消除负载干扰影响的状态空间模型辨识方法具有重要的理论意义和工程应用价值。本文针对常见的一些负载干扰类型提出相应的状态空间模型抗扰辨识方法,并且从理论上分析了可以达到的一致性无偏估计和收敛性。主要研究工作创新点包括:1.针对受有色噪声影响的线性系统,提出了一种基于双正交投影的子空间辨识方法,通过依次将构造的“未来”输入和输出观测数据序列正交投影到“未来”输入激励序列的正交补空间和“过去”输入数据Hankel矩阵空间,能够消除有色噪声的影响。其优点在于无论系统输入是否具有自相关性,都能得到一致无偏辨识结果。同时,给出了该辨识算法保证一致无偏估计系统扩展能观性矩阵的充分条件和误差界分析。2.针对受慢时变扰动影响的线性系统,提出了一种递归子空间辨识方法,基于线性叠加原理将观测输出分解为受扰输出和非受扰输出两部分,并将受扰输出响应视为待辨识慢时变参数。分别通过建立基于输出预测误差的自适应遗忘因子递归最小二乘法和固定遗忘因子递归最小二乘法,对扰动输出和确定性系统参数进行估计,从而可以消除扰动对系统参数辨识带来的不良影响。其优点在于能够快速跟踪估计慢时变扰动参数,进而得到准确的系统参数估计。同时,给出了该辨识算法的参数估计误差界。3.针对受白噪声影响的闭环运行线性系统,提出了一种基于新息估计和正交投影的闭环子空间模型辨识方法,通过正交投影对系统vector autoregressive with exogenous inputs(缩写VARX)模型进行估计,从而得到关于噪声的新息估计,然后将构造的“未来”输入和输出数据正交投影到已估计新息矩阵的正交补空间,能够消除噪声的影响。其优点在于相对于已有文献给出的闭环子空间辨识方法,无论系统设定点输入是否具有自相关性,都能得到一致无偏辨识结果。同时,给出了该辨识算法保证一致无偏估计的充分条件并予以证明。4.针对受未知周期扰动影响的Hammerstein非线性系统,提出了一种基于正交投影的非线性子空间辨识方法,基于线性叠加原理将观测输出分解为受扰输出和非受扰输出两部分,通过将构造的输入和输出数据正交投影到受扰输出的参数化正交补空间来消除扰动的影响。其优点在于对受未知周期扰动影响的Hammerstein非线性系统,可以得到一致性辨识结果。同时,给出了该辨识算法保证一致无偏估计的充分条件并予以证明。