系统辨识在实验设计、数据分析、预测、仿真和智能控制中是必不可少的一环，对系统辨识的研究有很强的理论意义和实际意义.非线性系统辨识是系统辨识今后发展的主要方向.目前，对于非线性系统的辨识还没有形成完整的理论体系.人工神经网络是近年来发展起来的一门新型交叉学科，具有强大的信息处理能力和逼近能力等.根据非线性系统和神经网络的特点，神经网络非常适合于对非线性系统建模，神经网络是研究系统辨识的一种强有力的工具.　　动态神经网络强大的非线性映射能力和逼近能力，使得它非常适合于非线性动态系统的辨识.本文主要介绍了几类常见的动态神经网络:NARX，Hopfield，Elman和Jordan网络.对这类几类网络的结构特点进行了深入细致的分析，并对非线性系统的特点进行了深入的分析，总结出动态神经网络可用于非线性系统的辨识.在此基础上，证明了动态神经网络对于非线性系统的逼近能力，最后，建立动态神经网络辨识模型，对模型参数进行了具体的研究，证明了模型参数的有界性和辨识误差的有界性.