非线性系统辨识实际意义重大,但实际工业过程中由于硬件限制、环境干扰、经济条件等原因,系统将存在以不同采样率进行采样的情况。其中,以双采样率获取数据这一情况较为常见,若直接基于双采样率数据进行辨识将有一定难度。而由于非线性系统的复杂性,至今还没有一个可适用于对所有非线性系统进行描述的通用模型。近年来不少学者基于块结构模型描述非线性系统并展开系统辨识工作,其中Hammerstein模型是研究热门之一。因此基于双采样率数据的Hammerstein系统辨识具有重要的理论和工程实践意义。本文利用双率采样率数据,针对Hammerstein系统进行了在线辨识方法的研究。主要工作包括:1.针对基于双率采样的Hammerstein OE(output error)模型,建立了非线性环节表现为死区特性的Hammerstein OE模型。讨论了死区特性的参数间耦合及参数向量与信息向量间耦合情况,提出基于辅助模型的递推最小二乘法;建立了非线性环节表现为饱和特性的Hammerstein OE模型,针对饱和特性的参数间耦合及参数向量与信息向量间耦合情况,提出基于辅助模型的递推最小二乘法,分别基于两个仿真系统进行系统辨识,验证了两个算法的有效性。2.针对含死区特性的Hammerstein OE模型,为降低噪声对辨识的影响,提高算法在辨识过程中的抗干扰能力,在双率采样前提下,组合二值伪随机序列信号与随机信号,从死区特性三种不同状态角度出发,实现了非线性环节和线性环节分离,降低了参数耦合影响,进一步提出基于组合式信号源的辅助模型递推最小二乘法,并在仿真系统上验证了算法的有效性。3.针对含饱和特性的Hammerstein OE模型,在双率采样前提下,组合二值伪随机序列信号与随机信号,同时对输入信号进行处理,从饱和特性四种不同状态角度出发,实现了非线性环节和线性环节分离,提出了基于组合式信号源的辅助模型递推最小二乘法,并通过仿真验证了算法有效且抗干扰能力有所提升。4.针对2.4m风洞系统的主排气阀和栅指机构,分别建立了相应的含死区特性的Hammerstein OE双采样率模型,采用基于组合式信号源的辅助模型递推最小二乘法对两个模型进行理论仿真验证,以此进一步验证了基于组合式信号源的辅助模型递推最小二乘法的有效性。本文在提出了上述算法并进行相应仿真验证后,对工作进行总结,并在最后整理了未来值得去研究讨论的方向,做出了展望。