随着现代工业的发展，多率系统在自动化领域得到广泛应用，在实际工业应用领域，传统的单率采样控制系统无法满足现代工业的生产需要，这就要求控制系统内各个采样器和保持器以不同的采样周期进行采样或保持，这样，在同一个控制系统中就出现了多组不同操作频率，对应的系统称为多率系统.研究这类多率系统的辨识问题具有重要的理论意义和实用价值，论文以国家自然科学基金项目为背景，研究有两个输入通道的多率系统的梯度型辨识方法。在查阅了相关多率辨识文献的基础上，作者深入研究了双输入多率系统的梯度型辨识问题，并对提出的部分参数辨识方法的收敛性进行了理论分析，取得了下列研究成果。　　 1.论文针对两个输入通道采样频率不相等的多率系统，推导出双输入多率系统的离散时间状态空间模型，进一步得出对应的离散系统传递函数模型，考虑不同的随机噪声干扰，得到双输入多率随机系统模型。　　 2.研究了双输入多率系统受控自回归模型的参数辨识问题，给出了双输入多率系统随机梯度辨识算法，由于随机梯度算法的收敛速度比较慢，为了提高算法的收敛速度和改善参数估计精度，在算法中引入遗忘因子，得到了带遗忘因子随机梯度辨识算法，简称遗忘梯度辨识算法。在持续激励条件下，利用随机过程理论和鞅收敛定理证明了随机梯度算法的收敛性，并用仿真例子说明了该算法的有效性。　　 3.研究了有色噪声干扰的双输入多率系统方程误差类模型的参数辨识问题。考虑噪声模型分别为MA模型和AR模型，根据各相关噪声模型的特点，将信息向量中的不可测噪声用其估计代替，推导了双输入多率滑动平均模型的增广随机梯度算法和双输入多率动态调节模型的广义随机梯度算法。并利用数字仿真例子验证了辨识算法的有效性。　　 4.基于辅助模型辨识思想，研究了双输入多率系统输出误差类模型的参数辨识问题。用辅助模型的输出代替辨识模型信息向量中未知的真实输出(或无噪输出)，用估计残差代替信息向量中的不可测噪声项，得到辨识双输入多率输出误差模型的辅助模型随机梯度算法、辨识双输入多率OEMA模型的辅助模型随机梯度算法、辨识双输入多率OEARMA模型的辅助模型广义增广随机梯度算法，也用仿真例子说明了算法的辨识效果，并对辅助模型随机梯度算法进行了收敛性分析，论文最后给出了一个总结和展望，并对多率系统梯度型辨识方法问题的研究所面临的一些困难和尚待深入研究的内容作了简单介绍，