驅動系統的數學(xué)模型描述著(zhe)計算機D/A輸出值(即電壓值)和驅動輪轉速之間的關系，設計自動導引控制器及進(jìn)行仿真和試驗研究都(dōu)需要建立能(néng)夠正确地反映車輛驅動系統特性的數學(xué)模型。

    由于AGV驅動系統環節較多，例如，電機調速機構包括D/A轉換、電機控制器、減速器、控制電機等;而且各部件的有關性能(néng)參數難以确定，如機械傳動機構的剛度、阻尼、縱向(xiàng)運動慣量等機械性能(néng)參數都(dōu)不便于測定，因此采用解析法建立車輛調速機構數學(xué)模型的困難很大。由于系統的輸入輸出信号一般總是可以測量的，而系統的動态特性必然出現于這(zhè)些輸入輸出數據中，故可以利用輸入輸出數據所提供的信息來建立系統的數學(xué)模型，這(zhè)種(zhǒng)建模方法就是系統辨識。随著(zhe)系統辨識理論與方法的發(fā)展，應用系統辨識的方法，通過(guò)實驗研究來确定系統的數學(xué)模型，是一種(zhǒng)能(néng)滿足上述要求的行之有效的途徑。

    爲了對(duì)驅動系統動态特性進(jìn)行初步分析并便于以後(hòu)的系統辨識，需要首先通過(guò)對(duì)其進(jìn)行特定的輸入信号(如階躍輸入)下的動态響應過(guò)程試驗，從而可以根據試驗結果判斷出驅動系統模型的階次。另外，由于輸入輸出信号均爲離散數字信号，因此宜采用差分方程描述該系統。用差分方程定量描述一個動态系統時，必須确定出方程中的有關參數。所以，該種(zhǒng)系統辨識的實質是一個參數估計問題，可視爲一種(zhǒng)灰箱式部分辨識問題，同時，辨識過(guò)程中由于輸入輸出數據受到噪聲的影響，一般應看成(chéng)是随機變量，因此也屬于統計學(xué)範疇。
    在參數估計時，力求使某一個被(bèi)适當定義的誤差标準趨于最小，以便使尋求的數學(xué)模型與試驗數據有最佳拟合。在各種(zhǒng)參數估計技術中，最小二乘法是從試驗數據進(jìn)行參數估計的主要手段，其獲得的估計在一定條件下具有最佳的統計特性，因此該方法被(bèi)廣泛應用于系統辨識研究中。

    在系統辨識中，輸入信号的類别和形式影響著(zhe)所采用的辨識方法和辨識精度。用于辨識輸入信号的最低要求是具有持續激勵特性，即在整個觀測周期上，過(guò)程的所有模态必須被(bèi)輸入信号持續激勵。這(zhè)意味著(zhe)輸入信号不能(néng)随意選擇，否則不但辨識精度不能(néng)保證，甚至可能(néng)造成(chéng)不可辨識。目前常用的信号主要是随機序列(如白噪聲)和僞随機序列。

    理論分析表明，選用白噪聲作爲辨識輸入信号可以保證獲得較好(hǎo)的辨識效果，但是白噪聲在工程上不易實現，因此工程中一般選用最長(cháng)線性移位寄存器序列(簡稱M序列)作爲辨識輸入信号。M序列是二進(jìn)制僞随機碼序列(PRBS)的一種(zhǒng)形式，它的自相關函數接近脈沖函數，具有近似白噪聲的性質，可保證有較好(hǎo)的辨識精度。