L'identification de système ou identification paramétrique est une technique de l'automatique consistant à obtenir un modèle mathématique d'un système à partir de mesures. L'identification consiste à appliquer ou observer des signaux de perturbation à l'entrée d'un système (par exemple, pour un système électronique, ceux-ci peuvent être de type binaire aléatoire ou pseudo-aléatoire, galois, sinus à fréquences multiples...) et en analyser la sortie dans le but d'obtenir un modèle purement mathématique. Les différents paramètres du modèle ne correspondent à aucune réalité physique dans ce cas. L'identification peut se faire soit dans le temps (espace temporel), soit en fréquence (espace de Laplace). Éviter les modèles purement théoriques à partir des équations physiques (en général des équations différentielles), qui sont longs à obtenir et souvent trop complexes pour le temps de développement donné, est donc possible avec cette technique. Le principe d'une identification paramétrique est d'extraire un modèle mathématique à partir d'observations. Le modèle doit permettre de calculer la sortie du procédé y à n'importe quel instant t si les conditions initiales du système sont connues. Pour cela, on peut se servir des valeurs des entrées aux instants présent et précédents (u(t), u(t-1), ...) et des valeurs précédentes de la sortie (y(t-1), y(t-2), ...) dans le cas d'un modèle régressif. Il est tout de même important d'avoir des connaissances basiques du système pour choisir un type de modèle adapté Modèle possédant une entrée/une sortie (SISO) ou plusieurs entrées et plusieurs sorties (MIMO) Modèle linéaire ou non linéaire (dans ce cas, qu'est-ce qui est non linéaire en fonction de quoi ?) Modèle continu ou discret Modèle régressif ou indépendant : pour un modèle régressif, la sortie à un instant t, y(t), dépend des instants précédents (y(t-i)). Modèle stochastique ou déterministe En général, le modèle est représenté sous forme de fonction de transfert utilisant la Transformée en Z.