机电一体化所涉及的领域很深广，被控对象的性质差异也极大。由于目前所掌握的科学手段尚有限，人门还不能随心所欲建立全真的数学表达式和解算方法来描述和求解这些对象，因此在建立被控对象数学模型时，需要进行适当简化，用某些已知的数学方法去近似地描述和求解这些对象。对不同的被控对象及不同的控制要求，可采用不同的简化方法，因而能得到具有不同形式的数学模型。常见的数学模型有：分布参数模型和集中参数模型；随机性模型和确定性模型；线性模型和非线性模型；参数时变模型和参数时不变模型；连续时间模型和离散时间模型；动态模型和静态模型；参数模型和非参数模型等。选择模型类型被控对象数学模型的类型应根据其用途、要求及所用控制器的形式等来选择。用于控制的模型应选择动态模型，而用于系统优化和性能分析的模型则应选择静态模型。绝大多数实际对象都是分布参数的、含有随机性因素的、非线性的时变系统，但目前研究得最透彻的、最易于处理的模型是集中参数的、确定性的、线性的时不变系统。因此，在满足控制精度的前提下，可用集中参数模型来近似地描述分布参数系统，用线性时不变模型来近似地描述非线性时变系统等，以便采用成熟的理论和方法进行系统分析和设计。
　　选择数学模型时，还应考虑所用控制器的形式。当采用数字计算机作为控制器时，应选择离散时间模型，或在建立了连续模型后通过适当方法将其转化成离散模型。
　　2．确定建模方法建立数学模型的方法主要有分析法和实验法两种。分析法是将复杂的对象按其结构分解成若干独立的单元或组合，每一单元或组合又进一步分解成元件或环节，根据每一环节所遵循的物理、化学规律或被控对象的特点，用数学分析方法分别写出各自的运动规律方程式，然后将这些方程式按系统的结构原理和相互作用关系联立起来，从而得到以方程式或方程组表达的整个被控对象的数学模型。这种数学模型又被称为机理模型。机理模型可反映被控对象的本质，有较大范围的适应性，所以在建立数学模型时，只要能借助于分析法得到机理模型，即使是部分环节也要尽量考虑。分析法的不足之处是有时得到的模型过于复杂，难于解算，对于机理尚不清楚的对象则无法使用。
　　实验法是在实测系统输入和输出对应数据的基础上，分析其内在规律，建立一个与所测系统等效的数学模型。这种模型又称辨识模型。建立辨识模型的关键是测试方法及试验信号的选择。常用的方法有时域法、频率法和统计法三种，将在下面介绍。
　　3．确定模型的结构和参数(1)机理模型  由于实际的对象通常都比较复杂，难以用数学方法予以精确地描述因此在确定机理模型的结构和参数时，首先需提出一系列合理的假定，而这些假定应不致于造成模型与实际对象的严重误差，且有利于简化所得到的模型。然后，基于所提出的假设条件，通过机理分析，列出被控对象运动规律方程式。最后，建立方程的边界条件，将边界条件与方程结合起来，就构成了被控对象的基本模型。
　　在基本模型确定后，还应从工程角度出发，在满足精度要求的前提下，对基本模型尽可能地加以简化，以利于模型的求解，特别是便于实时控制的应用。
　　在简化的机理模型的基础上，可采用解析方法或计算机仿真方法来分析、研究和求解模型中输入和输出或状态变量之间的定量关系，必要时还应通过实验加以验证。当实验结果与解析或仿真分析结果出入较大时，应依据实验数据对模型结构及参数进行修正，直到获得满意的模型为止。
　　(2)辨识模型在建立辨识模型时，应首先在对被控对象特性进行较充分的分析、与同类对象类比及总结实际羟验的基础上，初步选定被控对象模型的结构，包括模型的阶次及输入、输出变量等，然后选择合适的实验方法对被控对象进行测试。在测试过程中，记录下全部有关的输入、输出数据，作为模型参数估计的依据。此后按照所确定的参数估计的****准则，用优化方法确定模型的参数，使得实验数据与辨识模型能依据所选定的准则****地拟合。
　　数学模型的阶次对系统特性影响很大，如果初选模型的阶次不合理，上述拟合将会有很大误差，这时还要对模型的阶次进行辨识。阶次辨识一般从低阶向高阶搜索，对不同阶次模型的准确程度进行比较和评价，最终确定比较合理的阶次。
　　利用上述方法确定了辨识模型的结构和参数后，还应采用另一种试验信号再进行一次实验测试，以验证或修正模型的结构和参数