促成伺服控制理论成功的一个因素是，过程的传递函数可以结合经验通过频率响应获得。然而频率响应不适合于过程控制，因为这些过程通常很慢，需要很长的时间来进行实验。除此之外，能捕捉噪声特性的模型也是需要的，比如应用LQG控制器的时候。 对于计算机控制，使用离散时间模型是很自然的。辨识的很多灵感来自于时间序列分析，在时间序列分析中，Box和Jenkins（1970）发展了从时间序列中估计参数的方法。三类流行的模型是自回归(AR)、滑动平均(MA)以及自回归滑动平均 (ARMA) 模型。这些模型是由离散时间白噪声驱动的差分方程。这些模型没有输入，对于控制应用来讲，有必要通过添加控制输入来扩展模型。输入的加入也引发了寻找输入信号的有趣问题，而这些输入信号提供的激励要足够丰富。通过结合概率论，统计学和时间序列分析的思想，就有可能获得具有良好统计特性的强大方法。一个早期应用是确定造纸机的动力学并设计控制律以最小化品质变量的波动 (Åström, 1967; Åström & Bohlin, 1965)。这个领域的研究——后来被称作系统辨识——始于二十世纪六十年代。辨识把控制工程师，概率论学家，统计学家和计量经济学家汇集在一起。有趣的典型的问题不只是如一致性和效率等统计问题，还有受控制启发的问题，如输入选择、开环和闭环实验等 (Gevers, 1993)。研究的进展伴随着几本著作写成了(Kumar & Varaiya, 1986; Ljung, 1987; Norton, 1986; Söderström & Stoica, 1989)。由Ljung开发的Matlab工具箱造成了系统辨识技术在工业和学术界的广泛应用。始于1967年布拉格的IFAC系统辨识系列研讨会仍在继续。