为了提高非线性系统参数的辨识精度,以典型的非线性系统Hammerstein模型为例,结合莱维飞行（Levy）算法对标准粒子群优化（PSO）算法进行改进。首先回顾了对于非线性系统辨识算法的发展及存在问题；其次介绍以Levy算法结合PSO算法对非线性系统辨识的整体流程；然后将改进后的算法应用于两个Hammerstein模型中,对模型参数进行辨识,完成对剔除算法的验证；最后对Levy-PSO算法存在的问题做出总结,以及未来的发展方向。通过对基本粒子群和改进的粒子群算法进行仿真对比分析,实验结果表明改进的算法能显著提高辨识速度,有效改善基本粒子群算法的过早收敛问题,并且提高了辨识精度。
