驱动系统的数学模型描述着计算机D/A输出值(即电压值)和驱动轮转速之间的关系，设计自动导引控制器及进行仿真和试验研究都需要建立能够正确地反映车辆驱动系统特性的数学模型。

    由于AGV驱动系统环节较多，例如，电机调速机构包括D/A转换、电机控制器、减速器、控制电机等;而且各部件的有关性能参数难以确定，如机械传动机构的刚度、阻尼、纵向运动惯量等机械性能参数都不便于测定，因此采用解析法建立车辆调速机构数学模型的困难很大。由于系统的输入输出信号一般总是可以测量的，而系统的动态特性必然出现于这些输入输出数据中，故可以利用输入输出数据所提供的信息来建立系统的数学模型，这种建模方法就是系统辨识。随着系统辨识理论与方法的发展，应用系统辨识的方法，通过实验研究来确定系统的数学模型，是一种能满足上述要求的行之有效的途径。

    为了对驱动系统动态特性进行初步分析并便于以后的系统辨识，需要首先通过对其进行特定的输入信号(如阶跃输入)下的动态响应过程试验，从而可以根据试验结果判断出驱动系统模型的阶次。另外，由于输入输出信号均为离散数字信号，因此宜采用差分方程描述该系统。用差分方程定量描述一个动态系统时，必须确定出方程中的有关参数。所以，该种系统辨识的实质是一个参数估计问题，可视为一种灰箱式部分辨识问题，同时，辨识过程中由于输入输出数据受到噪声的影响，一般应看成是随机变量，因此也属于统计学范畴。
    在参数估计时，力求使某一个被适当定义的误差标准趋于最小，以便使寻求的数学模型与试验数据有最佳拟合。在各种参数估计技术中，最小二乘法是从试验数据进行参数估计的主要手段，其获得的估计在一定条件下具有最佳的统计特性，因此该方法被广泛应用于系统辨识研究中。

    在系统辨识中，输入信号的类别和形式影响着所采用的辨识方法和辨识精度。用于辨识输入信号的最低要求是具有持续激励特性，即在整个观测周期上，过程的所有模态必须被输入信号持续激励。这意味着输入信号不能随意选择，否则不但辨识精度不能保证，甚至可能造成不可辨识。目前常用的信号主要是随机序列(如白噪声)和伪随机序列。

    理论分析表明，选用白噪声作为辨识输入信号可以保证获得较好的辨识效果，但是白噪声在工程上不易实现，因此工程中一般选用最长线性移位寄存器序列(简称M序列)作为辨识输入信号。M序列是二进制伪随机码序列(PRBS)的一种形式，它的自相关函数接近脉冲函数，具有近似白噪声的性质，可保证有较好的辨识精度。