A ship's roll dynamics is very sensitive to changes in the loading conditions and a worst-case scenario is that the ship will capsize. Actually, the mass and center of mass are two of the most influential parameters in most mechanical systems. However, it is difficult to uniquely estimate these parameters for a ship under normal operational conditions without special experiments or equipment. Instead of focusing on a sensor-rich environment where all possible signals on a ship can be measured and a complete model of the ship can be estimated, this thesis presents an approach where a model of a subsystem of the ship's dynamics is estimated using only a limited set of sensors. More specifically, the roll dynamics is studied and it is assumed that only motion measurements from an inertial measurement unit (IMU) together with measurements of the rudder angle are available. Hence, direct measurements of the true inputs to the subsystem are not available, but the measurements indirectly contain information about the inputs and these indirect input measurements can be used as a substitute. To understand the properties of the proposed method, it is applied to an approximate model of the ship's roll dynamics. The analyses show that only a subset of the unknown parameters can be estimated simultaneously and that the estimation problem is similar to closed-loop system identification. A multi-stage method that uses several datasets is introduced to circumvent the restrictions shown in the identifiability analysis. An iterative closed-loop instrumental variable approach is used to estimate subsets of the parameters in each step. The approach is verified on experimental data with good results. It is shown that a well-established and more complete ship model can be used to derive a generalization of the approximate model, with more input measurements and a few extra parameters. The generalized model has the same basic properties as the approximate model. The added complexity is due to the ship's interaction with water. Because of this extra complexity, an iterative joint closed-loop instrumental variable approach based on a graybox formulation and using multiple datasets simultaneously is introduced to estimate the parameters. Finally, experiments with a scale ship model are described. The joint identification method is applied to the collected data and gives promising results. Ett skepps beteende är väldigt känsligt för hur det är lastat och om det är fellastat kan det i värsta fall kapsejsa. Skeppets lastförhållande kan beskrivas med hjälp av dess massa och tyngdpunkt, vilka är två av de fysikaliska storheter som har störst inverkan på många mekaniska systems beteende. Tyvärr är det under normala förhållanden svårt att bestämma dessa storheter entydigt för ett skepp utan att göra speciella experiment eller att använda speciell utrustning. Istället för att fokusera på fall där man kan mäta alla signaler som behövs och skatta en komplett dynamisk modell från dessa så presenteras här ett tillvägagångssätt där endast en del av skeppets totala dynamik modelleras. Dessutom används bara en begränsad uppsättning sensorer. Mer specifikt så är det skeppets rolldynamik som undersöks och det antas att endast mätningar av skeppets rörelser, från tröghetssensorer, och rodervinkeln finns tillgängliga. Detta betyder att direkta mätningar av de sanna insignalerna till rolldynamikdelsystemet inte finns tillgängliga. Å andra sidan innehåller de tillgängliga mätningarna indirekt information om dessa insignaler och mätningarna kan därför användas som ersättning för insignalerna. För att förstå egenskaperna hos den föreslagna metoden så appliceras den på en förenklad modell av skeppets rolldynamik. Analyserna visar att endast en delmängd av de okända parametrarna i den förslagna modellen kan bestämmas entydigt och att parameterskattningsproblemet liknar systemidentifiering för återkopplade system. En flerstegsmetod, som använder flera dataset, introduceras för att kringgå vissa av de restriktioner som analysen påvisat. En iterativ parameterskattningsmetod för återkopplade system baserad på korrelation med instrumentvariabler används i varje steg för att skatta de okända parametrarna. Den föreslagna metoden har testas på verkliga experimentdata med goda resultat. Det visas också att en generalisering av den förenklade modellen kan härledas från en väletablerad och mer komplett skeppsmodell. Den generaliserade modellen har ett fåtal extra parametrar och extra insignaler som resultat av skeppets växelverkan med vattnet. På grund av den ökade komplexiteten införs en modell med fysikaliska parametrar och flera datamängder används samtidigt i en iterativ parameterskattningsmetod för återkopplade system baserad på korrelation med instrumentvariabler. Slutligen beskrivs ett experiment där data samlats in från en modellskepp i en bassäng. Den gemensamma parameterskattningsmetoden har tillämpats på den insamlade datan och resultaten är lovande. LINK-SIC