1.一种动静态数据混合驱动的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，该方法具体包括以下步骤：S1：采集系统动态数据和静态数据；

S2：选择和处理Hammerstein非线性系统模型，得到预测模型；

S3：构建Hammerstein非线性系统动态简约模型；

S4：构建Hammerstein非线性系统静态简约模型；

S5：利用递阶拉格朗日最优加权方法求解系统参数融合辨识。

2.根据权利要求1所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，所述步骤S1具体包括：对实际工业过程进行数据采集，获得系统动态数据{u(t)，和静态数据 其中，u(t)，y(t)分别为动态输入输出数据，N为动态输入输出数据的数量， 分别为静态输入输出数据，M为静态输入输出数据的数量。

3.根据权利要求1所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S2中，得到预测模型为：其中： ω＝[ω1，ω2，...，ωr]，z(t)＝[f1(u(t))，f2(u(t))，...，fr(u(t))]T； u(t)∈R，y(t)∈R，e(t)∈R分别表示状态向量、采集输入数据、采集输出数据、新息向量；(A，B，C，K)表示系统矩阵；nx表示模型阶次；新息为零均值高斯噪声，非线性输入函数f(t)∈R为已知基函数fi(u(t))∈R的线性组合，ωi∈R表示未知系数。

4.根据权利要求3所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S3中，构建Hammerstein非线性系统动态简约模型，具体包括以下步骤：S31：对新息模型进行p次迭代处理，得到新的状态方程：其中：

T T T T

zp(t)＝[z(t-p)，z(t-p+1)，...，z(t-1)]  (9)yp(t)＝[yT(t-p)，yT(t-p+1)，…，yT(t-1)]T  (10)S32：将新的状态方程带入输出，根据 的特性对系统的输出y(t)进行重写得到新的系统输出函数：(t)＝P0(t)θ0+P1(t)θ1+e(t)  (11)其中：

P0(t)＝[zT(t-1)，zT(t-2)，...，zT(t-p)]  (12)P1(t)＝[yT(t-1)，yT(t-2)，...，yT(t-p)]  (13)S33：对θ0进行分解处理，重写过参数化模型(11)，得到两个动态简约模型：y(t)＝P2(t)θ2+P1(t)θ1+e(t)  (16) ＝P3(t)ωT+P1(t)θ1+e(t)  (17)其中：

P2(t)＝[ωz(t-1)，ωz(t-2)，...，ωz(t-p)]  (18)且θ1和θ2包括所有扩展的马尔科夫参数，如下所示：相应的系统马尔科夫参数定义为：

hi＝CAi-1K  (23)

gi＝CAi-1B  (24)

其中，i＝1，...，p；

S34：对动态数据和动态简约模型进行矩阵化处理：Y＝[y(1)，y(2)，…，y(N)]T  (25)E＝[e(1)，e(2)，...，e(N)]  (26)在矩阵化的基础上，对(11)、(16)和(17)进行迭代运算，得到新的矩阵化动态简约模型如下：Y＝φ0θ0+φ1θ1+E  (31)Y＝φ2θ2+φ1θ1+E  (32)Y＝φ3ωT+φ1θ1+E  (33)由此，采用动态简约模型(32)估计线性扩展马尔可夫参数向量θ2；用动态简约模型(33)估计非线性参数ω；用辅助模型(31)估计扩展(32)和(33)中的冗余参数，即马尔可夫参数θ1。

5.根据权利要求4所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S4中，构建Hammerstein非线性系统静态简约模型，具体包括以下步骤：S41：对应所得静态输入输出代入式(11)，整理后得到稳态输出 的另一种表示形式：其中：

S42：对静态数据进行矩阵化处理：

得到稳态参数G和Q的一致最小二乘解：

S43：由于参数G的函数表达式(36)和Q的函数表达式(37)包含过参数化的模型参数，将过参数化模型(37)重写为两个静态简约模型：Q＝K1ωT  (41)

其中：

K2＝ωi[1，…，1]  (44)

其中，Qi是Q的第i个参数；

采用静态简约模型(41)估计非线性参数向量ω；采用静态简约模型(42)估计线性扩展马尔可夫参数向量θ2。

6.根据权利要求5所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S5中，利用递阶拉格朗日最优加权方法求解系统参数融合辨识，具体包括以下步骤：S51：采用投影方法估计辅助模型(31)中的θ1；

将动态简约模型(31)中的输出Y正交投影到φ0的正交补上，进一步进行最小二乘估计，得到θ1的估计值如下：其中：

其中，IN表示维度为N的单位矩阵；

S52：构建基于加权矩阵简约模型的多正则化框架：其中，τ1和τ2是与稳态数据的等式约束相关的未知拉格朗日乘子；

S53：求导计算：取 对 和τ1的一阶导数，取 对 和τ2的一阶导数，得到：其中， 和 的定义相似；

S54：采用递阶拉格朗日迭代方法估计ω和θ2；

S55：估计线性系统参数。

7.根据权利要求6所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S54中，采用递阶拉格朗日迭代方法估计ω和θ2，具体包括：在第(k+1)次迭代时，用第k次迭代 时的估计值替换第(k+1)次迭代时φ2和K2中的未知参数向量ω，用于估计θ2，用 代替φ3和K1中的未知参数向量θ2来估计ω；对 执行规范化操作：初始值ω(0)和θ2(0)在0-1之间任意生成。

8.根据权利要求7所述的Hammerstein非线性工业系统简约灰箱子空间辨识方法，其特征在于，步骤S55中，估计线性系统参数，具体包括：S551：从估计马尔科夫参数提取系统马尔科夫参数：S552：执行以下奇异值分解：

其中， 和 分别是S的最大nx特征向量、U的左特征向量和VT的右特征向量；

S553：从 和 中提取可观测矩阵 和可控性矩阵S554：从 和 中直接检索系统矩阵：