1.一种基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其特征在于，包括以下步骤：步骤1)建立分数阶压电陶瓷系统的输入输出数学模型；

步骤2)构建极大似然最小二乘算法的辨识流程。

2.根据权利要求1所述的基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其特征在于，所述步骤1)的建模步骤如下：(1‑1)构建一个分数阶压电陶瓷系统Hammerstein非线性模型的结构；

(1‑2)根据此模型，构建出分数阶压电陶瓷系统Hammerstein非线性模型表达式如下：y(t)＝x(t)+w(t),     (4)2

其中，u(t)是模型输入信号，y(t)是模型输出信号，v(t)是一个均值为0、方差为σ 且满‑1足高斯分布的白噪声，中间变量 x(t)和w(t)是中间不可测量的信号，q 是单位延迟符‑1号：q y(t)＝y(t‑1)，A(q)，B(q)和C(q)是常数多项式，具有以下定义：其中，多项式因子ai，bj和ck是待估计的参数，γ是多项式的分数阶数；

(1‑3)则中间信号x(t)和w(t)表示为：采用了Grünwald Letnikov(GL)定义求解分数阶导数，GL定义表示为：γ

其中Δ是离散分数阶差分算子，Δ x(th)是函数x(th)的γ阶分数导数，令t＝th，其中h是采样间隔，t是计算导数逼近的样本数，将式(7)带入式(5)，(6)，离散后的中间信号x(t)和w(t)为：模型中非线性环节的输出是多项式形式，表示为：其中，εi是需要辨识的未知系数，而多项式函数的阶数γ是已知的；

(1‑4)得到分数阶压电陶瓷系统的Hammerstein非线性模型的辨识模型：上述公式中，φ(t)为系统的信息向量，表示为：θ为系统的参数向量，表示为：

其中， 定义为：

3.根据权利要求2所述的基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其特征在于，所述步骤1‑1)的模型为分数阶Hammerstein非线性模型。

4.根据权利要求1所述的基于极大似然最小二乘算法的分数阶压电陶瓷辨识方法，其特征在于，所述步骤2)构建极大似然最小二乘算法的辨识流程的步骤如下：步骤2‑1)初始化，给定循环次数L；

步骤2‑2)将输入压力作为压电陶瓷系统模型的输入数据u(t)，输出电流作为输出数据y(t)，根据式(8)计算压电陶瓷压力差x(t)；

步骤2‑3)将信息向量中的中间变量x(t)、w(t)、非线性部分 和不可测噪声v(t)替换为其估计值 和 根据式(12)计算步骤2‑4)根据式(14)计算增益向量L(t)；

步骤2‑5)根据式(15)计算参数向量的估计值步骤2‑6)根据式(8)、(15)计算估计的中间变量 和估计的噪声 由式(7)的GL定义计算中间变量分数阶导数步骤2‑7)判断是否达到最大循环次数，若没有达到，程序跳转到步骤2‑3)，若达到，进入步骤2‑8)；

步骤2‑8)输出结果，完成辨识。