1.一种基于两阶段最小二乘法的连续搅拌反应釜参数辨识方法，其特征在于，包括以下步骤：步骤1)建立连续搅拌反应釜分数阶Wiener模型；

所述步骤1)包括以下步骤：

步骤1‑1)构建连续搅拌反应釜分数阶Wiener模型，给出分数阶Wiener系统的一般形2

式，u(t)是系统输入信号，y(t)是系统输出信号，v(t)是一个均值为0、方差为σ且满足高斯分布的白噪声，中间变量m(t)是中间不可测信号，其中N(·)为非线性多项式，得到模型的一般形式：其中，A(z)和B(z)是常数多项式，多项式因子ai,bj和pi是待估计的参数，αi和βj是多项式分母的分数阶数，考虑分数相称系统，即分数阶数是相同基的倍数且已知，则中间信号m(t)表示为：步骤1‑2)采用了Grünwald Letnikov，即GL定义求解分数阶导数，GL定义为：α

其中Δ是离散分数阶差分算子，Δ x(kh)是函数x(k)的α阶分数导数，令t＝kh，其中h是采样间隔，k是计算导数逼近的样本数，将式(3)带入式(2)，中间信号m(t)改写为：假设非线性函数的第一个系数p1＝1，采用关键项分离技术对系统非线性输出的关键项m(t)进行分离，则非线性部分描述为：步骤1‑3)得到连续搅拌反应釜分数阶Wiener模型的辨识模型：上述公式中， 为系统的信息向量，表示为：为系统的参数向量，表示为：

步骤2)构建两阶段加权递推最小二乘算法的辨识流程。

2.根据权利要求1所述的基于两阶段最小二乘法的连续搅拌反应釜参数辨识方法，其特征在于，所述步骤2)算法的具体流程包括以下步骤：步骤2‑1)初始化，给定循环次数h，定义数据长度Ld，权重因子ω，令 P1(0)

6 6

＝1/10，P2(0)＝1/10，t＝1；

步骤2‑2)将连续搅拌反应釜的冷却剂流量作为输入数据u(t)，流体浓度作为输出数据y(t)，记录数据；

α

步骤2‑3)将信息向量中的中间变量m(t)、分数阶导数Δ m(t)替换为其估计值 和根据式(7)和(8)构建信息向量的估计 和步骤2‑4)根据式(9)和式(10)计算增益向量L1(t)和L2(t)，根据式(11)和式(12)计算协方差阵P1(t)和P2(t)；

步骤2‑5)根据式(13)和(14)计算参数向量估计值 和步骤2‑6)根据式(15)计算 并计算分数阶导数步骤2‑7)判断是否达到最大循环次数，若没有达到，t＝t+1并跳转到步骤2‑3)，若达到，进入步骤2‑8)；

步骤2‑8)输出辨识结果 完成辨识。