1.一种基于牛顿迭代算法的PH中和过程模型辨识方法，其特征在于，包括以下步骤：步骤1)构建PH中和过程分数阶Hammerstein CAR模型，根据所构建的系统模型获取PH中和过程的辨识模型；

所述步骤1)的具体建模步骤如下：步骤1‑1)构建PH中和过程的分数阶Hammerstein CAR模型：如式(4)，给出分数阶Hammerstein CAR系统的一般形式，u(t)为系统的输入，y(t)为系统的输出，x(t)为非线性环节的输出，v(t)为白噪声，其中，x(t)为两段分段非线性：引入开关函数：

h(t)＝h[u(t)]＝0.5{1+sgn[u(t)]}，式(1)可写为：

x(t)＝lu(t)+(m‑l)u(t)h(t)                       (3)可得到模型的一般形式为：

A(z)y(t)＝B(z)x(t)+v(t)                         (4)步骤1‑2)根据式(5)至(12)可以得到输出y(t)与输入u(t)，误差v(t)之间的关系，其中，根据Grnwald‑Letnikov(G‑L)定义可以得到：其中，α为分数阶阶次，t＝kh时，h为采样时间设为1，k为是计算导数近似值的样本数；

式(5)中 为牛顿二项式：

Γ为欧拉函数：

式(4)可写为：

步骤2)构建牛顿迭代算法的辨识流程；

所述步骤2)构建牛顿迭代算法的辨识流程的具体步骤如下：步骤2‑1)定义数据长度为L，输出向量为Y(L)，信息矩阵为Φ(L)，得到辨识模型为

Y(L)＝Φ(L)θ+V(L)                    (13)准则函数为：

2

J(θ):＝||Y(L)‑Φ(L)θ||             (14)步骤2‑2)获取PH中和过程中调节酸流量的阀位电流信号作为输入信号，中和液的PH值为输出信号，记录数据；

α α

步骤2‑3)根据式(9)、(10)计算Δy(t‑i),Δx(t‑j)；

步骤2‑4)构造 和 用k表示迭代次数， 表示θ的迭代估计，将 中的未知α项Δx(t‑j)用第k‑1次的迭代估计值 代替，替代后的 为记作则 为

步骤2‑5)计算 和

步骤2‑6)更新参数估计 使用牛顿迭代算法如下：其中，μ是收敛因子， 为(10)关于 的梯度， 为(10)关于 的海塞矩阵；

步骤2‑7)计算 和

步骤2‑8)判断是否达到最大迭代次数，若没有达到，程序跳转到步骤2‑4)，若达到，进入步骤2‑9)；

步骤2‑9)输出结果，完成辨识。