1.一种加热炉总括热吸收率的辨识方法，其特征在于，所述总括热吸收率的辨识方法包括以下步骤：
s1：获取加热炉内钢坯的热传导偏微分方程，及所述热传导偏微分方程的定解条件，所述定解条件包括边界条件和初始条件；
s2：将钢坯划分为多个离散的网格点，并对所述热传导偏微分方程和所述边界条件分别进行离散化处理，获取钢坯在加热炉内不同位置时所述网格点的计算温度；
s3：将钢坯从进加热炉到出加热炉的过程中，连续测量并记录多个所述网格点的测量温度，根据所述测量温度和所述计算温度建立目标函数逆热传导模型：
其中,k是指钢坯上的测量点，且所述测量点k所对应的所述网格点的在钢坯上的坐标为(x,y)；k∈(1,2,3...m)且m是指钢坯从加热炉炉口到加热炉炉尾的路径上选取了m个采集点；tc(x,y,k；p)是钢坯位于所述采集点时，测量点k对应的网格点处的所述计算温度；tm(x,y,k)是钢坯位于所述采集点时，所述测量点k的测量温度；p为辨识的总括热吸收率；
s4：利用混沌粒子群算法对所述逆热传导模型进行最优化求解，通过极小化所述逆热传导模型，得到加热炉不同炉段的总括热吸收率。
2.如权利要求1所述的加热炉总括热吸收率的辨识方法，其特征在于，在所述步骤s1中；
所述热传导偏微分方程为：
所述边界条件为：
所述初始条件为：
t(x,y,0)＝t0
其中，x∈(0，lx)，y∈(0，ly)，lx，ly分别为钢坯的宽度和厚度；
3.如权利要求2所述的加热炉总括热吸收率的辨识方法，其特征在于，所述步骤s2中，对所述热传导偏微分方程离散化得到离散方程为：
其中，将钢坯划分为多个离散的网格点，具体为将钢坯连续空间域和时间域离散为具有有限个所述网格点，所述网格点在钢坯上的空间位置坐标表示为(i，j),i∈[1,ni],j∈[1,nj]，ni表示钢坯宽度方向上离散后的单元格数量，nj表示钢坯厚度方向上离散后的单元格数量，t∈[0，nt],nt表示钢坯在炉内加热的总时间离散后得到的时刻数，所以离散以后的网格点对应的温度值为
对所述边界条件离散化处理得到所述离散边界方程：
其中，
4.如权利要求3所述的加热炉总括热吸收率的辨识方法，其特征在于，所述步骤s4具体为：
s41：混沌初始化，生成一个有f个粒子的种群，且每个粒子中都包括有n个元素；
s42：计算每个粒子的适应值fitness(i)，其中fitness(i)表示第i个粒子的适应值，求第i个粒子的适应值具体为：
首先，将第i个粒子中的前1/3的元素设置为所述p1(t)的初始解，第i个粒子中的中间的1/3的元素设置为所述p2(t)的初始解，第i个粒子中的最后的1/3的元素设置为所述p3(t)的初始解；
然后，将所述p1(t)的初始解中的元素依次代入所述离散边界方程中的p1(t)；
将所述p2(t)的初始解中的元素依次代入所述离散边界方程中的p2(t)；
将所述p3(t)的初始解中的元素依次代入所述离散边界方程的p3(t)；
进而通过所述离散边界方程和所述离散方程得到钢坯上、下、左、右表面在加热炉内不同位置的计算温度；
再然后，根据所述离散方程计算钢坯处于所述采集点时，测量点k对应的网格点的计算温度；
再然后，选择钢坯处于所述采集点时，测量点k对应的网格点处的计算温度，所述测量点k对应的网格点的测量温度；
最后，根据所述逆热传导模型，求得s(p)，并将所述s(p)作为第i个粒子的所述适应值；
s43：判断当前粒子是否陷入局部最优，如果是，则执行步骤s44，如果为否，则执行s45；
s44：加入混沌扰动，
其中，
其中，
s45：按照粒子更新公式更新所述粒子，所述粒子更新公式为：
其中，w为惯性因子，c1,c2为加速因子且是常数；r1,r2为[0,1]范围内的随机数；第i个粒子在前b步更新后产生的b+1个粒子中所述适应值最小的粒子作为个体最优解，
s46：当满足结束条件后，停止迭代，并将所述群体最优解对应的粒子中的元素对应为所述总括热吸收率。
5.如权利要求4所述的加热炉总括热吸收率的辨识方法，其特征在于，所述步骤s46还包括：当不满足所述结束条件时，返回步骤s42。
6.如权利要求4所述的加热炉总括热吸收率的辨识方法，其特征在于，所述步骤s41具体为：
首先，随机生成一个n维向量y1＝(y11,y12,y13...y1n)，然后根据迭代公式迭代n次，得到n个向量：y1,y2,y3...,yn组成一个向量y＝(y1,y2,y3...,yn)；
所述迭代公式为：y(l+1),m＝μyl,m(1-yl,m),l,m∈[1,n]，μ为控制参数，且μ∈(2,4]；
然后，根据所述y生成初始解x1,x2,x3...,xn，xl向量中每一个元素对应的是相应位置的总括热吸收率系数，其中：
xl,m＝am+(bm-am)yl,m
am表示向量y第m列元素的下界，bm表示向量y第m列元素的上界，yl,m代表y中(l,m)位置元素；xl,m代表初始解xl中第m个元素；
最后，求得所有所述初始解的所述适应值，并选出所述适应值最小的f个初始解作为一个具有f个粒子的种群，一个所述初始解对应一个所述粒子。
7.如权利要求4所述的加热炉总括热吸收率的辨识方法，其特征在于，所述步骤s43中：所述判断当前粒子是否陷入局部最优具体为：
在对第i个粒子进行第b次迭代后，已经连续出现的nc次迭代，若满足：
其中，
则，当前粒子已经陷入局部最优；否则，当前粒子未陷入局部最优。
8.一种加热炉总括热吸收率的辨识装置，其特征在于，所述辨识装置包括：储存介质、cpu和gpu；
所述cpu用于执行所述存储介质上存储的计算机程序，实时实现如权利要求1-7中任意一项所述的辨识方法的步骤；
所述gpu在接收到所述cpu的指令后，对钢坯上的所有网格点的温度采用并行计算的方式得到网格点的计算温度；
所述gpu上划分为很多线程块，一个所述线程块里面包含很多线程，一个所述粒子对应一个所述线程块，钢坯划分为ni*nj个网格点，所述线程与钢坯网格点按位置一一对应，所有网格点的温度同时计算。
9.如权利要求8所述加热炉总括热吸收率的辨识装置，其特征在于，所述线程块内包括一个共享内存，所述线程块内部的所有所述线程都与所述共享内存进行数据通讯；所述gpu包括全局内存，所述共享内存与所述全局内存进行数据通讯。