1.一种动态定浊前馈模型算法，其特征在于：该算法基于多元回归模型
y＝a1x1+a2x2+a3x12+a4x22+a0(式1)
式1中，y是离心转速，x1是离心前浊度，x2是离心后目标浊度，a0、a1、a2、a3、a4是回归参数。
2.如权利要求1所述的一种动态定浊前馈模型算法，其特征在于：该算法的实现具体包括以下步骤：
s1.选定离心后目标浊度，检测样品原浊度作为离心前浊度；
s2.将s1中离心后目标浊度以及样品离心前浊度代入多元回归模型中，经计算确定指定的目标浊度下所需的离心转速；
s3.对多元回归模型的进行误差分析。
3.如权利要求1或2所述的一种动态定浊前馈模型算法，其特征在于：所述多元回归模型的回归参数计算方法为：运用最小二乘法计算回归参数的估计值，将多元非线性回归模型转化为线性回归模型处理。
4.如权利要求3所述的一种动态定浊前馈模型算法，其特征在于：所述回归参数计算方法，具体包括如下步骤：
对于多元回归模型y＝a1x12+b1x1+a2x22+b2x2+c(式1)
令x1＝x1，x2＝x2，x3＝x12，x4＝x22，
则将多元非线性回归方程转化为多元线性回归方程：
y＝a1x1+a2x2+a3x3+a4x4+a0(式2)
设(x11，x12，x13，x14，y1)，…，(xn1，xn2，xn3，xn4，yn)是一组样本，多元线性回归方程的矩阵形式可以写为y＝xa，其中，
运用最小二乘法估计回归参数：
取
根据微积分求极值原理，求q对
得到
5.如权利要求2所述的一种动态定浊前馈模型算法，其特征在于：步骤s3中，采取平均绝对误差分析多元回归模型的精度。