1.一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于：该方法包括以下步骤：(1)利用过程的数据采集系统收集生产过程正常运行状态下的采样数据，组成训练数据集X∈Rn×m，并对每个变量进行标准化处理，得到均值为0，标准差为1的新数据矩阵 其中，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；

(2)对数据矩阵进行白化处理，将 转换成标准正交化的新数据矩阵Z∈Rn×m；

(3)从三种非二次函数中选择第k个非二次函数Gk，调用MICA迭代算法求取与Gk相对应的m个独立元成分，重复此操作直至得到三个独立元集合，并保存相应的模型参数以备用，其中，k＝1，2，3分别为三种不同的非二次函数的标号；

(4)设置需要保留的独立元个数d，利用第j个的排序准则对上个步骤中的每个独立元集合进行重要性排序，并选择所需要的d个重要的独立元成分建立起相应的MICA故障检测模型，保存模型参数 以备在线故障检测时调用，其中，j＝1，2，3，4分别为四种排序准则的标号；

(5)收集新的过程采样数据xnew∈Rm×1，并将其进行同样的标准化处理得到(6)分别调用不同的MICA模型对其进行故障检测，即构建相应的监测统计量 与

其中，||||表示计算向量的长度；

(7)先利用贝叶斯概率融合方法进行第一层的信息集成得到概率型监测指标 和其中，k＝1，2，3分别对应于三种不同的非二次函数；

(8)再利用贝叶斯概率融合方法将步骤(7)中得到的3组 和 进行第二层的信息集成，得到最终的概率型监测指标BID和BIQ，并决策新数据是否正常。

2.根据权利要求1所述一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于，所述步骤(3)具体为：首先，从如下三种可选形式中选择第k个非二次函数Gk，即：G1(u)＝log cosh(u)，G2(u)＝exp(-u2/2)，G3(u)＝u4      (3)其中，u为函数Gk的自变量；然后，对矩阵Z调用MICA迭代算法求取与Gk相对应的m个独立元成分，并建立相应的MICA模型，如下所示：

其中，Ak∈Rm×m与Wk∈Rm×m分别表示混合矩阵与分离矩阵，Sk∈Rn×m为m个独立元成分组成的矩阵，上标号T表示矩阵转置。

3.根据权利要求1所述一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于，所述步骤(4)具体为：首先，针对第k个独立元集合Sk，从如下四种重要性计算准则中选择选择第j种准则Ψj，用来计算Sk中的独立元成分的重要性程度，即：

其中，i＝1，2，…，m对应于过程第i个测量变量，(i，：)与(：，i)分别表示选取相应矩阵中的第i行与第i列，v为任一均值为0，方差为1的正态分布随机变量，E{}表示计算均值，||||2与||||∞分别表示计算向量的L2-范数与L∞范数；

其次，对获取的重要性程度向量Ψj∈R1×m进行降序排列，然后选择前d个重要性程度大的独立元成分，并在矩阵Ak与Wk中选择对应于这d个独立元的相应列于行，组成新的混合矩阵 与分离矩阵再次，利用矩阵 与 建立起相应的MICA故障检测模型，并利用核密度估计法计算出训练数据统计量 与 在置信度α＝99％条件下所对应的控制限 与最后，保存模型参数 并重复上述步骤直至所有4种重要性准则都被用来建立相应的MICA故障检测模型。

4.根据权利要求1所述一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于，所述步骤(7)具体为：首先，利用贝叶斯概率融合对监测统计量 进行第一层信息集成，具体的实施步骤如下：①按照下式计算新数据 属于故障的概率：

其中，概率 的计算方式如下：

其中，N和F分别表示正常和故障工况，先验概率 和 分别取值α和1-α，条件概率 和 的计算方式如下：

②通过如下公式计算得到最终的概率型指标

其次，利用贝叶斯概率融合对监测统计量 进行第一层信息集成得到 具体操作步骤与融合监测统计量 的步骤相似；

最后，重复上述两步骤直至得到3组概率型指标

5.根据权利要求1所述一种基于修正型独立元分析的双层集成式工业过程故障检测方法，其特征在于，所述步骤(8)具体为：首先利用贝叶斯概率融合对概率型指标 进行第二层信息集成，具体的实施步骤如下：①按照下式计算当前监测样本属于故障的概率：

其中，概率 的计算方式如下：

其中，N和F分别表示正常和故障工况，先验概率 和 分别取值α和1-α，条件概率 和 的经验计算方式如下：

②通过如下公式计算得到最终的概率型指标BID：

其次，利用贝叶斯概率融合对概率型监测统计量 进行第二层信息集成得到BIQ，具体操作步骤与融合监测统计量 的步骤相似；

最后，计算得到的BID与BIQ指标的具体数值与概率控制限1-α进行对比，若任何一个指标数值大于1-α，则决策新数据 为故障样本；反之，该数据 为正常样本，进而对下一个新采样得到的数据继续进行故障检测。