1.一种基于数据邻域特征保持的工业过程故障检测方法，其特征在于，包括以下步骤：(1)利用工业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， 为标准化后的数据样本，i＝1，2，…，n为第i个数据样本的下标号；

(2)设置距离近邻个数k、时间近邻个数t、和角度近邻甄别参数δ，为数据矩阵 中的每个样本计算与之相近的距离近邻、时间近邻、和角度近邻，组成邻域集，其中各参数的取值范围分别为k∈[6，12]、t∈[1，4]、和δ∈[0.6，0.7]；

(3)根据邻域集构造相应的近邻特征矩阵W∈Rn×n，并计算矩阵L＝D-W，其中，矩阵D∈Rn×n为对角矩阵，对角线上的元素为矩阵W中每一列的元素之和；

(4)设置保留的潜隐成分个数d，求解出矩阵C＝XTLX前d个最小特征值所对应的特征向量p1，p2，…，pd，组成投影变换矩阵P＝[p1，p2，…，pd]∈Rm×d；

(5)建立相应的故障检测模型，保存模型参数 以备在线监测时调用，其

中， 和Qlim分别为监测统计量T2和Q在置信度α＝99％条件下的控制限，具体计算方式如下所示：其中，Fd，n-d，α表示置信度为α、自由度分别为d与n-d的F分布所对应的值， 表示自由度为h、置信度为α为卡方分布所对应的值，M和V分别为Q统计量的估计均值和估计方差；

(6)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(7)调用模型参数Θ对数据 进行故障检测，即构建如下所示的监测统计量T2与Q：其中，Λ＝STS/(n-1)， 为数据矩阵 经过P投影变换后的结果，将计算得到T2和Q统计量具体数值分别与控制限 和Qlim进行对比，若任何一个超出相应控制限，则当前监测的数据为故障状态；反之，则为正常，并进行下一个新数据的监测。

2.根据权利要求1所述一种基于数据邻域特征保持的工业过程故障检测方法，其特征在于，所述步骤(2)具体为：首先，从数据矩阵 中找出与第i个数据样本 距离最近的k个数据样本，具体的实施方式如下所示：①针对第i个样本 计算矩阵 中除 以外的其他样本与 之间的欧式距离Dij，即其中，j＝1，2，…，n且j≠i，|| ||表示计算向量的长度；

②对这些计算出来的距离按大小进行升序排列，并记录前k最小距离所对应的样本标号；

其次，根据采样时间先后次序，从数据矩阵 中找出位于第i个数据样本 采样时间的前后各t个数据样本，并记录样本标号；

再次，从数据矩阵 中找出与第i个样本 角度相近的数据样本，并记录样本标号，具体的实施方式如下所示：①针对第i个样本 计算矩阵 中除 以外的其他样本与 之间的角度余弦值cosθij，即：②根据角度近邻甄别参数δ，选择满足甄别条件|cosθij|＞δ所对应的样本，并记录样本标号；

然后，将所有记录的样本标号合在一起并删除重复的样本标号，组成对应于第i个样本的邻域集；

最后，重复上述操作直至得到所有n个数据样本所对应的邻域集。

3.根据权利要求1所述一种基于数据邻域特征保持的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，初始化矩阵W0为一个n×n维的单位矩阵；

其次，根据第i个样本 所对应的邻域集将矩阵W0中的第i行相应元素更新为1，并重复此操作直至更新完W0中所有n行的元素，得到新矩阵W1；

然后，根据第i个样本 所对应的邻域集将上步骤中得到的矩阵W1中的第i列相应元素更新为1，并重复此操作直至更新完W1中所有n列的元素，得到近邻特征矩阵W；

最后，计算矩阵W中各列的元素之和，用来构造对角矩阵D，并计算矩阵L＝D-W。