1.一种工业过程微小故障的分离方法，其特征在于，包括：步骤一：采集工业过程正常工况下的一段传感器测量数据作为训练数据集，并建立该训练数据集的多元统计过程监控模型；

步骤二：采集工业过程实时工况下的传感器测量数据作为测试数据，测试数据中的测量变量与步骤一中训练数据集的测量变量相对应；

步骤三：给定合适的平滑参数，基于步骤二中实时获得的测试数据，在每个采样时刻计算该时刻的指数加权滑动平均样本值；

步骤四：计算每个故障方向上的指数平滑重构贡献值；

步骤五：将具有最大指数平滑重构贡献值的故障方向确定为实际发生的故障，以实现故障分离；

所述步骤三中，根据式(1)计算每个时刻的指数加权滑动平均样本值：z(k)＝λx(k)+(1-λ)z(k-1)   (1)其中，z(k)即为当前时刻k的指数加权滑动平均样本值，x(k)表示步骤二中实时获得的当前时刻k的测试数据，0＜λ≤1表示加权因子即平滑参数，在每个时刻，均按照式(1)求解z(k)，并规定z(0)＝0；

所述步骤四中，首先，设定已知被监控工业过程所有可能的故障共有I种，记为其故障方向记为{Ξ1,Ξ2,...,ΞI}；

其次，按照式(2)计算当前时刻第i∈{1,2,...,I}个故障的指数平滑重构贡献值：其中，ESRi(k)即为当前时刻第i个故障的指数平滑重构贡献值，实对称正定/半正定矩阵M的取值取决于步骤一中所采用的多元统计过程监控模型，为该模型中故障检测指标中的核矩阵；

所述步骤五中，基于式(3)逻辑进行故障分离：

其中， 即为当前时刻被所提故障分离方法选定的故障，即在当前时刻，若某个故障具有最大的ESR取值，则该故障被认为是实际发生的故障，随着时间的推移，在每个采样时刻均可以获得一个故障分离结果。