1.一种基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，包括以下步骤：获取旧批次过程的输入数据和输出数据，并获取新批次过程的输入数据和输出数据；

根据所述旧批次过程的输入数据和输出数据、所述新批次过程的输入数据和输出数据建立潜变量过程迁移模型；

在以所述新批次过程进行生产时，根据所述潜变量过程迁移模型和当前批次的最优输入数据获取当前批次的预测输出数据，并根据所述潜变量过程迁移模型和当前批次的输入数据获取下一批次的最优输入数据；

根据所述当前批次的最优输入数据和实际输出数据对所述潜变量过程迁移模型进行更新；

根据所述新批次过程中多个批次的预测输出数据和实际输出数据判断所述新批次过程的稳定性是否满足要求；

如果所述新批次过程的稳定性满足要求，则对所述旧批次过程的输入数据和输出数据进行部分数据的剔除。

2.根据权利要求1所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，根据所述旧批次过程的输入数据和输出数据、所述新批次过程的输入数据和输出数据建立潜变量过程迁移模型，具体包括：获取所述旧批次过程的输入数据、所述新批次过程的输入数据按照批次方向展开得到的输入数据矩阵Xa、Xb，并获取对应的所述旧批次过程、所述新批次过程的输出数据矩阵Ya、Yb，其中，Xa、Xb中的元素为操作变量，Ya、Yb中的元素为产品质量变量，Xa∈RM×i、Xb∈RN×j、Ya∈RM×m、Yb∈RN×m，其中，M、N分别为旧批次过程和新批次过程的样本数，i、j分别为旧批次过程和新批次过程的操作变量个数，m为质量变量个数；

对所述输入数据矩阵Xa、Xb和所述输出数据矩阵Ya、Yb进行标准化处理以建立所述潜变量过程迁移模型。

3.根据权利要求2所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，对所述输入数据矩阵Xa、Xb和所述输出数据矩阵Ya、Yb进行标准化处理以建立所述潜变量过程迁移模型，包括：a)分别将Ya、Yb的第一列赋值给ua、ub，其中ua、ub分别为所述旧批次过程的输出数据矩阵的得分向量、所述新批次过程的输出数据矩阵的得分向量；

b)将Xa、Xb回归到ua、ub以计算回归系数wa、wb，即：wa＝XaTua(uaTua)-1,wb＝XbTub(ubTub)-1；

c)标准化所述回归系数wa、wb，即：

d)将联合输出矩阵 回归到联合得分向量tJ以得到YJ的联合负载向量qJ，即：qJ＝YJTtJ(tJTtJ)-1；

e)将Ya、Yb回归到qJ以重新计算ua、ub，并通过与ua、ub的初始值做比较以判断ua、ub的收敛性，如果不收敛，则使用重新计算得到的ua、ub的值并返回步骤b；

f)如果收敛，则计算Xa、Xb的负载向量pa、pb：

pa＝XaTta(taTta)-1、pb＝XbTtb(tbTtb)-1，其中，ta、tb分别为当前所述旧批次过程、所述新批次过程的输出数据矩阵Xa、Xb的得分向量；

g)根据Xa＝Xa-tapaT、Xb＝Xb-tbpbT对Xa、Xb进行更新，然后返回步骤a提取下一个主成分，重复步骤直至提取到预设数量的主成分；

h)获得所述新批次过程的输入数据矩阵Xb对应的负载矩阵Pb＝[pb1，...，pbA]、回归系数矩阵Wb＝[wb1,...,wbA]以及联合输出矩阵YJ对应的负载矩阵QJ＝[qJ1,...,qJA]；

i)得到所述潜变量过程迁移模型：

其中， 为预测输出数据，xnew为新的输入数据。

4.根据权利要求3所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，根据所述潜变量过程迁移模型和当前批次的输入数据获取下一批次的最优输入数据，具体包括：根据公式 和公式

计算当前批次的预测输出数

据与当前批次的实际输出数据的梯度，其中，σy为质量变量的标准差，Δ为增量符号，x(k)为当前批次的最优输入数据，x(k-1)为上一批次的最优输入数据；

求解基于修正的潜变量过程迁移模型预测值的最优化问题，得到下式，并求得下一批次的最优输入数据x(k+1)，其中，为标准化的当前批次的输入数据，T为联合得分矩阵，cpf为输入数据的阈值，是一个根据历史数据计算得到的常数， 为经过线性修正的当前批次的预测输出数据；

判断当前批次的输入数据与求得的下一批次的最优输入数据之差的范数是否小于预设阈值；

如果小于所述预设阈值，则将当前批次的输入数据作为下一批次的最优输入数据；

如果不小于所述预设阈值，则根据公式x(k+1)＝(I-K)x(k)+Kx(k+1)+g·ρ(k+1)产生新的下一批次的最优输入数据x(k+1)，并将该新的下一批次的最优输入数据作为所述下一批次的最优输入数据，其中，I为N阶单位矩阵 为对角线增益矩阵，ρ(k+1)为激励信号，g为根据输入数据矩阵元素的幅值大小选取的振幅。

5.根据权利要求4所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，根据所述当前批次的最优输入数据和实际输出数据对所述潜变量过程迁移模型进行更新，具体包括：根据所述当前批次的最优输入数据和实际输出数据x(k)、y(k)更新所述新批次过程的输入数据矩阵和输出数据矩阵Xb、Yb：根据更新后的数据Xb(k)、Yb(k)建立新的潜变量过程迁移模型。

6.根据权利要求5所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，其中，获取H个批次的预测输出数据和实际输出数据，并选取预设置信水平计算置信区间，以及计算在所述置信区间内的预测误差的批次数，如果有连续M个批次在所述置信区间内，则判断所述新批次过程的稳定性满足要求，其中，H为窗口宽度，M≤H。

7.根据权利要求6所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，M/H＞2/3。

8.根据权利要求7所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，对所述旧批次过程的输入数据和输出数据进行部分数据的剔除，具体包括：获取所述新批次过程与所述旧批次过程的输入数据之间的相似度；

按照所述相似度由小到大的顺序对所述旧批次过程中的批次进行排序，并依所述排序对所述旧批次过程中的批次进行剔除。

9.根据权利要求8所述的基于潜变量过程迁移模型的修正自适应批次过程优化方法，其特征在于，所述相似度通过以下公式计算：其中，|| ||表示欧式距离， 为新批次过程的输入数据的均值， 为旧批次过程的输入数据与新批次过程的输入数据之间的欧氏距离， 为所述相似度。