1.一种高炉异常炉况检测方法，其特征在于，具体包括如下步骤：步骤1：扰动区间辨识，具体步骤如下：步骤1.1：收集高炉热风压力的传感器数据，变量记为p，参数记为ν；

步骤1.2：对p进行单步差分处理，得到Δp；

步骤1.3：给定显著性水平α，根据历史数据中非扰动区间的Δp确定阈值δΔp，使得历史数据中1-α的数据满足|Δp|＞δΔp；

步骤1.4：根据历史数据中扰动区间长度确定变量τ，使得历史数据中1-α的扰动区间长度大于τ；

步骤1.5：对于第k个采样时刻，比较Δp和其阈值δΔp，若Δpk＜-δΔp，将指示变量∈k置为

1；

步骤1.6：对于第k个采样时刻，计算变量sk：其中，∈i代表指示变量第i时刻的值，右下角的角标代表采样时刻；

步骤1.7：若sk＝ν+1且sk-1＜ν+1，则认为扰动区间从第k-ν个时刻开始，根据估计的变量τ，扰动区间的辨识结果为：[k-v,k-v+τ-1]；

步骤2：离线训练，具体包括如下步骤：步骤2.1：收集高炉正常工况下的历史传感器数据，建立训练数据集 其中m为传感器个数，n为样本个数；

步骤2.2：利用扰动区间辨识算法将数据划分为扰动数据X{d}和非扰动数据X{n}；

步骤2.3：分别将扰动数据X{d}和非扰动数据X{n}单步差分，得到差分数据矩阵Z{d}和Z{n}；

步骤2.4：分别计算差分数据矩阵Z{n}的均值 和标准差步骤2.5：构建长度为w的滑动时间窗口，采用单步滑动构成数据矩阵：步骤2.6：分别对每一个窗口内的测量数据进行标准化处理：其中Σ＝diag{σ1,...,σm}为样本标准差构成的对角阵；

步骤2.7：计算窗口内数据的协方差矩阵：以及

并计算Sk的特征值，记为λ1(k),...,λm(k)；

其中， 为第k+1个标准化后的测量向量， 为第k+1个标准化后的测量向量的转置，为第k-w+1个标准化后的测量向量的转置；

步骤2.8：计算特征值λj(k)的均值和标准差，记为 和步骤2.9：对于每一采样时刻k，计算非扰动区间的检测指标步骤2.10：结合非扰动训练数据的检测指标 和显著性水平α，确定非扰动区间的控制限δ{n}；

步骤2.11：针对扰动区间数据Z{d}，对每一时刻的数据向量进行标准化处理：步骤2.12：针对每一采样时刻k，计算扰动区间的检测指标步骤2.13：结合扰动训练数据的检测指标 和显著性水平α，确定扰动区间的控制限(d)δ ；

步骤3：在线检测，具体包括如下步骤：步骤3.1：对数据进行单步差分：zk＝xk-xk-1   (9)；

步骤3.2：对zk进行标准化处理：步骤3.3：利用扰动区间辨识算法在线判断是否发生扰动；若发生，则跳转到步骤3.8；

步骤3.4：计算第k时刻的窗口样本协方差：其中， 为 的转置， 为第k-w个采样时刻下的标准化后的差分数据，为 的转置；

步骤3.5：计算Sk的特征值，记为λ1(k),...,λm(k)；

步骤3.6：根据公式(6)计算非扰动区间的检测指标步骤3.7：将非扰动区间的检测指标 和控制限δ{n}比较，若 则认为炉况异常；

步骤3.8：根据公式(8)计算扰动区间的检测指标步骤3.9：将扰动区间的检测指标 和控制限δ{d}比较，若 则认为炉况异常。