1.一种基于集成正交成分最优化回归分析的软测量方法，其特征在于，包括以下步骤：步骤(1)：从生产过程的历史数据库中找出容易测量变量所对应的采样数据组成输入矩阵X∈Rn×m，能直接或间接反映产品质量的指标所对应的数据组成输出向量y∈Rn×1，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；

值得注意的是，若是质量数据的采样频率低于容易测量数据的采样频率，可将每个质量数据样本进行复制，从而使输入与输出样本个数相等；

步骤(2)：对输入X按照列实施标准化处理，即每一列数据都减去其各自列的均值后再除以各自列的标准差，得到标准化后的输入步骤(3)：计算输出质量数据y的均值μ与标准差σ，根据公式 实施标准化处理；

步骤(4)：利用主成分回归(PCR)算法建立输入 与输出 之间的软测量模型，即：上式中，矩阵 中包含了d个相互正交的主成分，Θ1为PCR模型的回归系数向量，e1为回归模型残差，P为PCR模型的投影变换矩阵；

步骤(5)：利用独立成分回归(ICR)算法建立输入 与输出 之间的软测量模型，即：上式中，矩阵 中包含了k个相互正交的独立成分，Θ2为ICR模型的回归系数向量，e2为回归模型残差，W为ICR模型的投影变换矩阵；

步骤(6)：利用偏最小二乘回归(PLSR)算法建立输入 与输出 之间的软测量模型，即：上式中，矩阵 中包含了r个相互正交的独立成分，Θ3为ICR模型的回归系数向量，e3为回归模型残差，Q为PLSR模型的投影变换矩阵；

步骤(7)：令y1＝TΘ1、y2＝SΘ2、以及y3＝UΘ3后，使用粒子群优化算法最优求解回归系数向量b＝[b1，b3，b3]T∈R3×1；

步骤(8)：采集新时刻易测量变量的样本数据x∈R1×m，对其实施与步骤(3)中输入X相同的标准化处理得到步骤(9)：根据公式 和 分别计算不同回归模型对输出的预测值z1、z2、和z3；

步骤(10)：利用最优化的回归系数向量b计算最终的质量指标预测值那么，最终的产品质量指标的估计值为

2.根据权利要求1所述的一种基于集成正交成分最优化回归分析的软测量方法，其特征在于，所述步骤(7)中利用粒子群优化算法最优求解回归系数向量b的详细实施过程具体为：①设置粒子群优化算法的参数，包括最大迭代次数Imax≥1000、加速常数c1＝c2＝2、粒子群总数N＝max{20，5m}、惯性权δ重按照如下所示公式从最大值δmax＝1.2线性递减到δmax＝0.4：上式中，iter表示当前迭代次数；

②置iter＝0后，任意初始化N个粒子o1，o2，…，oN，其中粒子oi∈R3×1的元素皆随机取值于区间[-3，3]，i＝1，2，…，N；

③根据公式 计算每个粒子oi所对应的适应度值Ji；

④记录当前迭代次数中最小适应度值所对应的粒子为Ω1，将整个迭代历史中取得最小适应度值的粒子记为Ω2，并依照如下所示公式更新各粒子的运行速度vi∈R3×1：vi＝δ·vi+β1·rand1·(Ω2-oi)+β2·rand2·(Ω1-oi)  (5)上式中，rand1和rand2皆是在区间[0，1]内的任意随机数；

⑤按照公式oi＝oi+vi更新每个粒子的位置，并按照如下所示规则对元素进行修正：上式中oi，j表示粒子oi中的第j个元素，j＝1，2，3；

⑥判断是否满足条件iter＜Imax？若是，置iter＝iter+1后返回③；若否，将Ω2作为最优化的回归系数向量b。