1.一种基于两变量块的质量相关故障检测方法，其特征在于，包括以下步骤：离线建模阶段的实施过程如下所示：

步骤(1)：收集工业生产过程数据组成输入训练数据矩阵X∈Rn×m，并对其进行标准化处理使各个过程变量的均值为0，标准差为1，得到新数据矩阵 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，xi∈Rm×1表示新数据矩阵 中第i个样本数据，i＝1，2，…，n；

步骤(2)：采用离线分析手段获取与输入训练数据矩阵X相对应的产品质量数据组成输出训练数据Y∈Rn×1，计算Y的均值μ与标准差ε，并对其进行标准化处理得到新输出数据向量步骤(3)：利用基于遗传算法的近邻成分分析(NCA)方法将新数据矩阵 中各测量变量分成与质量相关的变量块 以及与质量不相关的变量块 其中m1+m2＝m；

步骤(4)：利用偏最小二乘(PLS)算法建立 与新输出数据向量 之间的回归模型，即：上式中，E1与F1分别为输入与输出的模型残差， 由g个潜在特征成分组成；

步骤(5)：将模型残差E1与质量不相关的变量块 组成一个矩阵 后，对Φ实施奇异值分解，即：Φ＝UΛVT；

步骤(6)：根据公式 与 分别计算与质量相关的故障监测统计量的控制上限 以及与质量不相关的故障监测统计量的控制上限 其中 表示自由度为r的卡方分布在置信度α＝99％下的取值；

步骤(7)：收集新的数据xt∈R1×m，并对其进行与X相同的标准化处理得到 下标号t表示当前最新采样时刻；

在线过程监测阶段的实施过程如下所示：

步骤(8)：根据步骤(3)中的变量分块情况，对应地将 分成两个变量块 与 分别对应质量相关变量以及质量不相关变量；

步骤(9)：根据如下所示公式计算与质量相关的故障监测统计量D1：上式中，A＝TTT/(n-1)；

步骤(10)：将输入残差 与 合并成一个向量 后，按照如下所示公式计算与质量不相关的故障监测统计量D0：D0＝||fVΛ-1||2    (3)上式中，||fVΛ-1||表示求取向量长度；

步骤(11)：实施故障检测，若 则判别为与质量相关的故障；若 且则判别为与质量不相关的故障。

2.根据权利要求1所述的一种基于两变量块的质量相关故障检测方法，其特征在于，所述步骤(3)中利用基于遗传算法的NCA方法区分变量块的具体实施过程如下所示：①设置遗传算法参数，包括种群个数N＝10m、二进制编码长度L＝m、最大迭代次数Imax＞1000、交叉概率c＝0.8、变异概率a＝0.05；

②任意初始化一个N×m维的二进制数据矩阵B，并设置k＝1与iter＝1；

1×m

③取矩阵B中第k行二进制向量bk∈R 后，根据公式dij＝bk|xi-xj|计算矩阵 中任意两样本点xi与xj之间的距离dij，其中|xi-xj|表示将向量xi-xj中的元素都取绝对值，下标号i，j＝1，2，…，n；

④根据如下所示公式计算xi选择xj作为其参考数据点的概率pij：⑤根据公式fk＝∑i∑jzijpij计算第k个二进制向量bk对应的目标函数fk，其中，zij＝(yi-yj)2；

⑥判断是否满足条件k＜N；若是，置k＝k+1后返回步骤③；若否，得到目标函数向量F＝[f1，f2，…，fN]后找出F中最大值对应的二进制向量bmax，并执行下一步骤⑦；

⑦实施遗传算法的选择操作得到更新后的二进制数据矩阵B；

⑧实施遗传算法的交叉操作再次更新二进制数据矩阵B；

⑨实施遗传算法的变异操作再次更新二进制数据矩阵B；

⑩将二进制数据矩阵B中最后一行换成二进制向量bmax；

判断是否满足条件iter＜Imax；若是，则置iter＝iter+1与k＝1后返回步骤③；若否，则得到二进制向量bmax并执行下一步骤根据二进制数据向量bmax中元素1与0所在的位置，对应地将 划分成 与 即bmax中元素1表示与质量相关而bmax中元素0表示与质量不相关。

3.根据权利要求1所述的一种基于两变量块的质量相关故障检测方法，其特征在于，所述步骤(4)中利用PLS算法建立 与 之间的回归模型的具体实施过程如下所示：①置g＝1与 后，初始化向量

②根据公式wg＝Zug/||Zug||、sg＝Zwg、 分别计算得到系数向量wg、得分向量sg和系数qg，其中||Zug||表示计算向量Zug的长度；

③根据公式 计算向量unew；

④判断是否满足条件||ug-unew||＜10-6；若否，则置ug＝unew后返回步骤②；若是，则执行⑤；

⑤根据公式pg＝ZTsg/(sgTsg)计算得到第g个投影向量pg，并保留向量pg、向量wg、和系数qg；

⑥判断矩阵Yg＝sgpgT中的最大元素是否大于0.01；若是，根据公式Z＝Z-sgpgT更新矩阵Z后执行步骤⑦；若否，则得到投影矩阵P＝[p1，p2，…，pg]、系数矩阵W＝[w1，w2，…，wg]、和行向量Q＝[q1，q2，…，qg]，并执行步骤⑧；

⑦判断g＜m1；若是，则置g＝g+1后，返回步骤②；若否，则得到最终的投影矩阵P＝[p1，p2，…，pg]、系数矩阵W＝[w1，w2，…，wg]、和向量Q＝[q1，q2，…，qg]；

⑧计算投影向量Θ＝Wi(PiTWi)-1，那么输入 与输出 之间的PLS模型为；

上式中，E1与F1分别为输入与输出的模型残差， 由g个潜在特征成分组成。

4.根据权利要求1所述的一种基于两变量块的质量相关故障检测方法，其特征在于，所述步骤(5)中对Φ实施奇异值分解的具体实施过程如下所示：①设置r＝1与F＝Φ后，初始化列向量tr为矩阵Φ中的第一列；

②根据公式vr＝FTtr/(trTtr)计算得到向量vr；

③根据公式tnew＝Fvr/(vrTvr)计算向量tnew；

④判断是否满足条件||tnew-tr||＜10-6；若是，则执行下一步骤⑤；若否，则置tr＝tnew后返回步骤②；

-1

⑤根据公式 与μr＝trλr 分别计算得到第r个奇异值λr与向量μr，并根据公式F＝F-trvrT更新F；

⑥判断是否满足条件λr≤10-3；若否，则设置r＝r+1与向量tr为矩阵F中的第一列后返回步骤②；若是，则将所有得到的奇异值λ1，λ2，…，λr组成对角矩阵Λ∈Rr×r，将所有得到的向量μ1，μ2，…，μr组成矩阵U＝[μ1，μ2，…，μr]，再将向量v1，v2，…，vr组成矩阵V＝[v1，v2，…，vr]。