1.一种基于新型动态独立成分分析的非高斯过程监测方法，其特征在于，包括以下步骤：步骤(1)：采集生产过程正常运行状态下的样本，组成训练数据矩阵X∈Rn×m，并计算矩阵X中各列向量的均值μ1，μ2，…，μm以及标准差δ1，δ2，…，δm，对应组成均值向量μ＝[μ1，μ2，…，μm]T与标准差向量δ＝[δ1，δ2，…，δm]，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，上标号T表示矩阵或向量的转置；

步骤(2)：根据如下所示公式对矩阵X实施标准化处理得到矩阵n×m T

上式(1)中，U∈R 是由n个相同的均值向量μ组成的矩阵，即U＝[μ，μ，…，μ] ，对角矩阵Φ中对角线上的元素由标准差向量δ组成；

步骤(3)：以 为训练数据矩阵，利用动态内部主成分分析算法求解模型载荷矩阵P与动态得分矩阵 其中，xi∈Rm×1为标准化处理后的第i个样本数据，i＝1，2，…，n，Q为分解矩阵；

步骤(4)：计算矩阵T中各列向量的方差λ1，λ2，…，λm，将方差小于10-4的列向量从矩阵T中剔除从而得到矩阵T0∈Rn×M，并对应地剔除载荷矩阵P中相应的列向量得到P0，对应地剔除矩阵Q中相应的列向量得到Q0，其中M为保留的动态得分向量的个数；

步骤(5)：根据公式Z0＝T0Λ-1/2对动态得分矩阵T0实施白化处理，其中，Λ＝T0TT0/(n-1)为对角矩阵；

步骤(6)：以Z0作为独立成分的初始估计值，调用独立成分分析迭代算法求解得到转换矩阵C，从而使Z0进一步转换成动态独立成分矩阵S＝Z0C；

步骤(7)：设置保留的动态独立成分个数η，将转换矩阵C中第η+1行至第M行的向量删除，从而得到新转换矩阵Cη，并根据公式Sη＝Z0Cη计算新动态独立成分矩阵Sη；

步骤(8)：根据公式I2＝diag(SηSηT)与SPE＝diag(EηEηT)计算训练数据对应的监测统计指标I2与SPE，其中diag()表示将矩阵对角线的元素单独作为列向量的操作，模型误差矩阵步骤(9)：计算I2指标的均值 与标准差 并计算SPE指标的均值μSPE与标准差δSPE，那么监测统计量I2与SPE的控制上限分别为 与SPElim＝μSPE+3δSPE；

步骤(10)：保留如下所示模型参数以备在线监测时调用：步骤(1)中的均值向量μ、步骤(2)中的对角矩阵Φ、步骤(4)中的载荷矩阵P0与分离矩阵Q0、步骤(5)中的对角矩阵Λ、步骤(7)中的转换矩阵Cη、以及步骤(9)中的控制上限 与SPElim；

步骤(11)：收集新采样时刻的数据样本x∈Rm×1，并根据公式 对x实施标准化处理得到

步骤(12)：根据如下所示公式计算在线样本数据的动态独立成分s与模型误差e：步骤(13)：根据公式I2＝ssT与SPE＝eeT计算得到在线样本数据的监测统计指标I2与SPE；

步骤(14)：判断是否满足条件 且SPE≤SPElim？若是，则当前样本采集自正常工况，返回步骤(11)继续监测下一时刻的样本数据；若否，则当前监测样本为故障样本。

2.根据权利要求1所述的一种基于新型动态独立成分分析的非高斯过程监测方法，其特征在于，所述步骤(3)的具体实施过程如下所示：①设置自相关样本数据个数D，并初始化a＝1与初始化

m×1

②初始化向量wa∈R 为m×m维单位矩阵中的第a列，根据公式t＝Ywa计算得分向量t；

③根据公式β＝[t1，t2，…，tD]TtD+1计算向量β后，并根据公式β＝β/||β||单位化处理向量β，其中列向量tj＝t(j：n-D+j-1)，下标号j＝1，2，…，D+1，t(j：n-D+j-1)表示取向量t中第j至第n-D+j-1个元素组成列向量；

④根据如下所示公式更新向量wa：

上式(4)中，βd为向量β中的第d个元素；

⑤根据公式wa＝wa/||wa||对向量wa实施单位化处理后，判断向量wa是否收敛？若否，则计算t＝Ywa后返回步骤③；若是，则得到第a个向量wa后执行步骤⑥；

⑥根据公式pa＝YTt/(tTt)计算第a个载荷向量pa，并根据公式Y＝Y-tpaT更新数据矩阵Y；

⑦判断是否满足条件a＜m？若是，则置a＝a+1后返回步骤②；若否，则将m个载荷向量p1，p2，…，pm以及向量w1，w2，…，wm分别组成初始载荷矩阵P＝[p1，p2，…，pm]与矩阵W＝[w1，w2，…，wm]后执行步骤⑧；

⑧根据公式Q＝W(PTW)计算分离矩阵Q，并根据公式 计算动态得分矩阵T。

3.根据权利要求1所述的一种基于新型动态独立成分分析的非高斯过程监测方法，其特征在于，所述步骤(6)的具体实施过程如下所示：①初始化k＝1；

②设置向量ck为M×M维单位矩阵中的第k列；

③按照公式ck←E{Z0g(ckTZ0)}-E{h(ckTZ0)}ck更新向量ck，其中函数g(u)＝tanh(u)、函数h(u)＝[sech(u)]2、u＝ckTZ0表示函数自变量、E{ }表示计算均值；

④对更新后的向量ck依次按照如下所示公式进行正交标准化处理：ck←ck/||ck||           (6)

⑤重复步骤③～④直至向量ck收敛，并保存向量ck；

⑥判断是否满足条件k＜M？若是，则置k＝k+1后返回步骤②；若否，则将得到的向量c1，c2，…，cM组成初始转换矩阵C0＝[c1，c2，…，cM]；

⑦根据公式S0＝Z0C0计算得到动态潜独立成分矩阵S0，S0中各列向量即为各独立成分向量，需按照非高斯性大小做进一步排序处理；

⑧按照均值为0方差为1的高斯分布随机生成一个n×1维的列向量ε，并按照如下所示公式计算S0中各独立成分向量的非高斯性大小J1，J2，…，JM：Jk＝|E{log cosh(sk)}-E{log cosh(ε)}|  (7)上式(7)中，sk为矩阵S0中的第k列向量；

⑨根据J1，J2，…，JM的数值大小进行降序排序，并对应地变更矩阵S0中各列向量的先后排序得到S，以及矩阵C0中各列向量的先后排序得到转换矩阵C。