1.一种基于多核主元分析模型的非线性过程监测方法，其特征在于，包括以下步骤：首先，本发明方法的离线建模阶段包括如下所示步骤(1)至步骤(13)；

步骤(1)：在生产过程正常运行状态下，采集n个样本数据组成训练数据矩阵X∈Rn×m，并对X中各列实施标准化处理，得到标准化后的矩阵 其中， 表示标准化后的第i个样本数据，下标号i＝1，2，…，n，m为测量变量个数，上标号T表示矩阵或向量的转置，R为实数集，Rn×m表示n×m维的实数矩阵；

步骤(2)：设置高斯核函数的参数g后，按照下式①计算高斯核矩阵KG∈Rn×n：上式中，KG(i，j)表示高斯核矩阵KG中的第i行、第j列元素，下标号i＝1，2，…，n与j＝1，

2，…，n，exp表示以自然常数e为底的指数函数，符号|| ||表示计算向量的长度；

步骤(3)：设置多项式核函数的参数p后，根据下式②计算多项式核矩阵KP∈Rn×n：上式中，KP(i，j)表示多项式核矩阵KP中的第i行、第j列元素；

步骤(4)：根据如下所示公式③计算Sigmoid核矩阵KS∈Rn×n：上式中，KS(i，j)表示Sigmoid核矩阵KS中的第i行、第j列元素，tanh表示双曲正切函数；

步骤(5)：根据如下所示公式④计算线性核矩阵KL∈Rn×n：上式中，KL(i，j)表示线性核矩阵KL中的第i行、第j列元素；

步骤(6)：依据如下公式分别对核矩阵KG、KP、KS、和KL实施中心化处理，对应得到中心化后的核矩阵 和上式中，下标号c∈{G，P，S，L}分别表示高斯核、多项式核、Sigmoid核、以及线性核，方阵Θ∈Rn×n中各元素都等于1；

步骤(7)：计算高斯核矩阵 所有非零特征值 所对应的特征向量此步骤要求各个特征向量皆为单位长度，NG为非零特征值的个数；

步骤(8)：计算多项式核矩阵 所有非零特征值 所对应的特征向量此步骤要求各个特征向量皆为单位长度，NP为非零特征值的个数；

步骤(9)：计算Sigmoid核矩阵 所有非零特征值 所对应的特征向量此步骤要求各个特征向量皆为单位长度，NS为非零特征值的个数；

步骤(10)：计算线性核矩阵 所有非零特征值 所对应的特征向量此步骤要求各个特征向量皆为单位长度，NL为非零特征值的个数；

步骤(11)：保留高斯核主元变换矩阵 多项式核主元变换矩阵Sigmoid核主元变换矩阵 以及线性核主元变换矩阵

步骤(12)：设置核主元个数为d后，根据公式 计算核主元得分矩阵ΦG、ΦP、ΦS、和ΦL，其中Ac(1：d)表示矩阵Ac中的第1列至第d列向量组成的矩阵，再根据公式Λc＝ΦcTΦc/(n-1)计算各核主元得分矩阵的协方差矩阵ΛG、ΛP、ΛS、和ΛL；

步骤(13)：根据如下所示公式分别计算核主元监测统计量的控制上限Dlim和残差监测统计量的控制上限QG，lim、QP，lim、QS，lim、以及QL，lim：上式中，gc与hc分别为卡方分布的权重系数与自由度，Fd，n-d，σ表示自由度为d与n-d的F分布在置信度σ＝99％下的取值， 表示自由度为hc的卡方分布在置信度σ＝99％下的取值；

其次，完成上述离线建模阶段后，即可实施在线故障监测，具体包括如下所示步骤(14)至步骤(18)；

步骤(14)：在线采集最新采样时刻的样本数据xnew∈R1×m，并对其进行标准化处理得到步骤(15)：根据如下所示公式分别计算高斯核向量zG∈R1×n、多项式核向量zP∈R1×n、

1×n 1×n

Sigmoid核向量zS∈R 、以及线性核向量zL∈R ：上式中，zG(i)、zP(i)、zS(i)、和zL(i)分别为核向量zG、zP、zS、和zL中的i个元素；

步骤(16)：依据下式计算对各核向量实施中心化处理得到 和其中，行向量θ＝[1，1，…，1]∈R1×n中各元素都等于1；

步骤(17)：根据公式 计算核主元得分向量tG、tP、tS、和tL后，根据如下所示公式分别计算监测统计量Dc与Qc：上式中，tc(1：d)表示向量tc中第1列至第d列元素组成的向量，tc(d+1：Nc)表示向量tc中第d+1列至第Nc列元素组成的向量，下标号c∈{G，P，S，L}；

步骤(18)：对于下标号c的所有四个取值，判断是否满足条件：Dc≤Dlim且Qc≤Qc，lim？若否，则当前采样时刻已进入故障工况；若是，则过程对象处于正常运行状态，返回步骤(14)实施对下一采样时刻的过程监测。