1.一种基于集成核独立成分分析模型的过程监测方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(11)；

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)：分别利用径向基核函数、多项式核函数、Sigmoid核函数、和线性核函数计算出相对应的核矩阵KG∈Rn×n、KP∈Rn×n、KS∈Rn×n、以及KL∈Rn×n，具体的实施过程包含如下所示步骤(2.1)至步骤(2.4)；

步骤(2.1)：设置径向基核函数的参数g后，根据如下所示公式①中的径向基核函数计算核矩阵KG∈Rn×n

上式中，KG(i，j)表示核矩阵KG中的第i行、第j列元素，exp表示以自然常数e为底的指数函数，下标号i＝1，2，…，n与j＝1，2，…，n，符号|| ||表示计算向量的长度；

步骤(2.2)：设置多项式核函数的参数p后，根据下式②中的多项式核函数计算核矩阵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；

n×n

步骤(2.3)：根据如下所示公式③中的Sigmoid核函数计算核矩阵KS∈R ：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(2.4)：根据如下所示公式④中的线性核函数计算核矩阵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(3)：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}分别指代径向基核函数、多项式核函数、Sigmoid核函数、以及线性核函数，方阵Θ∈Rn×n中各元素都等于1；

步骤(4)：计算核矩阵 所有非零特征值所对应的特征向量，并将这些特征向量组建成矩阵Ac∈Rn×M，其中M为非零特征值的个数；

步骤(5)：根据公式 计算矩阵Φc，并根据公式Λc＝ΦcTΦc/(n-1)计算矩阵Φc的协方差矩阵Λc；

步骤(6)：根据公式 计算核独立成分矩阵的初始估计值Zc，其中矩阵Bc＝AcΛc-1/2；

步骤(7)：利用独立成分分析算法求解转换矩阵Cc与核独立成分矩阵Sc，具体实施过程如下所示：

步骤(7.1)：初始化τ＝1；

步骤(7.2)：设置向量βτ为M×M维单位矩阵中的第τ列；

步骤(7.3)：按照公式βτ＝E{Zcg(βτTZc)}-E{h(βτTZc)}βτ更新向量βτ，其中函数g(u)＝tanh(u)、函数h(u)＝[sech(u)]2、u＝βτTZc表示函数自变量、E{ }表示计算均值；

步骤(7.4)：对更新后的向量βτ依次按照下式进行正交标准化处理：βτ＝βτ/||βτ||  ⑦

步骤(7.5)：重复步骤(7.3)至步骤(7.4)直至向量βτ收敛，并保存向量βτ；

步骤(7.6)：判断是否满足条件τ＜M；若是，则置τ＝τ+1后返回步骤(7.2)；若否，则将得到的向量β1，β2，…，βM组成转换矩阵Cc＝[β1，β2，…，βM]；

步骤(7.7)：根据公式Sc＝ZcCc计算得到核独立成分矩阵Sc∈Rn×M；

步骤(8)：按照均值为0方差为1的正态分布随机生成一个n×1维的列向量γ后，调用不同的非高斯度量函数按照如下所示公式计算Sc中各列向量的非高斯性大小Jd(τ)：Jd(τ)＝|E{fd(sτ)}-E{fd(γ)}|  ⑧上式⑧中，τ＝1，2，…，M，sτ为核独立成分矩阵Sc中第τ列，下标号d∈{1，2，3}分别指代如下所示的三种非高斯度量函数：

f1(v)＝log cosh(v)，f2(v)＝exp(-v2/2)，f3(v)＝v4  ⑨上式中，v表示函数自变量；

步骤(9)：设置保留的核独立成分个数为η后，对步骤(8)中不同非高斯度量函数所计算出的非高斯性大小进行降序排列，对应地变更核独立成分矩阵Sc与初始转换矩阵Cc中各列向量的先后排序，分别得到核独立成分矩阵 与转换矩阵 具体的实施过程如步骤(9.1)至步骤(9.4)所示：

步骤(9.1)：初始化d＝1；

步骤(9.2)：根据Jd(1)，Jd(2)，…，Jd(M)的数值大小进行降序排序，并对应的变更核独立成分矩阵Sc与初始转换矩阵Cc中各列向量的先后排序，分别对应得到核独立成分矩阵与转换矩阵

步骤(9.3)：将核独立成分矩阵 与转换矩阵 中第η+1列至第M列的列向量删除；

步骤(9.4)：判断d＜3；若是，则置d＝d+1后返回步骤(9.1)；若否，则得到保留η个核独立成分后的核独立成分矩阵 以及转换矩阵步骤(10)：根据公式 与 计算训练数据对应的监测统计指标Ic，d2与Qc，d，其中diag( )表示将矩阵对角线的元素单独作为列向量的操作运算，模型误差矩阵

步骤(11)：计算监测统计指标Ic，d2的均值μc，d与标准差δc，d，并计算监测统计指标Qc，d指标的均值uc，d与标准差σc，d后，即可计算得到监测统计指标Ic，d2与Qc，d的控制上限分别为其次，完成上述离线建模阶段后，即可实施在线监测，具体包括如下所示步骤(12)至步骤(17)；

1×m

步骤(12)：对最新采样时刻的数据xnew∈R 实施与步骤(1)中相同的标准化处理，从而得到向量

步骤(13)：根据如下所示公式计算四个不同核函数所对应的核向量kG、kP、kS、kL：上式中，kG(i)、kP(i)、kS(i)、kL(i)分别为核向量kG、kP、kS、kL中的第i个元素；

步骤(14)：根据公式 中心化处理核向量kG、kP、kS、kL，分别对应得到核向量 其中下标号c∈{G，P，S，L}分别指代径向基核函数、多项式核函数、Sigmoid核函数、以及线性核函数；

步骤(15)：根据如下所示公式计算当前采样时刻的监测统计指标 与Qc，d：步骤(16)：根据如下所示步骤(16.1)至步骤(16.4)将所有的监测统计指标 和Qc，d融合成一个概率型指标BIC，其中c∈{G，P，S，L}与d∈{1，2，3}；

步骤(16.1)：设定置信限α，并规定Ξ可表示监测统计指标 和Qc，d中的任意一个；

步骤(16.2)：确定先验概率PΞ(N)＝α与PΞ(F)＝1-α后，计算条件概率 和上式中，Ξlim表示Ξ所对应的控制上限，N和F分别表示正常工况和故障工况；

步骤(16.3)：根据如下所示公式计算 属于故障工况的概率步骤(16.4)：根据如下所示公式计算概率型指标BIC：上式中，符号∑Ξ表示计算Ξ所有取值的累加和；

步骤(17)：判断是否满足条件：BIC≤1-α；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(12)实施对下一采样时刻的过程监测。