1.一种基于多块独立成分分析算法的分布式过程监测方法，其特征在于，包括以下步骤：

n×m

步骤(1)：采集生产过程正常运行状态下的n个样本数据，组成训练数据矩阵X∈R ，并计算训练数据矩阵X中各列向量的均值μ1，μ2，…，μm以及标准差δ1，δ2，…，δm，从而组成均值T

向量μ＝[μ1，μ2，…，μm]与对角矩阵Φ＝diag(δ1，δ2，…，δm)，其中，m为测量变量数，R为实数n×m

集，R 表示n×m维的实数矩阵，上标号T表示矩阵或向量的转置，diag()表示将δ1，δ2，…，δm转变成对角矩阵的操作；

步骤(2)：根据公式 对训练数据矩阵X实施标准化处理得到矩阵 其n×m T

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]；

步骤(3)：根据生产过程对象的组成单元，确定各个生产单元所涉及到的测量变量，以此将m个测量变量分成B个变量子块，据此可将矩阵 分成B个子块矩阵m

步骤(4)：确定如下所示的优化目标，并利用粒子群优化算法求解得到变换向量w∈R×1

：

上式中，E{}表示求取向量的均值；

步骤(5)：按照步骤(3)中变量子块的分块结果，对应地将变换向量w分成B个子块对应的变换向量w1，w2，…，wB；

步骤(6)：根据如下所示步骤(6.1)至步骤(6.5)依次求解各变量子块对应的得分向量s1，s2，…，sB，载荷向量p1，p2，…，pB，以及更新子块矩阵步骤(6.1)：初始化b＝1；

步骤(6.2)：根据公式 计算第b个变量子块对应的得分向量sb；

步骤(6.3)：根据公式 计算第b个变量子块对应的载荷向量pb；

步骤(6.4)：根据公式 更新第b个子块矩阵步骤(6.5)：判断是否满足条件：b＜B；若是，则置b＝b+1后，返回步骤(6.2)；若否，则得到各变量子块对应的得分向量s1，s2，…，sB以及载荷向量p1，p2，…，pB；

步骤(7)：判断更新后的子块矩阵 是否存在满足条件： 的变量子块；若否，则根据 更新矩阵 后重复步骤(4)至步骤(7)直至得到各变量子块的d个得分向量与d个载荷向量，其中 表示计算 中元素绝对值的最大值，d＜m；

步骤(8)：根据如下所示步骤(8.1)至步骤(8.5)计算各变量子块对应的控制上限 与其中b＝1，2，…，B；

步骤(8.1)：初始化b＝1；

步骤(8.2)：将第b个变量子块对应的d个变换向量合并成一个变换矩阵Wb，将第b个变量子块对应的d个得分向量合并成一个得分矩阵Sb，并将第b个变量子块对应的d个载荷向量合并成一个载荷矩阵Pb；

步骤(8.3)：根据公式 与 分别计算监测指标向量D与T

Q，其中矩阵Λb＝SbSb/(n‑1)，diag{}表示将矩阵对角线上的元素变成向量的操作；

步骤(8.4)：分别对D与Q中的元素按数值大小进行降序排列，并将第n/100个最大值分别记录为第b个变量子块的控制上限 与步骤(8.5)：判断是否满足条件：b＜B；若是，则置b＝b+1后，返回步骤(8.2)；若否，则得到各个变量子块对应的控制上限；

m×1

步骤(9)：收集新采样时刻的样本数据x∈R ，并根据公式 对x实施标准化处理得到向量

步骤(10)：根据步骤(3)中变量子块的分块结果，对应地将向量 分成B个子向量步骤(11)：根据如下所示步骤(11.1)至步骤(11.4)计算各子向量 对应的监测指标 与SPEb；

步骤(11.1)：初始化b＝1；

步骤(11.2)：根据公式 与 分别计算第b个子向量对应的得分向量ub与误差向量εb；

T

步骤(11.3)：根据公式 与SPEb＝εεb b计算得到第b个子向量对应的监测指标与SPEb；

步骤(11.4)：判断是否满足条件：b＜B；若是，则置b＝b+1后，返回步骤(11.2)；若否，则得到各子向量 对应的监测指标 与SPE1，SPE2，…，SPEB；

步骤(12)：针对下标号b的所有取值，判断是否满足条件： 且SPEb≤Qb，lim；若是，则当前采样时刻生产过程对象是正常运行的，返回步骤(9)继续监测下一采样时刻的样本数据；若否，则当前采样时刻生产过程对象进入异常运行状态。