1.一种故障相关的变量选择方法，其特征在于，具体包括以下步骤：

11、采集工业过程运行的正常数据 和故障数据 建立训练数据集，其中，Nn表示正常情况下的样本数目，Nf表示故障情况下的样本数目，m表示测量变量的数目；

12、以KL散度来度量某个变量在正常和故障情况下的差异，差异大的变量被认为是有助于反映故障效应的变量，定义第i个测量变量对于反映故障效应的贡献值为式(1)所示：其中，i＝1,2,…,m，pf(xi)和pn(xi)分别为变量xi在故障和正常情况下的概率密度函数；

13、将m个变量的贡献值按照降序排列，记为式(2)cont(x[1])≥cont(x[2])≥…≥cont(x[m])    (2)其中，cont(x[i])为第i个最大的贡献值；

14、计算前d个最大的贡献值的累积贡献率，如式(3)所示：其中，1≤d≤m；

15、对于指定的阈值α，0＜α≤1，假设d为最小的正整数使得CCR(d)≥α，那么选择这d个最大的贡献值对应的测量变量，以此作为后续数据建模的基础。

2.如权利要求1所述的一种故障相关的变量选择方法，其特征在于，在以KL散度来度量某个变量在正常和故障情况下的差异过程中，在采样数目足够大的情况下，假设每个测量变量服从高斯分布：

121、分别计算第i个测量变量在正常情况下的样本均值和样本标准差，具体为式(4)、(5)：其中，i＝1,2,…,m， 表示变量xi在正常情况下的第j个测量值；

122、分别计算第i个测量变量在故障情况下的样本均值和样本标准差，如式(6)、(7)所示：其中，i＝1,2,…,m， 表示变量xi在故障情况下的第j个测量值；

123、此时，式(1)定义的贡献值表示为如式(8)所示的形式：