1.一种基于过程迁移模型的间歇过程最优补偿控制策略，其特征在于，利用两个相似间歇生产过程中A和B的数据建立过程迁移模型，具体包括以下步骤：步骤1：展开二维数据矩阵以获得A生产过程输入、输出变量矩阵Xa、Ya，B生产过程输入、输出变量矩阵Xb、Yb；

其中，Xa为A生产过程输入变量矩阵；

Xb为B生产过程输入变量矩阵；

Ya为A生产过程输出变量矩阵；

Yb为B生产过程输出变量矩阵；

步骤2：分别根据各自的均值和方差对A生产过程和B生产过程的数据矩阵进行归一化处理，并建立过程迁移模型；

步骤3：根据公式(1)构造优化问题并求解B生产过程最优解xb(k)*：其中，k表示第k个间歇生产过程；

λ1是软约束的权重系数；

T2统计量是软约束；

xL和xU分别是操作变量的最小值和最大值；

步骤4：将xb(k)*设置为查询数据xq，并根据公式(2)分别计算A生产过程、B生产过程历史数据和查询数据之间的相似性s(xa,xq)、s(xb,xq)：其中，λ∈[0,1]是权重参数；

d(xq,xi)是xq和xi之间的欧式距离；

θi表示xq和Δxi之间的角度；

步骤5：根据相似性从原始数据集中选择A生产过程的n个最相关数据和B生产过程中m个最相关数据；

步骤6：分别计算所选数据与查询数据xq和它的质量输出指标 之间的偏差，即(xa,ya)和(xb,yb)与 之间的偏差，分别得到A生产过程的n批输入、输出偏差数据(Δxa,Δya)和B生产过程的m批输入、输出偏差数据(Δxb,Δyb)；

其中，Δxa为生产过程A操作变量的补偿值；

Δxb为生产过程B操作变量的补偿值；

步骤7：根据公式(3)求解优化目标函数，得到xb(k)*的最优补偿值Δxb(k)*：其中，T2local统计量是软约束；

λlocal是软约束的权重系数；

D为信任区域半径；

步骤8：根据公式(4)对最终最优解xb(k)*+Δxb(k)*进行滤波，得到重新调整后的操纵变量xb(k)，并根据公式(5)利用第k-1批次和第k批次的输入、输出数据来计算预测的性能指标偏差ΔPpred：其中，I为单位矩阵；

W为对角增益矩阵；

步骤9：如公式(6)中所示，如果预测的性能指数衰减率τ大于优化终止阈值η，然后使用最新的重新调整后的操纵变量xb(k)来运行第k个间歇生产过程；如果性能指数衰减率τ小于阈值η，则第k批次优化失败，并使用先前批次即第k-1批次的操作变量xb(k-1)来运行第k个间歇过程，即xb(k)＝xb(k-1)。

步骤10：当第k批次运行完成后，收集新的数据并使用操纵变量xb(k)和最新的产品质量yb(k)来更新B生产过程中的建模数据集；

步骤11：用历史误差δk-1来计算第k批次的最新预测误差δk和其第一个置信区间其中， 是误差平均值；

σ是标准差；

z是误差的方差；

α1是显著性水平；

步骤12：如果h个连续批次的预测误差δk～k+h落在其第一置信区间内，则消除A生产过程中相似性最小的若干批次数据，否则，无需进行数据的消除；

步骤13：根据公式(7)计算实际性能指标偏差ΔPreal，并根据以下准则更新D：如果ΔPreal<ΔPpred,Dk+1＝β||Δxb(k)*||.

如果ΔPreal>ΔPpred且Dk+1＝||Δxb(k)*||,Dk+1＝γDk.

否则，Dk+1＝Dk.

其中，β、γ都是权重参数

ΔPreal＝P(xb(k-1),yb(k-1))-p(xb(k),yb(k))    (7)；

步骤14：用历史误差δk-1计算第k批次的第二置信区间步骤15：如果h个连续批次的预测误差δk～k+h落在其第二置信区间内，且A生产过程中数据量小于原始数据量的三分之一，则停止迁移过程并通过普通模型来代替过程迁移模型；

否则，让k＝k+1，返回步骤1。

2.根据权利要求1所述的一种基于过程迁移模型的间歇过程最优补偿控制策略，其特征在于，所述步骤2中使用JYKPLS方法建立过程迁移模型。