1.基于混合核PCA‑CCA及核密度估计的过程监测方法，其特征在于：包括以下步骤：步骤1：采集正常工况下的过程输入和输出样本数据，得到采样时刻k时的1×m输入向T n×m量uk以及1×q输出向量yk，经过n次采样后，得到输入数据U＝[u1,u2…un]∈R 以及输出数T n×q据Y＝[y1,y2…yn]∈R ；

步骤2：将输入数据U和输出数据Y分别采用混合核映射到高维特征空间，得到输入混合核矩阵Ku和输出混合核矩阵Ky，所述混合核是由高斯核与径向基组合而成；

步骤3：建立混合核PCA‑CCA模型，计算Ku的加权矩阵J以及Ky的加权矩阵L，根据加权矩阵J和L获得残差r；

2

步骤4：计算T统计量；

步骤5：采用核密度估计方法计算统计量阈值 用下式计算：

2 2

上式中， 表示 的概率，p(T)表示T 统计量的概率密度，α为给定置信2

度，其中，p(T)按照下式计算：

上式中，N为统计量样本数，h为核函数宽度，K()为核密度函数，令步骤6：采集在线实时输入数据和输出数据，并对采集到的实时数据进行标准化处理，得到实时输入数据向量unew和实时输出数据向量ynew，将unew和ynew分别采用混合核映射到高维特征空间，得到实时输入数据核向量 和实时输出数据核向量 所述混合核是由高斯核与径向基组合而成；

步骤7：基于步骤3中求得的加权矩阵J和L，以及利用步骤3训练好的混合核PCA‑CCA模型，计算新的实时数据残差变量rnew，并计算实时监测统计量步骤8：实时比较 是否小于阈值 若小于阈值则判断设备运行正常无需维护，若大于阈值则判断设备发生故障需要维护。

2.根据权利要求1所述的基于混合核PCA‑CCA及核密度估计的过程监测方法，其特征在于：所述步骤2中的高斯核表示如下：n＞＞q或m，其中，

c1和c2均为高斯核参数；

步骤2中的径向基核表示如下：

其中， d1和d2

均为径向基核参数；

通过将高斯核函数与径向基函数整合，可得：为系数，用于权衡核函数的分配。

3.根据权利要求1所述的基于混合核PCA‑CCA及核密度估计的过程监测方法，其特征在于：所述步骤3中的混合核PCA‑CCA模型根据如下目标函数建立：其中， 表示输入的协方差； 表示输出的协方差；

表示交叉协方差；

公式3中的目标函数通过对Ψ进行奇异值分解求得，Ψ表达式如下：

1/2 1/2 T

Ψ＝∑U ∑UY∑Y ＝ΓΛΔ      (公式4)上式中，Γ为包含左奇异向量的数据矩阵，Δ为包含右奇异向量的数据矩阵，Λ为奇异值矩阵；

1/2 1/2 T T

加权矩阵J和L按下式计算：J＝∑U Γ,L＝∑Y Δ；残差r＝JKu‑ΛLKy。

4.根据权利要求3所述的基于混合核PCA‑CCA及核密度估计的过程监测方法，其特征在

2 T 2

于：所述步骤4中T＝r(I‑Λ)r，其中I为单位矩阵。

5.根据权利要求3所述的基于混合核PCA‑CCA及核密度估计的过程监测方法，其特征在于：所述步骤7中 其中I为单位矩阵。