1.一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述方法包括：离线建模和在线监控两个部分，所述离线建模包括：采集工业过程中在系统正常时与在系统处于故障状态下的工业过程数据作为系统原始的过程信息；并对工业过程数据采用除单一属性变量、填充缺失数据、剔除异常数据等方法进行预处理，再经过标准化处理，得到具有零均值和单位方差的工业过程数据集；得到与工业过程数据集相关联的T2统计量和SPE(Q)统计量；获取T2统计量和SPE(Q)统计量的控制上限；

所述在线监控包括：采用与上述相同的方法得到工业过程测试数据集和与其相关联的

2 2

Tnew统计量和SPE(Q)new；根据Tnew统计量和SPE(Q)new是否同时超过控制上限，从而实现故障检测。

2.如权利要求1所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述获取工业过程数据集的T2统计量、控制上限，SPE(Q)统计量、控制上限的方法包括：步骤一：获取工业数据集X的均值 与协方差矩阵C，

步骤二：：获取数据集X的邻域；首先计算所有样本点之间的欧式距离，根据样本数目设定适当的近邻个数，然后通过聚类学习算法选取每个样本点的近邻点；

步骤三：计算各邻域内样本点到近邻中心点的距离；设W为稀疏对称矩阵；如果两点之间没有点连接，则Wij＝0；如果两点是邻近点，则W由热核函数计算得出；

步骤四：利用智能学习算法求解出最优投影矩阵G；

步骤五：建立监控模型；包括：潜变量特征空间模型Y和残差空间模型E；

步骤六：计算与数据集X相关联的T2统计量和SPE(Q)统计量；

步骤七：采用非参数检验的方法估计出T2统计量和SPE(Q)统计量的控制上限。

3.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述聚类学习算法为k近邻算法，包括以下步骤：计算所有样本点之间的欧式距离，接着根据样本数目设定适当的近邻个数k，然后通过k近邻算法选取每个样本点的近邻点，若两点之间有一个点在另一个点的邻域内，那么这两个点之间有边连接，反之没有。

4.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述热核函数为：其中，t∈R。

5.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述最优投影矩阵G采用遗传算法得出，根据下式解得：M＝(1-WT)(1-W)

其中，λ为平滑参数。

6.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述潜变量特征空间Y为：Y＝GX。

7.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述残差空间模型E为：E＝X-YGT。

8.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述与数据集X相关联的T2统计量为：

9.如权利要求2所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法，其特征在于，所述与数据集X相关联的SPE(Q)统计量为：

10.权利要求1-9任一所述的一种基于数据整体信息和邻域结构的工业过程故障检测方法用于化工、炼油、轻工等工业过程；工业过程中的过程信息由通过各种物理、化学性质来表征产品质量的参数组成。