1.一种基于分散式ICR模型的非高斯过程监测方法，其特征在于，包括以下步骤：离线建模阶段的实施过程如下所示：

步骤(1)：采集生产过程正常运行状态下的样本，组成训练数据集X∈Rn×m，并对每个测量变量进行标准化处理，得到均值为0，标准差为1的新数据矩阵 其中，n为训练样本数，m为过程测量变量数，R为实数集，Rn×m表示n×m维的实数矩阵；

步骤(2)：将将标准化后的数据集 表示成 其中xi∈Rn×1为第i个测量变量的n个数据组成的列向量，i＝1，2，…，m表示变量下标号，并初始化i＝1；

步骤(3)：将矩阵 中第i列数据去除得到软测量模型的输入矩阵 而将xi作为软测量模型的输出，利用独立成分回归(Independent Component Regression，ICR)算法建立输入 与输出xi之间的软测量模型：上式中，ei∈Rn×1为软测量估计误差向量；

步骤(4)：判断是否满足条件i＜m？若是，则置i＝i+1后返回步骤(3)；若否，则将得到的估计误差向量组成矩阵E＝[e1，e2，…，em]后继续执行下一步骤(5)；

步骤(5)：将估计误差矩阵E作为新的训练数据矩阵，对其中的每一列实施标准化处理，得到均值为0，标准差为1的新数据矩阵步骤(6)：利用独立成分分析(Independent Component Analysis，ICA)算法为 建立相应的ICA过程监测模型，并保留模型参数集Θ＝{G，H，Λ，Dlim，Qlim}以备调用，其中G为ICA模型的分离矩阵，H为ICA模型的混合矩阵，Λ为ICA模型中独立成分的协方差矩阵，Dlim与Qlim分别表示监测统计量D与Q的控制上限；

步骤(7)：收集新采样时刻的数据样本x∈R1×m，对其实施与步骤(1)中相同的标准化处理得到新数据向量 后，初始化i＝1；

步骤(8)：将行向量 中的第i个元素yi取出后得到输入向量并按照如下所示公式计算yi的估计误差fi：

步骤(9)：判断是否满足条件i＜m？若是，则置i＝i+1后返回步骤(8)；若否，则将得到的误差组成向量f＝[f1，f2，…，fm]并继续执行下一步骤；

步骤(10)：对f实施与步骤(5)中相同的标准化处理得到新向量步骤(11)：根据如下所示公式计算监测统计指标D与Q：步骤(12)：判断D与Q的具体数值是否大于对应控制上限Dlim与Qlim？若否，则当前样本为正常工况采样；若是，则当前采样数据有可能来自故障工况。

2.根据权利要求1所述的一种基于分散式ICR模型的非高斯过程监测方法，其特征在于，所述步骤(3)中建立软测量模型的具体实施过程如下所示：①设置k＝1后，初始化向量uk＝xi；

②根据公式 qk＝xiTsk/(skTsk)分别计算得到系数向量wk、得分向量sk、和系数qk；

③根据公式unew＝xiqk/qk2计算向量unew；

-6

④判断是否满足条件||uk-unew||＜10 ？若否，则置uk＝unew后返回步骤②；若是，则执行下一步骤⑤；

⑤根据公式 计算得到第k个投影向量pk∈R(m-1)×1，并保留向量pk、向量wk、和系数qk；

⑥根据公式 更新输入矩阵 后，判断矩阵 中的最大元素是否大于

0.001？若是，则执行步骤⑦；若否，则在得到最终的投影矩阵Pi＝[p1，p2，…，pk]与系数矩阵Wi＝[w1，w2，…，wk]后，执行步骤⑧；

⑦判断k＜m-1？若是，则置k＝k+1后，返回步骤②；若否，则得到最终的投影矩阵Pi＝[p1，p2，…，pk]与系数矩阵Wi＝[w1，w2，…，wk]；

⑧根据公式 对 进行白化处理，得到白化后的矩阵Zi∈Rn×k并初始化j＝

1，其中，矩阵Ri＝Wi(PiTWi)-1∈R(m-1)×k、矩阵⑨设置向量cj为k×k维单位矩阵中的第j列；

⑩按照公式cj←E{Zig(cjTZi)}-E{h(cjTZi)}cj更新向量cj，其中函数g(u)＝tanh(u)、函数h(u)＝[sech(u)]2、u＝cjTZi表示函数自变量；

对更新后的向量cj依次按照下式进行正交标准化处理：cj←cj/||cj||  (5)

重复步骤⑤～⑥直至向量cj收敛，并保存向量cj；

判断j＜k？若是，置j＝j+1后，重复步骤④～⑧；若否，则执行步骤⑨；

将得到的所有k个向量c1，c2，…，ck组成矩阵C＝[c1，c2，…，ck]∈Rk×k，并按照如下所示公式计算分离矩阵W0∈R(m-1)×k与混合矩阵A0∈R(m-1)×k：A0＝PD1/2C

W0＝PD-1/2C  (6)

根据公式 计算独立成分矩阵S0∈Rn×k，并根据公式 计算独立成分与输出xi之间的相关系数向量

找出行向量 中数值小于0.001的所有元素所对应的列标号，根据该列标号对应的剔除分离矩阵W0与独立成分矩阵S0中相应的列，从而得到新的分离矩阵Wi与独立成分矩阵Si；

计算最小二乘回归系数向量bi＝Wi(SiTSi)-1SiTxi，那么对应于输出xi的ICR模型为：上式中，ei∈Rn×1为软测量估计误差向量。

3.根据权利要求1所述的一种基于分散式ICR模型的非高斯过程监测方法，其特征在于，所述步骤(6)中建立ICA过程监测模型的具体实施过程如下所示：①计算 的协方差矩阵

②求解ψ所有M个大于0.001的特征值η1≥η2≥…≥ηM所对应的特征向量β1，β2…，βM；

③根据公式 对 进行白化处理，得到白化后的矩阵F∈Rn×M并初始化i＝1，其中，矩阵B＝[β1，β2…，βM]∈Rm×M、对角矩阵Φ＝diag{η1，η2，…，ηM}；

④设置向量di为M×M维单位矩阵中的第i列；

⑤按照公式di←E{Fg(diTF)}-E{h(diTF)}di更新向量di，其中函数g(u)＝tanh(u)、函数h(u)＝[sech(u)]2、u＝diTF表示函数自变量；

⑥对更新后的向量di依次按照下式进行正交标准化处理：di←di/||di||  (9)

⑦重复步骤⑤～⑥直至向量di收敛，并保存向量di；

⑧判断i＜M？若是，置i＝i+1后，重复步骤④～⑧；若否，则执行步骤⑨；

⑨将得到的所有M个向量c1，c2，…，cM组成矩阵Ω＝[di，d2，…，dK]∈RM×M，并按照如下所示公式计算分离矩阵G0∈Rm×M与混合矩阵H0∈Rm×M：G0＝BΦ-1/2Ω

H0＝BΦ1/2Ω  (10)

⑩计算H0中每一列向量的长度，分别记为L1，L2，…，LM，并将L1，L2，…，LM按照数值大小进行降序排列得到l1，l2，…，lM，那么保留的独立成分个数μ为满足下列条件的最小值：将H0中列向量长度最大的μ个列向量组成新的混合矩阵H∈Rm×μ，同时从G0中取出与H对应的列向量组成新分离矩阵G∈Rm×μ；

根据公式 计算出独立成分矩阵J后，计算J的协方差矩阵Λ＝(JTJ)/(n-1)；

根据如下所示公式计算Dlim与Qlim：

上两式中，置信水平α＝99％， 表示权重为g＝v/2a，自由度为h＝2a2/v的χ2分布，a与v分别是 对应的统计量Q的估计均值和估计方差。