1.一种基于分散式AR-PLS模型的动态过程监测方法，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，并按照如下形式构造增广型矩阵Xa∈R(N-d)×m(d+1)：N×m

其中，N为训练样本数，m为过程测量变量数，R为实数集，R 表示N×m维的实数矩阵，xn∈R1×m为第n个采样时刻的样本数据，下标号n＝1，2，…，N，d为引入的延时测量值的个数；

步骤(2)：对增广型矩阵Xa中每列实施标准化处理，得到均值为0，标准差为1的新数据矩阵 后初始化i＝1；

步骤(3)：将新数据矩阵 中第i列数据 取出作为自回归(Auto Regression，AR)模型的输出，新数据矩阵 中剩余的列则作为AR模型的输入矩阵 再利用偏最小二乘(Partial Least Squares，PLS)算法训练得到 与输出 之间的AR模型：其中，bi为输入-输出回归向量，ei表示第i个变量的预测误差；

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估计误差矩阵E＝[e1，e2，…，em]∈R(N-d)×m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的矩阵步骤(6)：对矩阵 实施奇异值分解(Singular Value Decomposition，SVD)，即：步骤(7)：根据公式 计算监测统计量的控制上限Dlim，并保留参数集Θ＝{V，Λ，Dlim}以备在线监测时调用，其中 表示自由度为r的卡方分布在置信度α＝99％下的取值；

在线过程监测阶段的实施过程如下所示：

步骤(8)：收集新采样时刻的数据样本xt∈R1×m，引入其前d个采样时刻的样本得到增广向量xa＝[xt，xt-1，…，xt-d]，其中t表示当前采样时刻；

步骤(9)：对xa实施与步骤(2)同样的标准化处理得到 并初始化i＝1；

步骤(10)：将行向量 中的第i个元素yi取出后作为AR模型输出，而将向量 中其余元素组成AR模型输入 并根据步骤(3)中训练得到的AR模型计算yi的预测误差fi：

步骤(11)：判断是否满足条件i＜m；若是，则置i＝i+1后返回步骤(10)；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(12)；

步骤(12)：对f实施与步骤(5)中相同的标准化处理得到新向量 调用步骤(7)中保存的参数集Θ对 进行转换得到向量μ，即：

T

步骤(13)根据公式D＝μμ计算监测统计指标D，判断是否满足条件D＞Dlim；若否，则当前样本为正常工况采样；若是，则当前采样数据来自故障工况。

2.根据权利要求1所述的一种基于分散式AR-PLS模型的动态过程监测方法，其特征在于，所述步骤(3)中利用PLS算法训练得到 与输出 之间的AR模型的具体实施过程如下所示：①置k＝1与 后，初始化向量

②根据公式wk＝Ziuk/||Ziuk||、sk＝Ziwk、 分别计算得到系数向量wk、得分向量sk、和系数qk，其中||Ziuk||表示计算向量Ziuk的长度；

③根据公式 计算向量unew；

④判断是否满足条件||uk-unew||＜10-6；若否，则置uk＝unew后返回步骤②；若是，则执行⑤；

⑤根据公式pk＝ZiTsk/(skTsk)计算得到第k个投影向量pk∈R[m(d+1)-1]×1，并保留投影向量pk、系数向量wk、和系数qk；

⑥判断矩阵Yk＝skpkT中的最大元素是否大于0.01；若是，根据公式Zi＝Zi-skpkT更新矩阵Zi后执行步骤⑦；若否，则得到投影矩阵Pi＝[p1，p2，…，pk]、系数矩阵Wi＝[w1，w2，…，wk]、和列向量Q＝[q1，q2，…，qk]T，并执行步骤⑧；

⑦判断k＜m(d+1)-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计算回归向量bi＝Wi(PiTWi)-1Q，那么输入矩阵 与输出xi之间的AR模型为：其中，ei表示第i个变量的预测误差。

3.根据权利要求1所述的一种基于分散式AR-PLS模型的动态过程监测方法，其特征在于，所述步骤(6)中对 实施奇异值分解的具体实施过程如下所示：①设置r＝1与 后，初始化列向量tr为矩阵 中的第一列；

②根据公式vr＝FTtr/(trTtr)计算得到向量vr；

③根据公式tnew＝Fvr/(vrTvr)计算向量tnew；

④判断是否满足条件||tnew-tr||＜10-6；若是，则执行下一步骤⑤；若否，则置tr＝tnew后返回步骤②；

-1

⑤根据公式 与μr＝trλr 分别计算得到第r个奇异值λr与向量μr，并根据公式F＝F-trvrT更新F；

⑥判断是否满足条件λr≤10-3；若否，则设置r＝r+1与向量tr为矩阵F中的第一列后返回步骤②；若是，则将所有得到的奇异值λ1，λ2，…，λr组成对角矩阵Λ∈Rr×r，将所有得到的向量μ1，μ2，…，μr组成矩阵U＝[μ1，μ2，…，μr]，再将所有的向量v1，v2，…，vr组成矩阵V＝[v1，v2，…，vr]。