1.一种基于动态正交近邻保持嵌入模型的过程监测方法，其特征在于，包括以下步骤：首先，离线建模阶段包括如下所示步骤(1)至步骤(5)；

步骤(1)：在生产过程正常运行状态下，按照采样时间先后依次采集n个样本数据组成矩阵X∈Rn×m，并计算矩阵X中各行向量的均值向量μ与标准差向量δ，其中m为测量变量的总个数、R为实数集，Rn×m表示n×m维的实数矩阵；

步骤(2)：利用均值向量μ与标准差向量δ对矩阵X中各行向量实施标准化处理，从而得到矩阵 其中 为标准化处理后的数据向量，i＝1，2，…，n，上标号T表示矩阵或向量的转置；

步骤(3)：设置自相关阶数为d，将矩阵 中第d+1行至第n行向量组成矩阵Y∈R(n-d)×m，并根据公式①构造矩阵Z：步骤(4)：根据如下所示步骤(4.1)至步骤(4.5)计算得到近邻保持嵌入矩阵M∈Rn×n：步骤(4.1)：针对矩阵 中的各个数据向量 计算各数据向量与其他n-1个数据向量之间的距离 其中j＝1，2，…，n且j≠i；

步骤(4.2)：根据这些计算出来的距离，为各数据向量 找出距离其最近的k个数据向量，从而组成近邻矩阵k×1

步骤(4.3)：先根据公式 计算向量wi∈R ，再根据wi＝wi/||wi||对向量wi进行归一化处理；

步骤(4.4)：根据近邻矩阵 的k个数据向量对应于矩阵 中的位置，相应地将向量wi中的k个元素赋值给全零矩阵W∈Rn×n中第i行的相应元素；

步骤(4.5)：根据公式M＝(In-W)(In-W)T计算近邻保持嵌入矩阵M∈Rn×n；

步骤(5)：设置投影变换向量的个数为A，根据如下所示步骤(5.1)至步骤(5.6)求解得到A个投影变换向量p1，p2，…，pA后，建立动态正交近邻保持嵌入模型：步骤(5.1)：初始化a＝1与初始化pa为任意m×1维的非零实数向量；

步骤(5.2)：根据公式 计算自相关系数向量βa，并根据公式βa＝βa/||βa||对βa实施归一化处理，其中|| ||表示计算向量的长度， 表示Kronecker乘法；

步骤(5.3)：根据公式 计算矩阵G，判断是否满足条件：a＜2？若是，则计算特征值问题： 最大特征值λ所对应的特征向量pa；若否，则求解如公式②所示特征值问题中最大特征值所对应的特征向量pa：其中，A(a-1)＝[p1，p2，…，pa-1]， Im与Id分别表示m×m维与d×d维的单位矩阵；

步骤(5.4)：根据公式pa＝pa/||pa||对pa实施归一化处理后，判断pa是否收敛？若是，则得到第a个投影变换向量pa并执行步骤(5.5)；若否，则返回步骤(5.2)；

步骤(5.5)：判断是否满足条件：a＜A？若是，则置a＝a+1后初始化pa为任意m×1维的非零实数向量，并返回步骤(5.2)；若否，则得到A个投影变换向量p1，p2，…pA；

步骤(5.6)：根据公式 与 分别计算得分矩阵S与误差矩阵E，那么动态正交近邻保持嵌入模型即为： 其中P＝[p1，p2，…pA]T；

步骤(6)：根据公式Λ＝STS/(n-1)计算协方差矩阵Λ，并根据公式ψ＝diag{SΛ-1ST}与分别计算监测指标向量ψ与Q，其中diag{ }表示将矩阵对角线上的元素组成向量的操作；

步骤(7)：分别将监测指标向量ψ与Q中第n/100个最大元素记做监测指标上限ψlim与Qlim；

其次，实施在线过程监测的步骤如下所示：

步骤(8)：采集最新采样时刻的样本数据xnew∈Rm×1，并利用均值向量μ与标准差向量δ对xnew实施标准化处理得到向量步骤(9)：根据公式 计算得分向量snew后，再根据公式ψnew＝snewΔ-1snewT与计算出监测指标ψnew与Qnew的具体数值；

步骤(10)：判断是否满足条件：ψnew≤ψlim且Qnew≤Qlim？若是，则当前采样时刻过程正常运行，返回步骤(8)继续实施对下一采样时刻数据的监测；若否，则当前采样时刻过程进入异常工况状态。