1.一种基于多块相关成分分析的聚丙烯生产过程异常检测方法，其特征在于，包括以下步骤：步骤(1)：确定聚丙烯生产过程的测量变量，具体包括四个反应釜的28个测量变量；其中，每个反应釜都涉及7个测量变量，依次是：反应釜温度，反应釜压力，反应釜液位，氢气进料流量，丙烯进料流量，催化剂进料流量，和回流流量；

步骤(2)：根据确定的测量变量，连续采集N个采样时刻的样本数据，再将测量变量对应N×28的样本数据存储为一个N×28维的数据矩阵X∈R 后，根据如下所示公式分别对X中的列向量z1，z2，…，z28实施标准化处理，对应得到数据矩阵N×28 N×1

其中，R 表示N×28维的实数矩阵，R表示实数集，μk与δk分别表示列向量zk∈R 中所有元素的均值与标准差，k∈{1，2，…，28}，表示数据矩阵 中第k列的列向量；

步骤(3)：根据每个反应釜所涉及的测量变量，对应的将数据矩阵 划分成四个子块矩N×7 N×7阵X1，X2，X3，X4；其中，Xb∈R 是聚丙烯生产过程中第b个反应釜对应的子块矩阵，R 表示N×7维的实数矩阵，b∈{1，2，3，4}；

步骤(4)：根据如下所示步骤(4.1)至步骤(4.6)对四个子块矩阵X1，X2，X3，X4实施多块相关成分分析，从而得到各个子块矩阵对应的相关变换矩阵Wb，载荷矩阵Pb，相关成分矩阵Sb，和残差矩阵Eb；

步骤(4.1)：设置阈值σ后，再初始化d＝1；

7×1 7×1 7×1 7×1

步骤(4.2)：随机初始化四个变换向量w1∈R ，w2∈R ，w3∈R ，和w4∈R 后，设置b＝1；

步骤(4.3)：求解广义特征值问题 中最大特征值λb对应的特征向量vb，再根据公式 更新变换向量wb；其中，上标号T表示矩阵或向量的转置，矩阵θb的计算方式如下所示：

上式中，c∈{1，2，3，4}，当b≠c时，Hb，c＝1，当b＝c时，Hb，c＝0；

步骤(4.4)：判断是否满足b＜4；若是，则设置b＝b+1后，返回步骤(4.3)；若否，则得到更新后的变换向量w1，w2，w3，w4，再执行步骤(4.5)；

步骤(4.5)：判断四个变换向量w1，w2，w3，w4是否都收敛；若否，则设置b＝1后返回步骤(4.3)；若是，则计算相关系数J＝(λ1+λ2+λ3+λ4)/4后，执行步骤(4.6)；

步骤(4.6)：判断相关系数J是否大于阈值σ；若是，则先分别根据公式sb＝Xbwb和计算相关成分向量sb和载荷向量pb，再根据公式 更新子块矩阵X1，X2，X3，X4，并设置相关变换矩阵W1，W2，W3，W4中第d列的列向量分别等于w1，w2，w3，w4，设置载荷矩阵P1，P2，P3，P4中第d列的列向量分别等于p1，p2，p3，p4，设置相关成分矩阵S1，S2，S3，S4中第d列的列向量分别等于s1，s2，s3，s4后，再设置d＝d+1后再返回步骤(4.2)；若否，则得到四个子块矩阵对应的相关变换矩阵W1，W2，W3，W4，载荷矩阵P1，P2，P3，P4，和相关成分矩阵S1，S2，S3，S4，并通过设置Eb＝Xb可得到残差矩阵E1，E2，E3，E4；

步骤(5)：根据 分别对残差矩阵E1，E2，E3，E4实施奇异值分解，并保留分解矩阵 其中，b∈{1，2，3，4}，对角矩阵Λb对角线上的元素由非零奇异值组成，Ub和Vb是奇异值分解的两个酉矩阵， 表示Λb的逆矩阵；

步骤(6)：分别根据公式 和 计算异常检测指标向量ψb和

Qb后，再分别将ψb和Qb中的元素最大值记录为 和 其中，diag( )表示将括号中矩阵对角线的元素转变成向量的操作；

步骤(7)：根据公式如下所示公式计算异常综合检测指标向量D后，将D中的最大值记录为Dlim：步骤(8)：在最新采样时刻t，采集测量变量对应的样本数据xt(1)，xt(2)，…，xt(28)，并根据如下所示公式分别对其进行标准化处理，从而得到数据向量其中，k∈{1，2，…，28}， 表示输入向量 中的第k个元素；

步骤(9)：根据每个反应釜所涉及的测量变量，对应的将数据向量 划分成四个子块向量 后，再根据 和 分别计算相关特征向量 和残差向量eb；

步骤(10)：根据 和 分别计算异常检测指标 和qb后，再根据如下所示公式计算最新采样时刻t对应的异常综合检测指标Dt：

步骤(11)：判断是否满足条件：Dt≤Dlim；若是，则当前采样时刻聚丙烯生产过程未出现异常，返回步骤(8)继续实施对最新采样时刻的异常检测；若否，则执行步骤(12)决策是否触发异常警报；

步骤(12)：返回步骤(8)继续实施对最新采样时刻的异常检测，直至得到连续6个最新采样时刻的异常综合检测指标后，再判断这6个异常综合检测指标是否都大于Dlim；若是，则触发异常警报；若否，则不触发异常警报，并返回步骤(8)继续实施对最新采样时刻的异常检测。