1.一种基于双层相关特征分析的聚丙烯产品质量异常检测方法，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，具体包括四个反应器的28个测量变量；其中，第一反应器和第二反应器是液相连续搅拌反应器，第三反应器和第四反应器是气相流化床反应器，每个反应器涉及的7个测量变量依次是：反应器温度，反应器压力，反应器液位，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；与此同时，每间隔2小时采样分析得到第四反应器聚丙烯产品的熔融指数；再将测量变量对应的样本数据存储为一个N×28维的数据矩阵X，并将熔融指数对应的n个数据存储为一个n×1维的数据向量N×1y；步骤(3)：按照如下所示公式对数据向量y进行元素填充，从而得到列向量Y∈R ：其中，y1，y2，…，yn表示数据向量y中的第一个至第n个元素，f等于测量变量与熔融指数N×1的采样频率之比，R 表示N×1维的实数向量，R表示实数集，上标号T表示矩阵或向量的转置；

步骤(4)：根据如下所示公式分别对X中的列向量x1，x2，…，x28以及列向量Y实施标准化处理，对应得到输入矩阵 以及输出向量其中，xk和 分别表示X和 中第k列的列向量，k∈{1，2，…，28}，μk与δk分别表示列向量N×1xk∈R 中所有元素的平均值与标准差，μY和δY分别表示列向量Y中所有元素的均值与标准差；

28×1

步骤(5)：根据如下所示步骤(5.1)至步骤(5.6)优化得到权重向量w0∈R ，从而得到N×m N×(28‑m)直接相关特征矩阵X1∈R 和不相关特征矩阵X2∈R ；其中，m表示直接相关特征变量N×(28‑m) N×m的个数，R 表示N×(28‑m)维的实数矩阵，R 表示N×m维的实数矩阵，R表示实数集；

步骤(5.1)：初始化迭代次数g＝1，确定差分进化算法的参数，具体包括：种群个数H，缩放因子c1，交叉概率c2，最大迭代次数G；

步骤(5.2)：随机产生H个1×28维的权重向量w1，w2，…，wH，每个权重向量中的元素都按照均匀分布随机取值于区间[‑1，1]；

步骤(5.3)：分别计算权重向量w1，w2，…，wH对应的目标函数值F1，F2，…，FH；

步骤(5.4)：将F1，F2，…，FH中的最小值对应的权重向量记录为w0后，执行差分进化算法的更新操作，得到更新后的H个权重向量w1，w2，…，wH及其对应的目标函数值F1，F2，…，FH；

步骤(5.5)：判断是否满足条件g＞G；若否，则设置g＝g+1后返回步骤(5.4)；若是，则得到最优的权重向量w0；

1×28

步骤(5.6)：确定出权重向量w0∈R 中最大的m个元素，并根据这m个元素所在的列，对N×m应的将输入矩阵 中相同列的列向量组成直接相关特征矩阵X1∈R ，而 中其余28‑m列的N×(28‑m)列向量则组建成不相关特征矩阵X2∈R ；

步骤(6)：先求解广义特征值问题 中最大特征值η对应的特征向量(28‑m)×1

β，再根据 计算相关投影向量q∈R 后，根据公式 计算间接相关特征向量

步骤(7)将X1与 合并成一个输入相关特征矩阵 后，执行如下所示步骤(7.1)至步骤(7.4)确定出异常检测指标的控制上限Dlim；

步骤(7.1)：初始化i＝1；

步骤(7.2)：求解广义特征值问题 中最大特征值λ所对应的特征向量α后，再根据公式 对α实施归一化处理；其中，zi表示Z中第i行的行向量，Zi是由Z中除zi之外的行向量组成的矩阵；

2

步骤(7.3)：根据公式D(i)＝(ziα) 计算异常检测指标向量D中的第i个元素D(i)；

步骤(7.4)：判断是否满足条件：i＜N；若是，则设置i＝i+1后返回步骤(7.2)；若否，则将Dlim设置成等于异常检测指标向量D中元素的最大值；

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，得到输入向量其中，k∈{1，2，…，28}， 表示输入向量 中的第k个元素；

1×28

步骤(9)：根据权重向量w0∈R 中最大的m个元素所在的列，对应的将输入向量 中相

1×m

同列的元素组成直接相关特征向量y1∈R ，再将 中其余的28‑m个元素组成不相关特征

1×(28‑m)

向量y2∈R ；

步骤(10)：根据公式st＝y2q计算间接相关特征st后，再将y1与st合并成一个输入相关特征向量步骤(11)：根据如下所示步骤(11.1)至步骤(11.2)计算最新采样时刻t对应的异常检测指标Dt；

步骤(11.1)：求解广义特征值问题 中最大特征值λt对应的特征向量εt后，再根据公式 对εt实施归一化处理；

步骤(11.2)：计算最新采样时刻t对应的异常检测指标步骤(12)：判断是否满足条件：Dt≤Dlim；若是，则当前采样时刻聚丙烯产品质量未出现异常，返回步骤(8)；若否，则执行步骤(13)决策是否触发异常警报；

步骤(13)：返回步骤(8)继续实施对最新采样时刻的聚丙烯产品质量异常检测，若连续

6个最新采样时刻的异常检测指标都大于Dlim，则触发聚丙烯产品质量的异常警报；反之，则不触发异常警报。

2.根据权利要求1所述的一种基于双层相关特征分析的聚丙烯产品质量异常检测方法，其特征在于，所述步骤(5.3)中计算第h个权重向量wh对应的目标函数Fh的具体实施过程如步骤(A)至步骤(D)所示：步骤(A)：根据如下所示公式计算输入矩阵 中第i行向量βi与第j行向量βj之间的加权距离Dh(βi，βj)：Dh(βi，βj)＝||(βi‑βj)diag{wh}||  ④其中，i∈{1，2，…，N}，j∈{1，2，…，N}，diag{wh}表示将权重向量wh转变为一个对角矩阵，符号||||表示计算向量的长度，h∈{1，2，…，H}；

步骤(B)：根据如下所示公式计算βi与βj之间的相近概率pij：上式中，exp()表示以自然常数e为底数的指数函数；

步骤(C)：根据如下所示公式计算输出概率误差p1，p2，…，pN：上式中，和 分别表示输出向量 中的第i个元素与第j个元素；

步骤(D)：计算第h个权重向量wh对应的目标函数值Fh＝p1+p2+…+pN。

3.根据权利要求2所述的一种基于双层相关特征分析的聚丙烯产品质量异常检测方法，其特征在于，所述步骤(5.4)中差分进化算法更新操作的具体实施过程如步骤(5.4‑1)至步骤(5.4‑4)所示：步骤(5.4‑1)：根据如下所示公式为权重向量wh产生一个对应的变异向量vh：vh＝wh+c1×(w0‑wh)+ct×(wa‑wb)  ⑦上式中，下标号a与b是从区间[1，H]中随机产生的2个互不相等的整数；

步骤(5.4‑2)：按照如下所示公式对变异向量vh进行修正：上式中，vh(k)表示变异向量vh中的第k个元素，k∈{1，2，…，28}；

步骤(5.4‑3)：根据如下所示公式产生H个尝试向量u1，u2，…，uH：其中，uh(k)与wh(k)分别为uh与wh中的第k个元素，rk表示0至1之间的随机数；

步骤(5.4‑4)：分别将u1，u2，…，uH当成权重向量，并按照步骤(A)至步骤(D)，计算得到相应的目标函数值步骤(5.4‑5)：根据如下所示公式分别更新H个权重向量w1，w2，…，wH及其对应的目标函数值F1，F2，…，FH：其中，h∈{1，2，…，H}。