1.一种基于在线非线性判别特征分析的精馏过程异常监测方法，其特征在于，具体包括以下步骤：

步骤(1)：在板式精馏塔正常运行状态下，按采样时间先后依次采集得到n个样本数据向量x1，x2，…，xn，每个样本数据向量具体包括m个采样数据，依次是：原油入口流量，原油入口温度，塔顶部压力，塔顶部出口流量，塔顶部回流量，汽油出口流量，煤油出口流量，轻柴油出口流量，燃料油出口流量，塔底部液体出口流量，塔底部回流量，冷凝器冷却水流量，再m×1 m×1

沸器蒸汽流量，以及各层塔板的温度；其中，第i个样本数据向量xi∈R ，R 表示m×1维的实数向量，R表示实数集，i∈{1，2，…，n}；

步骤(2)：利用x1，x2，…，xn的均值向量μ和标准差向量δ，分别对x1，x2，…，xn实施标准化处理，对应得到n个数据向量n×n

步骤(3)：按照如下所示公式计算核矩阵K∈R 中第i行第j列元素K(i，j)：n×n

其中，R 表示n×n维的实数矩阵， e表示自然常数，α为核参数，上标号T表示矩阵或向量的转置符号；

步骤(4)：根据如下所示公式对K进行中心化处理，从而得到核矩阵n×n

上式中，方阵Θ∈R 中所有元素都等于1；

步骤(5)：按照如下所示步骤(5.1)至步骤(5.4)计算得到N＝n‑D个监测指标其中，D表示时序阶数；

步骤(5.1)：初始化i＝1；

(D+1)×n

步骤(5.2)：按照公式 组建图矩阵Y∈R ；其中，上标号T表示矩阵或向量的转置， 分别表示核矩阵 中的第i+D，i+D‑1，…，i列的列向量；

(D+1)×1

步骤(5.3)：对Y实施在线非线性判别分析，从而得到左载荷向量u∈R 和右载荷向n×1

量w∈R ；

步骤(5.4)：根据公式 计算第i个监测指标 后，判断是否满足条件i＜N；若是，则设置i＝i+1后返回步骤(5.2)；若否，则得到步骤(6)：将 中的最大值记录为 后，再根据公式 计算得到控制上限 其中，γ表示放大系数；

m×1

步骤(7)：在线采集最新采样时刻的样本数据向量xt∈R ，并对其实施与步骤(2)中相同的标准化处理，从而得到数据向量 其中，下标号t表示最新采样时刻；

n×1

步骤(8)：根据如下所示公式计算核向量kt∈R 中的第i个元素kt(i)：步骤(9)：根据如下所示公式对kt进行中心化处理，得到核向量n×1

其中，向量θ∈R 中各元素都等于1；

步骤(10)：组建图矩阵 并设置Y＝Yt后，实施在线非线性判别特征分析，从而得到左载荷向量u和右载荷向量w；其中， 分别表示kt，kt‑1…，kt‑D经中心化处理后的核向量，而kt，kt‑1…，kt‑D分别表示t，t‑1，…，t‑D采样时刻的核向量；

步骤(11)：根据公式 计算监测指标 后，判断是否满足条件 若是，则当前采样时刻精馏塔运行正常，返回步骤(7)继续利用最新采样时刻的样本数据向量实施异常监测；若否，则执行步骤(12)；

步骤(12)：返回步骤(7)继续利用最新采样时刻的样本数据向量实施异常监测，若连续

6个最新采样时刻的监测指标皆满足条件 则触发异常状态警报。

2.根据权利要求1所述的一种基于在线非线性判别特征分析的精馏过程异常监测方法，其特征在于，所述步骤(5.3)与步骤(10)中实施在线非线性判别特征分析的具体实施过程如下所示：

步骤(A)：随机初始化右载荷向量w为任意一个n×1维的实数向量；

T T

步骤(B)：求解特征值问题Yww Yp＝ηp中，最大特征值η所对应的特征向量p，再根据公式u＝p/||p||计算得到左载荷向量u；其中，步骤(C)：求解特征值问题 中，最大特征值λ所对应的特征向量q，再根据公式 计算得到右载荷向量w；

(D+1)×1

步骤(D)：判断w是否收敛；若否，则返回步骤(B)；若是，则得到左载荷向量u∈R 和n×1

右载荷向量w∈R 。