1.一种基于滚动即时特征分析的化工过程鲁棒建模与异常监测方法，其特征在于，具体包括以下所示步骤：

步骤(1)：获取化工过程对象在N个采样时刻的样本数据x1，x2，…，xN，并将其组成为一T m×1

个N×m维的数据矩阵X＝[x1，x2，…，xN] ；其中，第i个样本数据xi∈R 中的m个测量数据具m×1

体由温度，压力，液位，流量这四类变量的测量数据组成，i∈{1，2，…，N}，R 表示m×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(2)：根据如下所示步骤(2.1)至步骤(2.6)确定最终的参考矩阵X0；

步骤(2.1)：设置g＝1，随机生成H个N×1维的二进制向量w1，w2，…，wH后，再设置遗传算法的参数，具体包括：最大迭代次数G，交叉概率c，变异概率d；其中，二进制向量中的元素都是随机取值0或者1；

步骤(2.2)：分别计算二进制向量w1，w2，…，wH对应的适应度值F1，F2，…，FH；其中，计算第h个二进制向量wh对应的适应度值Fh的具体实施过程如步骤(2.2‑1)至步骤(2.2‑5)所示，h∈{1，2，…，H}；

N×m

步骤(2.2‑1)：根据二进制向量wh中等于1的元素所在的行，对应的将数据矩阵X∈R中相同行的行向量组成参考矩阵X0；

步骤(2.2‑2)：根据公式 分别对参考矩阵X0中的列向量z1，z2，…，zm实施标准化处理，从而得到标准化处理后的参考矩阵 其中，k∈{1，2，…，m}，zk和 分别表示X0和 中第k列的列向量，μk和δk分别表示列向量zk中所有元素的平均值和标准差；

步骤(2.2‑3)：利用步骤(2.2‑2)中的平均值μk和标准差δk，并通过 对数据矩阵X中的列向量y1，y2，…，ym分别实施标准化处理，从而得到标准化处理后的数据矩阵其中，yk和 分别表示X和 中第k列的列向量；

步骤(2.2‑4)：根据如下所示步骤(A)至步骤(D)计算得到异常因子f1，f2，…，fN；

步骤(A)：初始化j＝1；

步骤(B)：求解广义特征值问题 中最大特征值λj对应的特征向量pj后，再根据公式 更新特征向量pj；其中， 表示 中第j行的行向量；

步骤(C)：根据 计算异常因子fj；其中， N0等于参考矩阵 中行向量的个数；

步骤(D)：判断是否满足条件j＜N；若是，则设置j＝j+1后，返回步骤(B)；若否，则得到N个异常因子f1，f2，…，fN；

步骤(2.2‑5)：根据公式Fh＝(f1+f2+…+fN)/a+N0×b计算第h个二进制向量wh对应的适应度值Fh；其中，加权因子a的取值范围是6.0≤a≤7.0，加权因子b的取值范围是0.5≤b≤

0.8；

步骤(2.3)：根据适应度值F1，F2，…，FN，依次执行遗传算法的选择操作，交叉操作，和变异操作对二进制向量进行更新，从而得到更新后的H个二进制向量w1，w2，…，wH；

步骤(2.4)：将F1，F2，…，FH中最大值对应的二进制向量记录为w0后，再设置第H个二进制向量wH＝w0；

步骤(2.5)：判断是否满足条件g＜G；若是，则设置g＝g+1后，返回步骤(2.2)；若否，则得到最终的二进制向量w0后，再执行步骤(2.6)；

N×m

步骤(2.6)：根据二进制向量w0中等于1的元素所在的行，对应的将X∈R 中相同行的行向量组成最终的参考矩阵

步骤(3)：执行步骤(2.2‑2)从而得到标准化处理后的参考矩阵 再设置 和N＝N0后，执行步骤(A)至步骤(D)，从而得到异常因子步骤(4)：将 中的最大值记录为Qmax后，再保留模型参数以备实施在线异常监测时调用，具体包括：最终的参考矩阵X0中各个列向量的平均值μ1，μ2，…，μm以及标准差δ1，δ2，…，δm，标准化处理后的参考矩阵 最大值Qmax；

m×1

步骤(5)：在最新采样时刻t，采集化工过程对象的样本数据xt∈R ，并根据如下所示公式对xt中各个元素实施标准化处理，得到标准化处理后的在线数据向量上式中，xt(k)和 分别表示xt和 中的第k个元素，k∈{1，2，…，m}；

步骤(6)：求解广义特征值问题 中最大特征值λt对应的特征向量pt后，再根据公式 更新特征向量pt；

步骤(7)：根据公式 计算最新采样时刻t的异常因子Qt；其中，T表示矩阵或向量的转置符号， N0等于参考矩阵 中行向量的个数；

步骤(8)：判断是否满足条件Qt≤Qmax；若是，则返回步骤(5)继续利用最新采样时刻的样本数据实施化工过程对象的异常监测；若否，则执行步骤(9)；

步骤(9)：返回步骤(5)继续利用最新采样时刻的样本数据实施化工过程对象的异常监测，直至得到连续6个最新采样时刻的异常因子后，判断这6个异常因子是否都大于Qmax；若是，则触发异常警报；若否，则化工过程对象运行正常，并返回步骤(5)。

2.根据权利要求1所述的一种基于滚动即时特征分析的化工过程鲁棒建模与异常监测方法，其特征在于，步骤(2.3)中依次执行遗传算法的选择操作，交叉操作，和变异操作对二进制向量进行更新的具体实施过程如下所示：步骤(2.3‑1)：分别设置h等于1，2，…，H，并根据如下所示公式计算w1，w2，…，wH对应的被选概率P1，P2，…，PH：

步骤(2.3‑2)：在0与1之间产生一个随机数 并从P1，P2，…，PH中找到满足条件 的最大的被选概率，并选中该最大的被选概率对应的二进制向量；重复本步骤H次直至选中H个二进制向量后，再依次将这个H个二进制向量记录为w1，w2，…，wH；

步骤(2.3‑2)：初始化η＝1；

步骤(2.3‑3)：在0与1之间产生一个随机数 判断是否满足条件 若是，则先在区间[2，N‑1]上随机产生一个整数C，再交换wη与wη+1中的前C个元素；若否，则保持wη与wη+1不变；

步骤(2.3‑4)：在0与1之间产生一个随机数 判断是否满足条件 若是，则先在区间[1，N]上随机产生一个整数D，再将wη中的第D个元素减去1后取绝对值；若否，则保持wη不变；

步骤(2.3‑5)：设置η＝η+1后，再执行步骤(2.3‑4)中所述的实施过程，对wη实施相同的处理；

步骤(2.3‑6)：判断是否满足条件η＜N‑1；若是，则设置η＝η+1后，返回步骤(2.3‑3)；若否，则完成遗传算法对二进制向量w1，w2，…，wH的更新。