1.一种基于邻域差异特征分析提取的批次生产过程监测方法，其特征在于，具体包括以下所示步骤：步骤(1)：从青霉素生产批次的历史数据库中，获取J个青霉素正常生产批次的样本数据集，按照采样时间先后分别组成相应的批次矩阵X1，X2，…，XJ；其中，第j个青霉素正常生产批次对应的批次矩阵 具体由Nj个10×1维的数据向量组成，j∈{1，2，…，J}，表示10×Nj维的实数矩阵，R表示实数集，Xj中的第1列向量为第j个青霉素正常生产批次的第1个采样时刻的数据向量，Xj中的第Nj列向量为第j个青霉素正常生产批次的第Nj个采样时刻的数据向量；

步骤(2)：设置时间邻域窗口的基准长度等于L，开始青霉素最新生产批次的生产，并获取各个采样时刻的样本数据；其中，L是一个正整数；

步骤(3)：将最新采样时刻的10个样本数据组建成一个10×1维的数据向量xt，分别从批次矩阵X1，X2，…，XJ中获取参考数据向量，从而合并组建成参考数据矩阵Xt，具体如步骤(3.1)至步骤(3.4)所示；

步骤(3.1)：将当前采样时刻记为青霉素最新生产批次的第ζ个采样时刻后，再初始化j＝2；

步骤(3.2)：判断ζ是否大于L；若否，则将X1中第1列至第ζ+L列的列向量组建成参考数据矩阵Xt；若是，则将X1中第ζ‑L列至第min{ζ+L，N1}列的列向量组建成参考数据矩阵Xt；其中，min{ζ+L，N1}表示选取ζ+L与N1中的最小值；

步骤(3.3)：判断ζ是否大于L；若否，则将Xj中第1列至第ζ+L列的列向量依次记录为参考数据向量v1，v2，…，vζ+L后，再根据公式Xt＝[Xt，v1，v2，…，vζ+L]更新参考数据矩阵Xt；若是，则将Xj中第ζ‑L列至第 列的列向量依次记录为参考数据向量 后，再根据公式更新参考数据矩阵Xt；其中， 表示选取ζ+L与Nj中的

最小值；

步骤(3.4)：判断j是否小于J；若是，则设置j＝j+1后，返回步骤(3.3)；若否，则得到最终的参考数据矩阵Xt；

步骤(4)：计算参考数据矩阵Xt中所有列向量的平均值向量μt和标准差向量δt后，根据公式 对数据向量xt实施标准化处理，从而得到在线数据向量 再按照相同的方式对参考数据矩阵Xt中的各个列向量实施标准化处理，从而得到邻域矩阵 其中，符号 表示将左右两个向量中相同位置的元素相除；

步骤(5)：利用在线数据向量 和邻域矩阵 实施差异特征即时提取，从而得到即时转换向量wt，具体的实施过程如步骤(5.1)至步骤(5.2)所示；

步骤(5.1)：计算 中各个列向量与 之间的距离，再将 中与 之间距离最小的C个列向量标记为u1，u2，…，uC；

C×1

步骤(5.2)：根据公式 计算即时系数向量βt∈R 后，再求解特征值问

题 中最大特征值λ对应的特征向量p，并根据公式

计算出即时转换向量wt；其中，U＝[u1，u2，…，uC]；

步骤(6)：根据公式 计算得到即时差异特征yt后，根据公式 计算得到

参考特征向量ξ，再将ξ中最大的元素和最小的元素分别记录为ξmax和ξmin；

步骤(7)：判断是否满足条件ξmin≤yt≤ξmax；若是，则青霉素生产批次正常运行，并执行步骤(8)；若否，则执行步骤(9)决策青霉素生产批次是否正常运行；

步骤(8)：判断该批次的青霉素生产是否结束；若否，则返回步骤(3)利用下一个采样时刻的样本数据继续实施批次生产过程监测；若是，则该批次的青霉素生产运行正常，将该生产批次所有采样时刻的数据向量按照采样时间先后组成批次矩阵XJ+1后，设置J＝J+1，再清理完青霉素生产设备并返回步骤(2)；

步骤(9)：返回步骤(3)利用下一个采样时刻的样本数据继续实施批次生产过程监测，若连续A个采样时刻对应的即时差异特征都不满足步骤(7)中的判断条件，则青霉素生产批次运行异常，立即停止该批次的青霉素生产。

2.根据权利要求1所述的一种基于邻域差异特征分析提取的批次生产过程监测方法，其特征在于，各个采样时刻的数据向量中，10个数据的排列顺序依次是：通风率，搅拌功率，葡萄糖流加温度，葡萄糖流加速率，冷却液流加速率，酸碱流加速率，反应器温度，PH值，葡萄糖浓度，和青霉素浓度。