1.一种基于分布式动态图嵌入的浮选过程质量故障的检测方法，其特征在于，包括以下步骤：
步骤1，采集浮选生产过程中的过程变量作为模型的输入变量，以浮选过程的精矿品位作为模型的输出的质量指标；
过程变量包括：矿浆浓度、搅拌桶PH值、矿石入选细度、泡沫层厚度、充其量以及药剂量；
步骤2，基于互信息方法，建立过程变量与质量指标的互相关矩阵MI，计算平均阈值并选取关键变量；
步骤3，基于浮选过程的生产工艺及现场经验，将关键性变量划分为Q个质量相关子块和B个质量不相关子块；
步骤4：采用关键变量选取和子块分解结果，建立分布式动态图模型，进行质量相关故障检测；获得监测结果；
2 2
分布式动态图模型的监测结果为统计量T和控制限Tlim；
步骤5：采用贝叶斯融合网络，对分布式动态图模型的监测结果进行融合决策；
对监测结果的可靠性进行推断，给出一个融合决策的监测结果BIC；
步骤6：根据融合决策的监测结果BIC，将统计量超过阈值的故障判断为质量相关故障。
2.根据权利要求1所述的基于分布式动态图嵌入的浮选过程质量故障的检测方法，其特征在于步骤1中采集浮选生产过程中的6个过程变量作为输入变量，浮选过程的精矿品位作为输出的质量指标；
6个过程变量分别为浓度、PH值、矿石细度、泡沫层厚度、充其量以及药剂量；
对过程变量记性定时间隔采样获得数据样本。
3.根据权利要求1所述的基于分布式动态图嵌入的浮选过程质量故障的检测方法，其特征在于，步骤2中的互信息相关矩阵M及其平均阈值Mthreshold的计算过程为：
其中，M(xi,yi)为过程变量x和质量变量y的互相关系数，Mthreshold为平均阈值，l为全部变量个数；
若M>Mthreshold,则此变量为关键变量。
4.根据权利要求1所述的基于分布式动态图嵌入的浮选过程质量故障的检测方法，其特征在于，步骤3中，基于浮选过程的生产工艺及现场经验，将关键性变量划分为Q个质量相关子块和B个质量不相关子块。
5.根据权利要求1所述的基于分布式动态图嵌入的浮选过程质量故障的检测方法，其特征在于，
步骤4和步骤5中，局部检测指标和全局融合结果计算如下所示：
式中，Xi代表输入矩阵X进行增广处理的增广矩阵，U代表质量相关的投影矩阵，V代表质量无关的投影矩阵，Λ代表Xi的对角矩阵，vi为对角线上元素的特征值， 表示矩阵Xi的Frobenius范数，即矩阵中所有元素平方和的平方根；
质量相关投影矩阵U的计算如式(5)：
由于U和V是正交矩阵，故：
T
V＝U (6)
式中，质量相关矩阵U为6维，质量不相关矩阵V也为6维；
式中，m代表样本的起始值，l代表样本的终止值，h代表带宽参数；在浮选过程监测中，m＝960，l＝1，h由式(6)计算所得。其中，式(6)中a为Ti的均值，v为Ti的方差；
2
其中Ti 为质量相关统计量，Qi为质量无关统计量， 为质量相关监测控制限，Qlim为质量无关监测控制限，N和F分别代表正常和故障；P(N)和P(F)分别表示正常样本和故障样本的先验概率，P(Tb)代表第B个质量相关子块统计概率，P(F/Tb)代表第b个质量相关子块中故障样本的先验概率；
P(F)＝α (12)
P(N)＝1‑α (13)
P(Tb∣N)＝exp(‑Tb/Tb,lim)
2 2 2 2
式中，Tb为Tb的开方，Tb代表第b个子块的统计量，Tb,lim为Tb,lim 的开方，Tb,lim代表第b个子块的控制限。
P(Tb∣F)＝exp(‑Tb,lim/Tb) (14)
式中，BIC为贝叶斯融合的全局指标，也即所述的融合多个子块的监测结果，其中b代表监测子块的取值的最小值，B为监测子块的最大值，在浮选过程监测中，取b＝1,B＝3；监测
2
的Ti 为质量相关子块的统计量，，Qi为质量不相关子块的统计量， 为质量相关子块的监测控制限，Qlim为质量不相关子块的监测控制限。
6.根据权利要求5所述的监测结果，其特征在于，步骤6中，按照下式判断是否为质量相关故障：