偏最小二乘（PLS）通常需要许多潜在变量（LV）T来描述与质量变量Y相关的过程变量X的变化，这些变量是通过基于（X，Y）的传统非线性迭代PLS（NIPALS）最优解获得的。 对潜在结构（T-PLSs）的总投影将进行进一步分解，以从T中提取与Y直接相关的LV T y，这些是通过PCA最佳解决方案基于Y的预测值获得的。T-PLS的启发与实际结合针对过程特征，本文提出了两种故障检测方法来解决T-PLS遇到的问题。 如果没有NIPALS，则将（X，Y）直接投影到由Y的主要变化确定的潜变量空间中。 此外，