随着过程控制理论研究的迅猛发展，对该过程被控对象的建模也越来越多，然而大多数的建模方法往往都依赖于现场采集的数据，所以对建模数据的准确度要求很高，准确的数据是建立准确模型的先决条件。但是众所周知，工业现场有许多不确定性因素，例如:噪声，仪表故障以及现场意外等等都会造成现场采集的数据的不准确，所以针对过程控制系统的数据的异常检测就变的尤为重要。
　　本文在查阅大量相关文献基础上，总结了国内外常用的一些异常数据检测的方法，提出两种异常检测的方法，第一种，基于BP网络的方法。与传统检测方法相比，该方法不依赖对潜在数据的统计假设，自动调节影响输出的各测度的权重，建立了一个准确反映被控对象内在规律的非线性映射。第二种，基于小波变换的异常检测方法。小波变换通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，是空间和频率的局部变换，能有效地从信号中提取特征信息，能准确刻画异常点的位置和幅值的大小。通过实验对比，相对于BP网络，小波变换的方法运算简单快速、检测精度更高，并可实现在线检测。
　　本文将基于小波变换的异常检测的方法运用到电弧炉炼钢控制系统中，结合控制系统中异常数据特点，将控制输出与控制输入联系起来，并且考虑交流电弧炉三相之间的耦合作用，使用该检测方法，为系统参数辨识及控制策略制定等提供了参考。
　　本文中的仿真主要在MATLAB环境中完成。先对输出数据进行初步处理，然后使用神经网络工具箱，设计训练BP网络，并且编写小波变换的程序，进行仿真。通过实验结果对比，基于小波变换检测方法明显优于BP网络的方法，在过程控制系统中有广阔的应用前景。