在轧钢厂,轧机长期处于高负荷、高速运转状态,因此很容易发生故障。此外,轧机设备由复杂的零部件组合而成,加之体积庞大,若轧机发生故障,则需要进行复杂的维修工作,这将导致企业停产,引起重大损失。因此,需对关键数据进行实时采集并对其进行异常检测,从而避免意外事故的发生并为故障原因查找提供重要依据。本文主要工作如下:搭建与西门子S7系列PLC的通讯平台,捕获与西门子S7系列PLC进行通讯的报文并进行解析。根据解析的报文设计了快速采集自定义数据的数据采集算法。针对生产现场数据采集时间长、数据存储量大等情况,利用哈夫曼编码设计了数据压缩算法。对设计的这两种算法进行测试,结果表明本文设计的采集算法可以基本满足轧机生产数据的采集,设计的数据压缩算法可以较好地压缩轧机数据。对采集的轧机数据以曲线的形式进行异常点分析,将其归纳为突变异常、趋势异常和频率异常的组合。研究了针对这三种异常类型的检测算法,并分别分析了这些算法在历史数据和实时数据中检测异常的性能。根据这些检测算法的性能,分别设计了历史数据异常检测算法和实时数据异常检测算法。对于历史数据检测算法主要利用了改进LOF算法、最优分割法和基于滤波的极值点法;对于实时数据异常检测算法主要利用了基于滑动窗口的差分箱型图法、基于滑动窗口的最优分割法和基于滑动窗口的四分位数聚合法。使用这两种异常算法对现场采集的轧机数据进行测试,结果表明,这两种算法都可以较好地检测异常。在MFC开发环境下,研究设计了轧机数据采集与分析软件。通过对该软件运行测试,结果表明该软件可以对任意西门子S7系列PLC进行数据采集。同时,该软件可以对轧制生产过程中的数据进行在线/离线异常检测。