大型高炉是钢铁制造过程中的重要装备，由于高炉运行过程复杂，干扰因素繁多，经常会有异常炉况发生。为及时监测异常炉况、保证高炉顺行，本文利用高炉运行数据，开发了一种基于MWPCA和高斯混合模型的算法对高炉异常过程进行监测。由于高炉运行数据存在非高斯分布和时变的特点，利用高斯混合模型改进了传统PCA监测模型的T2统计量，使算法可以适应高炉数据的独特分布特征，并加入了滑窗机制，使算法具有实时更新的能力。随后，将算法应用在华南某大型钢铁集团的真实高炉数据上，检测了算法的有效性，并将其与基础算法进行了对比分析，证明了算法在高炉异常监测能力上有所提高。
