行车是钢铁生产过程中不可缺少的起重搬运设备,为了实现钢铁高质量稳定生产,需要保证行车可靠稳定运行,并对行车异常的运行状态做出相应调整。数字孪生技术可为设备的运行状态检测与闭环控制提供可行解决方案。本文针对采集数据噪声多、波动大,传统异常算法适应性差等问题,基于数字孪生技术,建立异常检测算法模型,引入可视分析方法,展开行车运行状态异常检测的高效性和准确性研究,主要内容有:（1）构建了行车运行异常状态检测的数字孪生集成模型。首先,建立异常检测可视分析数据流模型,对行车异常检测的多阶段、全流程分析过程进行描述;其次建立行车几何模型、本构关系模型,全面地给出行车的数字孪生集成模型。（2）提出了一种状态异常检测方法i Forest Vis DM。首先设计了行车多维运行数据的统计学指标,利用决策树筛选出适合作为输入数据的维度;其次,利用Isolation Forest算法进行异常数据识别,并结合关键参数完成异常数据确认;通过比较检测结果的召回率、精确度和F1等指标,证实i Forest Vis DM方法具有较高准确性。（3）研究了行车异常状态的原因推理与反馈规则。基于Drools规则引擎构建了规则库,基于DQN强化学习算法实现行车数字孪生系统闭环控制。（4）最后,论文设计了行车运行异常状态检测可视分析的数字孪生原型系统,集成了行车异常数据识别、异常原因推理和反馈操作求解方法,案例表明本文方法具有较好的应用价值。