提出了一种基于SMOTE算法和CART决策树的螺栓打紧质量异常检测模型。该方法采用SMOTE过抽样算法处理螺栓打紧工艺数据类间不均衡问题,在此基础上建立CART决策树模型对打紧工艺的特征信息进行数据挖掘,诊断螺栓打紧质量状态。结合网格搜索和模型交叉验证的参数寻优方法对树深和基尼不纯度的阈值进行参数优化验证。最后,利用参数最优训练模型学习曲线和测试集上ROC曲线下面积AUC值对模型性能进行评价。实验结果表明,该组合模型具有优异的异常检测精度,研究成果可为螺栓打紧质量状态的诊断提供有力支撑。