本发明涉及全面工厂控制技术领域，公开了一种用于样本不足的工控系统的工控异常检测方法，采用机器学习算法来构建分类器，然后用分类器监测工控系统中各传感器的读数以判断当前是否处于工控异常状态。通过评判样本特征对响应的影响程度高低，对所有的样本特征进行降序排列，然后截取排序靠前的样本特征进行训练，从而在源域和目标域的样本特征维数不一致时依然能够正常使用TrAdaBoost算法进行机器学习；通过对回补参数进行改进，将源域和目标域差别考虑在内，提高了分类器的AUC值；通过采用遗传算法，以较小的计算量筛选出了迭代次数的最优值以及基分类器数目的最优值。