连铸连轧是冶金企业提高生产效率、减低生产成本的关键技术,在连铸生产工艺中,关键设备的运行可靠性是影响连铸效率的关键。漏钢是连铸生产中的灾难性事故,对铸坯质量和安全生产影响极大,研究漏钢事故的形成机理进而开发出能准确进行漏钢预报的关键技术,对避免或减少这类恶性事故的发生具有重要的理论研究价值和重大的社会经济意义。本论文主要研究内容如下:1、在漏钢机理上,对漏钢类型中比较常见的粘结漏钢及纵裂漏钢的形成机理进行了探讨,并提出了针对不同漏钢原因的预防措施。2、介绍了板坯连铸结晶器摩擦力在线监测的功率法原理,并详细分析了具有漏钢事故征兆的结晶器摩擦力的波形特征,同时对影响摩擦力的诸多因素如铸坯调宽、拉坯速度等一些生产工艺参数进行了比较详尽的研究。3、本文在对漏钢事故前摩擦力时域异常特征分析总结的基础上提出了应用模式识别中的结构识别(或称句法识别)和神经网络相结合的方法,对通过功率法检测到的摩擦力一维时序波形进行摩擦力异常特征提取算法进行研究。在结构识别中,应用基于统计模型的分段逼近方法对摩擦力一维时序波形进行分段线性拟合,得到分段线性函数。在异常波形分析部分,利用神经网络在自组织、自学习、自联想及容错等方面的能力特点,对经结构识别得到的分段线性函数进行摩擦力异常波形的识别。最后,应用MATLAB6.5对基于神经网络进行漏钢故障特征识别进行了仿真,仿真结果证明了该算法的可靠性,并提出了针对振频变化、拉速变化及调宽等生产工艺操作对摩擦力影响的消除方法。