连铸机扇形段是连铸机的核心部件,其运行状态将直接影响铸坯质量。扇形段的运行过程数据直接反映了其运行状态,如何利用运行过程数据对连铸机扇形段状态进行评估和故障预测是当前的研究热点。本文以某钢厂弧形板坯连铸机的扇形段为研究对象,基于拉矫力时间序列数据,研究了扇形全段状态评估、扇形分段故障定位及故障预测的方法。主要研究内容如下:（1）提出了对于拉矫力时间序列的预处理方法。首先针对总拉矫力时间序列中存在的异常、波动问题,对数据进行了清洗、平滑处理,并比较了传统小波去噪和SG平滑算法的效果。然后针对总拉矫力时间序列中的多模态多工况问题,分析了在连铸机各运行工况下,总拉矫力运行数据的变化规律,提出了数学模型进行序列分割。最后提取了时域特征,构建了特征参数集。（2）提出连铸机在两种不同工况下的扇形全段状态评估方法。对于正常浇铸工况,由于两流总拉矫力数据的变化趋势相对平稳,且具有强相关性,提出了一种基于AE特征曲线的扇形全段状态评估方法,该方法利用AE模型和滑动窗口对总拉矫力数据集合进行特征值计算,得到了特征值曲线;设定了特征值阈值;提出了总拉矫力变化方向的判断方法。针对开始浇铸工况,由于异常样本较少、与正常样本数目之间存在不平衡问题,构建了SVDD的二分类模型,提取时域特征作为模型输入;利用WOA算法进行了模型参数优化。实验结果表明,上述方法能够有效识别出各工况下连铸机扇形全段的异常状态。（3）提出基于模糊聚类的扇形分段故障定位和基于SVR的故障预测模型。首先提取各扇形分段的时域特征得到了特征模式矩阵,然后结合模糊聚类模型和统计规则进行故障定位。最后运用滑动窗口对故障扇形分段拉矫力时间序列进行处理,构建训练和测试样本,并利用线性核函数支持向量回归模型进行故障预测。实验结果表明,该方法能够有效识别出故障扇形分段并对故障进行预测。