现代钢铁企业中，连铸在整个生产链中起到承上启下的作用。结晶器是连铸机的核心部件，一旦发生故障，将对连铸生产过程产生严重影响，造成巨大的经济损失。漏钢是连铸生产中的重大事故，设备状态监测和故障诊断技术可以最大限度地避免连铸事故的发生，因此，对结晶器工作状况进行故障诊断，实现漏钢预报，对保障连铸生产的高效进行具有重要意义。本论文的主要研究内容如下：1、漏钢机理分析和结晶器阻力监测原理介绍对漏钢中常见的粘结漏钢和纵裂漏钢进行机理分析，分析导致漏钢的原因；介绍功率法监测结晶器阻力的原理，对采用功率法监测到的结晶器正常工作状态下和故障状态下的不同时域阻力波形进行特征分析，建立结晶器不同工作状态与相应征兆信号之间的对应关系。2、结晶器阻力信号降噪及特征提取算法研究为减少噪声对阻力信号的影响，在小波阈值算法的基础上采用自适应小波阈值算法，对阻力信号进行降噪。同时，在对结晶器阻力时域特征分析的基础上，采用小波分析技术，对结晶器不同工作状况下的一维阻力波形进行特征提取，为阻力波形的计算机智能识别做预处理。3、结晶器阻力波形识别算法研究支持向量机是基于统计学习理论的机器学习方法，能较好地解决有限样本下，模式识别和回归预测的问题。支持向量机采用结构风险最小化原则，有效地避免了有限样本下过学习、局部极小点、维数灾难等问题。因此，应用支持向量对提取的结晶器阻力特征进行识别。最后，应用软件Matlab7.0对结晶器阻力信号的自适应小波阈值降噪算法及其特征提取算法进行了仿真，仿真结果证明了算法的可行性；同时，应用软件LibSVM建立了结晶器阻力识别模型，实现了阻力波形的智能识别，并最终验证了基于阻力的结晶器漏钢预报方法的可行性。