等离子体大破裂是托卡马克装置运行无法完全避免的灾难性事件,它会在极短时间内释放出等离子体储存的能量,热猝灭和电流猝灭可能会对装置造成如下严重危害:极高的局部热负荷、强电磁应力和高能逃逸电流。因此,大破裂的预测、避免和缓解是高优先级的研究课题,在J-TEXT托卡马克上进行破裂预测和缓解策略的研究,可以积累相关技术与经验,为其它装置上的相关研究提供参考。本文以J-TEXT破裂放电数据库为基础,首先分析J-TEXT等离子体破裂的主要原因和可能的过程机制,然后将其分为几种主要类型进行研究。针对最重要的密度极限破裂类型,基于物理机制和破裂现象的分析,应用人工神经网络技术进行多参数建模研究,对密度极限破裂进行了系统研究。论文建立了包含多种密度极限相关诊断信号的优化模型,测试发现该模型在提前5ms的情况下能预测近80%的密度极限破裂,该模型不仅适用于密度极限破裂预测,而且非常适合进行高密度放电下的破裂避免。通过模型的参数分析对J-TEXT上的密度极限破裂现象和机制做出了合理的解释,并结合外加扰动场对撕裂模不稳定性和破裂的影响作了简单讨论。最后,本文提出了一种优化的级联神经网络模型,通过合理的训练能够在保证80%以上成功率的基础上降低失败率至5%左右,对装置的正常运行意义重大。破裂预测的根本目的在于进行破裂避免或者缓解,大量气体注入(MGI)和弹丸注入是目前主要的破裂缓解手段。为满足破裂物理实验需求,我们在J-TEXT上建立起了两套MGI系统。论文对MGI系统的阀门结构和参数、脉冲电源原理和补气气路的结构设计做了分析介绍,并基于相关硬件和实验需求设计了一套双阀门破裂缓解实验控制系统。该实验控制系统经过多轮实验应用和优化后表现良好,取得了一系列有意义的实验结果。