结晶器/铸坯间的润滑和摩擦行为是影响并决定铸坯表面质量的重要因素。实时检测结晶器内复杂摩擦行为,考察影响结晶器/铸坯摩擦作用的主要因素与控制途径,进而对钢水凝固初期与结晶器间的润滑行为进行合理调控,对于减少表面缺陷、提高铸坯质量等具有重要意义。基于板坯连铸结晶器液压振动装置,结合现场实验条件和检测环境,阐述了摩擦力检测的测量原理和总体思路。以此为基础,针对常规板坯、宽厚板坯连铸生产过程,测试和分析拉速、浇铸温度、铸坯断面与结晶器振动方式等主要工艺对摩擦力的影响,考察了液位波动、更换水口、在线调宽与异钢连浇过程中摩擦力的反应和变化趋势。根据铸机开浇、拉速上升和拉速下降过程中的摩擦力实测结果,探讨了拉速调整过程中摩擦力的波动规律和特征,同时对正弦、非正弦振动方式,以及拉速-振频、拉速-振幅振动控制模型下的摩擦力检测结果进行了分析和讨论。以现场实测的摩擦力数据为基础,探讨了瞬态结晶器摩擦力的周期变化规律和特征,对不同工艺、振动方式和漏钢前瞬态摩擦力的时域变化进行分析。在此基础上,利用傅里叶变化方法将摩擦力的时域信号变换至频域,分别讨论正弦/非正弦振动、拉速调整、漏钢以及更换大包水口等不同情况下摩擦力信号的响应特性,研究摩擦力功率谱基频、幅值的变化特点,考察摩擦力在频域范围内对工艺变化及异常状况反应的灵敏性。通过收集多例连铸保护渣成分和性能数据,建立保护渣成分—性能神经元网络训练样本,运用MATLAB系统软件的神经元网络工具箱,建立BP神经网络预测模型,对保护渣粘度、熔化温度进行预测。训练和测试网络模型,并对隐含层节点数目、学习速率等网络参数进行优化和调整。模型的预测结果与实际值之间吻合度较高,误差较小,说明利用神经网对保护渣组分—性能间复杂的非线性关系进行建模和预测是可行的。