控制棒驱动机构（Control rod drive mechanism,CRDM）是反应堆内的核心部件,CRDM的可靠性决定了反应堆的安全性,为保障核反应堆安全运行,对CRDM进行有效监测是极为必要的。正常状态下,CRDM通过三组线圈电流的交替作用来实现控制棒的步进运动。当检测到线圈电流出现异常时,意味着CRDM运动失效,更严重时可能导致控制棒意外掉棒。针对CRDM线圈电流变化能有效反应CRDM运行状态的特点,本文首先确定了电流硬件采集系统,之后设计一种基于特征放大的小波电流动作点故障检测算法,并以此为基础,进一步探讨了基于支持向量机（Support Vector Machine,SVM）的CRDM线圈电流故障分类算法,最后设计了基于LabVIEW的CRDM运动状态监测软件。具体工作如下:首先,介绍了 CRDM的机械结构以及各个运动部件的作用,具体阐述了各线圈电流相互作用下的CRDM运动过程,分析了 CRDM线圈电流的时序以及幅值特性。根据CRDM线圈电流采集要求,设计了电流采集系统结构,分析了非接触式电流采集的原理与优势,最终确定了 CRDM线圈电流采集方式。其次,详细分析了电流无动作点故障产生的原因,设计了基于特征放大的小波变换可靠检测CRDM线圈电流动作点的算法。由CRDM电路构建无动作点电流上升段曲线模型,利用该模型对电流动作点部分特征进行放大,再对特征放大的电流动作点进行小波分解,从而实现对线圈电流动作点的检测,并最终在MATLAB中验证了算法的可行性。接着,设计了基于小波能量熵和SVM的CRDM线圈电流故障分类算法,实现CRDM线圈电流故障分类。在小波能量值作为特征提取算法的基础上,引入了滑动窗和熵值理论,设计了基于小波能量熵的特征提取算法。利用遗传算法（Genetic Algorithm,GA）对SVM的参数进行优化,并使用粒子群算法（Particle Swarm Optimization,PSO）作为对比,将特征提取算法提取到的特征向量输入到优化后的SVM中,对比结果证明了小波能量熵特征提取算法相较于小波能量值特征提取算法的优越性以及GA作为SVM参数优化算法相较于PSO作为SVM参数优化算法的高效性。最后,设计了基于LabVIEW的CRDM运动状态监测软件,实现对CRDM运动状态的实时监测。拟定了以四大基本模块为基础的设计方案,详细分析了CRDM运动状态识别、单步电流超限分析、电流动作点检测、电流故障分类以及波形回看五大算法的设计方法。利用UDP网络传输协议模拟数据实时采集发送的场景,测试了软件的实时显示功能、单步电流超限分析功能、电流动作点检测功能、电流故障分类功能以及电流波形回看功能,表明了基于LabVIEW的CRDM运动状态监测软件的可行性。