漏钢预报系统的开发,大大减少了漏钢事故,降低了经济损失,减少了人员伤亡,但并不能消除漏报、误报的发生。本文从防止粘结发生和提高预报系统性能两方面进行了研究。分析了粘结性漏钢机理,得出弯月面破损是粘结发生的根本原因。对影响弯月面的诸多因素进行了分析,并提出了改善措施,防止粘结的产生。在对现有各种漏钢预报系统深入研究的基础上,利用BP神经网络、逻辑判断和T-S模糊神经网络构建了一套多级网络连铸漏钢预报系统。采用了BP网络来对单偶的温度波形进行识别。提出了利用极大熵函数的曲线拟合技术对网络的输入数据进行处理,简化了网络结构,降低了不良数据的干扰,提高了网络的性能。根据粘结坯壳破裂线扩展规律,结合热电偶的实际埋设情况,得出了横向测温优于纵向测温,采用横向网络代替以往的纵向网络,缩短了预报时间。热电偶的温度模式经常受到一些因素影响,造成系统的误报。为了降低误报率,提出了利用模糊神经网络对这些因素进行建模,系统的误报率大大降低,提高系统预报的准确性。整个系统在WINDOWS平台上,由MATLAB语言开发,系统可视化界面实现了热电偶温度云图的动态显示,并能及时给出预报结果,自动或手动采取相应的措施,避免漏钢的发生,实现了良好的人机交互。