高效率生产是现代冶金生产企业不懈追求的目标，其中提高拉速和实现冶金智能化生产是实现高效连铸的重要方面，生产的顺行，生产节奏的保证是实现高效连铸的基本要求。其中连铸漏钢对生产过程的影响尤为特殊，目前国内外漏钢预警系统，普遍存在着漏报率高，误报率高的特点，解决漏误报对生产过程的不利影响，实现低漏报率，低误报率（双低）对现代连铸生产具有十分重要的意义。

结晶器粘结预警系统简称 MSEWS (Mold Sticking Early Warning System)[ MSEWS V5.22 产品通过中国软件产品认证，证书编号：京 RC-2019-1402. ]，系统通过在距离结晶器铜板热面一定位置处埋设热电偶对铜板温度变化进行实时检测(这是目前国内外同类系统的通用方法)，从而获得铜板温度分布信息，结合生产工艺参数如拉速，液位波动等过程数据，建立基于人工智能数据分析模型，采用状态机状态切换控制机制，对生产中可能导致漏钢事故的事件进行实时预警，避免漏钢事故的发生。

系统通过对铸坯凝固坯壳生长变异特征进行精确识别并采用不同的预警机制，控制漏钢风险。44

基于数据分析的识别技术是近年正在高速发展的人工智能技术之一，相比于同类统计模式识别，模糊模式识别，逻辑判断识别以及神经网络模式识别，具有判定准确性高，模型适应性好，信号容错能力优，泛化能力强等优点。

数据分析技术的聚类分析技术在冶金生产异常事件识别方面取得了较好的应用效果，在漏钢预警方面，其具有比传统逻辑判定适应工况复杂，参数敏感性低的优点；因其属于分类模型敏感，聚类边界钝化型模型，相较于神经网络模型，具有更强的泛化能力，系统参数训练快速,无需粘结样本数据即可完成模型参数计算并快速转入监控模式。

基于数据分析的识别技术是近年正在高速发展的人工智能技术之一，相比于同类统计模式识别，模糊模式识别，逻辑判断识别以及神经网络模式识别，具有判定准确性高，模型适应性好，信号容

参数敏感性低的优点；因其属于分类模型敏感，聚类边界钝化型模型，相较于神经网络模型，具有更强的泛化能力，系统参数训练快速,无需粘结样本数据即可完成模型参数计算并快速转入监控模式。基于数据分析的识别技术是近年正在高速发展的人工智能技术之一，相比于同类统计模式识别，模糊模式识别，逻辑判断识别以及神经网络模式识别，具有判定准确性高，模型适应性好，信号容错能力优，泛化能力强等优点。

数据分析技术的聚类分析技术在冶金生产异常事件识别方面取得了较好的应用效果，在漏钢预警方面，其具有比传统逻辑判定适应工况复杂，参数敏感性低的优点；因其属于分类模型敏感，聚类边界钝化型模型，相较于神经网络模型，具有更强的泛化能力，系统参数训练快速,无需粘结样本数据即可完成模型参数计算并快速转入监控模式。