在连铸生产过程发生的各类事故中，损害最严重的便是漏钢事故。为了避免或减少这类恶性事故的发生，目前通常采用两条途径，其一是深入地研究漏钢的形成机理，以便在生产过程中杜绝产生漏钢的条件；其二是开发漏钢预报技术，检测在结晶器中出现的漏钢征兆，然后采取措施避免漏钢事故的发生。 在第一条途径上，国内外报道的漏钢形成机理模型很多，各种理论不尽一致，也没有精确的定量计算结果。本文结合钢液弯月面行为分析对漏钢形成机理进行了探讨，认为弯月面的破损是漏钢形成的直接起因，并提出了一系列改善钢液弯月面性能的措施。 在第二条途径上，用神经网络漏钢预报系统替代早期的逻辑判断预报系统在国际上已成为一种趋势，这是因为逻辑判断系统存在自身无法克服的缺点，如容错性差，缺乏鲁棒性等，而神经元网络具有较好的自适应性能力、鲁棒性和容错能力，并随着使用时间的延长，不断提高系统的性能。 针对上述情况，本系统采用神经网络和专家系统两种人工智能技术开发了板坯连铸漏钢预报专家系统。本系统的一个突出特点就是综合运用了神经网络技术、数理统计知识、模糊数学知识和专家系统技术。在系统中，还尝试使用了CLIPS来开发专家系统，充分利用了CLIPS在专家系统开发方面的特点。 本系统上界面采用VB6.0开发，保持了Windows程序良好的用户界面风格，其后台则通过CLIPSActiveX控件与CLIPS进行通讯，这又充分体现了CLIPS在开发专家系统方面的优点。具体来说，本系统的原理就是将神经元网络的输出和知识库的知识输入到专家系统中来，由专家系统来进行综合评判，判断是否会发生漏钢事故。 本系统具有以下功能： 1、给出漏钢可能发生的危险度，适时报警并给出操作建议； 2、可进行新的神经网络的训练、系统内部的神经网络的测试和网络结构的调整； 3、良好的人机对话窗口，可使操作人员方便地录入系统所需数据。