结晶器粘结预警系统简称MSEWS (Mold Sticking Early Warning System)，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，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，建立基于人工智能结构模式识别模型，采用三层安全控制机制，对生产中粘结质量事件进行实时预警，避免漏钢事故的发生。
三层安全控制机制通过对粘结早期,中期以及晚期采用相应的预警机制，控制漏钢风险。
结构模式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。
模式识别结合数据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，在粘结预警方面，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；因其属于模式敏感，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。
目前模式识别粘结预警系统取得了良好的应用效果，在某钢厂创造了连续5年无漏钢记录，也曾在另一钢厂板坯连铸机达到了500万吨生产无漏钢的技术水平。
1. 性能指标
统 计 条 件: 预警前无人工干预；
粘结漏钢率： 小于等于1次/(年,流)；
误 报 率： 小于等于5%；
3. MSEWS系统功能
1) 粘结预警
采用智能模式识别技术，针对粘结缺陷演化过程中的变化实时预警，在粘结发生早期即可准确判断粘结缺陷(左侧预警)；
图2 粘结信号结构
2) 热相图
系统实时进行铜板浇注断面展开区域温度分布计算，生成热相图，通过热相图，对生产过程中的异常现象进行监控，例如水口偏流，粘结扩展，接痕，温度异常分布等；
（a）粘结云图
3) 热对称
系统根据温度分布特征，自动计算浇注断面热对称量化指标，对生产过程中水口偏流等温度异常分布进行模型量化，对生产操作控制提供信息参考；
4) 信号异常智能判断
系统对信号自动进行异常状态判断，并根据异常状态自动调整结构模式识别模型，在局部热偶异常情况下，具有良好的容错能力；
图4 模式识别容错预警
5) 异常事件跟踪
1) 粘结预警等异常事件发生后，事件自动进入事件跟踪功能并在客户端实时显示事件跟踪状态，事件运行位置等，对生产过程中跟踪确认异常事件提供精确的定位信息；
2) 用户可通过客户端添加自定义事件，为工艺试验取样，过程参数异常对产品质量影响提供精确定位功能。
6) 历史回放
通过预警管理系统回放功能，用户可对任何历史预警事件进行数据回放，可自设定回放速度，控制回放过程，例如开始回放，暂停，停止等，为用户提供了方便的历史数据研究工具。
7) 预警数据分析
通过预警管理系统数据分析功能，可对历次预警事件进行数据分析，可针对不同列温度信号与其相邻数据进行对比，并快速进行所有列数据比对查看。
8) 办公区远程监控
1) 系统可同时打开多个客户端系统，办公区等远距离条件下可实时监测系统运行状态以及预警管理系统，分析预警历史数据等。
2) 办公区电脑中安装粘结预警远程客户端，工艺人员可以动态了解系统的运行状态，预警发生时，系统自动通知客户端系统，例如热偶异常报警信息，粘结漏钢报警信息等。
9) 摩擦力
系统采用完整振动周期内运动位移与振动力之间的解析模型，对每个振动完整周期内摩擦力进行实时计算，模型输出最大正向，最大负向摩擦力，为生产过程中保护渣性态跟踪提供直接的量化信息。
4. 系统特点
1) 工程周期短:参数自适应算法极大地减少了系统参数训练时间，基本达到上线即监控的项目高效率目标；
2) 准确率高，误报率低：结构模式识别+参数自适应+三层安全保障的结合，充分发挥了模式识别模型准确性优势，构建了严密的漏钢风险管控模式；
3) 泛化能力强：模型依据第一性原理，从粘结的本质特征出发，对粘结模式具有较高敏感性，不同工艺状态(不同拉速条件，保护渣，冷却水量波动，热换中包等)条件下，系统均能准确预警；
4) 容错能力强：生产中热偶异常是普遍发生的现象，系统根据热偶异常状态自动调整结构模式算法，对热偶异常具有良好的容错能力；
5) 无样本训练：系统具有无需粘结样本数据的无监督训练特点，初次应用浇钢后30分钟即可完成数据初始设置转入模型参数自适应状态，开始正常预警监控；
6) 信号状态识别：系统自动根据温度信号以及浇注条件的变化，判断系统信号的异常状态，并根据不同的状态调整计算模型结构以及参数；
7) 智能模式：系统全自动运行，免维护，开机即自动进入监控模式，无需用户调整任何参数及干预系统运行；
8) 事件跟踪定位：为用户跟踪异常时间提供了精确的跟踪工具，具备自定义跟踪事件功能；
9) 热对称性评估：系统提供热对称性评估功能，为用户生产控制提供参考工具；
10) 远程监控：采用多客户端系统结构，可支持多个联网客户端同时显示。
5. 用户界面
1) 客户端温度曲线及生产参数
图5 客户端界面
2) 粘结热相图
3) 预警事件跟踪
图7 预警事件跟踪
4) 预警事件管理器
图8 预警事件管理器
（1）监测摩擦力进行漏钢预报。常用的方法是在振动液压缸上安装测力计、在振动装置上安装测定器、在结晶器上安装加速计和测力计来检测摩擦力。因振动装置的运行状况对摩擦力的测量影响较大，使摩擦力的测量精度难以保证。这种方法虽简单，但精确度不太高，而且只能预报黏结漏钢，生产中常出现误报。
（2）依据结晶器的热传递变化进行漏钢预报。最为简单及直接的方法是测量结晶器冷却水的进水温度和出水温度间的温差，但这种方法常产生误导。使用的是测量热传递量来进行漏钢预报。如运用结晶器单位时间内单位面积上的热传递量进行漏钢预报，操作者可根据单位面积上的热传递量采取正确的行动，如减小拉速、增大拉速、停浇等。
（3）铜板热电偶测量漏钢预报。铜板热电偶测量漏钢预报的准确率相对较高新上的漏钢预报系统以热电偶漏钢预报为主。它的工作原理是在结晶器上安装多只热电偶，热电偶的温度值传递到计算机系统，超过规定值则报警，并自动采取相应的措施或操作者采取相应的操作以避免漏钢的发生。此方法具有预报黏结漏钢、裂纹漏钢、夹渣漏钢、铸坯凹陷及直观显示结晶器内铸坯坯壳凝固情况的功能，其信息纳入铸坯质量预报系统。
