随着连铸技术的日趋成熟,对钢材品种与质量的要求越来越严格,提高连铸坯质量已经成为连铸技术研究的主要问题之一。许多钢铁企业将计算机技术应用于连铸生产取得了巨大的成就,而板坯质量预报专家系统就是其中非常重要的一个部分。梅钢炼钢厂在实际生产中出现的钢坯质量问题中表面纵裂引起的钢坯缺陷比较严重,造成钢坯成品率下降。为解决这一生产实际问题,本文综合考虑实际生产中工艺参数及其他影响钢坯表面质量的因素,分析了采自梅钢实际生产中的工艺数据,选用神经网络BP算法作为系统的数学理论基础,采用Visual Basic 6.0语言,开发建立了钢坯表面纵裂预报系统,对钢坯表面纵裂产生的可能性做出预报。并通过调整相应的工艺参数减少表面纵裂的产生。本系统中的样本综合考虑了影响连铸坯表面纵裂的各种因素,覆盖面比较广,因此得出的结论也更加准确。本文首先分析了钢坯表面纵裂的成因及影响因素,以影响纵裂的工艺参数组成样本,经过对数据采集系统所采集的数据进行分析筛选,确定网络样本组成。根据BP神经网络的模型特点,结合现场的实际情况,初步选定BP网络的结构参数和性能参数,建立神经元网络预报模型。将样本输入神经元网络,对预报模型进行训练,利用冶金学理论和现场专家的经验,对发生铸坯表面纵裂的可能性给出判定。通过历史数据进行测试,此系统对实际生产中的焊瓶钢HP295的表面质量预报准确率可达到90%以上。人工神经网络中的BP算法是目前应用最为广泛的神经算法,本文在标准BP算法的基础上提出了一些改进措施,采用了变步长的学习方法、加入了动量项,以防止网络振荡,达到了加速网络的收敛效果。通过所构建的表面纵裂预报系统的分析发现焊瓶钢HP295表面纵裂产生的原因主要是二冷水分配不均匀所致,因此实际生产中,可以通过调节二冷水比例减少表面纵裂的产生。