喷溅是炼钢行业久治不愈的顽疾,威胁工人生命安全,破坏生产环境并造成严重经济损失。作为国家支柱行业,钢铁生产成本居高不下、产能过剩、高污染、高耗能已成为亟待整治的现实问题。而对喷溅预报分析技术的研究必然会对上述问题的缓解甚至根除发挥极大作用。本文基于AOD炉喷溅预报分析的多传感器信息融合方法研究,根据现场采集到的发生喷溅炉次的炉口音频信号、炉口火焰图像及炉体振动信号进行时频域分析总结,最后提出了一种基于特征层融合的BP神经网络融合方法。根据大量实验校正,证明该方法可以准确完成喷溅预报。最后设计了基于LabVIEW的喷溅预报界面,提供了一种对喷溅预报及分析研究的软件平台。首先确定了特征层数据融合的融合结构,然后提取有效的喷溅预报特征信号。针对一维声音及振动信号,本文将其分为正常冶炼信号及喷溅前信号。首先对比分析它们的FFT频谱,比较出两者的整体频率特征；然后进行时域小波包频谱分析,观察它们的时频变化特性；然后根据上面的分析结果,选择具有喷溅预报特征的频谱,采用db10小波包对其进行三、四层小波包分解,进一步对比分析它们每个频段的能量值、FFT的不同；最后根据分析结果确定一组可以完全区分喷溅信号和正常信号的特征向量,本文根据大量实验数据分析得出的每种信号的喷溅特征向量都不尽相同。每路信号最终都得到一组喷溅特征值和预报分析阈值,通过分析比较实时信号特征向量值与喷溅预报特征值的相似度及预报分析阈值的大小,便可以实现提前预报的效果。对二维信号图像的分析处理,采用图像识别技术,分析方法与一维信号类似。最终提取出可以完成准确预报的喷溅预报特征向量及阈值。然后根据提取的喷溅预报向量值进行融合算法研究,最终确定基于BP神经网络的融合算法,并将预报等级分为四个预报级别。首先将四种喷溅预报特征信号的相似度值作为输入信号,并根据实际发生喷溅情况的严重性分为三种,并且分别定义它们的输出为四级喷溅。最后根据一种BP网络进行网络训练,并根据训练后的网络实行实际值训练,结果表明该网络完全可以完成喷溅预报的任务。最后本文设计了一种基于LabVIEW软件编程的喷溅预报软件界面设计,并介绍了该预报平台的主要功能,包括数据采集、存储、波形回放以及实时预报等功能。并且实现了喷溅强度等级的划分及计量,达到了论文研究的目的,提供了一种对喷溅预报及分析研究的软件平台。