神经网络具有很强的适应于复杂环境和多目标控制要求的自学习能力，能够以任意精度逼近任意非线性函数，在控制领域得到了广泛的应用。本文针对前向网络中的两种典型模型：BP网络和RBF网络的全局优化进行研究，提出了一套系统的前向网络优化设计方法。设计了一种实用的GA实数编码方案，并对标准遗传算子做出改进，进行网络拓扑结构的优化设计，通过仿真验证，证明该优化设计方法是行之有效的。板形是衡量冷轧薄带钢的质量指标之一，板形模式识别则是板形控制的关键。本文将优化网络用于板形信号的模式识别，建立了6输入、3输出的识别网络模型，该网络性能在训练过程中始终保持最优，能够达到最佳结构，加快了学习速度和训练精度，可以快速、准确求出板形缺陷的模式信息及数值大小，为后续板形控制调节量的设定提供了可靠依据。液压弯辊是板形控制系统（AFC）最基本的环节，它的动态特性和稳态性能对于整个AFC系统的性能起着至关重要的作用。将优化网络用于液压弯辊系统的控制中，采用内模控制方案，辨识器和控制器用优化网络来离线设计、在线调整，提高了液压弯辊系统的动态响应速度和稳态跟踪精度，充分发挥了液压弯辊力对板形的调整作用，改善了轧机系统的动态特性。