该文以具有强大板形控制能力的UC轧机为研究对象,采用神经网络控制方法解决了轧制过程中非线性、耦合、纯滞后、时变等特性带来的问题,从而实现了UC轧机的板形自动控制,达到了提高带钢板形质量、改善控制品质的目的.该文的主要工作包括:1.在对UC轧机原有电气系统、液压弯辊系统进行改造的基础上,采用研华工控设备完成了轧机板形各信号实时检测与板形控制信号输出的硬件设计与调试工作.2.在分析UC轧机液压弯辊系统动、静态特性的基础上,建立了该系统的数学机理模型.针对系统非线性造成的常规PID反馈控制的局限性,提出了FUZZY-PID复合控制算法,从而得到理想的动态响应速度与稳态控制品质.3.该文分别采用多层前馈神经网络和对角型递归神经网络建立了具有非线性滑动自回归模型形式的板形在线控制动态预测模型.通过利用实测数据对模型进行在线滚动优化,增强了模型对轧辊热凸度等慢时变、不可测因素对板形影响的适应性.4.在上述建模工作的基础上,将基于神经网络预测模型的广义预测控制算法应用在板形控制过程中,并通过一种简单可行的利用板形预测误差进行实时反馈校正的方法,有效抑制了各种扰动因素对板形控制品质的影响.5.针对基于神经网络预测模型的广义预测控制算法控制量计算中存在的计算量大的问题,提出了多步预测性能指标函数下的神经网络逆控制方法.为了适应实际生产过程控制改造的需要,提出了多步预测性能指标函数下的神经网络PID控制方法.6.针对轧制过程中存在的耦合问题,在理论建立了UC轧机板形板厚控制模型的基础上,采用前馈补偿的方法设计了解耦控制器.考虑到轧制过程中的非线性、时变特性以及未建模动态的影响,利用具有自学习、自适应功能的神经网络实现了上述解耦控制器,提高了系统的鲁棒性.7.对于所提出的三种板形控制策略进行了实际轧制实验研究,通过与采用多元线性回归模型的常规反馈控制方法相比较,证明了该文提出的三种控制策略的有效性和优越性.8.将提出的三种板形控制策略推广到某1550冷连轧厂UCMW机组的板形控制过程中.仿真实验证明,在实际工业生产过程中使用上述控制方法是可行而有效的.