随着社会的高速发展，人类面临越来越严重的资源、能源短缺问题，承受着越来越大的环境压力。为此，国家提出钢铁工业绿色发展，具体到热轧领域的TMCP技术，必须坚持减量化的原则，即采用节约型的成分设计和减量化的生产方法，获得高附加值、可循环的钢铁产品。本文以国家“十二五”科技支撑计划中“钢铁行业绿色生产工艺技术与应用示范”课题为背景，在以超快冷技术为核心的新一代TMCP技术的指导下，结合超快速冷却装备开发项目，针对中厚板轧后超快速冷却工艺特点进行研究，开发出具有自主知识产权的超快速冷却自动控制系统。主要研究内容和成果如下:　　(1)针对中厚板轧后超快速冷却工艺对流量调节速度和流量调节精度参数控制需求，基于朴素贝叶斯分类模型(NBC)开发流量控制算法。对超快速冷却装置电动调节阀的调节特性进行分析，建立基于流量-开口度标定曲线的开-闭环切换控制方法，提高流量调节的速度，满足中厚板轧机生产节奏对于流量快速响应的控制需求。对流量调节阀运行参数进行统计和分析，开发基于朴素贝叶斯分类模型的智能优化策略以及流量-开口度标定曲线的自动标定算法，调高流量控制精度，满足超快速冷却工艺对集管流量高精度控制的需求。　　(2)为适应中厚板轧后超快速冷却工艺在线生产高速轧制的要求，减小供水系统响应滞后对生产的影响，基于模糊切换对恒压供水控制系统进行研究。通过对供水系统变频器响应特性和PID控制参数的分析，建立PID参数优化策略，开发流量-压力切换控制系统。在此基础上，开发基于模糊切换的流量-压力复合控制器，削弱系统切换时的抖振现象。根据隶属函数逐步进行系统切换，减小系统抖振，改善超快冷流量变化大幅剧烈时的水压稳定时间。　　(3)为了提高换热系数及其自学习因子的控制和预测精度，最终达到良好的终冷温度和冷却速度控制效果，基于动态模糊神经网络(D-FNN)建立换热系数预测模型。通过水温、钢板厚度、集管个数、集管流量、开冷温度和终冷温度等输入参数，对换热系数自学习因子进行预测控制。将训练后的D-FNN模型应用于工业现场，结果表明，D-FNN换热系数自学习因子预测模型具有较高的终冷温度控制精度。　　(4)由于系统工艺参数优化过于复杂以及无冷却工艺数学模型可以参考等问题，基于范例推理(CBR)进行冷却策略智能控制模型研究。针对常规冷却控制系统中的传统简化物理模型计算精度低，中厚板产品冷却工艺分散、自适应周期长的问题，以范例推理模型为基础，开发一种基于CBR的冷却策略智能控制数学模型，并结合控制冷却系统本身的特性，从范例表示、范例库聚类方法、范例相似关系、检索算法、可信度模型和学习算法6个方面进行了改进。改进的CBR模型较好的适用于超快冷控制系统，获得了高精度的温度控制效果和良好的产品力学性能。　　(5)超快速冷却控制系统集成。对超快速冷却控制系统进行研究，包括通讯系统、钢板跟踪模块、基础自动化、过程自动化等功能，建立并采用多种基于人工智能模型的控制方法和技术。对钢板冷却工艺实际应用结果进行统计可知，钢板终冷温度控制精度和温度均匀性两个冷却核心控制参数均达到理想的结果。