本文以人工智能理论为基础，对板形模式识别、板形预测和基于神经网络的板形智能控制策略进行了深入的研究，取得了一定的成果。 首先，采用粒子群优化(PSO)算法和BP(back-propagation)算法混合优化策略训练神经网络，即利用PSO算法全局搜索初始化网络权值，然后用BP算法优化，建立PSO-BP网络；其次，利用勒让德正交多项式建立了6种板形缺陷基本模式，基于PSO-BP网络设计了板形模式识别模型；然后，针对板形控制系统的非线性特点，应用PSO-BP网络建立了板形预测模型，探索了一种非解析原理的板形建模方法；最后，基于板形的模式识别结果，利用轧机的效应矩阵，建立了基于PSO-BP网络的板形智能控制模型。 对实测数据进行了仿真实验，结果表明PSO-BP网络可以准确地识别出板形的特征参数，识别精度较高；板形控制器可以快速地将板形偏差控制在±3I之内，达到了控制目标，控制性能良好。研究了板形模式识别、板形预测和板形智能控制等问题，不仅对板形控制理论的发展有一定的意义，而且对板形智能控制技术的应用也奠定了一定的基础。