铝电磁连续铸轧是近年来我国领衔开发的一种铝金属加工新技术,是一项集多学科、新技术于一体的探索性研究课题。在其生产过程中,能否获得细小且均匀的铝熔体晶粒是能否获得高性能铝材的关键因素。要实现铸轧过程的优化控制,关键是能够在线检测铝熔体的晶粒度。然而,目前的检测手段无法直接实现铝带坯晶粒度的在线实时检测,只能通过离线取样后进行金相分析的方法得到,因此存在很大的滞后,严重影响了铝电磁铸轧产品质量的闭环优化控制。铝电磁连续铸轧过程具有机理复杂、时变、大滞后等特点,难以建立其精确的数学模型。本文从分析铝电磁铸轧工艺机理和铝带坯晶粒度影响因素出发,研究铝带坯晶粒度的软测量及其复合磁场智能控制技术。提出了基于FCM聚类的智能集成模型的晶粒度软测量方案,以及模糊自抗扰技术的复合磁场智能控制策略,设计了基于铝带坯晶粒度软测量模型的复合磁场双闭环控制系统,有效地实现了铝带坯晶粒度的在线检测和复合磁场的智能控制,并据此对铝带坯晶粒度进行闭环控制,成为提高铝带坯产品质量和生产效率的关键。论文主要工作和研究成果体现在以下几个方面：(1)探讨了电磁场作用下铝电磁铸轧技术的工艺机理和复合磁场的形成原理,分析了行波磁场作用下铝熔体内电磁力的特性、铝熔体中电磁力的脉动特性及其分布规律,并对铸轧区复合磁场进行了数值模拟。讨论了电磁因素、铸轧设备因素和工艺因素对铝带坯晶粒度的影响,为晶粒度软测量的辅助变量选择奠定了基础。(2)针对标准FCM聚类算法对初始值敏感、存在局部极值的缺点,提出了一种基于样本点密度指标改进的FCM聚类算法,并对一种人工数据集和经典IRIS数据集进行了聚类仿真分析。结果表明,改进算法得到的初始聚类中心接近实际的中心点位置,从而减少了算法的迭代次数,显著提高了聚类效率,并在一定程度上抑制了算法陷入局部极值。(3)采用基于L-M算法的BP神经网络建立了晶粒度软测量模型,并进行了仿真研究。针对BPNN稳定性和泛化能力问题,利用PSO算法对BPNN的权值／阈值进行了优化。针对神经网络容易出现的局部极小和过拟合问题,研究了基于ε-SVR的晶粒度软测量建模方法,并利用PSO算法对ε-SVR的参数进行优化,解决了常规试凑法和网格法存在的参数非最优和运算量大等问题,减少了模型对数据样本的依赖性,提高了泛化能力。(4)为尽可能提高晶粒度软测量的精度,提出了基于FCM聚类的BPNN和ε-SVR多模型智能集成建模的晶粒度软测量方案。首先利用改进的FCM算法对晶粒度软测量数据样本进行聚类,然后根据各聚类样本数目选择其建模方法,并建立各子模型；最后采用模糊隶属度加权策略进行各子模型的信息融合,得到集成模型的输出。仿真结果表明,集成建模方法的训练精度和泛化能力明显提高。(5)针对电磁铸轧的关键技术,即复合磁场的智能控制问题,提出了一种新型、实用的模糊自抗扰控制器方案。详细介绍了模糊自抗扰控制技术的基本原理和电磁铸轧复合磁场模糊自抗扰控制器的设计方法,并通过仿真验证了采用模糊自抗扰控制器对复合磁场进行智能控制的可行性和正确性。(6)基于晶粒度软测量模型设计了复合磁场双闭环控制系统,研制开发了基于模糊自抗扰技术的复合磁场智能控制器和一套晶粒度软测量软件系统。系统通过试运行,取得了较好的带坯晶粒细化效果。该系统能够显著提高并稳定铝带坯的生产质量,所生产的铝带坯晶粒度指标达到了一级标准。铝带坯晶粒度在线检测和复合磁场控制问题,是目前国内外铝加工行业所面临的难题,论文所作工作具有重要的研究意义和很好的工业应用前景。