板形是板带材重要的质量指标,板形控制技术是现代高精度板带轧机的关键技术。板形识别与板形控制技术的智能化实现是现代板带轧机控制中的世界前沿性研究课题。以带钢冷连轧板形智能控制策略为研究课题,对板形模式识别、板形在线预报、板形闭环控制等进行了理论和仿真研究。板形模式识别是板形控制的关键。针对板形模式的传统识别方法、模糊识别方法和神经网络识别方法等各自存在的问题,采用基于静态神经网络的板形智能识别方法,建立了以勒让德正交多项式为基模式,基于模糊距离的神经网络板形模式识别模型。该模型只用3个输入信号和3个输出信号,网络内部各层节点的物理意义明确,识别速度快,精度高,为板形模式识别提供了简便实用的新方法。板形控制系统的液压执行机构具有非线性、时变性、干扰严重的特点,使用基于经验模型的经典控制方法和现代控制方法很难得到较好的控制效果。针对这一问题,采用了基于模糊神经网络的模型参考自适应控制策略,既保持了模型参考自适应控制方法算法简便、实时性好的优点,同时又利用神经网络能有效地克服各种非线性因素的不利影响,充分发挥了板形控制系统执行机构的调整作用,改善了系统的动态特性。带钢轧制过程中带材的板形受弯辊力、轧制力、来料条件以及轧辊的初始辊型、磨损辊型和热辊型等诸多因素的复杂影响,而这种影响关系具有较大的非线性特性。板形预测数学模型的建立具有相当难度,而且预测精度也不能满足板形在线控制的要求。因此,本文建立了基于Elman动态递归网络的板形智能预测模型,探索了一种非解析原理的板形建模方法,解决了复杂系统建模带来的诸多困难。基于建立的板形智能识别模型、板形智能在线预测模型和液压系统模糊神经网络模型参考自适应控制策略,以冷连轧机末机架六辊UC轧机为研究对象,构建了带钢冷连轧机板形智能控制系统。仿真结果表明,本系统能够适应工况变化,并将板形控制在0～3I范围内,满足带钢冷轧机板形控制系统对快速性与稳态精度的要求。