钢铁是发展国民经济的重要物资基础,板带材是广泛应用于国民经济各部门的重要原材料。其中板形质量和板厚精度是衡量带钢质量的两个重要指标。板形板厚控制是一个复杂多变的控制系统。影响板形板厚的各个参数之间有着很强的耦合性。因此,实现板形板厚控制(AFC-AGC)的研究已经成为一个前沿的热点问题。随着智能技术的研究和发展,很多专家学者将智能技术应用到AFC-AGC综合控制中。由于AFC-AGC是一个非线性、强耦合、大时滞的多变量实时控制系统。对于这样的非常规的复杂系统,常规的方法很难实现理想的控制。因此,采用现代控制方法和智能方法相结合的控制手段成为必然的趋势。本文针对AFC-AGC综合控制的特点,主要进行了以下工作：1.通过分析板带材轧制过程,完成AGC-AFC系统数学公式的推导和数学模型的建立,并建立AGC-AFC的系统框图。2.对粒子群优化算法(Particle Swarm Optimizition.PSO)进行了深入的分析和研究,针对PSO算法在使用过程中存在易于陷入局部最优,收敛精度不高等缺陷,提出适合本文的改进PSO优化算法,并通过Matlab仿真验证改进的PSO算法具有很好的精度。3.介绍了神经网络的基本内容,比较了RBF神经网络和BP神经网络的优缺点,选择适合本文的RBF神经网络。同时用改进的PSO算法对RBF神经网络的结构和参数进行优化,并比较分析了各种优化效果。4.设计出一种基于PSO算法的RBF神经网络的解耦控制器,并将其用于对板形板厚的综合控制系统中,完成系统的解耦实现分别控制。采用Matlab仿真结果证明了本文提出的方案具有很好的解解耦性,满足了所需要的精度。本文提出的控制方案,结构简单从而方便工程实现,与此同时还有较好的解祸效果和鲁棒性。为板形板厚综合控制系统提供了一种新思路、新途径。