随着国民经济的高速发展,科学技术的不断进步,汽车、机械制造、电器和电子行业等对板带钢的质量提出了更高的要求。而厚度是板带材最重要的质量指标之一,厚度自动控制AGC(Automatic Gauge Control)是现代化板带钢生产中不可缺少的重要的组成部分。在现代轧钢生产中,液压压下系统早已取代了早期的机械压下和电动压下。液压压下装置的位置闭环控制系统再加上各种控制环节,构成了液压AGC系统。液压AGC系统是一个多变量、强耦合、非线性的实时控制系统,常规的PID控制需要建立被控对象精确的数学模型,难以处理复杂的非线性控制系统,智能控制技术在轧制领域的引入有效的解决了这类问题,产生了良好的控制效果。本文首先系统阐述了板带厚度控制的基本原理和基本方法。根据具体液压AGC系统,综合考虑了伺服阀负载流量的非线性和不对称性,轧机负载的质量分布体系等,建立了液压AGC位置伺服控制系统的动态模型。然后利用AMESim软件中特有的根据物理结构建模的基本元素建模法,用该建模方法建立了液压AGC电液位置控制系统完整仿真模型。并分析伺服阀、液压油缸、油液体积弹性模量等液压关键元件或参数对液压AGC系统的动态特性的影响。最后结合MATLAB软件强大数据处理功能,为了获得最佳的系统性能,建立AMESim/Simulink联合仿真模型,设计BP神经网络PID控制器,并针对BP算法在应用时易陷入局部极小点,学习时间长的问题设计模糊RBF神经网络PID控制器。以燕山大学300四辊实验轧机液压AGC系统为仿真对象,通过与常规PID控制结果与BP神经网络PID控制结果相比,得出模糊RBF神经网络PID控制器具有更佳的控制效果的结论。