双辊薄带铸轧是当今世界上流程最短的一种热轧带钢生产技术,是一种绿色化的生产流程,具有省资源、低能耗、低排放、环境友好、投资少及操作成本低的天然优势。双辊薄带铸轧技术虽然得到了世界钢铁界的广泛重视,但仍需要不断完善以尽早全面实现工业化。在铸轧过程中,液态钢水从进入熔池开始凝固到经过结晶辊铸轧成带时间非常短,工艺参数的可控范围非常窄,参数的极小波动都可能对板带质量造成不利的影响。因此,需要对工艺参数进行实时准确的监测,并采取合适的策略对工艺参数进行精确的控制,以保证铸轧过程持续稳定和薄带质量。本文对双辊薄带振动铸轧过程的工艺控制及铸带性能等方面进行了研究,研究结果对振动铸轧工艺的工业化实现具有重要的理论意义和实用价值。本文针对振动铸轧过程的特点,采用数值模型方法对振动铸轧熔池内金属液进行了振动工况下的热-流-凝固耦合数值模拟,模拟分析了铸轧速度、浇铸温度、液位高度、辊缝大小及振动工况等因素对Kiss点位置的影响规律,为铸轧过程的铸轧力模型推导及工艺控制策略的研究奠定了理论基础。对振动铸轧过程的铸轧力模型进行开发时,首先采用仿真和实验的方式对塑性变形区按前滑区、后滑区及搓轧区进行了摩擦力及轧制力的变化规律分析。基于分析结果和有限元法,将振动铸轧熔池以Kiss点位置为界分为铸造区与塑性变形区,使用梯形微元体对塑性变形区内金属进行了受力分析,并采用热轧相关理论推导建立了振动铸轧过程的铸轧力模型,并对铸轧力模型进行了验证。对双辊薄带振动铸轧设备自身及工艺控制所具有的特点进行了分析,结合工艺参数对Kiss点位置的影响规律及铸轧力模型提出了HAGC、铸轧力及Kiss点位置的控制方法,并对开浇阶段和稳定铸轧阶段,提出了相应的控制策略。在此基础上自主完成了液压压下和变频控制等系统的硬件设计、安装及调试,制定了铸轧工艺参数监控系统的硬件方案,利用Labview、Step7软件平台实现了上位机、下位机控制程序,建立了Φ500×350双辊薄带振动铸轧监控系统,为铸轧工艺研究提供准确、快速、可靠的数据支持,并为工艺控制策略的实现提供了平台。针对建立的振动铸轧工艺控制系统,为获得控制系统的精确数学模型,选择了径向基函数(RBF)神经网络作为研究方法,并为了提高神经网络的训练速度及泛化能力采用改进后的粒子群算法(PSO)优化了神经网络参数,确定铸轧控制系统采用NARX模型类进行非线性建模后,采用AIC准则确定了神经网络的训练模型阶次。最终采用AMESim及Simulink利用仿真数据及实验数据分别对铸轧HAGC控制系统、铸轧力控制系统进行了精确的非线性系统辨识,所得RBF神经网络辨识结果能够满足控制系统精度要求。利用PSO-RBF神经网络辨识得到的控制系统神经网络模型参数,设计了铸轧机HAGC和铸轧力间接RBF神经网络自校正控制系统。将HAGC间接RBF神经网络自校正控制系统与常规PID控制系统采用Simulink仿真进行了对比分析,结果表明RBF自校正控制系统响应速度、稳态误差、抗干扰能力都较高;受到正弦负载干扰信号情况下,辊缝大小振荡幅度在可控范围内,保证了铸带纵向厚度精度要求。对铸轧力间接RBF神经网络自校正控制系统与常规PID控制系统采用实验方式在铸轧机上进行了对比分析,结果表明RBF神经网络自校正控制表现出了较强的自适应性能力。证明了RBF神经网络对于解决控制系统中非线性和不确定性问题的优越性。为了对前述铸轧力模型、工艺参数及控制等研究成果进行实验验证,在Φ500×350双辊薄带振动铸轧机实验平台上,以20CrMn钢为实验材料开展了不同开浇温度下的非振动铸轧与振动铸轧的对比实验研究。实验结果表明,振动可以在铸轧过程中有效细化铸带晶粒,并且能有效提升熔池区钢液流动性,抑制缩孔现象发生,促进细小第二相粒子弥散分布。因此,在不同开浇温度下得到的振动铸带,其屈服强度、抗拉强度和伸长率均较传统非振动铸带得到了较大提升。