板形是板带轧制品的重要质量指标，板形控制是轧制过程的核心技术之一。板形控制系统的性能监测与故障诊断以及板形缺陷的准确识别是轧制过程的重要课题。　　 在深入分析现有板形模式识别方法的基础上，本文提出一种基于模糊聚类RBF网络的板形缺陷识别方法。以勒让德多项式为板形基本模式，利用模糊C均值聚类算法确定径向基函数的数目、基函数中心及宽度，建立了板形模式识别RBF神经网络模型。该模型不仅结构简单，而且网络内部各层节点的物理意义明确，识别速度快、精度高，为板形控制策略的制定提供了可靠的依据。　　 针对先进的DSR动态板形辊控制系统，本文提出了一种基于多元统计分析模型的过程监测与故障诊断算法。利用多元统计分析中常用的一些分析手段提炼相应的过程知识；在此基础上，研究板形控制系统运行性能的实时监测方法，使得系统能够对可能出现的表观/潜在板形缺陷作出及时预警，对造成板形缺陷的过程异常或故障进行有效隔离和诊断，并利用提炼的过程知识为系统性能改进提供建议措施。