随着板带产品的广泛应用，板厚、板形作为衡量板带质量的重要指标，受到了极大的重视。板形缺陷模式识别与智能控制作为冷轧板带生产中不可或缺的一步，也是轧制出高质量板带钢的前提步骤，为板带钢的机械性能与外形质量提供了保障。所以，只有提高板形的控制精度，才能增强市场竞争力。目前，板形缺陷的模式识别与控制方法已经成为了钢铁行业中的重点研究问题。　　近年来，随着各种理论技术不断发展，各种各样的模式识别方法与智能控制手段被应用到冷轧带钢板的轧制研究中。本论文研究了目前的有效的板形识别与控制方面的理论知识和方法，建立了冷轧带钢板从数据预处理到板形模式识别再到板形智能控制的模型和方法，具有理论和实际意义。　　（1）针对板形模式识别的高精度要求，基于数据挖掘技术对板形数据进行预处理，针对传统的以勒让德正交多项式为基模式的板形模式识别方法时间效率低、基本形式固定、识别类型具有局限性的缺点，并为了进一步提高板形模式识别的精度，本文提出了一种新型的以傅里叶级数为基模式的板形缺陷识别方法。该模型由一系列的单频正弦函数构成，其组成结构简单、形式统一。通过该方法对实测的板形数据进行了分析、对比，实验表明该方法提高了板形模式识别的精度，使识别结果更具有完备性，简化了板形控制的目标，有利于提高板形控制的精度。　　（2）对于板形的控制方面。首先，以横向张应力表示板厚板形动态数学模型，根据实际参数与控制要求，简化了液压压下位置控制（AGC）系统与液压弯辊力伺服控制（AFC）系统的模型，大大降低了运算复杂度。再根据所建立的板厚板形动态数学模型，分析了板厚、板形间的强耦合性，采用目前比较有效的前馈补偿解耦与自适应模糊PID控制相结合的解耦控制方法，并进行仿真，验证了该解耦方法的有效性。最后，针对板厚板形模型参数不唯一的特点，提出了基于遗传算法的优化PID控制参数的方法，提高了搜索效率，能很快的确定PID参数，收敛速度快、效果好，很好的实现了板厚板形综合控制。