板带材生产在国民经济中占有十分重要的地位，广泛应用于汽车、家用电器和宇航技术等方面。随着社会的不断进步，用户对板带材产品的质量提出了越来越高的要求。板厚和板形是板带材质量的两大主要质量指标，到目前为止，板厚问题已基本上得到了完善的解决，而对于板形问题，一直没有得到满意的解决，板形问题已成为日益迫切的急需解决的问题。倾辊和弯辊是常用的两种板形控制手段，是消除一次和二次板形的主要手段。在实际中，广泛使用传统的PID模型进行控制，本文在此基础上，根据从板形数据中提取出的一次和二次板形信息，利用神经网络动态调整PID控制器的参数，将基于神经网络的模糊PID模型应用到倾辊和弯辊控制中，以提高传统PID模型对板形的控制能力。分段冷却也是常用的板形控制手段，生产中主要用来消除高次板形，它是一个及其复杂的过程，很难建立一个精确的数学模型，本文针对这一问题，利用板形数据中的高次板形信息，在线地对分段冷却模型进行模糊辨识，根据辨识结果求逆，得到动态的模糊控制器进行控制，建立了分段冷却自适应模糊控制模型，以提高高次板形的控制质量。本文最后在所建立的板形智能控制模型的基础上，编写了动态仿真软件，形象地展示了板形控制效果。仿真结果表明所建立的基于神经网络的模糊PID倾辊弯辊控制模型和分段冷却自适应模糊控制模型可靠性高、适应性强，提高了板形综合控制的精度，推动了板形控制的发展，具有重要的实用价值。