多辊热连轧过程是钢铁冶炼轧制的重要过程,它是把炙热的钢坯在大型多辊热连轧机的挤压下,变成一定厚度、宽度的成品钢板。随着现代社会对成品钢板质量要求日益增高,为了研究如何更好的控制钢铁企业的大型多辊热连轧机生产线板材产品的质量,根据理论分析和实际操作经验,将整个生产线抽象为一个关于多个关键输入变量和多个关键输出变量的非线性函数关系;找出这些关键输入变量和关键输出变量之间的非线性函数关系,得出工业生产的产品稳态质量模型,以确保热多辊连轧产品的质量,一直是世界各钢铁企业所面临的难题。伴随着计算机技术、人工智能技术的进步,人工神经网络,模糊逻辑和小波分析已经得到快速发展,并且已经开始应用于各种控制系统,分析系统,逼近器中。在多辊热连轧产品质量控制过程中也有一些尝试,并取得了一定的效果,但是由于冶金产品质量控制过程的非线性、时变性、随机干扰等因素,使得以上理论模型很难应用于实际生产中指导实践或者指导实践的效果不明显。小波分析具有多分辨率特性和时频局部化特性,特别适合于对非线性信号的分析,而模糊神经网络不仅具有人工神经网络的非线性映射能力,还具有模糊逻辑刻画分类边界模糊性的优势。基于理论上较成熟的小波分析、模糊逻辑和人工神经网络,论文将小波分析和模糊人工神经网络用在多辊热连轧生产线板材产品的质量控制中,研究一种符合企业要求的多辊热连轧产品质量控制的模糊小波神经网络模型。为此主要做了以下工作:首先,分析了神经网络、小波神经网络和模糊控制的结构和算法;研究了小波神经网络隐含层神经元个数的确定;分别给出了神经网络、模糊神经网络一种快速算法。其次,通过分析某钢厂多辊热连轧生产过程,确定影响热轧产品质量的32个关键输入变量和3个输出变量;并进行了数据预处理。最后,构建了一种模糊小波神经网络的结构和算法;并运用钢厂汽瓶钢钢种的数据样本对该模糊小波神经网络进行建模,仿真结果表明,其训练样本命中率为94.3%,检验样本命中率为93.3%,符合企业要求。下一步要做的工作是将构建的模糊小波神经网络模型应用于钢铁企业的多辊热连轧产品质量控制中。