板形控制技术是现代板带轧制过程中的关键环节,目前的板形控制系统基本上都是采用传统的简化回归数学模型,这种数学模型具有多变量、强耦合、非线性、很强的时变性和不确定性,且板形检测带来的滞后问题对板形控制系统控制性能有很大的影响,造成在实际轧制过程中存在较大的偏差且对实际轧制的状态的变化缺乏适应能力。利用神经网络和遗传算法对非线性系统进行控制,已成为了控制领域研究特点之一。这种方法对于难于精确建模的一般非线性系统具有良好的控制效果,较好的跟踪目标信息的能力,并且在有扰动的情况下,表现出了较好的鲁棒性。本文以提高板形设定模型的精度为目标,在对国内外研究及应用现状进行了深入分析的基础上,结合宁波1780热连轧生产线板形控制项目,建立了基于神经网络和遗传算法的板形控制模型,并对其存在的问题进行了分析。首先,把精轧机组分为凸度调节区、平直度保持区,有效控制了板凸度和平直度。根据神经网络具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力,由此建立了板形预测模型数据库。由实验数据表明,利用神经网络预测板凸度具有较高的精度。其次,在神经网络的基础上,采用遗传算法优化权值和阀值,进行全局搜索,有效避免了局部极小值问题。在板形预测模型为基础上,利用遗传算法建立了板形设定控制模型,通过实验数据分析了其可行性。最后,根据所建立的板形预测和设定控制模型,通过Matlab语言编写了板形设定控制软件,用户通过界面,可以简便、直接地查看分析数据和图形。热轧板形智能模型的研究为解决非线性和强耦合问题,提供了一种新的板形解决方案。