钢铁行业的快速、稳定而且健全的发展,导致了板带材产品的产量在飞速地增长。同时由于经济的逐渐好转,居民生活物质条件的提高,于是乎对板带材的要求量也在不断地日益高涨。当今社会,人们对板带产品的质量要求在不断提高,然而在板材轧制和控制方面,受到轧制工艺、检测技术和控制系统的限制,致使如何提高板形质量成为了当今世界轧制领域研究的热点和难点。本文以T-S云推理网络为基础,再结合了粒子群算法,设计了基于粒子群算法优化的T-S云推理板形控制系统。首先,根据如今比较热门的人工智能技术,随着它成熟发展起来,据此提出了冷带轧机板形云推理控制新方法。该方法解决了传统方法中精度低等问题,该模型是以T-S云推理神经网络为基础。它具备了传统云神经网络抗干扰效果强的特点,同时也兼顾了云模型处理数据不确定性能力的优点。其次,将T-S云推理神经网络应用于板形识别方面,从而得到了粒子群优化该网络的板形识别模型。通过仿真验证表明,在识别精度方面,T-S云推理神经网络高于T-S模糊神经网络。由此证明该方法相对传统云神经网络是一种识别效果更优的板形识别新方法,通过PSO与GA对该网络优化对比发现基于粒子群优化的T-S云推理神经网络识别结果比GA优化的识别结果更接近实际板形。最后,建立了基于T-S云推理神经网络的板形预测模型,基于该网络,设计了4输入2输出的T-S云推理板形控制器。在这基础之上设计了板形控制系统,并将该板形控制系统用于某900HC六辊可逆冷轧机。通过对比仿真实验可以看出,经过PSO优化的板形控制器对板形识别精度更高,并且控制的精度也有所提高,因此验证了本文提出的控制系统的有效性。