厚度精度是板带材的重要质量指标。厚度自动控制系统(Automatic Gauge Control System，简称AGC系统)是轧机自动化系统中不可或缺的一部分。但由于轧制工艺的复杂性，AGC系统参数存在不确定性，要建立精确的数学模型比较困难，采用智能技术为轧机厚度自动控制提供了一种有效途径。本文主要研究内容如下：以轧机弹跳方程为基础，结合轧机弹性方程曲线和轧件的塑性曲线分析了影响轧件出口厚度的各种因素及几种基本的AGC的控制原理。采用BP神经网络方法建立了热连轧精轧机组出口厚度预测模型。采用试错法确定出了最佳隐层单元数。通过比较有、无传统弹跳方程数学模型输入的神经网络厚度预测模型，提出了BP神经网络与数学模型相结合的混合建模方法，进一步提高了预报精度。预测结果与现场实测数据对比表明，相对误差在1％以内，实现了高精度预报。用机理分析建模的方法建立了液压AGC压下系统的数学模型。针对所建立的数学模型，设计了常规PID控制器和模糊自适应整定PID控制器。并在Matlab／Simulink环境中对两种控制方式下的液压AGC系统进行了仿真实验。仿真实验表明，与常规PID控制器相比，模糊自适应PID控制器控制下的AGC系统具有更好的快速性和鲁棒性，能更好地应用于在线控制。