本文以整辊镶块式板形辊的信号处理和板形闭环控制方法为主要内容，展开了理论、工业验证及仿真研究，所取得的成果对我国掌握具有自主知识产权的板形检测与控制技术具有积极的理论和现实意义。以整辊镶块式板形辊为对象，在分析其信号产生及提取原理的基础上，以提高板形信号检测精度及系统稳定性为目标，对板形信号处理的有关内容展开全面研究，从激磁信号产生方法、板形信号处理系统架构、信号补偿模型及抗干扰方法等方面对板形信号处理理论及方法进行了补充和完善。基于单片机产生激磁信号方法，采用D/A转换方式产生的激磁信号具有稳频、稳幅、稳相特性，可有效避免板形信号在处理过程中的精度损失。在分析传统系统架构模型的不足及其成因的基础上，提出“信号处理板卡+上位机软件”板形信号处理系统架构模型，将信号提取、数据采集与处理等实时性要求很强的功能下移至信号处理板卡并由DSP芯片控制；该模型抗干扰能力强，上位机工作负载小，可有效增强整个系统的实时性、稳定性及可靠性。利用自主研制的变包角实验装置，通过物理实验方法，寻求径向压力与带钢包角、旋转频率之间的关系，建立带钢包角补偿和幅频特性补偿模型；通过理论分析方法，建立适应带钢跑偏情况的带钢边部覆盖补偿模型。同时，研究板形信号处理过程中不同阶段的抗干扰方法，并用于指导板形信号处理系统的研制，从而为提高板形信号处理系统的抗干扰能力及稳定性奠定基础。以板形信号处理理论及方法为指导，自主研制整辊镶块式板形仪信号处理系统。经标定及通讯测试后，将整辊镶块式板形仪与AFC系统共同投入到鞍钢1250HC冷轧机的工业应用中，并从抗干扰能力、板形检测精度、板形闭环控制效果等方面对板形信号处理系统的性能进行分析与验证。工业应用表明，该系统具有抗干扰能力及实时性强，信号提取及转换精度高，稳定可靠等优点。针对现有人工神经网络方法求解板形控制影响矩阵的不足，提出基于影响矩阵自学习的板形闭环控制方法。该方法利用事先确定的关键影响因素，建立影响矩阵先验值表；根据实际工况点在影响矩阵先验值表中的位置，利用质心插值原理在线计算影响矩阵，实现板形调控机构调节向量的计算；在各种板形影响因素共同作用下，影响矩阵自学习模型利用轧制过程数据不断修正典型工况点的影响矩阵先验值，使其与板形调控机构的实际调控性能不断接近，进而为板形闭环控制快速地进入稳定轧制期、达到精度要求奠定基础。采用质心插值原理实现影响矩阵的在线求解，通过影响权重因子及自学习速度因子的动态调节实现影响矩阵的自学习过程；与人工神经网络方法相比，该方法具有计算速度快、稳定性好、可靠性高、适合在线应用、便于实施等特点。利用1250HC冷轧机的有关实测数据，对基于影响矩阵自学习的板形闭环控制方法进行了仿真研究。结果表明，该方法板形控制精度较高，控制过程平稳，收敛速度较快。