实际工业生产过程往往都是强耦合、非线性、多变量系统。该系统存在着系统精确数学模型难以获得、生产条件及工况变化大等问题。从而严重影响了控制效果，降低了产品质量。因此研究适合此系统的控制策略，实现多变量系统的解耦自适应控制，就显得尤为重要。　　 以往对多变量系统的解耦自适应控制研究，多集中于解耦网络的设计上，此方法一方面依赖于精确的数学模型，另一方面，随着变量的增加，解耦网络的设计和实现比较复杂，而难以应用到实际现场。针对上述问题，本文以冷连轧过程中的板形板厚综合控制系统为背景，将板形、板厚在控制上的相互关联视为扰动来设计控制系统，即采用DRNN神经网络对系统进行动态辨识，再由辨识获得的敏感信息在线优化PID控制器参数，利用PID控制器得到各控制量的输出，并行实现系统的解耦与控制工作。该设计系统结构简单，充分发挥了DRNN神经网络的动态映射能力，及自反馈特性，从而大大减少了计算量，缩短了训练时间，有效的提高了系统的实时性和鲁棒性。实验表明基于DRNN神经网络的PID解耦自适应控制方法的性能，明显优于传统PID解耦控制效果。　　 此外，为了逼近工业现场，本课题从当前控制技术的前沿——嵌入式系统设计入手，搭建基于VxWorks实时操作系统的半实物仿真平台。并建立基于C语言的解耦自适应控制器仿真模型，应用快速控制原型化代码生成软件Matlab/RTW和AppSim，生成实时控制代码，进行板形板厚综合控制系统的半实物仿真实验。实验结果表明，基于DRNN神经网络的PID解耦控制器能够稳定的实现对板形板厚的解耦控制，基于VxWorks的综合系统运行可靠性高，实时性好，从而为该控制策略的工业应用提供了有效依据。