由于带钢厚度受原材料的尺寸、形状、钢种,以及加热温差、化学成分准确度、轧制力等因素的影响,很难建立其精确的数学模型。带钢厚度控制中具有不确定性、时变性和非线性等特点,采用传统的控制方法难以满足客户对带钢厚度高精度的要求。因此,研究一种控制性能好的算法是非常必要的。仿人智能控制是一种以人的控制经验和直觉推理为基础,避开求解繁琐的对象模型的方法,因此它在过程控制中显示出独特的优势,为解决复杂工业控制提供了一种很好的解决方案,但仿人智能控制也存在着不足。因此,本文针对仿人智能控制在实际应用中存在控制器参数整定的问题,提出了一种基于模糊神经网络参数整定的热轧带钢厚度仿人智能控制策略。神经网络具有高度自学习能力和自适应能力以及很强的泛化能力,但传统的神经网络学习收敛速度慢,容易陷入局部极小,而模糊控制能够利用先验知识近似推理,可减少学习时间,但缺乏自学习和自适应能力,模糊神经网络就是充分吸取神经网络和模糊控制各自优点的控制策略。本文采用模糊神经网络对仿人控制器中的参数进行整定,由于它模拟了人脑的一些特性,因此具有更高的智能性。本论文在山西省自然科学基金项目(编号：2010011022-3)的资助下,以带钢生产过程中的厚度控制为研究对象,针对厚度控制中存在的问题,研究设计了热轧带钢厚度的模糊神经网络仿人智能控制策略。本论文研究的主要内容有：(1)阐述了课题研究的背景和意义,总结了热轧带钢生产技术的发展和热轧带钢厚度自动控制技术研究现状,论述了仿人智能控制的研究现状。(2)深入热连轧厂生产现场,了解了热连轧的生产流程,分析了影响热轧带钢产品质量的主要性能指标以及影响带钢厚度的主要因素,根据现场带钢厚度控制中存在的问题,研究热轧带钢厚度控制系统。(3)在研究仿人智能控制理论的基础上,着重研究仿人智能控制的设计步骤和方法,尤其是实现过程中的关键技术。并以热轧带钢厚度为控制对象,在MATLAB仿真平台上,进行了大量的仿真研究。通过仿真对比分析,得出在仿人智能控制参数不同的情况下,带钢厚度的输出会有很大区别。(4)深入研究模糊神经网络的结构及基本原理,利用模糊神经网络对仿人智能控制器的参数进行整定,以便进一步提高仿人智能控制的适应能力。(5)根据热轧带钢厚度控制精度的要求,设计了基于模糊神经网络参数整定的热轧带钢厚度仿人智能控制策略。在MATLAB仿真平台上,对基于模糊神经网络参数整定的热轧带钢厚度仿人智能控制进行不同带钢厚度期望值下以及在含有干扰的情况下进行仿真研究,研究结果表明,基于模糊神经网络参数整定的热轧带钢厚度仿人智能控制具有更强的适应性和鲁棒性。