随着钢铁行业的不断发展,在工业生产过程中,对提高产品生产效率,尺寸精度和性能方面都有着越来越高的要求。在热连轧精轧过程中活套系统控制的好坏在很大程度上决定了成品带钢的性能,然而对于活套系统的控制需要进行活套高度和轧件张力两方面的控制,二者是一个双输入双输出的耦合系统,只有解决活套高度和轧件张力之间存在的强耦合问题,活套系统才能稳定高效地工作,以达到提高带钢产品质量的目的。到目前为止,在国内外的大量研究下已经有几种控制方法,比如传统PID控制方法、互不相关解耦控制方法、活套最优多变量控制、神经网络控制等。为了克服以前的耦合没有完全消除、控制精度不高、响应的动态性能不够好等缺点,针对活套系统非线性、强耦合、多约束等特点,提出了一种将改进的粒子群优化算法和PID神经元网络相结合的方法来对活套系统进行解耦控制。PID神经元网络采用梯度学习算法对随机选取的连接权值进行修正,连接权值在学习过程中极易陷入早熟收敛,难以达到理想的控制效果。所以为了达到预期的控制效果,利用粒子群优化算法来择优选取PID神经网络的连接权值。基本的PSO具有收敛速度快、通用性强的特点,但随着迭代的进行,其具有早熟收敛、搜索精度不高和效率低等问题。因此,针对这些问题,基于一种变异机制,在变异机制和粒子群算法相结合的基础上提出一种改进的粒子群算法,利用改进的粒子群算法来优化PID神经元网络的连接权值,并将此方法应用到活套系统的解耦控制研究中。仿真结果表明,该算法弥补了PID神经网络的不足之处的同时又提高了系统的快速收敛性和抗干扰能力,验证了该方法具有良好的解耦能力。