板形是板带材重要的质量指标之一,板形控制技术是现代高精度板带轧机的关键技术。本文以冷连轧板形自适应控制系统为研究课题,对板形模式识别、执行机构控制策略及板形自适应控制系统进行了理论研究和仿真分析。板形模式识别是板形控制的关键。针对板形模式的传统识别方法、模糊识别方法和神经网络识别方法等各自存在的问题,建立了以勒让德正交多项式为基模式,基于欧式距离的RBF神经网络板形模式识别模型。该模型只用3个输入信号和3个输出信号,网络内部各层节点的物理意义明确,识别速度快,精度高,泛化能力强,为板形模式识别提供了简便实用的方法。板形执行机构具有非线性、时变性、干扰严重等特点,首先对板形执行机构进行机理建模,并对建立起来的高阶数学模型采用Routh降阶法降阶处理。使用基于经验模型的经典控制方法和现代控制方法很难得到较好的控制效果,因此本文设计了BP神经网络自校正控制(BPNN-STC)策略,利用神经网络能有效地克服各种非线性因素的不利影响,同时由于加入了自适应机制,有效地解决了模型变化和环境干扰带来的不利影响,改善了执行机构控制系统的动态性能。基于板形执行机构的功效函数,设计了板形控制器模块和板形计算模块,结合板形智能模式识别方法和板形执行机构自适应控制策略,构建了带钢冷连轧机板形自适应控制系统。在MATLAB的Simulink环境下进行了仿真研究。仿真结果表明,本文所设计的板形自适应控制系统响应快,超调小,对模型和环境的变化具有较强的自学习和自适应能力,可以将板形控制在±3I范围内,满足带钢冷轧机板形控制系统对快速性与稳态精度的要求,是冷连轧机板形控制的一种有效途径。