铝合金板带材因其具有质量轻,比强度高,耐蚀性好、易加工,表面质量好等优点而被广泛应用。在国防军工、航空航天和交通运输等行业,对高精度的铝合金宽幅板带材的需求越来越大。目前我国连轧控制技术水平还比较落后,生产出的产品质量还达不到市场的要求,每年仍然需要进口大量高精度的铝合金宽幅板带材,尤其是5×××系的宽幅板材,制约了国民经济和国防建设的发展。加强对铝合金宽幅板带材质量控制技术的研究,研发拥有自主知识产权的超大规格,高性能的铝合金宽幅板带材质量控制技术,是一件有重要意义的事情。在质量控制技术研究中,各种精度高的控制模型获取是研究中首要任务,而预测模型是控制模型建立的基础。宽幅板带材生产过程具有多变量、强耦合、非线性和时变性等特点,已有的模型大都采用传统的本构方程和拟合求解的方法,由于求解复杂,往往采用简化方式,造成模型精度难以达到理想的效果。人工神经网络(ANN)等智能技术擅长处理复杂的多维的非线性问题,同时具有良好的自适应性和自学习能力,在数据丰富的领域得到了广泛的应用。而铝合金板带材生产过程中积累了相当的数据,因此有必要引入人工神经网络、专家系统等人工智能技术开展研究。铝合金宽幅板带材厚度的控制和板形的控制是质量控制的主要指标,本文针对两大指标影响因素展开分析研究,运用人工神经网络等技术,构建相关预测模型,为高精度控制模型建立奠定了基础。目前,对于板材厚度预测的模型比较多,但是对铝合金宽幅中厚板的研究鲜有人涉及。针对国内水平领先、最宽幅的“1+4”热连轧生产线,根据生产现场获取的有广泛应用的5083铝合金宽幅中厚板实测数据,在研究分析关键影响因素的基础上,运用人工神经网络技术建立了铝合金宽幅中厚板厚度预测的BP神经网络控制模型。模型的最佳结构为4-10-1。其相对误差在0.5%之内,精度较高,泛化能力较好。应用模型预测了5052宽幅铝合金中厚板的出口厚度,预测结果在一个合理的范围内,效果较理想。铝合金的流变应力是宽幅板带材板形最主要的影响因素。本文以5083铝合金为研究对象,在温度300-450℃、应变速率0.001-1s-1和真应变为0.7的条件下对其进行等温压缩试验。基于热变形实验数据,在整个应变范围内,分别利用应变补偿的包含Z参数的本构关系和人工神经网络建立了合金流变应力的预测模型;ANN模型的最佳结构为3-9-1;对两种预测模型的预测结果比较分析表明:ANN模型具有更高的预测精度,可以预测不同变形条件下的流变应力值。确认了ANN方法在数学建模中的优势。为了更好地方便应用预测模型,加快研发速度,本文还采用C#.NET与Matlab混合编程的方法,开发了铝合金宽幅板带材性能预测神经网络专家系统,目前包含铝合金宽幅板带材厚度预测和流变应力预测两个应用模块。采用Matlab引擎技术实现了专家系统人机界面与知识库的耦合,采用C#语言,结合ASP.NET技术,实现了专家系统的人机交互界面。同时应用专家系统量化了厚度影响因素对轧件厚度波动的影响程度,为高精度宽幅板带材质量控制模型的建立,提供了更多有意义的信息。