本文以某1450mm五机架UCM冷连轧生产线为研究对象,以数据驱动算法为数学工具,针对UCM冷轧机,以研究冷轧板形调控功效系数的获取方法及建立冷轧板形预测模型为出发点,采用数据驱动算法进行了深入研究。提出了一种基于OSC-PLS算法的板形调控功效系数的计算方法,并采用KPLS-ANN算法建立了板形预测模型。同时,基于KPLS-ANN板形预测模型,采用梯度下降法实现了板形设定优化。本文的主要研究内容如下:（1）依据大量搜集和获取的冷连轧生产数据,根据主成分分析和核主成分分析理论,对数据中的异常情况进行分析,并对数据进行有效异常值剔除、降噪等的预处理,找出了实际生产数据中的异常点。（2）采用结合正交信号校正法和偏最小二乘算法相结合,采用根据冷连轧实际生产数据,分析板形调控机构的影响规律,根据板形变化变化量与调控机构调节的关系变获取了板形调控功效系数。比较对比了数据驱动方法和传统经验法获取功效系数的应用效果,验证了前者获取功效系数的准确性,得到了有着良好效果的功效系数。（3）考虑影响冷连轧板形的相关因素,提出基于非线性拟合的核偏最小二乘方法及其改进方法,提出开发了基于KPLS和KPLS-ANN算法的板形预测模型。根据基于实际生产数据,采用KPLS-ANN预测模型实现了对冷轧板形的高精度预测,验证了模型的预测性能。KPLS-ANN预测模型的预测均方根误差（RMSE）、平均绝对误差误差（MAE）、平均绝对百分比误差（MAPE）分别为0.511、0.341和0.09,有着良好的预测性能。（4）在KPLS-ANN板形预测模型基础上,采用梯度下降法实现了板形设定优化。以KPLS-ANN模型为基础,通过对所有机架的工作辊弯辊力、中间辊弯辊力和轧辊倾斜的全面调整,实现了对冷轧板形的优化设定。优化设定过程有效的改善了调控机构的初始设定参数,明显的改善了板形,取得了良好的效果。对优化所有机架进行优化时,采用KPLS-ANN模型使板形标准差由4.101降至2.221,优化效果显著。本文的研究结果针对板带冷轧机的板形预测与控制过程,有着很较强的实用性,研究成果对板形预测模型的开发和控制系统的优化具有一定的指导意义。