带钢生产在国民经济中占有十分重要的地位,广泛应用于汽车、造船、桥梁和家用电器等方面。平直度是衡量带钢的重要质量指标。随着社会发展与科学技术的进步,用户对冷轧带钢产品质量的要求越来越高,平直度问题已成为日益迫切的急需解决的问题。平直度模式识别是平直度控制的关键。针对目前平直度模式识别方法存在的问题,以及考虑到现代轧机平直度控制手段的多样化和平直度控制能力的提高,为了提高平直度模式识别的精度,首先采用小波消噪技术对实测平直度数据进行预处理,消除其中的噪声成分,然后以1次、2次、3次、4次勒让德正交多项式为平直度基本模式,建立了基于量子粒子群-BP算法混合优化BP网络的平直度模式识别模型。仿真实验表明,该模型抗干扰能力强、识别精度高、速度快,可以为平直度控制策略的制定提供可靠依据;小波消噪技术对实测平直度数据的消噪处理,还原了真实的平直度信号,提高了平直度模式识别的抗干扰能力和精度。平直度预报模型是平直度控制系统设计的重要基础。根据现有的平直度预报模型,为了进一步提高平直度预报模型的快速性和准确性,以生产实测数据为基础,建立了QPSO-RBF网络平直度预报模型。该模型首先采用减聚类算法对训练样本集进行聚类分析,并通过一个自动聚类终止判据来确定聚类数目,解决了RBF网络隐节点数难以确定的问题,然后采用量子粒子群-梯度下降算法对网络参数进行优化选择,保证网络性能达到了全局最优。仿真实验表明,该模型比常用的BP网络模型,具有预报精度高、速度快,更适用于实际轧制过程的优点。