随着国民经济的迅速发展,中厚板产量稳步增长,在经济发展中扮演着越来越重要的角色,成为国民经济发展所必需的重要钢铁材料,同时也带动了轧制技术的发展。现代中厚板轧制过程的控制非常复杂,具有多变量、非线性、强耦合等特征,传统的控制模型难以满足现代化轧制技术发展的需求。随着人工神经网络和遗传算法等人工智能方法在轧制领域的应用,利用人工神经网络和遗传算法进行轧制参数的预报已成为一种解决问题的新方法。分析中厚板轧制过程中影响轧制参数变化的因素,结合数学模型,利用人工神经网络和遗传算法人工智能方法,对4200中厚板轧机轧制过程控制模型进行研究。分析中厚板轧制过程中轧制温度的影响因素,利用广义回归神经网络(GRNN)和数学模型相结合的方法,建立GRNN神经网络的中厚板轧制温度预测模型。与传统的BP神经网络模型对比,GRNN神经网络模型具有简单易行、预精度高和泛化能力强等优点,可以用于中厚板轧制温度的预测。针对BP网络易陷入局部最小点、学习速度慢且学习过程中易引起振荡效应等缺陷,通过分析神经网络和遗传算法的特点,将两者进行融合,并结合中厚板轧制过程中影响变形抗力变化的因素,建立遗传神经网络中厚板碳素工具钢变形抗力预测模型。通过与建立的BP、GRNN网络预测模型进行对比分析,结果表明遗传神经网络模型的性能最好,能进一步提高抗力的预测精度和泛化能力,可以用于中,厚板碳素工具钢变形抗力预测,为制定轧制规程提供依据。研究表明,利用人工神经网络和遗传算法相结合的方法对中厚板轧制过程的轧制参数进行预测,可以进一步提高轧制参数控制模型的预测精度和泛化能力,具有广阔的应用前景。