近年来我国轧钢行业得到了飞速发展,我国已成为世界上钢材产量最多的国家之一,但目前我国轧钢生产的技术水平与国际先进水平相比还有相当大的差距,每年由于板形不良所造成的经济损失非常大。板形精度是冷轧带钢的一项主要质量指标和决定其市场竞争力的重要因素,提高冷轧带钢质量的迫切要求使得板形控制成为我国钢铁企业面临的一个重要问题。影响带钢板形的因素极其复杂,同时,板形检测技术也存在较大的难度,这都给冷轧带钢的板形自动控制带来很大的困难。在闭环板形控制系统中,板形缺陷的模式识别和板形控制是彼此相关的两个重要环节。为制定合理的控制策略,须对实测板形进行模式识别,并以约定的参数定量地提供给下一控制环节。本文提出了一种基于RBF 网络的板形模式识别方法,该方法以勒让德正交多项式作为板形基模式,以待识别样本与6 个标准样本之间的欧氏距离作为网络输入量,以3 个板形特征值作为网络输出量,利用正交最小二乘算法建立了板形模式识别模型。该方法物理意义明确、简单直观,且训练过程时间短。用由该方法得到的板形模式识别模型对实测板形缺陷进行模式识别,仿真结果表明:该模型能够识别复杂的复合板形缺陷,且识别速度快、精度高。UC 轧机的板形控制系统是一个多变量、强耦合的控制系统,具有惯性及滞后的特点,其中间辊弯辊控制回路的数学模型具有很强的时变性和不确定性。针对这一特点,本文设计了一种基于遗传算法的模糊控制器,利用遗传算法来优化模糊控制器的隶属函数及量化因子和比例因子的初值,并且根据模糊控制查询表的输出来在线调整量化因子和比例因子。将该控制器应用于UC 轧机中间辊弯辊控制回路中,仿真结果表明:二次型板形缺陷能够得到快速有效的控制,该控制器具有比传统的模糊控制器更优的控制性能,且具有一定的自适应能力。