连铸冷却过程控制是连铸生产过程控制系统中的关键环节，直接影响铸坯质量和铸机生产率。目前板坯连铸过程控制还是以引进为主，迫切需要进行国产化研究。本课题以提高板坯表面温度的控制精度为目标，以数学模型为基础，以大量实测数据为依据，以智能方法为主要手段，对板坯连铸冷却过程进行了探索研究，在以下几方面取得了研究成果：　　 (1)根据板坯连铸生产的工艺要求，首次把支持向量机应用于板坯表面目标温度的动态设定。支持向量机板坯表面目标温度动态设定模型根据连铸机的浇注温度和拉速等因素，在线实时调整板坯表面目标温度，使目标温度始终保持在符合冶金规则的最佳范围内，为实现板坯连铸冷却系统的动态控制提供条件。　　 (2)通过分析二冷区板坯表面温度的分布情况，首次把具有动态映射能力的对角递归神经网络应用于板坯表面温度的预测。对角递归神经网络预测板坯表面温度模型较好地克服了利用传热模型预测板坯表面温度误差较大、计算量大、实时性不好的缺点。　　 (3)结合对角递归神经网络具有的动态表征能力和T-S模糊神经网络具有明显物理意义的优点，提出了一种T-S对角递归模糊神经网络。仿真结果表明，在相同情况下，T-S对角递归模糊神经网络的学习误差和检验误差比T-S模糊神经网络的学习误差和检验误差小，能够更好地表征系统对象的动态特性。　　 (4)通过考虑影响冷却水水量分配的温度差和拉速变化率，建立了T-S对角递归模糊神经网络模型对冷却水进行动态控制，满足拉速和目标温度等条件变化对水量调整的实时性要求。　　 (5)在常规PID控制的基础上，结合模糊控制理论和卡尔曼滤波理论，设计了卡尔曼滤波模糊自适应PID控制器。该PID控制器具有抗干扰性强、鲁棒性好和控制精度高等特点，对扰动和测量噪声具有良好的抑制作用。　　 (6)以实际板坯连铸机为研究背景，根据连铸冷却控制系统的整体情况，建立了一个板坯连铸冷却过程智能控制模型。该模型采用支持向量机动态设定板坯表面目标温度，采用对角递归神经网络预测板坯表面温度，采用T-S对角递归模糊神经网络调整与分配连铸冷却水，采用二冷区第七段出口铸坯表面实际温度作为反馈信号对连铸冷却过程进行闭环控制。实验表明：该模型能够按照设定的目标温度准确地控制板坯表面温度，实现连铸冷却动态优化控制，对提高板坯质量具有重要意义。