热镀锌产品具有良好的机械加工性能和很强的耐腐蚀性能，在机械工业、钢结构建筑、汽车制造、家电制造、通讯及电力等诸多领域具有广泛地应用。随着汽车行业对热镀锌板需求量日渐增大，对钢板质量的要求出不断提高。锌层的厚度与均匀性是镀锌钢板和钢带的重要质量标准，也在一定程度上影响着生产成本。
　　在连续热镀锌生产线中，气刀和锌层测厚仪是控制锌层重量的核心设备，两者通过控制算法形成闭环。本文便围绕锌层测量模型、气刀控制影响因素、控制算法三方面对锌层重量控制展开系统研究。
　　目前各大钢厂热镀锌线均安装了国外公司生产的锌层测量系统，但国内连续热镀锌行业却对锌层重精测量方法的理论研究不足。针对这一问题，本文提出一种基于Montc Carlo N-Particle Transport Code(MCNP)的锌层测量模型仿真研究方法。介绍了如何利用MCNP计算、分析试样上均匀分布的锌层重量。在XRF测量原理分析与实际生产设备调研的基础上，构建了基于材料核素和质量分数的物理模型。比较了不同入射能量单色光子、探测距离和入射光斑尺寸下，X射线荧光光谱和锌荧光探测效率的变化。结果表明:入射光子能量与目标元素的特征X射线能量差值越小，所产生荧光强度越大;探测器窗面积越大，采集荧光强度越大，并当探测器距离在20-40mm时荧光强度达到最大;同时，本文构建的模型建立了锌Kα的荧光强度与锌层重量良好的线性关系，R2=0.9994，有效地模拟了基于X射线荧光的测量过程，提供了锌镀层测厚仪设计与仿真的新方法。
　　在吹气法热镀锌中，影响锌层重量的因素有多种，其中与气刀相关的各工艺参数影响较大。针对锌层重量控制过程中存在非线性和多变量的对象特性，提出一种基于正交试验设计、数值模拟及响应面法的锌层重量控制影响因素模拟与优化分析新方法。采用试验设计和现场数据采集方法获取实验样本数据，运用极差分析得到各单因素对响应指标的主次顺序，推导出线性回归公式，并采用含交互作用列的正交试验对模型进行优化，以修正实验结果。结果表明:拟合得到的二次回归方程模型的决定系数为R2=0.9976，P＜0.0001。根据实验结果得出影响锌层重量变化的主次因素关系顺序是:吹气压力、带钢速度、吹气压力与带钢速度的交互作用、喷嘴距离、喷嘴缝隙、吹气压力与喷嘴距离的交互作用。结果揭示了冈素交叉项对锌层重量的重要影响，在此基础之上确定了在生产效率最大化和生产能耗最小化两种模式下锌层重量的控制方法。
　　为进一步解决连续热镀锌锌层重量控制过程中的连续性、实时性、时变性与滞后性等复杂问题，提出一种基于改进的动态模糊神经网络的在线锌层重量预测新方法。介绍了动态模糊神经网络的学习算法，改进了学习算法中施密特正交分解的前提条件，同时结合正交数组对输入空问的代表性，显著提高了动态模糊神经网络在处理高维小样本时的泛化能力。以热镀锌生产线的生产实际数据作为研究对象，分别使用径向基神经网络、BP神经网络、动态模糊神经网络对样本进行r训练和检验，验证了改进的动态模糊神经网络有效性。在改进的动态模糊神经网络基础上，利用合金化率校正了X射线荧光测量值，校止结果与重量法的最大偏差为1.73g/m2，10组测试中有2组值能准确预测，10组预测的均方根误差为1.2737。
　　针对不能自动获取进口设备测量数据的问题，开发了锌层测厚仪数据采集系统，实现了自动捕获所需相关数据，分析和运算后形成最终的检验报告，并自动上传至产销系统中。系统可靠性很高，可有效缓解离线检测工作压力、提高检验及时率。针对人工控制补偿依靠经验、没有理论依据的问题，在数据采集系统和以上研究基础之上，开发了控制优化支持系统，实现了控制参数的选择与预测。