钢铁是发展国民经济、增强综合国力的重要物质基础。而板带材是广泛应用于国民经济各部门的重要原材料。近年来，随着工业自动化水平的不断提高，对板带产品质量的要求也越来越高。板带材是金属在轧辊作用下经过一系列变形过程而形成的，整个轧制过程受到金属本身的特性和轧制条件的影响。板形质量和板厚精度是衡量带钢质量的两个重要指标。因此，实现板形板厚(AFC-AGC)综合系统解耦控制的研究已经成为轧制技术领域中的一个前沿课题。但是，AFC-AGC综合控制系统是一个非线性、强耦合、大时滞的多变量实时控制系统，对于这样一个复杂的系统，常规的控制方法难以取得理想的效果。因此，采用现代控制方法和智能技术相结合的控制手段，已经成为AFC-AGC综合控制的发展趋势。本文将板形控制和板厚控制系统作为一个整体来考虑，建立了AFC-AGC综合控制数学模型。针对AFC-AGC系统数学模型，应用不变性原理并结合PID控制算法对AFC-AGC系统进行了解耦控制，仿真结果表明解耦控制效果良好，减小了板形板厚控制的耦合影响；但是，在系统运行过程中模型参数发生变化时，解耦控制性能会变差。并且难以建立精确的AFC-AGC系统数学模型也会影响解耦效果。于是，本文针对这些问题在神经网络控制和解耦控制理论提出了RBF神经网络分散解耦控制方法，设计了基于RBF神经网络整定参数的PID控制器，并将其应用于板形板厚综合控制中，有效解决了解耦过程中系统模型参数的不确定因素影响控制性能的问题。最后，针对基于神经网络解耦的板形板厚综合控制系统，通过Matlab编程进行了计算机仿真，仿真结果表明该控制策略提高了板形板厚解耦控制精度，优于传统的解耦控制方法。