随着汽车、家电等行业的迅速发展,对板带产品的质量要求越来越高,而板带产品的质量主要取决于板厚和板形。目前,板厚控制基本成熟,而板形控制还有待于进一步完善。由于板带轧制过程环境恶劣、机理复杂,传统的控制方法难以取得理想的控制效果。因此,基于神经网络、模糊逻辑等智能计算的板形测控方法已经成为研究的热点。在深入分析板形控制方法后,结合板形测控中存在的实际问题主要做了以下工作。⑴提出了一种基于正则化方法的板形神经网络软测量模型。通过对实测数据进行实验研究,结果表明该方法可以提高预测模型的泛化能力和预测精度,并能够改善普通神经网络泛化能力不强的缺陷。⑵针对液压弯辊系统具有时变、非线性、外界干扰严重、难以建立精确数学模型的特点,以UC轧机液压弯辊系统为研究对象,构建了一种具有自适应能力的模糊神经网络控制器。仿真实验证明,同常规PID控制器相比,该控制器可以适应液压弯辊系统因不确定因素引起的参数改变,提高了控制系统的抗干扰能力,降低了控制系统性能对液压弯辊系统解析模型的依赖程度。论文最后给出了板形测控技术的发展方向。