板形是板带材重要的质量指标之一,板形控制技术是现代高精度板形轧机的关键技术。板形识别与板形控制技术的智能化实现是现代板带轧机控制中的前沿性研究课题。本文以冷连轧机板形智能控制系统为研究对象,对板形模式识别、执行机构控制策略及板形综合控制系统进行了理论研究和仿真分析。板形模式识别是板形控制的关键。针对板形模式识别的传统方法、神经网络识别方法各自存在的问题,设计了基于二进制编码和实数编码相结合的GA-BP网络,并利用该网络建立了板形智能识别模型。该模型只用3个输入信号3个输出信号,网络内部各层的物理意义明确,识别速度快,精度高,为板形模式识别提供了一种简便实用的方法。板形执行机构具有非线性、时变性、强耦合、干扰严重等特点,使用基于经验模型的经典控制方法和现代控制方法很难得到较好的控制效果。针对这一问题,本文设计了基于DRNN动态神经网络和最小方差自校正控制的内模控制策略。这种控制策略能够动态的辨识出系统的模型及逆模型,因此对系统模型的依赖性很小,能够有效的克服模型变化以及各种非线性因素的不利影响,充分发挥板形执行机构的调整作用,从而改善系统的动态性能。以现场实际数据为依据,设计了板形控制器神经网络模块和板形计算神经网络模块,结合前面所设计的板形智能模式识别方法、板形执行机构智能控制策略,构建了冷连轧机板形综合智能控制系统。并经过一定的简化处理,在MATLAB的Simulink环境下完整搭建了板形综合智能控制系统的仿真框图,并进行了相应的仿真研究。仿真结果表明,本文所设计的板形综合智能控制系统的控制效果很好,可以将板形控制在±3I范围内,并且对模型和环境的变化具有较强的自学习和自适应能力,是冷连轧机板形控制的一种有效途径。