连续退火炉冷却段出口带钢温度精度直接影响带钢的组织性能和力学性能,是保证带钢质量和板形良好的重要因素。所以对连续退火炉冷却段带钢出口温度进行控制及冷却过程参数进行优化,成为连续退火线带钢生产中的重要环节,具有很强的现实意义。连续退火炉快冷段冷却过程工艺要求最为严格,控制手段最为复杂,在各冷却段中起着主导作用,本文以本钢二冷轧连续退火线为背景,重点对带钢快速冷却过程控制系统中如何提高出口带钢温度精度从控制方法和参数优化上进行了较深入系统的研究。本文深入消化研究了连退炉快冷段带钢冷却过程控制系统,研究了带钢冷却过程的数学模型,预设定计算过程,特别是带钢冷却过程中的一个重要参数——水冷辊位置的设定方法,以及快冷段带钢温度控制方法。分析了带钢快冷过程控制存在的问题,并基于人工智能方法提出了改进策略。针对反馈系统中检测点相对控制点滞后很大给系统控制带来的问题,将基于Smith预估的模糊PID控制策略应用于带钢冷却控制。设计了基于Smith预估器的模糊整定PID控制系统,在SIMULINK环境中进行了仿真,分析了系统的控制效果和抗扰性能。考虑到被控对象模型的不确定性,对预估模型和对象模型不匹配的情况分析比较了PIDSmith预估控制方法和本文采用方法的控制效果,结果表明,本文设计的基于Smith预估的模糊PID控制器应用于带钢冷却控制系统具有较好的控制效果。针对前馈回路中采用分类查表法利用Excel(VBA)设定水冷辊位置存在的问题,根据人工神经网络优秀的处理复杂非线性过程的能力,提出了利用改进的BP神经网络预报水冷辊位置,代替分类查表法。充分考虑影响水冷辊位置设定的条件,建立了十个输入六个输出的BP神经网络模型。并将神经网络与数学模型结合起来,将预报结果用于辊冷温降模型计算。通过利用大量现场数据的仿真与比较分析,训练好的神经网络具有很高的预测精度,带钢温度控制精度也得到了明显的提高。