可逆冷带轧机是生产普通碳钢、低合金钢等带钢产品的专属设备。在实际轧制生产过程中，可逆冷带轧机的左卷取机、主轧机和右卷取机通过带钢挠性连接，所构成的冷带轧机速度张力系统具有多变量、非线性、强耦合、不确定和慢时变等特征，并且连同主传动最大加减速、轧制过程重载荷强干扰等约束条件给轧机系统的分析与控制提出了新的挑战。本项目聚焦于研究可逆冷带轧机速度张力系统的解耦分散控制问题，主要研究工作如下：　　首先，结合冷轧带钢的轧制生产工艺，基于胡克定律、冷轧带钢的相关轧制理论、电机动力学方程、刚体转动定律等理论知识，推导出可逆冷带轧机速度张力系统的机理模型；考虑主轧机速度子系统中的摩擦系数和电枢电阻存在摄动，以及轧制力矩存在扰动，提出一种基于全局积分滑模面的自适应鲁棒控制方法，有效地提高了系统的跟踪控制精度。　　其次，基于对角阵解耦网络和反步法研究了可逆冷带轧机速度张力系统的静态解耦分散控制问题。应用对角阵解耦网络实现了冷带轧机速度张力系统的静态解耦；将反步控制与指令滤波器相结合完成解耦后各子系统控制器的设计，并通过构造神经网络干扰观测器对系统不确定项进行动态观测，有效地削弱了冷带轧机系统速度和张力间的耦合，增强了系统的鲁棒稳定性。　　再次，基于DFL理论和动态面反步法研究了可逆冷带轧机速度张力系统的动态解耦分散控制问题。应用DFL理论实现了冷带轧机速度张力系统的动态解耦和线性化；将反步控制与动态面控制相结合完成解耦后各线性子系统控制器的设计，并采用模糊自适应方法对所设计控制器中的匹配不确定项进行逼近估计，有效地提高了速度张力系统的动静态性能。　　最后，将可逆冷带轧机速度张力系统中的耦合项看成外扰，提出一种基于非线性干扰观测器、动态面反步控制和神经网络自适应逼近的控制方法。该方法通过构造非线性干扰观测器对系统的非匹配不确定项进行观测，并将反步控制与动态面控制相结合完成速度张力系统控制器的设计；采用神经网络自适应方法对系统的匹配不确定项进行逼近估计，并将输出的估计值引入到设计的控制器中进行补偿，速度张力系统实现了有效的解耦分散控制。