板带材在工业生产以及人民生活中有着重要的应用。因此,其产品质量的提高也成为学术界关注的焦点。现代工业对产品精度的要求,使得传统的控制理论有了一些局限,而人工智能理论——尤其是人工神经网络的完善和发展,为板带材的生产提供了更加强有力的工具。近几十年来,人工神经网络不断被应用在板形模式识别和板形控制上。针对目前板形智能识别及控制存在的问题,设计了Elman网络板形识别及控制系统,在神经网络的训练方法上做了进一步的研究。首先,针对板形识别的BP网络模型泛化能力弱、学习速度慢等缺点,建立了基于Elman网络的板形模式识别模型。仿真结果表明,该模型在隐层节点数与学习次数相同的条件下学习能力和泛化能力均强于BP网络模型,达到了理想的效果。其次,在建立板形控制的预测模型时,先后采用了常规Elman网络模型、粒子群算法训练的Elman网络模型、模拟退火算法训练的Elman网络模型、人工蜂群算法训练的Elman网络模型以及贝叶斯正则化算法训练的Elman网络模型。通过对比训练时间、泛化能力等指标,决定采用贝叶斯正则化算法训练的Elman网络模型,用其求得板形控制的动态影响矩阵。最后,将板形控制动态影响矩阵法应用在900HC轧机上,通过仿真验证,取得了满意的效果。