伴随着计算机水平与控制理论的不断发展,轧制系统的自动化程度逐步提高。钢板作为现代工业、机器人、军工行业等必不可少的资源,被寄予了更高品质指标的期望,而板带材厚度的精度无疑就是其成品质量的重要指标之一。故而,对轧制系统厚度控制的算法研究是很有必要的。本文结合轧机弹跳方程探讨了各类干扰因素对板带材出口厚度的影响,并分析轧机厚度控制系统与轧制原理,以及通过分析其内部各个组件与有关机理,建立了轧机辊缝控制系统数学模型。考虑到在实际轧制过程中随着油温的变化,油的容积弹性模数、粘性阻力等一系列参数都会缓慢变化,所以液压系统的动态参数无法精确估算。为了提高厚度控制系统带钢出口厚度的精确度,必须准确地识别轧制过程中模型参数的变化特性,因此,本文设计了基于辅助模型的变遗忘因子的递推最小二乘法,该算法用辅助模型的输出代替系统的真实输出来辨识系统参数,减小噪声的影响以及结合变遗忘因子,增强了系统的跟踪能力,减小了数据收敛误差,提高了模型辨识的准确度;又由于轧制过程建模复杂,滞后时间由于轧辊速度波动而难以确定,且多变量、多扰动,因此,本文研究了阶梯式广义预测控制算法,该算法在广义预测控制的基础上,引入阶梯式控制策略,通过对控制量施加约束,使得控制输入量的变化更加平稳,符合执行机构的控制规律,而且,不但保留了广义预测控制能够克服时滞特性,具有较高鲁棒性的优点,还在求解最优控制律中避免了逆矩阵的计算,降低了运算复杂度,提高了计算速度,因此更适合用于实际工程项目的在线控制。为了进一步验证上述算法的控制效果,本文以某冷轧机为对象,结合液压厚度控制系统实际情况,对其控制性能进行仿真验证。仿真结果表明,阶梯式广义预测控制较常规广义预测控制在跟踪性能以及自适应能力等方面均显示了更好的优越性,验证了该算法的有效性,为进一步研究厚度控制算法奠定了基础。