热轧带钢的层流冷却过程是通过控制喷在带钢上的冷却水流量与速率,使带钢从终轧温度按一定温降速率冷却到卷取温度,从而获得性能良好的热轧带钢产品。由于热轧层流冷却过程具有强非线性、参数时变、工况变化频繁等综合复杂特性,严重制约了常规反馈控制的应用,给其过程建模与控制带来了很大的难度。在热轧带钢层流冷却过程中,优化部分与建模部分补偿控制器的PI参数的整定是设计中存在的关键问题之一。本文依托国家973项目“复杂工业生产过程实时智能控制理论与算法研究”的子课题“基于数据的模糊规则提取方法及其应用研究”(No.2002CB312201-06),在AFS(Axiomatic Fuzzy Set)理论的框架内,对这一问题进行了深入的研究,给出了两种新的分类算法。1给出了一种新的基于输入输出数据的模糊规则提取算法。该算法首先求取各输入属性与评价属性间的贴近度,对输入属性进行约简并排序;然后利用AFS理论的聚类算法在每个输入属性上进行聚类分析;并采用逆向提取模糊规则的方法提取模糊规则;最后对得到的初始模糊规则进行调整,得到模糊规则库。将此算法应用到热轧带钢层流冷却过程的建模部分反馈补偿控制器的P参数整定中,并利用实测工业控制过程中的两组带钢输入输出数据对算法进行了实现,得到了较好的仿真效果图。2在AFS理论和贴近度的基础上,采用了AFS模糊逻辑运算的隶属度函数构造综合评价矩阵,并利用模糊贴近度来优化确定综合评价算法中的权重集,将此算法应用于热轧带钢层流冷却过程的优化模型中前馈和反馈控制器的PI参数整定中,并利用实测工业控制过程中的优化部分的输入输出数据对算法进行了实现,得到了较好的仿真效果图。将本文中的算法在东北大学自动化中心的层流冷却过程优化设定控制仿真实验平台上进行仿真实验,结果表明:降低了带钢热轧时的卷曲温差,提高了控制效果,达到了预期目标。