智能制造技术是当前全球工业研究的主流,而智能算法是智能制造的核心技术之一。智能算法是人们在实践中受到自然规律的启迪,模仿生物行为而提出的求解问题的算法。目前,各行业对智能制造技术有着广泛的关注与研究,并取得了一些初期成果。而自动化程度较高的钢铁行业,已经具备向智能制造转化的条件。本文首先研究了一种新型的智能优化算法——细菌觅食优化算法,并对标准细菌觅食优化算法(BFO)进行了分析、研究,发现标准算法具有很强的局部搜索能力,但在全局搜索能力上存在缺陷。而另一种智能算法——粒子群优化算法(PSO)具有很强的全局搜索能力,因此在保证原细菌觅食优化算法很强的局部搜索能力基础上,利用粒子群算法的优点弥补了细菌觅食优化算法在全局搜索能力上的缺陷,形成了PSO-BFO算法,提高了算法全局搜索性能,加快了收敛速度。并且在新算法的迁徙操作中,保留了适应度值排名在前1/5的细菌,以保护位置良好的粒子不会消亡。其次对热连轧精轧部分的中心问题——负荷分配进行了研究,分别介绍了负荷分配的能耗曲线法、基于轧制理论的分配法以及基于智能算法的负荷分配优化方法。在轧制过程中,各机架间的厚度分配对板形、板厚精度等产品质量有着非常重要的影响。热连轧精轧设定模型的基本任务是在满足设备要求的基础上,根据来料条件及对成品的要求,通过模型的计算,确定精轧机组各机架的入口厚度、出口厚度、轧辊转速等相关工艺参数。因此研究热连轧精轧机组负荷分配具有十分重要的现实意义。在对基于轧制理论的负荷分配法的研究中,本人提出用行处理法来求解轧制力成比例非线性方程组,并提出了一种新的初始值分配法。同时在新算法的基础上,利用VC++开发了板带轧制工艺过程仿真系统,并加入了经验负荷分配及轧制力比例分配计算模块。该系统既可以以传统方式进行厚度分配模拟,又可以利用PSO-BFO算法对经验分配进行优化,并清晰地展示了轧制过程的相关参数。最后利用板带轧制工艺过程仿真系统对某钢厂现场数据进行负荷分配仿真优化计算,将优化的负荷分配结果与原数据进行了比较。仿真结果表明,经由PSO-BFO算法优化的负荷分配结果,不仅保证了前几机架足够大的压下量,以充分发挥设备能力,又满足了后几个机架相对凸度变化稳定的要求,优化后的目标函数适应度值得到了明显的改善。