板形是带钢产品的主要质量指标，提高带钢板形质量是轧钢过程的重要课题之一。目前，钢铁企业致力于从带钢轧制前，轧制时和轧制后三个阶段全面提高带钢的板形质量。带钢轧制前，通过调阅来料的板形质量信息，预设定轧机的轧制参数。带钢轧制时，以板形自动控制系统为主，以适当的人工干预为辅，在线调节带钢的板形。带钢轧制后，统计轧后带钢的板形数据，分析轧机的板形控制效果，改善轧机的板形控制能力。因此，本文根据企业在板形质量控制三个阶段的实际需求，从板形模式识别，板形动态显示和板形质量评判三个方面出发，研究提高冷轧带钢产品板形质量的通用方法。　　首先，考虑到多工况间板形数据的差异性及由轧制现场环境复杂导致板形数据包含显著的噪声干扰，为了满足高精度的板形控制要求，本文提出了B样条曲线和神经网络相结合的板形模式识别方法。该方法先通过固定控制点个数，选择适当的参数使B样条曲线平滑逼近多工况带钢的板形数据，实现板形数据的降维和平滑滤波，再结合具有高度非线性映射特性的神经网络，使板形模式识别的通用性更强，结果更加准确可靠。实验结果表明，该方法具有较高的识别精度、一定的抗干扰能力及较强的通用性。　　其次，根据冷轧带钢生产过程中现场操作工程师对在线板形可视化的实际需求，本文提出了基于递推B样条曲面拟合的板形三维动态图像生成技术。该方法先通过B样条曲面逼近连续的多帧板形数据，再采用改进的递推最小二乘法实现板形三维动态显示。基于实际过程数据的仿真结果表明，该方法具有拟合误差小、板形特征突出，且三维显示效果逼真等优点，可为实际轧制生产过程提供一种实用的技术手段。　　最后，为采集带钢的已轧板形质量信息，满足厂商和客户对轧后带钢板形质量的需求，本文在板形模式识别和三维显示技术的基础上提出了一种板形缺陷统计方法，不仅可提供板形缺陷的类型、严重程度，还可以标注质量缺陷在钢卷中的具体位置等信息。案例分析结果表明，该板形评价方法能提供详细板形质量信息，具有一定的实际应用前景。