该文在分析了热轧带钢生产过程和目前国际和国内板形板厚控制(AGC-ASC)方法的基础上,主要针对六机架AGC-ASC系统时滞、非线性、参数时变等问题,从智能控制的角度进行了研究,也从可实现角度进行了实际设计.在研究实际设备的基础上,设计可以应用在出口只有一个凸度仪的六机架热连轧机上的凸度控制系统,即基于凸度模型在线学习的凸度控制调节系统.针对AGC-ASC中的变参数、滞后、大惯性及非线性、多变量耦合问题,研究设计了基于模糊PID和自适应集中延时神经网络的解决方案:采用自适应集中延时神经网络辨识和延迟时间T<,d>,在线获得对象模型及无滞后输出Y(k+T<,d>).通过在FIR神经网络的指标函数中增加遗忘因子,提出一种新的在线学习算法.首次将FIR神经网络应用大于时间滞后的多机架热连轧机模型辨识,根据六机架热连轧机试验数据,采用FIR网络进行了模型辨识,验证了网络的在线模型辨识能力.首次把逆控制理论用于热连轧机AGC-ASC中,针对热轧机AGC-ASC的增量模型设计了线性逆控制器,推导出了凸度和厚度综合控制系统逆控制模型.仿真结果表明,该方案对缓变的扰动信号(扰动中的正弦部分,对应于实际带钢的厚度以及凸度的趋势性误差)起到很好的抑制作用,而对于快速随机扰动信号,线性逆控制器的效果有待改进.