在我国钢铁生产是国家的支柱产业,热轧带钢生产又是钢铁生产重点发展的产业领域。随着市场经济的发展,客户对带钢产品的规格和质量提出了更高的要求。为了满足市场的需求和客户的要求,响应国家提出的节能、低碳、环保的号召,必须不断优化控制系统、拓展产品种类、改进产品质量,从而提高企业的竞争力。由于热轧带钢生产过程是一个典型的复杂工业生产过程,具有强非线性、参数时变和不确定性等特点,再加上生产设备之间相互联系的复杂性,采用现有机理模型控制生产出的产品很难满足客户提出的高质量产品的要求。智能算法和常规的机理模型相结合的组合建模方法已经成为复杂工业生产过程建模的新的发展方向。本文在山西省自然科学基金项目(编号：2010011022-3)的资助下,针对热轧带钢生产过程的综合复杂性,以热轧带钢的宽度控制过程为对象,进行了热轧带钢宽度的智能建模研究,研究设计了遗传神经网络和宽度控制机理模型相结合的组合智能建模方法。并针对小批量、特种钢宽度模型难以建立的问题,设计了案例推理的建模方法。本文的主要研究工作包括以下内容：(1)阐述了研究课题的背景和意义,分析总结了复杂工业过程建模的研究现状和现有的带钢生产过程中宽度控制模型的优缺点。(2)深入某热轧带钢生产现场,熟悉掌握了热轧带钢生产工艺过程、热轧带钢宽度控制机理模型、控制思路以及影响带钢宽度精度的主要因素。(3)研究设计了遗传神经网络和机理模型相结合的热轧带钢宽度模型。首先分析了BP神经网络的拓扑结构和学习算法,针对其学习速度慢、易陷入局部极小等缺陷,采用了遗传算法优化神经网络的权值和阈值,并给出其工作流程图。然后采用遗传神经网络来优化宽度机理模型中的可调参数,从而实现组合智能建模。最后采用实际生产数据对提出的方法进行了仿真研究,并通过统计分析证明该方法的有效性和可行性。在仿真过程中采用了平均影响值(MIV)来确定遗传神经网络的输入；针对初始参数选择的盲目性,采用了均匀设计实验法来确定遗传神经网络的初始参数,包括种群规模、交叉概率、变异概率、隐含层节点数。(4)采用案例推理的方法来实现对小批量、特种钢宽度模型的建立。首先构建以往生产过程中的小批量、特种钢的案例库,通过检索案例库,重用、修正相似案例的解得到新案例的解,并通过保存案例完成自学习功能。