板形模式识别是板形控制系统的重要组成部分，其关键技术包括板形基本模式选择、板形特征参数个数确定和模式识别算法。在国家“十一五”科技支撑计划课题和国家自然科学基金项目的资助下，以非接触式板形仪为基础，对非接触式板形仪信号的消噪处理进行了研究，接着板形模式识别采用人工神经网络技术，以及板形控制策略进行了研究，取得了一定成果。考虑到非接触式板形仪的板形信号为非直接信号，信号处理的技术要求高，本文采用小波消噪技术进行板形原始信号的预处理。板形模式识别结合轧机板形控制手段的多样化，板形基本模式选择使用1次、2次、3次和4次勒让德多项式，含有3次板形的新模式识别方法，从一定程度上提高了板形模式识别的精度。在板形模式识别算法研究方面，首次采用自适应混沌粒子群算法，通过优化BP网络结构及权值、阈值建立的新的板形模式识别模型，提高了板形识别的精度和速度。仿真结果表明新建网络的抗干扰能力和自学习适应能力强、精度高，为板形控制策略的制定提供了准确有效的板形信息。以HC轧机为例，基于自适应混沌粒子群BP网络的实测结果，制定了缺陷板形反馈控制策略。基于VC++软件构建了仿真平台，用户可通过可视化界面进行相关参数设置，系统将自动对缺陷板形进行识别，并给出缺陷板形的I值分布及相应的反馈控制策略，实验分析表明该系统的识别精度高，可用于在线板形闭环反馈控制。