本文针对中厚板生产过程中由于不对称因素所引起的侧弯问题,提出了侧弯预测与控制模型,研究了温度预测的在线修正方法、变形抗力自学习方法和影响函数方法,并基于机器视觉技术,开发出集侧弯检测、侧弯预测与侧弯控制的应用软件,在生产现场进行了在线应用,取得良好的效果。研究内容和取得的主要进展如下：(1)实现了中厚板生产过程中温度的高精度预测。基于隐式差分方法和有限元方法建立了中厚板轧制过程温度演变模型,确定了在不同传热条件下的换热系数；根据中厚板的生产特点,提出了根据模型预测温度和实测温度的互相检验,获得接近于真实的轧件温度的测量方法,该方法在测量轧件温度的同时,不断的对模型参数进行学习,保证了测量的准确性。(2)开发出基于遗传算法的变形抗力自学习系统。中厚板生产过程中,变形抗力模型参数的取值决定了轧制力模型的预测精度,通过对轧制力计算误差的影响因素分析,将遗传算法引入到变形抗力自学习方法中,充分利用遗传算法的空间搜索和优化能力,在实际生产数据中寻找变形抗力参数的最优值。在变形抗力自学习系统的开发过程中,实现了决策变量的选择,编码与解码、适应度评价及终止条件的处理。计算结果表明,这种方法的优化速度和精度能够满足生产要求。(3)提出中厚板轧制过程的侧弯预测方法。根据轧制过程中发生侧弯时轧件的运动特点,推导出预测轧件侧弯曲率的理论公式。利用修正后的适应轧件宽度变化的影响函数方法,结合温度模型和轧制力模型,计算轧件断面厚度分布。将影响函数方法与侧弯理论公式相耦合组成侧弯预测模型,可以分析不对称因素对轧件侧弯的影响。(4)提出一种轧件塑性系数的在线计算方法。针对塑性系数计算不准确或不稳定的问题,基于轧制理论模型,利用二次曲线拟合生产过程中的塑性曲线,在拟合曲线上求解压下量点处的切线斜率就得到了实际的塑性系数。这种处理方法使塑性系数的计算不依赖于过程计算机,可直接嵌入基础自动化中进行计算,根据轧制力的变化和辊缝的变化,不断的对塑性系数进行修正,提高系统的厚度补偿精度。(5)开发出过程控制支撑平台,并实现了在线应用。通过对过程控制系统结构的研究,在分析系统功能需求的基础上,开发出基于通讯进程和模型进程相分离的过程控制支撑平台,该平台封装了过程控制软件中的通讯环节,建立了一个基于事件调度、适合模型的编程、维护和调试的系统架构。该平台已经在多个中厚板的生产线实现了成功应用,极大的提高了过程控制系统的开发效率。(6)提出中厚板轧件平面尺寸测量方法。根据中厚板轧件平面尺寸的测量特点,提出测量方案,基于机器视觉技术,以灰度直方图均衡、快速中值滤波、Sobel算子边缘检测、Hough直线检测、采用空间矩方法进行亚像素定位以及8点标定方法为基础,建立了轧件侧弯测量系统,测量结果表明,测量精度可以满足工程要求。(7)提出等效轧件的概念,并应用于轧件的侧弯控制。在轧制过程中,轧件本身产生的不对称影响因素可以近似用一个位于轧制中心,带有一定楔形量的等效轧件来代替,对等效轧件实施侧弯控制与对实际轧件的侧弯控制是等效的,这种处理方法统一了不对称影响因素,便于进行计算和控制。(8)结合侧弯模型、轧件断面形状计算模型和轧件平面尺寸检测模型,开发出侧弯检测和控制应用软件。实现了轧件侧弯控制的在线应用,将生产过程中的轧件侧弯曲率限制在一定范围内,提高了产品的成材率。本文结合我国的中厚板生产过程,对中厚板轧制中的轧件侧弯现象进行了深入研究,开发出具有自主知识产权的侧弯检测与控制软件,对提高我国中厚板生产水平具有重要的意义。