本课题以热轧控制系统为研究对象，重点研究了热轧系统建模以及优化控制，建立了粗轧压下系统模型，以及精轧张力控制系统模型，并将粗轧压下系统模型成功移植到RT—LAB平台上，并通过网络通信方式，将过程机控制系统、动画显示联系在一起，实现了粗轧全系统分布式实时仿真。同时为提升液压宽度压下系统的能力，将免疫PID控制技术和粒子群优化技术应用到液压宽度控制上；为提高精轧主传动系统的能力，将自适应交互PID技术以及迭代反馈整定技术应用在直流主传动控制上，结果表明，液压宽度压下系统和直流主传动系统控制性能都得到进一步改善。在飞剪剪切优化方面，将动态阈值处理、行态学滤波等图像处理手段应用到带钢头尾图像处理中，并建立和训练了带钢头尾优化剪切判别的神经网络，研制出一套实用的带钢头尾图像识别及剪切优化系统。 本课题根据现场设备的特点，按照原理建模的方式方法，建立了粗轧宽度压下、粗轧厚度压下模型、精轧张力控制系统模型。其中粗轧宽度压下模型又包括液压压下系统模型和立辊机架模型，精轧张力系统模型包括直流调速系统模型、交流同步调速系统模型、电动活套模型。所有模型的参数均根据现场资料和理论计算获得，并通过大量现场数据的验证。高可靠性的模型是热轧数字仿真和优化研究的基础。 分布式实时仿真是仿真的难题之一，本课题将所有粗轧模型成功的移植到RT—LAB平台上，并根据模型特点，建立了模型间和模型外的同步和异步通信，通过以太网和火线连接的方式构成仿真集群，将虚拟带钢、过程机、动画显示、基础自动化控制成功的联系在一起，真正实现了粗轧全系统分布式实时仿真。 粗轧宽度控制系统的核心设备是液压压下系统，要想提高粗轧宽度控制能力，必须提高液压压下系统的控制性能。本课题在粗轧宽度压下系统模型的基础上，将免疫PID和粒子群优化技术应用到液压宽度控制上。免疫PID是将传统PID与免疫系统的反馈调节机制结合在一起构成的新型PID控制器，为增强免疫PID控制器的非线性自适应能力，还创新的将Adaline神经网络作为免疫调节的非线性函数，仿真结果表明在外界扰动以及工况变化的情况下仍能取得良好的控制效果。粒子群算法是一种基于群智能的启发式寻优算法，将该优化算法与PID参数寻优结合起来，同时根据常用的误差目标函数，以及模型实际特点，创新的提出一种加权目标函数，作为寻优的适应度函数，仿真计算表明，粒子群算法能够对液压系统现有的PID参数进行在线优化。 传统的活套张力控制是通过调节主传动系统的速度来达到控制精轧张力的目的，精轧张力控制系统的性能在很大程度上受到主传动的控制特性的影响。本课题在精轧主传动模型的基础上，将自适应交互PID技术以及迭代反馈整定技术应用到直流主传动控制上。自适应交互PID是将简化后的自适应交互算法与常规PID控制器相结合，无需预知被控系统模型，就能够实现系统控制性能的优化，仿真表明在外界负载扰动、信号污染等工况变化的情况下仍能取得良好的控制效果。迭代反馈整定是一种新型的PID参数