板形板厚综合控制系统是工业轧制过程中的重要组成部分，其目的在于控制轧制后的钢板保持正确的形状和厚度。轧制过程中的板形板厚控制由于涉及的工艺复杂性、多变量耦合以及非线性特性，一直是工程控制领域中的难题。传统的控制方法，如PID控制，在这些复杂的非线性系统中常常难以取得良好的控制效果。针对这些问题，本研究提出了一个基于模糊神经网络的综合控制方案，用以提高控制的性能，实现无模型板形板厚的综合控制。
模糊神经网络结合了神经网络强大的非线性映射能力和模糊逻辑的推理能力。神经网络可以通过训练学习逼近任意非线性系统，但其控制方法容易陷入局部最小值且泛化能力不足，限制了控制系统的鲁棒性。而模糊逻辑则能够处理不精确、不确定的信息，具有较强的推理和容错能力。将模糊逻辑应用于神经网络的控制方案，能够克服单一神经网络控制的局限性，提升控制系统的整体性能。
在本研究中，模糊神经网络控制系统由一系列的控制模块构成，其中包括了对板厚偏差、板厚偏差变化率、板形偏差以及板形偏差变化率的语言变量进行控制的模块。系统通过模糊逻辑建立控制规则，如“如果板厚偏差是正的且变化率也是正的，则压下位置改变量应该是正的”，这类规则约有40条，确保了控制效果的准确性。每一个控制模块中的语言变量都映射到输入层的神经网络节点中。
控制系统中使用的是三层动态结构的神经网络，输入层接收24个节点的信号，输出层包含14个节点的输出，其中包括压下位置改变量和支撑辊弯辊力改变量等。隐层被确定为80个节点，输入层与隐层、隐层与输出层之间的连接权重分别用Wij和Wik表示。神经元节点采用Sigmoid函数作为激励函数，这种函数能够把输入信号映射到0和1之间。为了评判网络性能，采用均方误差作为网络输出的评价标准，并通过梯度下降法调整加权系数，使网络逐渐收敛到给定的域值。
仿真结果表明，基于模糊神经网络的板形板厚综合控制系统具有较好的收敛性和抗干扰能力，实现了令人满意的板形板厚控制精度。这标志着在控制复杂的非线性轧制系统方面，模糊神经网络控制方案有着潜在的应用前景和重要的研究意义。通过该控制系统的设计和实施，可以有效提升轧制产品质量，降低废品率，提高生产效率，对工业轧制过程自动化和智能化具有重要的推动作用。
