神经网络是一门活跃的边缘性交叉学科,是高度非线性动力学系统,也是自适应组织系统,可以用来描述认知、决策以及控制的智能行为。神经网络控制是智能控制领域研究的重要方法之一。传统控制方法在现代控制应用方面凸显出的局限性,加速了控制界对神经网络控制理论的研究与探讨。神经网络的产生与发展,对控制理论研究产生了空前的刺激和极大的推动作用,解决了传统控制方法无法解决的控制难题。本文以具有参数不确定性、复杂的液压AGC辊缝系统为研究对象,对神经网络控制方法进行研究。本文对液压AGC辊缝系统的组成、结构以及特性进行了详细分析,对影响轧机辊缝的主要因素和表述各因素之间相互关系的弹跳方程进行了研究,指出轧机辊缝对板带材产品厚度的影响,并运用机理建模方法建立了液压AGC辊缝系统的数学模型。本文首先采用常规PID和基于BP神经网络的PID控制方法对液压AGC辊缝系统进行控制,通过仿真指出两种控制方法的局限性。其次,针对常规PID控制参数整定困难的缺陷,以及BP神经网络层数、各层神经元节点数选取无定则和网络各层间连接权重初值选取为随机值的局限性,采用PID神经网络(PIDNN)予以解决,改善了系统的动静态性能。最后,本文提出了改进型PID神经网络控制方法(IPIDNN),对PIDNN隐含层积分神经元节点进行梯形积分变换,对PIDNN隐含层微分神经元节点进行不完全微分变换,网络各节点输出函数采用双曲正切函数代替比例阈值函数,并应用IPIDNN对液压AGC辊缝系统进行控制。仿真结果表明,该方法具有快速性、稳定性、鲁棒性和自适应性。