主要工作如下:1.分析2050mm热连轧厚度控制模型和带钢厚差产生的原因,为建立轧制力纠偏人工智能系统打下坚实的基础.2.建立精轧数据仓库.把数据集市应用在热轧轧制过程中.精轧数据仓库包括精轧轧制过程中的各种设定数据和实测数据.数据仓库中的海量数据为数据分析、数据挖掘和神经网络训练提供保证.3.在已建立精轧数据仓库的基础上,采用数据挖掘技术用于对海量的精轧数据进行相关性等处理,从中提取精轧轧制数据的规律.4.在数据仓库和数据挖掘的基础上采用人工神经网络方法,建立用于轧制力预报的Rolling Force-Back Propagation (RL-BP)网络.充分利用建立的精轧数据集市和通过对神经网络输入参数和结构的挖掘而产生新网络结构,并用此新网络结构进行训练,进而使神经网络的学习效率改善.5.提出单一机组和连轧机组带钢厚度与轧制力偏差的校正方法.6.利用RL-BP神经网络预测了2050mm连轧精轧机组的各种偏差量,在2050mm热连轧精轧机组的离线仿真结果表明:轧制力偏差降低了5﹪,带钢厚度偏差降低了10~20﹪,效果显著.该文的研究成果已在生产现场得到应用.基于数据仓库和数据挖掘的人工神经网络轧制力智能控制思想用于2050mm热连轧精轧机组,为神经网络和数据仓库、数据挖掘、数学模型的组合提供了一种方法和途径.目前该系统已应用于2050mm热连轧精轧机组中,使带钢厚度精度提高了近2﹪.