随着经济的发展和科学技术的进步，板带钢应用已融入社会各行各业的发展中，对带钢的质量要求也越来越高。板形是检测板带钢质量的重要指标，板形识别与控制是板带轧机的关键技术。面对板形控制中存在的诸多问题，现代控制理论和智能控制理论相结合的方法，已经成为板形控制的发展趋势，本文以板形模式识别与智能控制为研究课题，基于智能控制理论，设计了遗传算法(GeneticAlgorithm，GA)优化的PID神经网络(Proportional-Integral-Derivative Neural Network，PIDNN)模型，分别用GA和BP算法优化PIDNN，进行了深入的对比研究，实现了板形识别与控制。首先在分析了现有板形识别方法和智能控制方法基础上，针对其存在的建模困难、精度低等问题，将PIDNN引入到板形识别及控制中；其次着重研究了PIDNN的结构及算法，在PIDNN的优化过程中，针对传统BP算法的不足，引进GA实现PIDNN优化，建立了GA-PIDNN动态模型，PIDNN不仅具有传统神经网络的特点，其隐含层融入了具有动态特性的比例、积分、微分神经元，用GA代替BP算法优化神经网络，充分发挥了GA全局优化的特点，克服了传统BP算法易陷入局部极小的不足。此外，针对某900HC可逆冷轧机，建立了基于GA-PIDNN的板形模式识别模型、板形预测模型，设计了轧机板形智能控制系统。仿真研究表明，GA优化PIDNN的板形识别、预测精度及控制效果皆优于BP优化的PIDNN模型，GA-PIDNN模型在板形识别及控制中得到了充分利用，是一种有效的识别及控制方法。最后，针对板形缺陷的二次分量，设计了某900HC四辊轧机GA-PIDNN液压弯辊控制系统，通过仿真验证，显示了GA-PIDNN控制器的快速性和有效性，是一种较好的液压弯辊控制方法。