板材智能化加工就是用智能化手段对板材加工过程进行智能的控制，用在线预测的性能参数（弹性模量、硬化指数、强度系数、厚向异性系数）和最合理的行程曲线实现最好的成形效果。材料性能参数识别是材料加工智能化的重要研究课题，Rough集理论强大的数据约简功能为神经网络提供了更合理的结构和样本数据。Rosetta软件是Rough集理论专门的数据处理软件，可以进行数据离散化和数据约简等数据处理。根据Rosetta软件的约简结果，我们可以区分哪些是绝对必要的关系，哪些是非绝对必要的关系，进而优化神经网络的拓扑结构。Rosetta软件的分析结果为神经网络实验优异的收敛证实。对轴对称拉深件和盒形件，经过处理的非样本数据的预测相对误差精度都在5％以下，甚至达到0.25％。另外，本文首次提出了基于Rough集理论的并行微元神经网络，以代替原来的神经网络。利用Rough集理论卓越的分类能力，结合神经网络的非线性逼近能力，用几个微元神经网络来处理弯曲智能化控制的参数识别问题，与以前的神经网络相比，得到了比较满意的结果。并行微元神经网络可以作为对输入输出过多又无法收敛的问题的新思路。四种材料性能参数的预测相对误差都在5％以下，有的参数预测误差甚至达到0.058%。