一个国家的发展离不开一个强有力的钢铁行业，随着社会的发展，用户对板带材的质量提出了更高层次的要求。作为衡量板带材质量指标之一的板形由于在轧制过程中难以建立精确的在线板形控制系统，一直没有得到满意的控制效果。所以研究新的板形控制理论，建立精确的在线板形控制系统对于提高板形精度具有重大意义。在板形控制当中，液压弯辊是控制二次板形缺陷的主要手段。由于液压弯辊本身是一个非线性、慢时变、强干扰的复杂系统，再加上板形控制具有非线性、多变量、强耦合的特点，它们具有很多不确定性，所以导致其涉及的被控过程和对象往往难以建立精确的数学模型。本文首次将融合随机性和模糊性的云模型应用到液压弯辊板形控制系统当中，实现了定性与定量的不确定性转换，从而解决其中非线性和不确定性问题。模糊控制理论由于其精确的隶属函数导致其模糊不彻底性。为了进一步提高板形控制精度，本文以Matlab软件进行编程仿真，建立二次板形和弯辊力的云模型仿真器，由于云模型具有一定主观性，所以在此基础之上利用现场轧制数据建立基于云模糊神经的液压弯辊板形控制系统。仿真结果表明，建立的基于云模糊神经网络的液压弯辊板形控制模型的各方面控制性能都要优于单独使用云模型控制，并进一步优于模糊控制，系统能对二次板形偏差做出快速反应，出现干扰也能够迅速恢复目标板形，能够很好的满足在线二次板形控制，充分体现了云模型在板形控制中的可行性，以及相对于传统模糊控制在处理不确定性问题中的优越性。由于传统PID控制参数整定繁琐，难以满足高精度液压弯辊控制要求。本文提出了云模型PID控制算法，并在此基础上引入遗传算法优化云模型PID隶属云，以保证在不同时刻始终能获得最佳PID参数。通过仿真表明，本文所提出基于遗传算法的云模型PID控制算法对提高液压系统的油压动态响应速度和稳态跟踪精度十分有效，可同时实现对油压良好的动态和稳态控制性能，对板形调控具有普遍意义。