随着现代轧钢工业对产品质量要求越来越高,对轧机传动系统也提出了高精度和高动态性能的技术要求。由于电机与轧辊之间的弹性连接,在发生负载扰动时,传动系统经常会出现扭振现象。扭振不仅会降低轧机传动系统的动态性能,甚至还会造成轧钢机械设备的破坏性损坏,影响传动系统的安全生产。对于实际的轧机系统,本文将传动系统中的机械部分和电气部分作为一个整体来研究。通过分析轧机传动系统的机械传动部件,将轧机系统等效成由若干惯性部件和弹性部件构成的“质量弹簧系统”。然后将该质量弹簧系统简化成二质量模型,并利用动力学方程建立其数学模型。本文将轧机扭振控制问题考虑为含有间隙非线性环节且带有外部干扰的系统设计问题。从自动控制系统的角度出发,轧机传动系统在存在扰动时出现的动态降速和机械扭振现象,可以归结为自动控制的外扰调节问题。为了能将现实中不易直接测量的中间轴扭矩及负载转速分别进行前馈补偿和反馈控制,本文设计了状态观测器来观测扭矩及负载转速。考虑到系统含有非线性环节且模型参数具有不确定性,将状态观测器设计为神经网络状态观测器,利用神经网络对非线性映射的良好逼近功能及在线自学习自调整的自适应性,在线观测扭矩及负载转速。针对BP算法的收敛速度慢、已陷入局部最小等缺点,本文提出一种改进BP算法。仿真结果表明,带神经网络状态观测器及扭矩前馈补偿的双闭环轧机扭振控制系统,动态性能和抑制扭振效果都比较好,取得了较好的控制效果,验证了本文所设计的控制系统对轧机传动系统扭振现象的抑制是有效的。为了取得更好的控制效果,本文把模糊控制技术引入轧机扭振控制领域,并让其与神经网络结合组成模糊-神经网络PID控制系统。模糊控制是一种结合了基于规则的专家系统、模糊集理论和控制理论成果的智能控制理论。仿真结果表明,该控制系统控制效果良好。