板形是板带的重要质量指标。随着仪表、电器、汽车及轻工业的发展,对板带板形的要求日趋严格。但在我国,带钢板形的自动控制还是一个相当薄弱的环节,每年由板形不良所造成的经济方面的损失十分严重,解决我国板带生产中板形质量问题是一项具有巨大经济意义的课题。液压弯辊系统是板形控制系统的最基本的环节,它的动态特性和稳态性能对于整个板形控制系统的性能起着至关重要的作用。针对液压弯辊系统数学模型的非线性、时变特性,本文设计了一种模糊神经网络模型参考自适应控制器。采用多层前馈网络逼近被控系统的动力学特性,获取其Jacobian 信息,传递给学习机构用于在线修正网络的权值。为克服网络易陷于局部极小的情况,采用附加动量因子的梯度下降法来训练网络。基于模糊神经网络的自适应控制方案可以在线学习和调整模糊规则参数及隶属函数参数,其控制规则是根据现场实际控制数据并通过计算得出,再将其应用于现场的控制中。把基于模型参考的自适应模糊神经网络控制器应用于轧机液压系统中,仿真结果表明系统的适应性、鲁棒性和稳定性较强,该控制器适用于非线性、时变系统的控制。UC 轧机中间辊弯辊回路的数学模型具有很强的时变性和不确定性,常规的PID 控制算法无法对系统变化作出快速、精确的反应,因此控制过程中,板形的精度不易保证。本文构造模糊神经网络并将其应用于中间辊弯辊控制回路中,用神经网络构造等价的模糊系统,完成模糊化、模糊推理、清晰化操作。仿真结果表明,模糊神经网络控制器能很好的跟踪二次板形的目标设定值,系统的响应快,超调小,鲁棒性及自适应能力都较强。