中厚板轧件的厚度精度是轧件重要的质量指标之一,厚度控制的实质是对轧机的辊缝进行控制。本文分析了影响轧件出口厚度的因素及轧机厚度的控制原理,利用GRNN神经网络建立了4200轧机钢板厚度的预测模型,结果表明GRNN神经网络模型能较好地预测轧件厚度的变化情况,其相对误差很小。相对于BP神经网络和Elman神经网络模型,GRNN神经网络模型在预测精度方面有一定程度的提高,实现了与实测结果的高度拟合。人工神经网络为解决厚度预测提供了一种新的解决途径,特别是在轧钢过程中有广泛的应用前景,这在理论以及实践上都将具有重要的意义。轧机厚度控制系统是轧机最重要的部分之一,本文介绍了常规PID控制算法的理论基础,分析了模糊PID控制较之于常规PID控制的优势,并详细叙述了模糊PID控制器的设计过程。利用MATLAB模糊逻辑工具箱,建立了以辊缝位置为被控对象的参数自调节模糊PID厚度自动控制系统的模型,对轧机自动控制系统进行模糊PID控制。在MATLAB/Simulink环境下,分别建立了单位阶跃响应的模糊PID控制器的系统模型和单位脉冲响应的模糊PID控制器的系统模型。通过比较常规PID控制器和模糊PID控制器的响应结果可知,模糊PID控制器控制下的液压系统的超调量比常规PID控制器小,这说明模糊PID控制器的性能优于常规PID控制器,这为解决厚度自动控制提供一种有效的途径,为轧机厚度控制技术的发展提供了很好的前景,同时也为现代工业自动控制问题提供了新的解决方案。