随着国民经济的高速发展，科学技术的不断进步，汽车、机械制造、电器和电子行业对板材及带材的产量和质量提出了更高的要求。而厚度控制是衡量板材及带材的最重要的质量指标之一，已成为国内外冶金行业普遍关注的焦点。 厚度自动控制AGC(Automatic Gauge Control)是一个多变量、强耦合、非线性的实时控制过程，目前，以现代控制技术实现控制性能的最高水平和，以智能控制技术实现系统的灵活性、多样性。两方面的追求相互融合，开发出高精度的厚度自动控制系统是AGC控制技术发展的大趋势。 本文针对AGC这样一个非线性、复杂的系统提出了一种新的控制方案——应用变结构模糊神经网络控制器实现对AGC系统的控制。模糊神经网络集合了神经网络和模糊控制的优点，已有的研究成果充分证明其具有优良的性能，将其应用于AGC系统，使控制性能得到了改善。虽然目前也有这方面的理论研究，但大多数是基于神经网络和模糊控制简单的结合或者是利用三层模糊神经网络模型，基于标准型的模糊神经网络在AGC系统中的应用还有待研究。为取得更好的控制效果，进一步提高系统性能，对模糊语言变量的选取、模糊规则的制定以及模糊神经网络与传统AGC系统的结合方式等都需要深入研究。用遗传算法优化神经网络的结构参数是遗传算法的一个典型应用，但遗传算法有过早收敛的缺点。鉴于此，本论文引入克隆优化算法优化神经网络的结构参数，仿真结果证明了该方法的有效性。 本文还对冷连轧的工艺流程以及冷连轧厚度控制的基本理论进行了较为系统地阐述，综合分析了各种智能方法的基本理论及其在厚度控制的应用。仿真实验以鞍钢6机架冷连轧第1机架AGC系统为研究对象，应用MATLAB仿真软件建立实验模型，通过与传统PID控制结果以及遗传算法优化的模糊神经网络控制结果的对比分析，证明本文提出的基于克隆算法优化的变结构模糊神经网络控制器，不管是动态性能还是静态性能都优于前两种控制算法，进一步验证了本文方法的可行性和实用性。