1.带钢产生厚度不均的原因和解决方法
    轧制带钢过程中，使厚度产生波动的原因比较复杂，从钢厂工艺流程上看，可以追述到板坯（粗轧坯或连铸坯）的生产。对于带钢轧制工艺本身，产生厚度不均的原因大致有以下几个方面因素：
    （1）待轧原料因素是带坯厚度不均和硬度波动（含水印）无论是热轧还是冷轧，待轧材料及其硬度因种种原因会发生避免不了的波动。
    （2）生产工艺因素是轧制润滑液润滑性能不稳定，造成摩擦力发生变化；依据弹跳方程，凡是影响轧制压力、原始辊缝和油膜厚度的因素都将对实际轧出厚度产生影响，具体表现在：
    ①温度变化的影响。温度变化对带钢厚度波动的影响实质就是轧件温度差对厚度波动的影响，温度波动主要是通过对金属变形抗力和摩擦系数的影响引起厚度差。
    ②张力变化的影响。张力是通过影响应力的状态改变金属变形抗力，从而引起厚度发生变化。
    ③速度变化的影响。主要通过变形区域中摩擦系数与支承辊油膜厚度的变化影响带钢轧出厚度。
    ④辊缝变化的影响。轧制时轧机部件的热膨胀、轧辊磨损和轧辊偏心等使辊缝发生变化，直接影响成品厚度。
    （3）轧制设备因素是轧辊偏心和加减过程中动态张力发生变化。
    上述三方面因素反映到轧机上，使轧制过程中辊缝不断发生变化，带钢厚度也随之产生波动。

    为了消除带钢厚度不均（控制在允许误差之内），人们利用厚度控制来克服或减轻各种干扰因素对成品厚度的影响。AGC系统自动调节辊一般有两种方法：
    1）电动压下调节：通过直流电动机传动压下螺丝调节上轧辊。
    2）液压压下（或液压推上）调节：由液压缸调节辊缝。

    随着轧制速度和自动化程度的提高，为了更有效地控制带钢纵向厚度公差，提高成品带钢质量，液压压下已成为压下系统的发展方向。其主要优点：
    1）惯性小、反应快、截止频率高，系统对外来干扰跟随性好，调节精度高。
    2）由于系统响应快，因此对轧辊偏心引起的辊缝发生高频周期变化的干扰能进行有效清除。
    3）可实现轧机刚度系数调节，可依据不同的轧制条件选择不同的刚度系数获得更高的成品质量。

    依据构成AGC系统两个基本环节即测量厚度偏差的方法和调节方式的不同，通常AGC可分为如下几种：
    1）厚度AGC（h－A GC）亦称反馈AGC，利用测厚仪直接测量轧制后带钢厚度偏差δh，调节轧机辊缝。
    2）压力AGC（P－A GC），利用压力p间接测量带钢厚度偏差调节轧机辊缝。
    3）连轧AGC（σ－A GC），冷连轧机用张力σ间接测量带钢厚度偏差，调节轧机辊缝。
    4）张力AGC（T－A GC），利用测厚仪直接测量厚度偏差δh，调节轧辊速度V改变张力设定值。
    5）前馈或预控AGC（H－A GC），测量轧制前带钢厚度偏差δh，调节轧机辊缝。
    6）各种补偿（如带钢头、尾补偿、油膜补偿、加减速补偿、轧辊偏心补偿）AGC等。

    目前AGC控制模型主要有：变刚度控制模型（只对液压AGC系统）、张力控制模型、监控控制模型和质量流量控制模型等。在实际AGC系统中，一般同时使用多个控制模型，并通过调节压下量、轧制张力和轧制速度来实现带钢的厚度控制。

    AGC控制模型中，有几个重要参数需要确定，即：轧辊偏心度、油股厚度、轧机弹性系数、带钢塑性系数、摩擦力系数、轧辊磨损、轧辊压扁和轧辊热膨胀系数。由于模型算法的复杂性，以往AGC控制系统对这些参数只能粗略给出，或作为一个综合系数通过参数自适应计算得出。粗略给定控制参数显然影响系统的控制精度，而作为综合系数的自适应算法不易真正建立（模型参数之间不是线性关系），综合系数自适应效果不明显，有时还会起反作用。

  2.AGC控制系统的不确定性
    这里所说的AGC控制系统的不确定性，不是指控制模型和控制算法的不确定，而是指系统控制参数的不确定。所谓系统控制参数的不确定，是指对于同样的轧制设备、工艺条件和控制系统，AGC控制参数的整定是不一样的，而且没有规律可循，这是因为带钢厚度受到液压伺服系统、自动控制系统、工艺的瞬时条件和原料的随机变化等几方面的共同影响。为了使AGC能正常运行，达到设计控制精度，就必须作为一个系统来考虑，而不仅仅是一个控制设备。这就要工程技术人员在生产现场对设备进行长期的摸索和控制系统的整走。

  3.智能技术与AGC控制系统融合的必要性
    智能技术是二十一世纪的技术，目前智能技术正在加速发展，而建立在传统工艺和自动化技术的钢铁工业正在经受考验，因而从某种意义上讲，传统技术正在限制钢铁工业向更高层次发展，随着计算机技术的进步和信息革命的出现，应用最新技术无论对企业管理人员和技术人员都成为最严重的挑战，二十一世纪是智能技术飞速发展的世纪，面对钢铁工业的严重形式，必须降低能耗，节约原材料，提高产品的科技含量，而智能技术的成功应用正是解决这种挑战的最成功方法。

    由上面的分析可以看出，以往AGC系统存在一定的问题，要继续提高控制精度是比较困难的，而智能技术中模糊系统和神经元网络技术正是解决AGC系统控制精度和轧制过程不确定的最成功的技术。作为轧钢技术重要特征之一的AGC／AEC控制系统是保证成品质量的重要品质，正是由于现存的AGC／AEC控制器或多或少具有缺陷，因此有必要利用现存的智能技术对AGC／AEC系统进行再开发，设计出性能优良的AGC／AEC控制器。模糊系统可以提取现场工程师和专家的操作经验，由此确定AGC系统调节辊缝的准则，能够达到现场专家级的调节精度；而神经元网络技术可以建立数据驱动的知识体系，我们可以利用采样数据学习现场操作过程的不确定知识，校正模型及模型参数的精度。

  4.AGC系统基本原理
    1）AGC控制的工艺基础
    AGC控制的目的是助于辊缝、张力、速度等可调参数，把轧制过程参数（如原料厚度、硬度、摩擦系数、变形抗力等）波动的影响消除，使其达到预定的目标厚度。而辊缝、张力等参数的调节又是以轧机的弹性曲线和轧件的塑性曲线及弹 - 塑曲线（P-H图）为依据的。
    2）AGC调节方式
    A.调节压下量。改变辊缝是AGC控制的主要方式，一般用来消除因轧制压力的波动而造成的厚度偏差。
    B.调节张力。通过改变带钢的张力改变轧件变形抗力即塑性曲线斜率以实现厚度自动控制的目的。
    C.调节轧制速度。轧制速度的变化将影响到张力、摩擦系数等的变化，即影响轧制压力变化。可通过调速改变轧制压力以实现厚度自动控制的目的。
    3）AGC控制的基本原理
    厚度控制的目的是使带钢的实际轧出厚度等于设定值，带钢AGC系统必须由计算机预先设定一个目标值与所测量的实际厚度进行比较，得到偏差信号δh，或者通过改变张力、压力等得到偏差信号δh ，再利用厚度自动控制装置或计算机功能程序改变压下位置或带钢张力或轧制速度，将带钢的实际轧出厚度控制在允许的范围内。 

  5.智能系统的构成及应用前景
    目前已应用于钢铁工业的智能技术主要有：
    ．专家系统
    ．模糊系统
    ．神经元网络（AAN）
    ．遗传算法
    ．混合系统

    1）专家系统（ES）
    ES被认为是一种主要处理规则推理的人工智能工具，由于人们在生产过程中积累了大量经验，再加上专家的指导，有益于人们建立丰富的知识库来处理变化着的实际情况。专家系统在钢铁工业中已成功地应用于：故障诊断；生产调度；计划制定；优化问题和生产过程自适应控制等，专家系统主要缺点是知识不能无限获取。
    2）模糊系统（FS）
    FS能够对无法或难以建立数学模型的实际系统，充分利用实际操作者经验或专家知识完成无模型控制或预测。钢铁工业中不乏这样的例子，如精练炉炉温控制。FS技术已成功应用于：系统建摸；系统预测；模式识别；故障诊断；过程优化和动态过程控制；板坯连轧等。
    3）ANN
    ANN以其大规模并行算法及网络信息的分布存贮而著名，ANN不但可以建立生产过程数据驱动的实际模型，而且可以通过对历史数据的学习获得生产过程经验，从而使得网络具有很强的适应能力。ANN运作分为两个阶段，学习和推广，前者对实际过程进行学习，后者将网络应用于实际，正是由于ANN具有良好的鲁棒性，因而具·有很强的适应能力。目前，AAN技术已成功应用于：轧制力预报；精轧轧件的自然宽展；轧件变形抗力预报等。
    4）遗传算法（GE）
    GE主要解决优化问题，不但可解出优化过程的最忧解，而且可对算法结构进行优化，GE建立在自然进化法则的基础之上，算法原理与人进行最优决策思路相象，具有广阔的应用前景。目前GE主要应用领域：规划制定及与ANN、GE、ES混合使用，优化算法及结构，从而优化生产过程。
    5）混合系统
    混合智能技术为智能技术之间或模型技术与智能技术混合使用，达到优化生产过程目的。包括：数学模型十智能技术；统计模型十智能技术；AAN＋FS；GE＋FS；GE＋AAN；GE＋ES；AAN＋ES；FS＋ES等。

    由AGC系统基本原理和智能系统的构成及应用前景可以看出，智能技术和 AGC系统的充分结合，不但具有可能性，而且具有现实的迫切性，利用智能技术可以解决轧制过程模型的不确定性和系统的不确定性，优化生产过程包括AGC工艺参数，调整AGC系统辊缝的压下量，事实上，国外一些大公司已经开始从事这方面工作，并已得到成功应用。

    3）利用智能技术研制AGC／AEC系统的优点
    结合智能技术和 AGC／AEC控制器特点，我们认为研制智能AGC／AEC控制器具有如下特点：
    A.精确确定控制模型参数
    利用人工神经元网络，确定各模型参数对控制模型的影响程度，通过在现场进行一段时间的训练（神经元网络自学习）后，就可以给出精确的控制参数。
    B.提高控制模型精度
    利用ANN技术，通过一段时间历史数据的存贮，可以分析模型的精度，这样我们可以利用ANN技术对模型进行较正，同时也可以抵消生产过程的不确定信息，提高模型精度。
    C.提高AGC／AEC系统的适应能力
    采用智能技术研制AGC／AEC控制系统，由于智能技术中无论专家系统、神经元网络、模糊系统都具有比自适应系统更好的鲁棒性，更能适应变化着的实际情况，从而提高AGC／AEC控制器的适应能力。
    D.良好的推广能力
    好产品应具有良好的适应性，要求我们在智能AGC／AEC控制器开发过程中采用通用的开发准则，软件适应性尽量大，同时顾及实际情况，如神经元网络、专家系统、模糊系统均采用摸块化的目标驱动的层状结构，算法灵活，力求开发出具有良好适应性的产品。
    E.缩短系统的调试时间
    现场的调试主要在于模型参数的摸索和系统的整定。利用智能技术，人们只需要粗略的给出参数对控制的影响程度，其余的工作由其自学习功能来完成，不断提高控制精度，从而减少了模型参数的摸索时间和系统的调试时间。