综上所述, 改善板型的方法是通过板型自动控制系统实现的, 而板型控制的数学模型是板型控制系统的核心内容。人们采用不同方法对板型控制的数学模型进行了细致的研究, 在带材板型设定、预测和控制等方面均取得很大进展, 出现了应用BP 神经网络与预测控制算法相结合的板型预测模型、基于人工智能的自适应板型控制等。但是,目前板型控制方案的制定往往依靠大量的生产试验和经验积累, 缺乏比较成熟的理论方案和数学模型。

1996 年, 攀枝花钢铁公司冷轧厂引进了日立公司制造的1 220 mm 六辊HC 四机架串列式冷连轧机, 但在实际生产中板型闭环控制不理想, 不得不通过手动调节弯辊力和轧辊倾斜的方式控制板形, 板型质量出现了时好时坏的现象。宝山钢铁股份有限公司2 030 mm 冷连轧机组前面4 个机架的弯辊力, 原来是由操作人员目测各机架出口带钢的板型而现场设定的, 板型质量不稳定。技术人员通过大量现场数据, 对轧制力、轧件宽度、轧件厚度、压下量、轧辊直径对弯辊力设定的关系等主要工艺参数进行回归计算与分析, 建立了弯辊力设定计算模型。显然, 这些方法缺少理论指导, 适应面窄, 因此, 迫切需要建立具有理论基础的板型控制的数学模型。