随着“中国制造2025”战略思想的提出,实行生产的智能控制与优化协同,着力开发与应用智能化技术,实现信息深度感知、智慧优化决策和精准协调控制成为当前我国钢铁行业发展的关键性问题。对此,本文以某3500mm中厚板轧机轧制过程中由于各种不对称因素造成的轧件侧弯现象为研究对象,以实现生产过程中轧件侧弯的智能控制为目的,开发设计出一套基于机器视觉的轧件侧弯检测系统,并建立轧件侧弯前馈控制和反馈控制相结合的中厚板轧件侧弯综合调平控制策略,同时对运用智能算法优化侧弯控制模型进行了深入研究。论文取得了以下研究成果:（1）建立了基于机器视觉的轧件侧弯缺陷检测系统。基于两层网络控制架构的设计思想,通过在轧机前、后辊道的正上方各安装一个CCD摄像机,建立了轧件侧弯检测系统结构,并阐述了系统的工作原理和软硬件设计。同时通过建立针孔模型和透镜畸变模型,采用张正友标定法对检测系统实施了标定,并进行了标定误差分析,其标定误差小于0.3个像素,满足摄像机标定的精度要求。（2）提出了高精度轧件侧弯曲率测量方法。基于机器视觉技术,对高温轧件侧弯图像进行中值滤波、图像锐化、数学形态学变换、阈值分割和Canny边缘检测等图像处理,并引入三阶贝塞尔曲线模型,运用RANSAC算法对轧件边缘进行拟合,然后利用改进的基于Zernike矩的亚像素边缘检测算法提取得到轧件边缘的亚像素坐标,其检测精度达到0.02个像素,再经过最小二乘圆拟合得到以轧件中线的弯曲曲率作为整个轧件的侧弯曲率的高精度轧件侧弯曲率半径。系统经过轧制生产现场检测精度分析,其检测误差仅为7%,验证了所述轧件图像处理算法的可行性和有效性。（3）建立了轧件侧弯控制系统。通过研究不同轧制状态不对称因素对侧弯的影响规律,定量描述了出口轧件楔形与侧弯之间的关系,推导建立了轧件侧弯前馈控制设定数学模型和适用于不同影响因素统一的参数修正的出口轧件侧弯反馈控制数学模型,并将两种模型相结合,建立了完整的基于机器视觉的中厚板轧件侧弯综合调平控制策略,为解决宽薄规格产品侧弯缺陷奠定了夯实的理论基础。（4）结合机器学习理论,将最小二乘支持向量机与基于参数修正的轧件侧弯反馈控制数学模型相结合,建立了基于PSO-LSSVM的侧弯综合调平控制模型,通过对传统轧件侧弯控制模型的辊缝倾斜调整值进行补偿,实现侧弯的智能控制,其明显优于传统BP神经网络,且通过与现场实测值验证对比,其相对误差仅在± 12%以内,比单纯数学模型的计算精度提高了将近2倍,表明了本文所建模型能够可靠地实现侧弯的精准控制。