围绕轧制负荷分配人工智能优化方法、轧制工艺模型及其工程应用，重点解决轧制生产过程的轧薄、轧精及计算准确性问题。在故障信息诊断研究领域，提出并应用多种诊断新方法，为分析海量轧制数据提供技术支持。提出了基于粒子群-拟牛顿法混合算法、改进遗传算法和改进粒子群算法的轧制负荷分配多目标优化方法，充分发挥了设备潜能。提出了基于粒子群神经网络算法的轧制力预报方法，提高了预报精度。提出了支撑辊动压轴承油膜厚度模型，提高了厚控精度。采用数据挖掘和误差溯源技术，修正了轧机的数学模型。提出了指数加权动态核主元分析的故障诊断方法，构造了动态自适应性的诊断模型。提出了支持向量机与D-S证据理论集成的多源信息融合故障诊断方法，实现了二者的优势互补。提出了多传感器信息融合与贝叶斯网络集成的故障诊断方法，增加了故障特征信息的完备性。提出了粗糙集理论与主元分析相结合的启发式属性约简算法和多变量决策树构造方法，降低了特征向量维数。提出了一种阴性选择和支持向量机复合的故障诊断方法，发挥了二者的优势，提高了诊断的准确性。工程应用：(1)攀华集团重庆万达薄板有限公司1 450 mm五机架全连续冷轧机组高精度液压AGC系统；(2)攀华集团重庆万达薄板有限公司1 780 mm五机架全连续冷轧机组高精度液压AGC系统。