在热连轧过程中,跑偏是铝板带在宽度方向的中心线偏离轧制系统设定中心线的工程描述,是轧制状态参数失去横向对称性的外在表现。轧件的跑偏现象将导致铝带拉断、卷取时带卷不对中等板带产品的质量问题,也可能引发工作辊轴向磨损不均、切边机故障等设备问题,严重影响生产效率,是现代轧制企业需要解决的难题之一。因此,本文从数据驱动的角度出发,探讨铝带跑偏过程规律,建立铝带跑偏预测模型,进而设计跑偏过程模糊控制策略,对提高轧制过程产品质量和轧制设备的寿命都具有非常重要的意义。主要工作如下：分析了“1+4”热连轧现场生产工艺过程、设备参数和监控量,采集得到了3104铝合金轧件跑偏过程相关数据,并分析了精轧过程跑偏基本规律。为降低跑偏量预测的复杂程度,在保留原始信息的前提下,利用主成分分析法对影响跑偏过程各相关因素进行降维,并分析了各因素在主成分中的贡献。在主成分分析的基础上,采用互不相关的输入变量建立了跑偏过程神经网络预测模型,加快了网络的收敛速度。在网络隐层节点的选取上,结合公式法和试凑法选择最佳隐层结点数；在收敛速度和网络误差方面,采用LM算法作为神经网络的优化算法,并用现场数据对预测模型进行了效果检验。基于工业现场大量轧制过程数据,建立了多机架跑偏模糊控制模型,采用FCM聚类算法对T-S模型结构和前件参数进行辨识,采用最小二乘法对模型后件系数进行辨识,得到了F1-F3、F2-F4机架模糊控制模型,并利用现场数据对模型进行应用,验证了模型的控制效果。