热轧板材作为钢材中最重要的品种之一，在各行各业的应用都十分普及。组织-性能作为反映热轧板材质量的关键指标之一，也得到了钢厂和客户广泛的关注，它与生产操作具有十分密切的联系。传统方法通过现场破坏性取样检验来获得组织-性能指标，这必将耗费大量的人力、物力和时间，同时，热轧板材的工艺优化设计也只能通过大量的物理实验来探索确定，缺乏科学合理的指导。因此，研究组织-性能预测技术，并找到指标与工艺参数之间的关系，依此基础为开发新钢种提供工艺制度和参数设定方面的指导，对热轧生产具有重要的意义。　　热轧生产过程是一个由多个子系统构成的复杂大系统，具有严重非线性、不确定性、时变、大滞后、强耦合和多参数等特性，建立数学模型比较复杂。本文在充分分析热轧过程机理的基础上，通过对组织-性能相关数据的分析与研究，提出了一种基于改进极限学习机模型的组织-性能预测建模方法，并依此模型，结合粒子群算法，实现了热轧工艺的优化设计。　　论文的主要工作和内容如下:　　(1)在对热轧生产工艺分析的基础上，通过灰色关联分析方法，对热轧板材组织-性能指标及其影响因素进行研究和分析，确定影响热轧板材组织-性能指标的主要影响因素，为建立热轧产品组织-性能预测模型奠定基础;　　(2)在对极限学习机分析的基础上，提出一种改进方法，并建立了基于改进极限学习机的热轧板材组织-性能预测模型，通过实例仿真和分析表明所建立模型的有效性和可靠性;　　(3)在建立热轧板材组织-性能模型的基础上，对其工艺参数优化问题进行深入的分析和探讨，建立热轧生产过程的工艺优化模型，并结合粒子群算法对该优化模型进行了优化方面的仿真研究，结果表明该方法能合理制定工艺参数，为开发新钢种提供指导。