在钢铁行业中,热连轧是一种生产效率高、经济效益好的钢铁材料生产方式,在国民经济中占有重要的地位。热连轧过程非常复杂,各个机架间需要保持连轧关系才能生产出形状尺寸、组织性能符合要求的产品。然而,在轧制过程中轧件的温度场和应力应变场呈非线性变化,满足热连轧过程生产条件是比较困难的。因此,合理的生产工艺对于轧制生产至关重要,是保证热连轧成品质量的关键,同时对于提高生产率和降低能耗也具有重要的意义。本文研究的目的是建立一个智能分析和优化设计的系统,可以对热连轧过程中金属的变形进行快速高效的分析,对连轧工艺参数进行优化设计。为此,本文采用有限元模拟与人工神经网络预测相结合,建立轧制条件与温度场、应力应变场之间的关系,利用有限元方法对20钢、65Mn、304不锈钢和X80管线的单道次轧制过程进行热力耦合分析,采用NALU神经网络建立单道次轧制过程智能预测模型,结合动态规划优化算法建立起连轧过程分析与优化设计系统。通过对上述四种钢的单道次轧制过程热力耦合模拟,分析了材料参量、轧制温度、压下率、前后张力、初始应力场、摩擦系数和轧辊转速等参数对于轧制过程的温度场和应力应变场的影响规律,结果与实际吻合,为智能化预测模型的建立提供了可靠的数据。在建立单道次智能预测模型时采用NALU神经网络算法,构建由三个NALU层构成的网络模型,其中输入层参量为22个,包括材料参数、轧制条件参数和位置坐标;输出层参量为10个,包括温度场和应力应变场。通过对上述四种钢的有限元模拟得到的数据对网络模型进行训练。对轧件入口段、变形区和出口段分块训练。考虑到模拟比例关系,本模型可对实际生产过程中较大尺寸的轧机的轧制过程温度场和应力应变场进行预测。并且该模型可适用于其他材料,具有一定的普适性。基于智能预测模型,利用动态规划方法对304钢在轧辊直径为1350 mm的五连轧机组上的轧制工艺进行了优化,各道次的变形量分别为56.93、44.48、30.49、21.00和14 mm,轧辊转速分别为22.4、31.7、44.4、61.8和84.8 rpm,与某厂实际工艺参数符合。本文工作表明有限元方法与人工神经网络相结合时能够避免有限元方法在多道次热连轧模拟中因几何非线性和材料非线性引起的计算问题,本文建立的智能分析与优化设计系统是分析连轧过程的有效手段,对于新产品的开发有实际应用价值。