本文以攀枝花新钢钒股份公司1450热轧板厂三期改造为背景，以带钢层流冷却过程控制模型为研究对象，从传热机理出发，建立了现场使用的层流冷却过程控制模型。利用以有限差分法为基础的控制冷却数学模型，研究了冷却过程中带钢厚度方向温度变化过程，在模型参数智能调优中，引入数据挖掘技术，对模型参数进行回归分析，并利用人工神经元网络分析数学模型的预报偏差。自投产以来，该系统运行稳定、可靠，控制精度高，产品性能有了显著提高。本文的主要进展如下： (1)建立了攀钢1450热连轧机组新的层流冷却控制系统。设计了控制系统的结构、操作方式、层冷区的轧件跟踪以及系统的数据流，加入了控制策略，其中包括组别分类、控制模式、冷却策略，以及热头热尾、学习系数的读取、头部特殊控制处理等，保证了整个系统功能的完善以及数据流的畅通。 (2)利用有限元模拟计算了带钢断面温度场，分析了带钢温度在宽度方向的不均匀分布。通过研究带钢的冷却过程，构建了控制冷却过程的数学模型结构，建立了空冷和水冷的数学模型。考虑温度和钢种对冷却过程温度变化的影响，以热焓为基础建立带钢比热模型，以插值法建立热传导率的权重系数模型，该模型以温度和含碳量作为自变量。可以在实时状态下完成模型预设定计算、修正计算(设定计算和再计算)、自学习计算等重要功能。采用动态修正设定计算可以对带钢厚度、速度、温度变化造成的温度偏差进行微调，及时地调整集管组态，从而提高卷取温度控制精度。 (3)开发了带钢冷却过程仿真软件并进行了仿真研究，采用差分格式建立了热轧带钢控制冷却的一维非稳态温度场方程，该方程截断误差小且无条件稳定。根据现场条件进行仿真计算，计算结果与实际控制很接近，并得到了带钢厚度上的温度分布，从数值仿真结果中得到水冷时带钢厚度方向上的温度梯度随厚度的增加而变大；空冷返红时，带钢越薄，返红时间越短，表面温度上升的速率越大。在分析模拟数据结果的基础上，建立了返红温度、返红时间与带钢厚度的定量关系，对于厚度为8.23mm的带钢，其返红温升可达到59℃，返红时间可持续2.25s，而对于厚度为2.0mm的带钢，其返红温升为18.5℃，返红时间可持续0.42s。 (4)在智能调优中引入数据挖掘技术，进行异常数据的剔除等数据预处理。利用回归方法，得到带钢层流冷却中空冷回归系数以及基本热流密度修正系数，并用于在线计算。在数据挖掘的结果上建立了卷取温度差值预报的神经网络，BP网络结构层次的方案为7-10-1。利用网络模型，对训练样本进行了处理，网络的预报值与实际温差吻合较好。结果表明，采用BP网络可以预测数学模型计算中的偏差。利用神经网络与数学模型相结合的方法，可以提高卷取温度的预报精度；提出智能纠偏的在线应用新思想，可在线修正数学模型的偏差，为神经网络的在线预报提供了一种可行的方案。 (5)成功地完成了攀钢热轧板厂层流冷却三期改造项目，建立了具有我国自主知识产权的成套带钢控制冷却系统的模型和软件，实现了带钢层流冷却过程的自动控制。所开发的带钢控制冷却过程模型和软件己成功应用于攀钢1450热轧板厂，自投入在线应用以来，程序控制稳定，设备运行良好，产品的各项性能指标均达到或超过规定的指标，具有较高的控制精度，为现场创造了明显的经济效益。