在连铸过程中,从结晶器出来带有很长液心的铸坯要经过二次冷却区二次喷水冷却之后才能完全凝固。这一冷却过程当中,喷水冷却的效果将直接影响到铸坯的质量,所以合理控制连铸二次冷却水对铸坯合适的冷却,对连铸生产过程具有积极地意义。目前连铸二冷水控制方式主要分为两类：一类是静态控制,另一类是动态控制。静态控制虽然已经广泛应用,但是缺点特别明显。应大力发展动态控制。动态控制一类是基于实测铸坯表面温度实时调整水量,但是由于连铸二次冷却区的强大干扰,目标表面的测温存在很多难点,所以此种方法应用受到了限制。另一种方法是基于模型的方法,此种方法利用模型对铸坯表面温度进行预测,将预测温度与目标温度进行比较来控制冷却水量。对于基于模型的控制方法主要应该重视的是模型的准确程度以及可实施性。目前大多动态控制采用的模型是铸坯凝固传热模型,但是此模型计算量大,实时性不高,可实施性差。所以本文采用基于量子粒子群优化的BP神经网络建立连铸二次冷却水温度预报模型。本文从二次冷却水基本理论着手,在深入分析量子粒子群优化算法的优势以及将要运用建模的BP神经网络,决定基于量子粒子群算法对BP神经网络进行优化,运用优化过后的BP神经网络对连铸二次冷却水建立温度预报模型。然后对其进行仿真分析。最后,基于温度预报模型并采用自适应PID作为控制器建立连铸二次冷却水控制系统。经过仿真分析得到很好的控制效果。