冷轧板带材轧制过程控制技术水平是提高板带材产品质量以及生产能力的关键。描述轧制过程的数学模型是过程控制的基础,其精度决定着过程控制的精度。鉴于轧制过程影响因素复杂以及各影响因素时刻变化,难于用机理模型描述,将人工智能方法用于过程控制模型的研究,是目前认为提高过程控制技术的有效途径。冷轧轧制力模型是冷连轧模型系统的核心。本文以轧制力模型为研究对象,首先从轧制理论出发,深入分析了冷轧时轧制力模型的特点,并且探讨了在工程研究中应用广泛的Bland-Ford-Hill轧制力模型,详细分析了影响轧制力计算精度的主要因素。然后,在轧制力数学模型研究的基础上,以某1450mm八辊五机架冷连轧机的实际生产数据为依据,运用BP(Back-Propagation)神经网络建立了拓扑结构为7-12-1的神经网络轧制力模型。针对单纯的BP算法容易形成局部极小的缺点,将蚁群算法用于BP神经网络权值的优化中,进一步提高了轧制力预报的精度,并通过离线学习结果有力的证明了蚁群-神经网络轧制力模型的优越性。最后,对神经网络轧制力模型在冷轧轧制负荷分配中的应用做了研究。用神经网络轧制力模型代替理论数学模型,并充分利用蚁群算法分布式并行计算、全局搜索优点,对某1450mm八辊五机架冷连轧机的轧制负荷分配进行优化设计。本文以等相对负荷为目标函数,在设备条件和工艺条件的约束范围内,实现了轧制负荷的优化分配。