随着热连轧自动化技术的迅速发展,国民经济各部门对轧制产品的尺寸精度的要求日益提高,人们越来越深刻的意识到,轧机的现代化程度越高,对数学模型的依赖程度越大,数学模型已成为轧制关键技术的核心。因此不断优化数学模型,提高轧制参数的预设定精度,是推动轧制过程计算机控制系统进步的主要动力,也是保证成品带材尺寸精度的一项根本性措施。本文结合某铝厂1+3热连轧高精度板材轧制项目,对过程控制级的数学模型建立及模型自学习进行研究。该过程控制级系统以精确的物理模型与神经元网络技术相结合为特征,物理模型描述基本的过程行为,而神经元网络作为对物理模型的补偿。本文主要研究内容如下：(1)研究热连轧轧制理论及数学模型的建模、应用过程。在深入分析过程控制级相关程序的基础上,研究过程控制级的带材温度模型、轧制力模型等模型的建模过程,并详细分析了精轧机实现模型应用及模型自学习的过程。(2)研究指数平滑系数法和基于神经网络的自学习算法。以过程控制级的温度模型短期遗传为例,研究指数平滑系数法的应用过程,详细分析了神经网络用于模型自学习的设计过程及一些经验做法。(3)研究现场所使用的神经网络MA4的结构及其特殊训练算法,并以轧制力模型长期自学习为例,设计神经网络结构,收集训练数据,编程实现基于神经网络的算法程序,计算出模型长期自学习系数用于轧制力模型,实现轧制力模型长期自学习功能。结合现场实际情况验证了基于神经网络的自学习算法的有效性,表明神经网络MA4训练算法收敛,能够用于模型自学习,且明显提高了模型预设精度。