当今冶金工业生产随着轧制技术的发展,对高质量、高附加值、高技术难度的带钢产品的需求量显著增加,各大钢铁企业在钢材市场竞争愈演愈烈,为了完成轧钢过程的大型化、高速化、连续化、自动化发展,高精度轧制技术方面的研究迫在眉睫。本文就是以某钢厂单机架模型集成和测试系统研究开发项目为背景,展开单机架可逆冷轧机设定优化研究,力求获得实用和高精度的轧制设定模型。过程控制系统是冷轧计算机系统的核心,主要任务是负责轧制模型计算、最优控制和配合轧制生产应用操作。本文通过过程控制系统功能结构和模块设计的分析,设计了L1级、L3级与过程控制系统的数据流图,明确了轧制设定从数据接收、数据准备、预计算、再计算、后计算以及设定数据发送L1级的整个流程,使对于冷轧设定优化研究更加清晰化。实现了与生产准备相关模块的时序设计。为了获得高精度的轧制设定模型,本文在理论数学模型计算上将Bland-Ford-Hill模型的弹性回复区和入出口厚度再计算加入模型公式中,并推导了轧制力与压扁半径解耦后的显示计算模型,避免了轧制生产的在线迭代过程,分析确立了轧制设定模型以及各子模型方程；利用自适应控制理论的指数平滑法研究了轧制模型自适应、自学习过程以及二者的控制关系,着重研究了变形抗力和摩擦系数解耦后计算,建立了轧制模型变形抗力和摩擦系数间接修正轧制力和自适应直接修正轧制力相结合的轧制力设定模型；采用人工神经网络对轧制材料参数预报和自适应后设定轧制力偏差补偿研究,针对BP网络收敛速度慢、易陷入局部极小的缺点,设计了遗传算法优化BP神经网络结构和初始权阈值的方法,并最终建立了BP神经网络与自适应相结合的轧制设定模型,提高了轧制设定精度。最后本文在每个章节结尾处针对所提出的研究方法,利用现场实际钢卷数据进行了仿真实验,并对仿真结果进行了详细的分析,结果验证了本文设计中的方法的可行性和有效性,并最终通过建立的GA-BP算法将轧制设定模型精度控制在3%范围内,显著提高了轧制力设定模型精度。