带钢是轧材中所占比例最大、应用最为广泛的一类钢材。它用于国民经济的诸多方面，如造船、化工、汽车工业、机械及电器制造、军工等方面。目前，世界热轧带钢的年生产量可达3.4亿吨，约占钢材总量的40％～60％，因此，热轧带钢的质量对工业化国家钢铁工业水平产生着重要影响。 卷取机系统是带钢生产流程中的一个重要环节，直接影响带钢的质量。随着机电制造技术、电力电子技术、计算机技术和检测技术的发展，卷取机控制系统的硬件设备控制精度已得到了提高。然而，对应的软件控制方法，如：张力控制策略却并没有得到改进，这对提高卷取机系统的整体控制精度提高产品质量造成障碍。 本文在以上背景下，结合“卷取张力设定模型分析研究”项目展开的。以研究热轧卷取机张力控制系统为目标，针对目前张力控制系统存在的问题，进行了分析并实施了改进。 首先根据课题背景，对现场卷取机的工艺过程和控制过程进行了详细分析，在对现系统进行深入消化的基础上建立了对应的仿真系统，实现了对实际系统的仿真研究。 其次，通过收集的大量现场数据，对卷取机卷取策略的数据进行了扩充，使张力初始设定值更加准确，提高了设定值的精度。 针对现场带钢头部咬钢拉窄问题，提出了在张力控制的初始过程中进行阶梯控制的方法，解决了该问题。 研究了智能控制方法在卷取机张力控制系统中的具体应用。引入自适应/自学习的方法，在线实时调整张力系数和热屈服强度的设定值，提高了张力设定系统的动态适应性； 最后，研究了采用人工神经网络的方法进行张力系数和热屈服强度的预报，进一步提高了张力初始设定的精度。 本文研究的部分内容，已经在现场得到了应用，效果良好，卷取机控制精度有很大提高。在张力控制系统中使用的一系列方法对其它热轧卷取机控制系统有一定的借鉴价值和实际应用价值。