H型钢轧后控制冷却技术是利用热轧后余热进行在线淬火和自回火处理，该工艺能够明显提高钢材强度，生产综合性能优良的H型钢，工艺稳定，生产费用低，因此最具发展前途。本课题以Q235热轧H型钢为研究对象，确定了控冷方案为先空冷5s，然后水冷5s，再空冷5s，用有限元分析软件对H型钢轧后控制冷却过程的温度场进行了模拟分析，通过试验发现对于不同部位施加不同水流密度，如采用w1=2.2(腰部)，w3=5(腿中外)，w4=3(腿)，w5=5.5(倒角)这组水流密度具有较好的控冷效果，在15s(返红结束)时内部最高温度为696.9℃，最低温度为661.1℃，最大温差仅有35.8℃。通过对H型钢控制冷却过程中力学性能和从莱钢型钢厂采集的数据进行了分析，发现调整好Q235H型钢材料的化学成份(C、Si、Mn)的百分含量及控冷工艺参数(始冷温度、冷却时间、终冷温度)可以明显地改善H型钢力学性能(屈服强度σs、抗拉强度σb，延伸率δs)。σs和σb可以提高约40Mpa，δs降低约1％。本课题利用人工神经网络技术建立了通过给定材料的化学成份和控冷工艺参数来预测H型钢力学性能的BP神经网络预测模型。对训练好的网络进行了测试，结果发现，网络模型预报得到的预报值与实测值是基本相符的，最大误差约为5.1％，在合理的误差范围内，这说明该预报模型是可靠的。本课题的研究可为H型钢轧后控制冷却技术的应用提供科学方法和理论依据。