卷取温度控制是热轧带钢生产中非常重要的环节，控制精度直接影响到带钢的最终组织性能。为了保证卷取温度的控制精度，本文对卷取温度控制模型、控制策略和控制模式进行了深入的研究与分析，在深入剖析意大利ANSALDOINDUSTRY公司开发的数学模型基础上，提出了改进意见，并开发了国内某热轧带钢厂卷取温度控制程序。为了进一步提高卷取温度的精度，研究了BP神经网络在卷取温度控制方面的应用。通过对大量实际数据的分析处理，建立了基本热流密度的BP神经网络模型来优化卷取温度控制模型，提高卷取温度控制模型的预报精度。 主要研究工作和取得的成果如下： 1.通过阅读大量有关热轧带钢层流冷却方面的资料，对层流冷却数学模型进行深入的研究，分析其特点，选择适合该厂的卷取温度控制数学模型； 2.简要介绍层流冷却的原理、特点、设备及模型的控制策略、冷却方式等； 3.利用Visualc++编程语言编写层流冷却预设定和再设定程序，并对数学模型进行了完善； 4.建立BP神经网络，对数学模型中重要参数—基本热流密度进行预报。用基本热流密度的BP神经网络预报值代替其现有的线性模型，来提高基本热流密度的计算精度，以此来优化卷取温度控制模型，提高卷取温度控制精度。 5.针对数学模型和BP网络结合的方法，利用现场数据进行仿真。