随着市场对冷轧产品品种规格的不断扩充和产品精度的不断提高,对冷连轧轧制模型的掌握和优化的研究是非常必要的,轧制力是冷连轧机设定数据中最重要的设备参数和工艺参数,研究实用、高精度的轧制力设定模型具有重要的意义。传统的轧制力计算是借助于数学模型来进行的,由于轧制过程影响因素复杂以及各影响因素时刻变化,致使轧制力数学模型精度较低,不能提供足够精确的轧制力值。本文以宝钢冷连轧机轧制力模型为研究对象,重点进行轧制力设定模型的自适应修正和神经网络模型偏差补偿的研究来提高轧制力设定模型精度。本文详细分析了冷连轧Bland-Ford-Hill轧制力模型及轧制力各子模型方程；利用自适应理论的指数平滑法修正了轧制力模型,着重研究了利用变形抗力和摩擦系数自适应间接修正轧制力与轧制力直接自适应修正相结合的方法；采用人工神经网络结合轧制力自适应的方法来对轧制力进行自适应修正后的模型偏差补偿研究,建立了拓扑结构为8-17-1的BP神经网络轧制力偏差模型；针对所建立的BP神经网络收敛速度慢、容易陷入局部极小的缺点,本设计中利用蚁群算法来优化神经网络的初始权值。最后本文对所研究的提高轧制力设定模型精度的方法进行了Matlab语言的实际数据仿真分析,由仿真结果验证了本设计中方法的可行性和有效性,蚁群-BP神经网络轧制力设定模型使设定误差减小到±3%以内,显著的提高了轧制力设定模型精度。