本论文简述了热轧带钢厚度控制系统的基本控制原理和方法。并对鞍钢集团朝阳钢铁有限公司1700ASP生产线厚度控制系统进行了介绍。为了提高热轧产品厚度控制精度,在鞍钢集团朝阳钢铁有限公司1700ASP生产线现有厚度控制系统的基础上对现场生产工艺和生产大数据进行了分析和研究,采用BP神经网络预测带钢厚度偏差及设计神经网络PID控制器,并与传统厚度控制系统进行了偏差预报及AGC控制曲线的比较。同时针对BP神经网络设计中的网络隐层数、各层神经元个数、学习算法等具体问题进行了研究,构建了基于BP神经网络的热轧带钢厚度控制模型及AGC PID控制器。根据离线仿真结果分析表明基于BP神经网络的热轧带钢厚度控制系统要明显优于传统厚度控制系统。在模型预测偏差网络训练方面,可得出同层别分组优化要优于同层别整体优化的热轧带钢厚度控制。在AGC PID控制器设计方面,可得出基于神经网络的PID控制器控制精度要优于传统的液压PID控制器,可实现PID控制器对P/I/D值的有效自动调节。通过实现结果可看出,基于BP神经网络的热轧带钢厚度控制系统可保证全品种全规格全长度厚度精度控制(±50μm)达到99.5%以上。由于BP神经网络真正用于热轧带钢全长厚度控制的生产线还非常少,因而基于BP神经网络的热轧带钢厚度控制的在线应用可以有效提高带钢厚度控制水平,其前景比较广阔,可以为企业增加显著经济效益。