提高热带钢轧制过程中的模型预报精度，一直是热连轧自动控制技术不断追求的目标。虽然采用改进数学模型本身结构和优化模型系数的方法能够在一定程度上提高模型的精度，但是由于实际工况的多变性，模型精度提高程度十分有限。因此本文采用模型的自学习方法，根据现场实际轧制状况，对数学模型进行实时、在线的修正，以跟踪实时变化的轧制状态，提高模型的在线控制精度。本文在查阅了大量资料的前提下，总结了近几年国内外模型自学习功能的研究进展和发展趋势，根据模型自学习的研究现状，对热带钢精轧模型的自学习功能做了进一步的研究。根据某厂1780mm热连轧精轧模型自学习功能所存在的问题，本文将精轧模型自学习分为长期自学习和短期自学习两方面进行研究。短期自学习的研究重点是指数平滑法中平滑系数模型的改进，提出了一种多变量控制的平滑系数模型，经过自学习仿真计算，证明了改进模型的合理性，改进效果明显优于以往单变量控制平滑系数模型。在长期自学习方面，主要研究了长期自学习的启动条件，以及换层别后首块钢学习系数的选取策略。首先，在长期自学习启动条件中加入了规格变化程度的判定条件，在保证预报精度的前提下，有效减少了长期自学习启动次数，保证了自学习的连续性。其次，在原自学习模型中加入了趋势学习系数，在一定程度上修正了长期自学习系数中所包含的设备状态信息，提高了长期未轧制层别的轧制力预报精度。最后，改进了从未轧制过层别初始自学习系数的选取策略，通过对已轧层别中相似层别学习系数的学习，有效提高了从未轧制的层别的轧制力预报精度。