现代加工对板带材的需求和质量提出了越来越高的要求。建立辊缝模型是冷轧过程中对板形实施控制的重要手段之一，其合理性和计算精度在很大程度上决定了板带材的产量和质量。本文基于轧辊弹性变形理论和轧件有限元刚塑性变形理论建立并分析了辊缝模型，在此基础上，进一步考虑了辊缝间摩擦状况这个重要因素，探讨了在轧制加工中辊缝间摩擦力的具体特征及其影响，建立了准确预报摩擦系数的模型。所做的具体工作内容如下：(1)基于轧辊弹性变形理论以及轧件有限元刚塑性变形理论，通过分析和比较冷轧机工作过程中几种不同的辊缝计算方法，并结合普通四辊可逆式冷轧机工作的特点，选用基于影响函数的计算方法建立了四辊冷轧机辊缝的计算模型，实验证明该数学模型所得辊缝形状与实际数据基本一致。(2)基于辊缝计算模型分析了影响其计算精度的几种因素，进一步说明了轧制过程中辊缝间轧制变形区的摩擦状况对于轧制过程的重大影响。阐述了轧辊与轧件做剪切流体运动所产生的摩擦和普通机械运动产生摩擦的相同及不同之处，然后较详细地说明了辊缝间摩擦力的特点，最后分析了摩擦特性对整个轧制过程中关键因素的影响，包括金属变形抗力、咬入、前滑和后滑、轧制过程稳定性、轧件可轧厚度的最小值、产品的组织性能、质量以及较为重要的轧制力。(3)通过对比几种典型的摩擦系数计算公式，选择著名的返算方法来分析摩擦的特性，具体来说就是基于Hill公式采用回归算法来获得预测摩擦系数的模型。在这个计算模型的基础上，具体分析了影响摩擦模型特性的几种关键因素：轧制速度、轧制压下量以及乳化液浓度，通过调节它们可以有效地对摩擦模型进行控制，从而改善辊缝间的轧制状况并提高生产效率。(4)通过引入BP神经网络建立模型来提高摩擦系数的预报精度。基于人工神经网络的概念、计算方法、在轧制中应用情况及其优化方法，详细描述了BP神经网络的构建过程，包括：输入输出变量的选择，网络摩擦模型结构的确认。(5)通过在某企业生产现场采集到的生产数据结合MATLAB工具对BP网络的摩擦模型进行了验证。对于BP网络模型和传统回归模型，以图表的方法比较了其采用相同实测数据预测摩擦系数及轧制力、轧制功率时的精度，结果证明BP网络模型的预报精度远远高于传统的回归模型。综上所述，本文建立了四辊冷轧机工作过程中的辊缝模型，分析了影响辊缝状况的关键因素，并在此基础上建立了辊缝间摩擦系数的高精度预报模型，期望对提高板形的控制精度提供一定的理论基础。