冷轧带钢凭借着优秀的性能广泛应用于工业与制造业,对其机械性能的检测是生产过程中非常重要的一环。目前国内绝大多数钢厂采用离线拉伸的方法来检测机械性能,不符合智慧制造的趋势。本课题与上海宝钢中央研究院合作,以宝钢冷轧C608机组为适用现场,基于多磁参数理论,开发出一套在线检测冷轧带钢机械性能的系统,并针对软硬件及算法模型做出了相应的优化。本文首先研究了多磁参数检测方法的理论基础,结合磁化理论介绍了四种磁方法的检测原理与特征参数,并描述了材料的磁参数与机械性能的间接关系与建模方法。之后描述了在线检测系统硬件的开发过程,具体包括进给机构的机械设计、系统的设备选型以及使用可编程控制器进行硬件系统的智能化控制。然后根据检测系统的应用特点确定了前后端分离的软件架构,并进行了前端界面的设计以及后端程序的开发。最后探究与对比了两种算法模型的标定过程和预测精度,得出使用BP神经网络相较于逐步回归可以提高带钢机械性能的预测精度,并且依据钢种分类可以进一步优化预测结果,同时利用巴克豪森检测设备进行钢板样例的实验探究,得出多磁参数检测方法相较于单一的巴克豪森检测方法要更具优势。冷轧带钢机械性能在线检测系统相较于3MA检测系统做出了较多的优化,包括实现对探头位置的控制,依据现场工人操作习惯进行了人机交互界面的全新设计以及采用全新的算法模型大幅度提高了对冷轧带钢机械性能的预测精度。同时机械性能在线检测系统更加贴合工业生产线的使用特点,具有较好的实用性与创新性。