带钢的卷取温度控制精度直接影响其组织性能和力学性能，是保证板带质量和板形良好的关键因素。因此，对带钢层流冷却系统的分析和研究具有深远的现实意义。本文以国内某热轧厂的带钢层流冷却系统为背景，对如何提高层流冷却过程的卷取温度控制精度进行了较深入系统的研究。分析了带钢的冷却机理，对带钢传热过程的基本方式进行了研究，并详细分析了该厂层流冷却过程的数学模型。该模型主要是由水冷模型和空冷模型组成。模型的计算精度直接影响最终的冷却效果。因此，建立合理的带钢卷取温度控制模型对提高卷取温度控制精度具有重要的意义。研究分析了国内层流冷却系统控制策略，并重点对该厂的层流冷却过程控制策略的各项功能进行了分析，建立了热轧带钢层流冷却软件仿真系统，为控制策略的改进和模型的优化提供了试验平台。层流冷却反馈控制的难点之一在于反馈量的滞后性。因此根据史密斯补偿原理，结合模糊控制的高鲁棒性优点，采用模糊PI史密斯预估控制改进层流冷却系统的反馈控制环节。结果证明该方法提高了带钢卷取温度的控制精度。卷取温度控制精度不高的主要原因在于温度预报模型的精度不足。根据人工神经网络具有处理非线性复杂过程的能力，对BP人工神经网络的工作原理进行了研究，采用经过改进的BP神经元网络预报热轧带钢层流冷却的卷取温度，提高了卷取温度的预报精度，改善了卷取温度的控制精度及同板均匀性。仿真结果证明该方法行之有效。