钢铁的产量和质量是衡量一个国家工业化发达程度的重要指标。钢铁工业是工业化发展的基础产业。随着现代生产水平的提高许多行业，例如汽车制造、航空航天以及房地产等对带钢板质量要求也不断提高。由于带钢板的厚度精度是衡量带钢板质量的最重要指标。所以控制带钢厚度，提高带钢厚度精度成为国内外冶金行业普遍关注的重要课题。厚度自动控制系统又称为AGC（Automatic Gauge Control）系统，它是一个多变量、强耦合的非线性控制过程，目前大多以现代控制技术的应用和人工智能算法的引用来实现控制性能的最高水平，提高控制系统的灵活度和方便性。目前在带钢实际生产中热轧厚度控制系统是带钢厚度控制领域应用最广泛的控制系统。本文先是介绍了热轧带钢生产工艺和流程，以及厚度控制的理论基础。研究了厚度控制的基本数学模型和影响厚度波动的原因。然后介绍了几种AGC的控制原理。通过分析液压AGC的主要组成部分控制器、伺服放大器、伺服阀、液压缸和传感器，并为各组成部分建立数学模型，建立起热轧AGC的数学模型，由于研究重点在于控制器的自适应调整，因此对复杂的数学模型进行降阶处理，将复杂的五阶模型简化为二阶数学模型。本文研究的重点是神经网络的改进与其在热轧厚度控制中的应用。由于神经网络具有的高度非线性信息处理能力和自学习能力，使它可以逼近任意的高度非线性系统，但是神经网络在某些情况下存在一些缺陷，如收敛速度缓慢，易陷入局部极小值等。因此如何利用神经网络的优点，克服它的缺陷，并对其进行改进和创新，用来解决热轧厚度控制的问题将是我们研究的重点。本文针对这些缺陷将神经网络进行优化处理，引入了改进神经网络的具体方式：添加动量项。本文还研究探索了对神经网络结构的选取、非线性误差函数的选择以及动量因子选取等方面。通过仿真实验确定其确定了一种跟踪性能良好的BP神经网络结构，并通过仿真实验验证了这种结构的神经网络的有效性。最后本文设计了将BP神经网络改进后的PID控制器，并将此控制器应用在热轧厚度控制系统中，通过仿真实验结果证明它具有良好的跟踪性能和信息处理能力。