本文针对钢铁企业生产过程的轧制模型的建立、轧制策略的优化及钢铁企业CIMS体系结构的建立等若干问题展开研究。首先总结了轧制过程中传统的轧制力数学模型和AGC数学模型及相应的建模方法，指出了它们存在的缺陷和不足。基于神经网络具有极强的处理轧制过程所面临的非线性及不确定性问题的能力，提出了一种基于神经网络的厚度自适应控制方案。给出了适于控制的网络激励函数。为了提高轧制力模型预报值的精度，提出了一种基于人工神经网络的轧制力建模新方法。轧制策略是轧机进行过程优化控制参数设定的基础，轧制策略的优劣是综合评价轧机效能与轧制质量的关键。轧制策略的优化问题本质上是一个多目标的非线性规划问题。因为遗传算法具有强大的搜索能力、自适应能力和鲁棒性，本文提出了一种以轧制参数为综合目标函数的基于遗传算法的轧制策略优化的新方法。该方法具有算法简单、计算精度高和很强的学习功能。根据钢铁企业生产和管理模式的特点，将CIMS理念引入钢铁企业中，并从企业组织结构、企业生产作业流程及企业财务核算流程几个方面对轧钢企业的CIMS体系结构进行了分析和研究。提出了以资金流为主线的轧钢企业CIMS体系结构。描述了轧钢企业CIMS的资金流模型和成本控制模型。最后，对论文的研究内容进行了总结，对今后的研究方向作了展望。