轧制板带材广泛应用于国民经济各个领域，板带材的质量和需求在现代加工中的要求越来越高。为了更好的提高产品质量和提升产品价值，必须把追求良好的板形质量放到首要地位。因此，研究板形控制是一项很有意义的课题。本文以四辊冷轧机为研究对象，以实现板凸度在线预报为目的，进一步研究了板凸度的影响因素，建立了准确预报板凸度参数的模型。主要工作内容如下：（1）利用ANSYS/LS-DYNA建立了四辊冷轧机的有限元轧制模型，仿真分析带钢轧制过程板形的变化，对有限元模型进行求解和分析，主要包括板带轧制整体模拟结果的分析、板带材模拟结果的分析、轧辊模拟结果的分析三方面。在有限元仿真的基础上，重点研究工作辊弯辊力、支撑辊弯辊力、工作辊直径、支撑辊直径、工作辊凸度、支撑辊凸度、工作辊窜辊量、支撑辊窜辊量以及板带宽度对板凸度的影响，并利用MATLAB分析了板凸度的变化规律。（2）通过引入BP神经网络建立板形预测模型来提高板凸度参数的预报精度。基于人工神经网络的概念、学习算法、在板形控制中的应用情况，详细介绍了BP神经网络模型的构建过程，包括输入输出参数的选择，神经网络模型结构的确定。（3）根据有限元分析与BP神经网络模型，建立有限元与BP神经网络结合的总体板形预测模型。利用有限元仿真分析得到的结果作为训练样本及测试样本对BP神经网络进行训练和检验，比较有限元与BP神经网络结合的板形预测模型和传统的板形预测模型的预报精度。结果证明：有限元与BP神经网络结合的板形预测模型的预报精度远远高于传统模型的预报精度。（4）利用2800四辊冷轧机进行了工程验证，进一步研究工作辊弯辊力、支撑辊弯辊力、工作辊直径、支撑辊直径、工作辊凸度、支撑辊凸度、工作辊窜辊量、支撑辊窜辊量以及板带宽度对板凸度的影响，并把实际工程中得到的数据和有限元模型的计算值进行比较，通过对比分析，得出两者的变化规律是一致的，验证了有限元仿真模型的正确性。综上所述，本文建立了基于有限元与BP神经网络相结合的板形预测模型，分析了影响板凸度的关键因素，并预报了板凸度参数，期望对提高板形控制精度提供一定的理论基础。